Coalition-based task assignment with priority-aware fairness in spatial crowdsourcing

doi:10.1007/s00778-023-00802-3

Coalition-based task assignment with priority-aware fairness in spatial crowdsourcing

2023-07-07

0

OA

AI

DOI：10.1007/s00778-023-00802-3

原文链接

原文求助

摘要

En 中文

摘要随着联网和地理定位移动设备（例如智能手机）的广泛应用，空间众包（Spatial Crowdsourcing, SC），即指将基于位置的任务分配给移动工作者，正日益受到关注。SC中的一个关键问题是任务分配，即将任务分配给合适的工人。我们提出了并研究了一种新型的SC问题，即基于联盟的任务分配（Coalition-based Task Assignment, CTA），其中空间任务（例如家居改造和家具安装）可能需要超过一名工人（形成联盟）合作以最大化工人的总体收益。我们设计了一种贪心算法和一种基于均衡的CTA方法。贪心算法贪婪地形成工人联盟以执行任务，并使用接受概率来识别高价值任务分配。在基于均衡的方法中，工人按顺序形成联盟并更新其策略（即选择最佳响应任务），以最大化自身的效用（即其所属联盟的奖励），直至达到纳什均衡。由于所获得的均衡并非唯一且在总收益方面最优，我们进一步提出了一种模拟退火方案来寻找更优的纳什均衡。为了实现公平的任务分配，我们优化了框架，基于工人的边际贡献公平分配联盟内的奖励，并给予最早到达SC平台的工人最高优先级。大量实验证明了所提出方法在真实和合成数据上的高效性和有效性。

Coalition-based task assignment with priority-aware fairness in spatial crowdsourcing

摘要

期刊

机构

引用论文