10.19734/j.issn.1001-3695.2022.03.0147
基于蒙特卡罗贝叶斯推理的移动群智感知可靠任务分配机制
针对现有任务分配策略的不足,研究了在工人数量有限的移动群智感知系统中任务分配策略,借助社交网络来分配任务并获得高收益.首先,建立了社交网络的动态不确定环境,利用社交网络完成任务,传播任务.然后考虑到不同社交网络对任务的偏好不同,设置任务偏好度这一不确定指标,借助经济学风险价值的理论描述任务分配的可靠性.最后利用蒙特卡罗贝叶斯推理方法研究任务动态传播模型的复杂参数的高斯过程,设计基于知识梯度的采样算法选择蒙特卡罗采样点,从而实现高收益的任务分配方案.为了验证所提策略的性能,将其与四种基准的采样算法进行比较.实验结果表明,所提任务分配策略在提高收益方面是有效的.
移动群智感知、任务分配、风险价值、动态不确定、蒙特卡罗贝叶斯推理
39
TP393(计算技术、计算机技术)
国家自然科学基金61802257
2022-11-29(万方平台首次上网日期,不代表论文的发表时间)
共7页
3365-3370,3384