.png){kind=icon}
返回
An Efficient Task Allocation in Mobile Crowdsensing Environments
.png){kind=icon}
PRE
AI
DOI：10.1109/TNSM.2025.3540293.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
移动众包（MCS）正因其大规模感知能力而受到关注，该能力涉及三类实体：任务请求者、配备传感设备的工人以及平台。平台在考虑工人目标和约束条件的情况下，将任务分配给工人。然而，寻找满足上述条件的分配方案是NP难的。一些研究提出了该问题的近似解，专注于任务的一个目标：覆盖最大化。然而，它们在单任务环境下实现，或对其他目标考虑不足，即考虑其他目标会降低任务效用。本研究提出了一种任务分配方法，仅专注于最大化任务覆盖，并改进了解决方案以考虑未来的任务覆盖可能性。我们考虑了一种机会主义的MCS环境，其中感知不会影响用户轨迹。我们假设一种一对多的匹配，即一个任务可以分配给多个工人，而一个工人最多只能匹配一个任务。首先，我们对该问题进行数学建模并证明其为NP难的。然后，我们设计了三种基于启发式的方法，这些方法更高效，并基于真实数据集进行了广泛的性能评估。每种方法都提高了数据质量，且最大执行时间为毫秒。
Keyword:
Mobile crowdsensing
coverage
matching
budget constraint
opportunistic MCS
期刊
IF:
5.4
论文数:
549
被引数:
9.2K
机构
引用论文
A Survey of Task Allocation: Contrastive Perspectives From Wireless Sensor Networks and Mobile Crowdsensing.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏
Free Riders under Control through Service Differentiation in Peer-to-Peer Systems2005 International Conference on Collaborative Computing: Networking, Applications and Worksharing
2005 International Conference on Collaborative Computing: Networking, Applications and WorksharingIF0
PREAI
分享收藏分享收藏分享收藏
查看更多内容