赵 敏
(贵州民族大学数据科学与信息工程学院,贵州 贵阳 550025)
车载感知设备、智能手机、可穿戴设备和平板电脑等终端设备在近年来得到了普及和发展,上述智能设备中存在了大量的传感器,具有通信、计算、存储和感知的能力,促进了群智感知技术的发展[1]。群智感知技术是移动感知和众包思想结合生成的,其感知单元是用户身上存在的移动设备,构成移动网络,通过网络进行无意识或有意识的协作,实现数据收集、任务分发,可以完成复杂、大规模的感知任务[2]。群智感知技术被广泛的应用在城市环境感知、环境检测、公共安全和智能交通等领域中[3]。时间变化的同时移动节点在网络中的位置也会发生变化,使节点在网络中相遇的时间出现较大的波动,所以节点在传输数据的过程中所用的时间较长,提高了实现任务的时间成本,因此需要研究网络群智感知任务的分配方法[4]。
基于混合任务网络的任务分配方法考虑服务群体的协同水平和胜任度构建群智感知任务分配模型,通过粒子群算法求解任务分配模型,引入加权TOPSIS评估方法结合网络实际情况和用户偏好得到群智感知任务的分配方案,该方法分配任务所用的时间较长,任务分配效率低[5]。基于Q学习的网络任务分配方法通过Q学习方法确定多目标在网络中相遇的最好时机,利用回报函数和Q学习函数得到最优簇首在目标并行阶段中的切换方案,采用动态最小簇成员总数和信息效用函数保证网络剩余能量的同时,选择不同阶段中的簇成员和最优簇首,实现网络任务的分配,该方法将任务分配给用户后,只有少数的用户能够完成任务,存在任务完成率低的问题[6]。……