OTAP:基于预测的机会群智感知多任务在线分配算法
机会群智感知网络中,不同节点间的相遇间隔各异,任务由不同节点执行时的时间成本有较大差异性.为最小化任务平均完成时间,设计并实现了一种基于预测的多任务在线分配算法(online multi-task assignment based on prediction,OTAP).基于真实移动轨迹数据集,分析了节点间相遇间隔分布,设计了节点相遇规律发现子算法;利用对节点间的相遇间隔的预测,每次给执行节点分配在与任务分发者下次相遇间隔内能完成的最大任务量.针对4个不同的真实移动轨迹数据集,利用ONE模拟器,对OTAP算法性能进行了验证与分析.结果显示,相比于已有的NTA算法,OTAP在4个不同数据集中平均任务完成时间分别缩短了50.49％、45.34％、32.71％、32.23％,任务完成率在其中两个移动轨迹数据集中也有所提高.
机会群智感知、多任务分配、在线算法
50
TP393.01(计算技术、计算机技术)
国家自然科学基金资助项目61502040,61370065;北京市属高校高水平教师队伍建设支持计划青年拔尖人才培育计划资助项目CIT&TCD201804055;网络文化与数字传播北京市重点实验室资助项目ICDDXN001;北京信息科技大学“勤信英才”培养计划资助项目
2018-11-13（万方平台首次上网日期，不代表论文的发表时间）
共7页
176-182
