关于移动感知器网络中感知任务的分发问题,目前学术界已经有了诸多相关研究.然而,这些研究很少涉及到多个智能体协作完成复杂感知任务问题.针对这种情况,首先,通过分析移动感知器网络的结构特征、智能体相互之间、以及智能体和感知任务...关于移动感知器网络中感知任务的分发问题,目前学术界已经有了诸多相关研究.然而,这些研究很少涉及到多个智能体协作完成复杂感知任务问题.针对这种情况,首先,通过分析移动感知器网络的结构特征、智能体相互之间、以及智能体和感知任务之间的关系,本文提出了智能体之间协作关系强度和智能体对感知任务适应度两个概念,并讨论了二者对于移动感知器网络中感知任务动态分发的作用.其次,在上述概念的基础上,将二者融合为偏好因子,提出了基于随机游走和协作关系的任务分发算法(TDCR,Task Distribution With Cooperative Relationship),通过该算法达到提高任务分发效率的目的.最后,将TDCR与Personal Rank算法(PR)、HITS算法对比分析,表明所提出的算法TDCR在任务分发效率和准确度等性能指标上有较好的提升.展开更多
在群智感知器网络中,如何在限定时间内完成发布者指定的感知任务,是移动群智感知任务分发面临的一个重要问题.针对该问题,为了使感知用户间密切协作,并及时将执行感知任务反馈给发送者,提出一种基于用户关注度与时间监督的任务分发(task...在群智感知器网络中,如何在限定时间内完成发布者指定的感知任务,是移动群智感知任务分发面临的一个重要问题.针对该问题,为了使感知用户间密切协作,并及时将执行感知任务反馈给发送者,提出一种基于用户关注度与时间监督的任务分发(task distribution with user attention and time supervision,TDUATS)算法.该算法首先提出了用户间关注度,执行任务的起始监督、过程监督、完成监督等概念,然后通过分析执行感知任务的用户间关联关系,建立用户间关注度模型,对执行任务的过程进行监督,在此基础上对感知任务进行分发.实验结果表明,该算法不仅可在限定时间内完成感知任务,而且还可以监督任务执行的过程;有利于发布者及时了解任务的执行情况,对提高任务执行的满意度起到了很好的促进作用;同时,与对比算法相比较,也有较好的性能表现.展开更多
文摘关于移动感知器网络中感知任务的分发问题,目前学术界已经有了诸多相关研究.然而,这些研究很少涉及到多个智能体协作完成复杂感知任务问题.针对这种情况,首先,通过分析移动感知器网络的结构特征、智能体相互之间、以及智能体和感知任务之间的关系,本文提出了智能体之间协作关系强度和智能体对感知任务适应度两个概念,并讨论了二者对于移动感知器网络中感知任务动态分发的作用.其次,在上述概念的基础上,将二者融合为偏好因子,提出了基于随机游走和协作关系的任务分发算法(TDCR,Task Distribution With Cooperative Relationship),通过该算法达到提高任务分发效率的目的.最后,将TDCR与Personal Rank算法(PR)、HITS算法对比分析,表明所提出的算法TDCR在任务分发效率和准确度等性能指标上有较好的提升.
文摘在群智感知器网络中,如何在限定时间内完成发布者指定的感知任务,是移动群智感知任务分发面临的一个重要问题.针对该问题,为了使感知用户间密切协作,并及时将执行感知任务反馈给发送者,提出一种基于用户关注度与时间监督的任务分发(task distribution with user attention and time supervision,TDUATS)算法.该算法首先提出了用户间关注度,执行任务的起始监督、过程监督、完成监督等概念,然后通过分析执行感知任务的用户间关联关系,建立用户间关注度模型,对执行任务的过程进行监督,在此基础上对感知任务进行分发.实验结果表明,该算法不仅可在限定时间内完成感知任务,而且还可以监督任务执行的过程;有利于发布者及时了解任务的执行情况,对提高任务执行的满意度起到了很好的促进作用;同时,与对比算法相比较,也有较好的性能表现.