.png){kind=icon}
返回
Optimizing Dynamic Task Assignment in Spatial Crowdsourcing: Bilateral Preference-Aware Approaches
.png){kind=icon}
PRE
AI
DOI：10.1109/TMC.2025.3603833.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
任务分配是空间众包（SC）中的一个关键挑战。现有研究主要存在两个局限性：首先，仅考虑了工人或任务的单向偏好，导致工人或任务的满意度可能无法提高；其次，任务分配总是基于工人的当前位置，这并不适用于许多实际应用场景，例如拼车，其中需要考虑工人的轨迹。为此，我们研究了Bilateral Preference-aware Dynamic Task Assignment（BDTA）这一新问题，该问题已被证明是NP难的，旨在通过整合工人-任务双向偏好并利用工人轨迹进行任务分配，以最大化整体满意度。针对BDTA问题，我们首先提出了一种混合批量处理框架以解决数据分布不均的问题。随后，提出了一种任务发起的双向选择算法，以减轻任务顺序对匹配结果的影响。此外，我们提出了一种$\alpha$-近似任务发起的广义延迟接受算法和一种反向广义延迟接受算法，以增强任务分配结果的可稳定性和整体满意度。我们在真实和合成数据集上进行了大量实验，以验证所提出算法的有效性和效率。代码可在 (https://github.com/good-hy/BPTA) 获取。
Keyword:
Bilateral preference
spatial crowdsourcing
stable task assignment
期刊
IF:
9.2
论文数:
5.9K
被引数:
1.8W
机构
引用论文
Driving with knowledge from the physical world.png)
Proceedings of the 17th ACM SIGKDD international conference on Knowledge discovery and data mining
Proceedings of the 17th ACM SIGKDD international conference on Knowledge discovery and data miningIF0
PREAI
分享收藏
分享收藏
查看更多内容