论文部分内容阅读
近年来，随着无线通信和智能软硬件等物联网技术的飞速发展，各类智能移动设备得到大量普及应用。移动群智感知是一种利用智能移动设备无所不在的感知能力，实现大规模、复杂数据采集的新型感知形式。相比基于传感器网络的传统感知形式，移动群智感知可以免去传感器部署和维护成本，覆盖更广泛的感知区域，同时支持更丰富的数据类型，因此日益受到学术界和工业界的关注。 用户对感知任务的有效执行是保障移动群智感知成功运行的前提，因而设计合适的任务分配与激励机制是移动群智感知中的关键问题。一方面，需要通过合适的任务分配机制确定感知资源的供需匹配情况，以实现资源的高效配置;另一方面，需要通过合适的激励机制确定感知资源的交易价格，以促进各参与方的便捷交易。二者相辅相成，共同保障任务的有效执行。移动群智感知可以分为平台集中式决策和用户分布式决策两类场景，其中平台集中式决策场景又可进一步分为初始阶段和稳定阶段。鉴于上述三种情形具有显著不同的特点，任务分配和激励机制的设计对象、优化目标、表现形式等各不相同，因此本论文针对这三类情形分别开展任务分配和激励机制研究，取得以下创新性研究成果: 1)平台集中式决策场景初始阶段下面向多发布者竞争的双边拍卖机制。针对平台集中式决策场景初始阶段，任务分配和激励机制研究主要是为平台设计合适的拍卖机制。现有工作仅考虑了在单发布者情形下的单边拍卖机制，在多发布者共存、相互竞争用户资源时会由于无法协调多发布者利益、保证竞拍者投标真实而失效。为此，本论文提出了一种面向多发布者竞争的双边拍卖机制，首次针对多发布者和多用户竞拍、且任务异构的场景进行设计，在保证竞拍者投标真实的前提下最大化社会福利。首先通过划分任务模式的方式建立双边异构市场拍卖模型。在此基础上，基于“填充”思想设计了一个二阶段任务分配方案，并基于VCG定价和临界价格定价法设计了分别针对发布者和用户的配套定价方案。接着理论证明了该机制满足社会福利渐进最优、投标真实、个人理性、预算平衡、以及计算有效等性质。然后在保持上述性质的前提下，进一步考察针对竞拍者的弹性投标规则和针对用户的数据质量控制方法。其中，竞拍者弹性投标规则包括针对发布者的折扣投标和针对用户的分层投标;用户数据质量控制方法包括投标价格调节和任务额度调节。最后通过仿真实验证实了该机制相比于对比方法可以实现更高的社会福利，并且随着用户所提供工作量的增加可以逐渐趋近理论最优值。 2)平台集中式决策场景稳定阶段下基于数据共享的动态用户招募机制。针对平台集中式决策场景稳定阶段，任务分配和激励机制研究主要是为平台设计合适的用户招募机制。在任务需求有重叠的任务之间进行数据共享是降低用户招募成本的有效手段，然而现有工作却忽视了用户未来移动的不确定性所带来的影响，无法挖掘并利用用户未来的时空信息，导致数据共享难以真正准确高效地实现。为此，本论文提出了一种基于数据共享的动态用户招募机制，首次在多个任务需要同类数据但却具有不同时空执行范围、同时用户未来移动情况不确定的实际情形下研究实现高效的时空双维度数据共享，以在平台有限预算的条件下最大化任务完成数量。首先通过预测用户未来时刻的位置分布，在其不确定的移动中挖掘出有用信息，以量化评估用户的数据共享潜力，并以概率形式建立最优用户招募问题。其次在每个时刻根据用户当前的移动情况实时更新对其未来时刻位置的预测，同时重复执行一个贪婪添加及替换(GAS)启发式方法，以动态完善一个临时用户招募策略，并逐渐生成最终结果。最后通过在真实出租车轨迹数据集下运行仿真实验，证实所设计的用户招募机制相比于现有方法能够显著提升任务完成数量。 3)用户分布式决策场景下社会关系敏感的用户任务选择博弈机制。针对用户分布式决策场景，任务分配和激励机制研究主要是为用户设计合适的博弈机制。现有工作都基于用户完全自私的假设，导致用户之间处于完全竞争状态，容易因竞争失序产生低效均衡，从而损害所有用户的整体利益。为此，本论文提出了一种社会关系敏感的用户任务选择博弈机制，首次在移动群智感知中将社会关系纳入用户的决策体系，以促进用户之间的协同，最大程度提升用户整体利益。首先为所有用户建立社会关系敏感型效用模型。每个用户基于该模型进行分布式决策，在优化自身效用的同时兼顾与其有社会关系的其他用户的效用，且兼顾的程度取决于相互之间社会关系的强度，从而形成一种社会关系敏感的用户任务选择博弈。而后通过精心构建一个对称的势函数，理论证明该博弈满足势博弈特征，将始终存在纯纳什均衡解。接着提出了一种用户分布式任务选择算法，让每个用户异步执行本地最优的任务选择策略，以真正实现纯纳什均衡。最后通过在真实和人工社会关系数据集下运行仿真实验，证实了所设计的任务选择博弈机制相比于现有方法，能够有效提升用户总效用和平均效用-成本比，从而提升用户的整体利益。