參與式感知系統(tǒng)中任務(wù)最優(yōu)分配的方法
【專利摘要】本發(fā)明提供了一種參與式感知系統(tǒng)中任務(wù)最優(yōu)分配的方法，通過納什談判將所述負(fù)載均衡目標(biāo)及所述效用最大化目標(biāo)結(jié)合以獲得納什目標(biāo)，使得參與式感知系統(tǒng)在進(jìn)行任務(wù)分配以負(fù)載均衡和效用最大化作為公平權(quán)衡的目標(biāo)時(shí)，可以公平地優(yōu)化負(fù)載均衡和效用最大化，以達(dá)到帕累托最優(yōu)點(diǎn)，實(shí)現(xiàn)任務(wù)的最優(yōu)分配。另一方面，由于在根據(jù)所述納什目標(biāo)獲得任務(wù)最優(yōu)分配策略的過程中采用將對偶后的所述納什目標(biāo)分解為對偶后的負(fù)載均衡目標(biāo)及對偶后的效用最大化目標(biāo)進(jìn)行分布式計(jì)算，減輕了平臺的計(jì)算負(fù)擔(dān)，提高了任務(wù)分配的執(zhí)行速度。
【專利說明】參與式感知系統(tǒng)中任務(wù)最優(yōu)分配的方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及通信【技術(shù)領(lǐng)域】，特別涉及一種參與式感知系統(tǒng)中任務(wù)最優(yōu)分配的方 法。

【背景技術(shù)】
[0002] 近年來，智能手機(jī)用戶急劇增加，而且智能手機(jī)中嵌入了豐富的傳感器，大量智能 手機(jī)用戶能夠很方便地收集并分享周圍環(huán)境的感知數(shù)據(jù)。因此，基于智能手機(jī)的移動感知 系統(tǒng)成為了收集并分享周圍環(huán)境的感知數(shù)據(jù)的令人十分感興趣的方法。參與式感知系統(tǒng)由 平臺和自愿貢獻(xiàn)感知數(shù)據(jù)的智能手機(jī)用戶組成。由平臺分配一定量的感知任務(wù)（如收集五 分鐘的噪聲數(shù)據(jù)）給每個(gè)智能手機(jī)用戶，手機(jī)用戶收集數(shù)據(jù)并回傳給平臺。該系統(tǒng)已經(jīng)有 很多應(yīng)用，如道路交通檢測、噪音地圖等。
[0003] 在這個(gè)系統(tǒng)中任務(wù)分配是一個(gè)關(guān)鍵的問題。一方面，我們希望感知數(shù)據(jù)的總效用 越大越好。一個(gè)智能手機(jī)收集到的感知數(shù)據(jù)的效用跟手機(jī)的傳感器的精確度及邊際效用有 關(guān)，這是因?yàn)榫_度高的手機(jī)收集的數(shù)據(jù)越多，總效用越大。同時(shí)單位感知數(shù)據(jù)的邊際效用 會隨著數(shù)據(jù)量的增大而減小。這是因?yàn)閿?shù)據(jù)有冗余，我們可以從相對較少的感知數(shù)據(jù)中獲 得想要的大部分?jǐn)?shù)據(jù)。另一方面，執(zhí)行感知任務(wù)會消耗手機(jī)資源，影響用戶體驗(yàn)，我們不能 讓一些手機(jī)承擔(dān)太多的任務(wù)，而另一些手機(jī)卻沒有承擔(dān)什么任務(wù)。
[0004] 對于參與式感知系統(tǒng)在進(jìn)行任務(wù)分配時(shí)，是以實(shí)現(xiàn)負(fù)載均衡和效用最大化作為公 平權(quán)衡的目標(biāo)，而這兩個(gè)目標(biāo)若想達(dá)到最優(yōu)并不能同時(shí)達(dá)到，甚至有些沖突，此外，若完成 任務(wù)的手機(jī)用戶的數(shù)量很大時(shí)，僅以簡單的窮舉搜索并不可行，會導(dǎo)致計(jì)算量增大，增加了 平臺的計(jì)算負(fù)擔(dān)。


【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的在于提供一種參與式感知系統(tǒng)中任務(wù)最優(yōu)分配的方法，以解決參與 式感知系統(tǒng)在進(jìn)行任務(wù)分配時(shí)以實(shí)現(xiàn)負(fù)載均衡和效用最大化作為公平權(quán)衡的目標(biāo)時(shí)，無法 在公平地優(yōu)化負(fù)載均衡和效用最大化情況下進(jìn)行任務(wù)的分配的問題。
[0006] 為解決上述技術(shù)問題，本發(fā)明提供一種參與式感知系統(tǒng)中任務(wù)最優(yōu)分配的方法， 所述參與式感知系統(tǒng)中任務(wù)最優(yōu)分配的方法包括如下步驟：
[0007] 獲得負(fù)載均衡目標(biāo)；
[0008] 獲得效用最大化目標(biāo)；
[0009] 通過納什談判將所述負(fù)載均衡目標(biāo)及所述效用最大化目標(biāo)結(jié)合以獲得納什目 標(biāo)；
[0010] 根據(jù)所述納什目標(biāo)獲得任務(wù)最優(yōu)分配策略。
[0011] 可選的，在所述的參與式感知系統(tǒng)中任務(wù)最優(yōu)分配的方法中，根據(jù)所述納什目標(biāo) 獲得任務(wù)最優(yōu)分配策略的過程包括如下步驟：
[0012] 在所述納什目標(biāo)加入輔助變量；
[0013] 對加入輔助變量的所述納什目標(biāo)進(jìn)行對偶；
[0014] 將對偶后的所述納什目標(biāo)分解為對偶后的負(fù)載均衡目標(biāo)及對偶后的效用最大化 目標(biāo)；
[0015] 通過所述對偶后的負(fù)載均衡目標(biāo)及所述對偶后的效用最大化目標(biāo)獲得任務(wù)最優(yōu) 分配策略。
[0016] 可選的，在所述的參與式感知系統(tǒng)中任務(wù)最優(yōu)分配的方法中，所述輔助變量為以 負(fù)載均衡目標(biāo)做出的任務(wù)分配策略及以效用最大化目標(biāo)做出的任務(wù)分配策略X?。
[0017] 可選的，在所述的參與式感知系統(tǒng)中任務(wù)最優(yōu)分配的方法中，所述對偶后的負(fù)載 均衡目標(biāo)的公式如下：
[0018]

【權(quán)利要求】
1. 一種參與式感知系統(tǒng)中任務(wù)最優(yōu)分配的方法，所述參與式感知系統(tǒng)包括平臺以及與 所述平臺建立通信的多個(gè)用戶，其特征在于，包括以下步驟： 獲得負(fù)載均衡目標(biāo)； 獲得效用最大化目標(biāo)； 通過納什談判將所述負(fù)載均衡目標(biāo)及所述效用最大化目標(biāo)結(jié)合以獲得納什目標(biāo)； 根據(jù)所述納什目標(biāo)獲得任務(wù)最優(yōu)分配策略。
2. 如權(quán)利要求1所述的參與式感知系統(tǒng)中任務(wù)最優(yōu)分配的方法，其特征在于，根據(jù)所 述納什目標(biāo)獲得任務(wù)最優(yōu)分配策略的過程包括如下步驟： 在所述納什目標(biāo)加入輔助變量； 對加入輔助變量的所述納什目標(biāo)進(jìn)行對偶； 將對偶后的所述納什目標(biāo)分解為對偶后的負(fù)載均衡目標(biāo)及對偶后的效用最大化目 標(biāo)； 通過所述對偶后的負(fù)載均衡目標(biāo)及所述對偶后的效用最大化目標(biāo)獲得任務(wù)最優(yōu)分配 策略。
3. 如權(quán)利要求2所述的參與式感知系統(tǒng)中任務(wù)最優(yōu)分配的方法，其特征在于，所述輔 助變量為以負(fù)載均衡目標(biāo)做出的任務(wù)分配策略X1^及以效用最大化目標(biāo)做出的任務(wù)分配策 略X1?。
4. 如權(quán)利要求3所述的參與式感知系統(tǒng)中任務(wù)最優(yōu)分配的方法，其特征在于，所述對 偶后的負(fù)載均衡目標(biāo)的公式如下：
其中，是分量為xp的向量，為以負(fù)載均衡目標(biāo)做出的任務(wù)分配策 略中i用戶分配到的任務(wù)量，dlb為以負(fù)載均衡目標(biāo)出發(fā)時(shí)最差情況對應(yīng)的負(fù) 載均值目標(biāo)的值，Ai為i用戶傳送給所述平臺的不一致代價(jià)，dlb >g(X，，
C是所述平臺為用戶設(shè)定的消耗資 源總量，Ci是每個(gè)用戶做單位任務(wù)需要消耗的資源量，N是手機(jī)用戶的數(shù)量。
5. 如權(quán)利要求3所述的參與式感知系統(tǒng)中任務(wù)最優(yōu)分配的方法，其特征在于，所述對 偶后的效用最大化目標(biāo)的公式如下：
其中，X?是分量為Xi?的向量，為以效用最大化目標(biāo)做出的任務(wù)分配策略中i用戶分配到的任務(wù)量，cL為以效用最大化目標(biāo)出發(fā)時(shí)最差情況對應(yīng)的效用最大化目標(biāo) 的值，^為i用戶傳送給所述平臺的不一致代價(jià)，N是手機(jī)用戶的數(shù)量，F(xiàn)(XUM) >cL，
6. 如權(quán)利要求5所述的參與式感知系統(tǒng)中任務(wù)最優(yōu)分配的方法，其特征在于，所述i用 戶傳送給所述平臺的不一致代價(jià)Ai通過如下公式獲得：
其中，t為迭代次數(shù)，0為是優(yōu)化步長。
7. 如權(quán)利要求1所述的參與式感知系統(tǒng)中任務(wù)最優(yōu)分配的方法，其特征在于，獲得所 述負(fù)載均衡目標(biāo)的公式如下：
其中，
Xi彡〇,i= 1，2，...1(：是所述平臺為用戶設(shè)定的消耗資源總 量，Ci是每個(gè)用戶做單位任務(wù)需要消耗的資源量，N是手機(jī)用戶的數(shù)量，Xi是i用戶分配到 的任務(wù)量，X是分量為Xi的向量。
8. 如權(quán)利要求7所述的參與式感知系統(tǒng)中任務(wù)最優(yōu)分配的方法，其特征在于，獲得所 述效用最大化目標(biāo)的公式如下：
其中，Xi彡0,i= 1，2, . . .N，N是手機(jī)用戶的數(shù)量，Xi是i用戶分配到的任務(wù)量，X是 分量為Xi的向量，qi為用戶的貢獻(xiàn)的感知數(shù)據(jù)的精確度，qi越大，感知數(shù)據(jù)的精確度越高。
9. 如權(quán)利要求8所述的參與式感知系統(tǒng)中任務(wù)最優(yōu)分配的方法，其特征在于，所述納 什目標(biāo)如下： max(dlb-g(X))(F(X) -(!); 其中，dlb為以負(fù)載均衡目標(biāo)出發(fā)時(shí)最差情況對應(yīng)的負(fù)載均值目標(biāo)的值，cL為以效用 最大化目標(biāo)出發(fā)時(shí)最差情況對應(yīng)的效用最大化目標(biāo)的值，g(X)為負(fù)載均值目標(biāo)的任意值，
F(X)為效用最大化目標(biāo)的任意值，dlb彡g(X)，F(xiàn)(X)彡cL， Xi彡0，i ， =1，2,…N〇
【文檔編號】H04W28/08GK104410996SQ201410648629
【公開日】2015年3月11日 申請日期:2014年11月14日 優(yōu)先權(quán)日:2014年11月14日
【發(fā)明者】李娟 , 朱燕民 申請人:上海交通大學(xué)