基于社会合作与耦合机制的群智感知模型及任务分发优化算法研究

Task allocation is a core problem need to be solved in mobile crowdsensing systems, and is the basis and precondition of other key technologies. This project focus on the multi-space collaboration sensing model through Personal Profile Analysis, and the task reallocation、resource matching and incentive sharing. On this basis, propose adaptive dynamic multi-objective optimization model and the corresponding algorithm when considering task allocation. The main research content of this project includes two aspects: on the one hand, through analysis of the social network behavior of the participants, a multivariate space collaborative sensing mechanism is designed to improve the sensing efficiency of the crowdsensing system so as to maximize resource utilization. On the other hand, analysis the drawbacks of the existing static unilateral performance when designing task schedule strategies, a dynamic multi-objective task allocation optimization model which the sensing efficiency and participant satisfactory will be maximized simultaneously is proposed, and a corresponding hyper-heuristic based evolutionary learning algorithm is designed to obtain a balanced task scheduling strategy on the above two system performances. This project will promote the development and the practical application of mobile crowdsensing technology, and has a great important meaning in the science and engineering application.

移动群智感知网络能够有效利用社会资源以提供快速便捷的服务模式，在诸如防暴反恐、污染监测、智慧城市中将广泛应用。其中，高效的多用户感知任务分发已成为该领域重要研究方向。任务分发时，系统期望以最小的资源消耗获得较高的感知效率，但较少的激励将直接降低用户参与感知的满意度。可见，感知效率与用户满意度之间的矛盾严重制约着群智感知网络的快速发展。因此，如何同时优化感知效率和用户满意度已成为该研究方向的关键问题。为此，本课题拟挖掘用户多元化社会网络特性，以感知任务再分配、资源匹配和激励共享的合作模式为切入点，建立一种多元空间协同感知模型，揭示系统感知效率和用户满意度的耦合机理；为最大化系统感知效率和用户满意度，建立移动群智感知网络任务分发的自适应动态多目标优化模型，提出一种超启发式进化多目标优化算法。本课题将为移动群智感知网络资源最优配置提供理论基础和关键技术支撑，具有重要的研究意义和广阔的应用前景。

移动群智感知网络能够有效利用社会资源以提供快速便捷的服务模式，在诸如防暴反恐、污染监测、智慧城市中得到了广泛应用。在实际应用场景中，高效的任务分发机制和传感器结点的能量有效性是制约其大规模应用的两个关键因素。本项目以设计高效的资源分配机制和最大化传感器能量有效性为主要目标进行了以下几方面的研究。首先，研究了干扰受限下多址接入中继信道的中断概率的渐进特性，通过分析目的端干扰受限情形下AF两跳多接入信道，得到中断概率的积分表达式、解析形式的近似解。该研究结果为在满足一定干扰约束下的资源复用系统一定的理论基础。在此研究基础上，研究了均匀和非均匀资源需求分布下的资源分配问题。分别针对均匀和非均匀资源需求分布的特性，将资源分配问题建模为一个组合优化问题，并设计基于双空间协同的超启发式算法求解非均匀资源需求分布情况，设计离散的系统粒子群优化算法求解均匀的资源需求分布情况。和已有的求解资源分配问题算法相比，本研究所提出算法可以使用更少的频谱资源来满足用户的需求，进一步提升了频谱资源的利用效率。进一步，本项目研究了在移动感知网络中的动态资源分发的鲁棒优化问题。通过分析系统感知效率和用户满意度的耦合机理，将任务分发问题建立为动态多目标优化问题。并引入鲁棒优化的思想，寻找能最大限度适应多个连续变化环境下的鲁棒最优解。此研究为移动群智感知网络中的高效资源分配机制问题提供了新的研究思路和理论基础。在移动群智感知网络中，移动感知器是感知任务的主要执行者，为了最大化感知器的能量有效性，本项目研究了动态传感器的最优感知路径规划问题。通过分析待监测点的密度、拓扑等物理信息，设计提出一种基于监测点位置等先验信息的最优路径规划算法。本研究可为移动群智感知网络的大规模应用提供有效的理论支撑。本项目的研究结果将为移动群智感知网络资源最优配置提供理论基础和关键技术支撑，具有重要的研究意义和广阔的应用前景。