移动群智感知网络中信息量最大化的用户选择方法研究

摘要：

移动群智感知网络已经成为一种新型的感知模式,被广泛应用在环境数据收集等多种不同场景.限制群智感知系统效能的一个关键问题在于:如何在一定预算范围内选取最合适的用户来进行感知任务,从而最大化收集到数据的信息量.这其中的关键挑战包括:(1)如何定义量化评价指标衡量数据的信息量,(2)如何在无先验知识的情况下有效地学习选择每个用户的成本,(3)如何设计有效的用户选择算法,最大程度地降低算法的累计遗憾.在本文中,我们采用高斯过程建模空间环境,并且提出一个基于互信息的信息量衡量指标.为了解决第二、第三个挑战,我们提出有预算限制的多臂老虎机用户选择问题模型,并为静态和动态场景分别设计了理论可证的低累计遗憾的多轮用户选择算法.我们的理论分析和仿真实验均证实我们提出的算法能够在预算限制情况下有效地选择最有信息量的用户,与基准方法相比提升约20％.

关键词：移动群智感知、用户选择、多臂老虎机问题、预算限制、空间相关性

所属期刊栏目：43

分类号：TP393(计算技术、计算机技术)

资助基金：本课题得到“物联网与智慧城市关键技术及示范”重点专项;国家自然科学基金项目;阿里巴巴创新研究计划资助

在线出版日期：2020-05-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共14页

页码：409-422