.png){kind=icon}
返回
Efficient Demand-Based Adaptive Task Assignment With Dynamic Worker Availability Windows
.png){kind=icon}
PRE
AI
DOI：10.1109/tmc.2026.3708395.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着移动网络的快速发展和移动设备的广泛应用，涉及将基于位置的任务分配给移动工作者的空间众包已引起广泛关注。然而，现有研究大多关注当前时刻的任务分配，忽视了任务与工作者之间随时间波动的供需变化。为解决此问题，我们引入了一个自适应任务分配问题，旨在通过动态调整任务分配以响应变化的供需来最大化已分配任务数量。我们开发了一个空间众包框架，即基于需求的自适应任务分配与动态工作者可用窗口，该框架包括任务需求预测和任务分配两个组成部分。在第一部分中，我们构建了一个图邻接矩阵以表示不同区域的需求依赖关系，并采用多变量时间序列学习方法来预测未来的任务需求。在任务分配部分，我们根据这些预测、工作者可用窗口和当前任务分配来匹配任务与工作者，其中每个工作者都有一个可用窗口，表示其可以接受任务的时间段。为减少任务分配的搜索空间，我们提出了一种基于图划分的工作者依赖分离方法以及一个带有强化学习的任务价值函数。为高效分配任务，我们通过优先处理未来机会价值更高的任务序列并设计一种剪枝策略来消除无效序列，确保实时响应。在真实数据上的实验表明，我们的方案既有效又高效。
Keyword:
Task assignment
spatial crowdsourcing
task demand
期刊
IF:
9.2
论文数:
5.9K
被引数:
1.8W
机构
引用论文
.png){kind=icon}
Coalition-based task assignment with priority-aware fairness in spatial crowdsourcing基于联盟的任务分配，具有空间众包中的优先级感知公平性
OAAI
OAAI分享收藏
查看更多内容