杜兆芳

摘要：為了解決移動群智感知（mobile crowd sensing，MCS）中候選者積極性不高導(dǎo)致數(shù)據(jù)質(zhì)量低的問題，根據(jù)列表級排序（list-wise ranking，LWR）學(xué)習(xí)機(jī)制設(shè)計(jì)了一種基于混合模型（hybrid model，HM）與列表級排序算法相結(jié)合的排序任務(wù)推薦方法HM-LWR，并在MATLAB 平臺上測試各項(xiàng)參數(shù)變化。研究結(jié)果表明：候選者人數(shù)的增加引起運(yùn)行時間明顯延長，HM-LWR 與MSC 都呈現(xiàn)相近的較小增幅；HM-LWR 算法在分配期間的候選者達(dá)到了最高的積極性，獲得了近97% 的參與率。由此得出HM-LWR 算法能夠達(dá)到更高分配準(zhǔn)確性、縮短分配時間、提升整體處理效率，在智慧城市領(lǐng)域具有很好的推廣價值。

關(guān)鍵詞：移動群智感知；任務(wù)推薦；協(xié)同排序；混合模型；候選者意愿

中圖分類號：TP393 文獻(xiàn)標(biāo)識碼：A

0 引言

無線通信技術(shù)的開發(fā)以及各類智能移動設(shè)備的應(yīng)用推廣，為移動空間中的群智感知提供了可靠的技術(shù)支撐，各類功能豐富的傳感器為移動群智感知（mobile crowd sensing，MCS） 提供了硬件基礎(chǔ)，能夠?qū)崿F(xiàn)與人類社會之間更緊密的通信聯(lián)系[1]。多種內(nèi)部系統(tǒng)與外部環(huán)境因素都會對移動群智感知性能造成影響，而這當(dāng)中感知數(shù)據(jù)提供方發(fā)揮著最直接的作用，如何完成各類任務(wù)的準(zhǔn)確高效分配，是當(dāng)前需要重點(diǎn)關(guān)注的一項(xiàng)研究內(nèi)容[2]。

近年來已有許多學(xué)者開展了針對任務(wù)分配策略的研究。楊桂松等[3] 設(shè)計(jì)了一種針對延遲接受構(gòu)建得到的多任務(wù)分配策略來實(shí)現(xiàn)移動群智感知功能。之后對該策略進(jìn)行測試發(fā)現(xiàn)，其對于增強(qiáng)平臺運(yùn)行效能與提升用戶滿意度都起到了積極作用。蔡威等[4]根據(jù)強(qiáng)化學(xué)習(xí)機(jī)制為用戶和平臺系統(tǒng)構(gòu)建了一種可以實(shí)現(xiàn)共贏的博弈模式，通過強(qiáng)化學(xué)習(xí)的過程進(jìn)行位置擾動策略測試，并由此確定最佳位置擾動方案。通過測試發(fā)現(xiàn)，這一機(jī)制除了可以對任務(wù)分配效率起到優(yōu)化作用以外，還能夠促進(jìn)用戶整體使用滿足度的提升，從而實(shí)現(xiàn)用戶和平臺雙贏[5-6]。

隨著推薦技術(shù)的應(yīng)用推廣，用戶可以根據(jù)自身業(yè)務(wù)需求選擇更優(yōu)方案。在已有研究的基礎(chǔ)上，本文開展基于協(xié)同排序?qū)W習(xí)算法的移動群智感知任務(wù)推薦研究。通過仿真測試發(fā)現(xiàn)，采用本文方法可以顯著提升任務(wù)分配精度，并大幅縮短不同感知用戶移動距離。