.png){kind=icon}
返回
Task-Complexity-Driven Stability Phase Transitions in Crowdsensing Systems
.png){kind=icon}
PRE
AI
DOI：10.1109/TCSS.2026.3663288.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
任务复杂度被广泛认为是移动众包感知（MCS）中合作的主要障碍，常导致信任崩溃和市场失败。然而，这种观点忽视了任务复杂度在塑造合作演化中的建设性作用。本文提出一个涉及工作者、平台和任务请求方的三方演化博弈框架，其中任务复杂度被明确建模为信任动态和策略互动的内生驱动力。我们推导出一组抗崩溃条件，在这些条件下，合作行为的边际收益超过任务复杂度诱导的边际成本。任务复杂度通过重塑合作策略的收益结构，推动演化相变从低信任陷阱到稳定合作均衡。我们进一步通过理论稳定性分析刻画了支配这一相变的临界复杂度阈值。广泛的数值模拟验证了理论预测，并展示了所提出机制在广泛任务复杂度范围内维持合作行为的有效性和鲁棒性。
Keyword:
Evolutionary game theory (EGT)
incentive mechanisms
mobile crowdsensing (MCS)
task complexity
期刊
IF:
4.9
论文数:
613
被引数:
6.8K
机构
引用论文
.png){kind=icon}
分享收藏A Missing Piece in the Puzzle: Considering the Role of Task Complexity in Human-AI Decision Making拼图中的缺失一环：考虑任务复杂度在人类-AI决策制定中的作用
OAAI
OAAI分享收藏
Getting Users Involved in Idea Crowdsourcing Initiatives: An Experimental Approach to Stimulate Intrinsic Motivation and Intention to Submit让用户参与创意众包倡议：一种刺激内在动机和提交意愿的实验方法OAAI
OAAI分享收藏
查看更多内容