[发明专利]参与式感知系统中任务最优分配的方法

说明书

技术领域

本发明涉及通信技术领域，特别涉及一种参与式感知系统中任务最优分配的方法。

背景技术

近年来，智能手机用户急剧增加，而且智能手机中嵌入了丰富的传感器，大量智能手机用户能够很方便地收集并分享周围环境的感知数据。因此，基于智能手机的移动感知系统成为了收集并分享周围环境的感知数据的令人十分感兴趣的方法。参与式感知系统由平台和自愿贡献感知数据的智能手机用户组成。由平台分配一定量的感知任务(如收集五分钟的噪声数据)给每个智能手机用户，手机用户收集数据并回传给平台。该系统已经有很多应用，如道路交通检测、噪音地图等。

在这个系统中任务分配是一个关键的问题。一方面，我们希望感知数据的总效用越大越好。一个智能手机收集到的感知数据的效用跟手机的传感器的精确度及边际效用有关，这是因为精确度高的手机收集的数据越多，总效用越大。同时单位感知数据的边际效用会随着数据量的增大而减小。这是因为数据有冗余，我们可以从相对较少的感知数据中获得想要的大部分数据。另一方面，执行感知任务会消耗手机资源，影响用户体验，我们不能让一些手机承担太多的任务，而另一些手机却没有承担什么任务。

对于参与式感知系统在进行任务分配时，是以实现负载均衡和效用最大化作为公平权衡的目标，而这两个目标若想达到最优并不能同时达到，甚至有些冲突，此外，若完成任务的手机用户的数量很大时，仅以简单的穷举搜索并不可行，会导致计算量增大，增加了平台的计算负担。

发明内容

本发明的目的在于提供一种参与式感知系统中任务最优分配的方法，以解决参与式感知系统在进行任务分配时以实现负载均衡和效用最大化作为公平权衡的目标时，无法在公平地优化负载均衡和效用最大化情况下进行任务的分配的问题。

为解决上述技术问题，本发明提供一种参与式感知系统中任务最优分配的方法，所述参与式感知系统中任务最优分配的方法包括如下步骤：

获得负载均衡目标；

获得效用最大化目标；

通过纳什谈判将所述负载均衡目标及所述效用最大化目标结合以获得纳什目标；

根据所述纳什目标获得任务最优分配策略。

可选的，在所述的参与式感知系统中任务最优分配的方法中，根据所述纳什目标获得任务最优分配策略的过程包括如下步骤：

在所述纳什目标加入辅助变量；

对加入辅助变量的所述纳什目标进行对偶；

将对偶后的所述纳什目标分解为对偶后的负载均衡目标及对偶后的效用最大化目标；

通过所述对偶后的负载均衡目标及所述对偶后的效用最大化目标获得任务最优分配策略。

可选的，在所述的参与式感知系统中任务最优分配的方法中，所述辅助变量为以负载均衡目标做出的任务分配策略X^LB及以效用最大化目标做出的任务分配策略X^UM。

可选的，在所述的参与式感知系统中任务最优分配的方法中，所述对偶后的负载均衡目标的公式如下：

其中，X^LB是分量为的向量，为以负载均衡目标做出的任务分配策略中i用户分配到的任务量，d_lb为以负载均衡目标出发时最差情况对应的负载均值目标的值，λ_i为i用户传送给所述平台的不一致代价，d_lb＞g(X^LB)，C是所述平台为用户设定的消耗资源总量，c_i是每个用户做单位任务需要消耗的资源量，N是手机用户的数量。

可选的，在所述的参与式感知系统中任务最优分配的方法中，所述对偶后的效用最大化目标的公式如下：

其中，X^UM是分量为x_i^um的向量，x_i^um为以效用最大化目标做出的任务分配策略中i用户分配到的任务量，d_um为以效用最大化目标出发时最差情况对应的效用最大化目标的值，λ_i为i用户传送给所述平台的不一致代价，N是手机用户的数量，F(X^UM)≥d_um，

可选的，在所述的参与式感知系统中任务最优分配的方法中，所述i用户传送给所述平台的不一致代价λ_i通过如下公式获得：

其中，t为迭代次数，β为是优化步长。