参与式感知系统中任务最优分配的方法
【专利摘要】本发明提供了一种参与式感知系统中任务最优分配的方法，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，使得参与式感知系统在进行任务分配以负载均衡和效用最大化作为公平权衡的目标时，可以公平地优化负载均衡和效用最大化，以达到帕累托最优点，实现任务的最优分配。另一方面，由于在根据所述纳什目标获得任务最优分配策略的过程中采用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进行分布式计算，减轻了平台的计算负担，提高了任务分配的执行速度。
【专利说明】参与式感知系统中任务最优分配的方法
【技术领域】
[0001] 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】
[0002] 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。
[0003] 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。
[0004] 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】
[0005] 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。
[0006] 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：
[0007] 获得负载均衡目标；
[0008] 获得效用最大化目标；
[0009] 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；
[0010] 根据所述纳什目标获得任务最优分配策略。
[0011] 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：
[0012] 在所述纳什目标加入辅助变量；
[0013] 对加入辅助变量的所述纳什目标进行对偶；
[0014] 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；
[0015] 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。
[0016] 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及以效用最大化目标做出的任务分配策略X?。
[0017] 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：
[0018]
【权利要求】
1. 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包括平台以及与 所述平台建立通信的多个用户，其特征在于，包括以下步骤： 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。
2. 如权利要求1所述的参与式感知系统中任务最优分配的方法，其特征在于，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。
3. 如权利要求2所述的参与式感知系统中任务最优分配的方法，其特征在于，所述辅 助变量为以负载均衡目标做出的任务分配策略X1^及以效用最大化目标做出的任务分配策 略X1?。
4. 如权利要求3所述的参与式感知系统中任务最优分配的方法，其特征在于，所述对 偶后的负载均衡目标的公式如下：
其中，是分量为xp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，dlb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，Ai为i用户传送给所述平台的不一致代价，dlb >g(X，，
C是所述平台为用户设定的消耗资 源总量，Ci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。
5. 如权利要求3所述的参与式感知系统中任务最优分配的方法，其特征在于，所述对 偶后的效用最大化目标的公式如下：
其中，X?是分量为Xi?的向量，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，cL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，^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(XUM) >cL，
6. 如权利要求5所述的参与式感知系统中任务最优分配的方法，其特征在于，所述i用 户传送给所述平台的不一致代价Ai通过如下公式获得：
其中，t为迭代次数，0为是优化步长。
7. 如权利要求1所述的参与式感知系统中任务最优分配的方法，其特征在于，获得所 述负载均衡目标的公式如下：
其中，
Xi彡〇,i= 1，2，...1(：是所述平台为用户设定的消耗资源总 量，Ci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，Xi是i用户分配到 的任务量，X是分量为Xi的向量。
8. 如权利要求7所述的参与式感知系统中任务最优分配的方法，其特征在于，获得所 述效用最大化目标的公式如下：
其中，Xi彡0,i= 1，2, . . .N，N是手机用户的数量，Xi是i用户分配到的任务量，X是 分量为Xi的向量，qi为用户的贡献的感知数据的精确度，qi越大，感知数据的精确度越高。
9. 如权利要求8所述的参与式感知系统中任务最优分配的方法，其特征在于，所述纳 什目标如下： max(dlb-g(X))(F(X) -(!); 其中，dlb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，cL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，g(X)为负载均值目标的任意值，
F(X)为效用最大化目标的任意值，dlb彡g(X)，F(X)彡cL， Xi彡0，i ， =1，2,…N〇
【文档编号】H04W28/08GK104410996SQ201410648629
【公开日】2015年3月11日 申请日期:2014年11月14日 优先权日:2014年11月14日
【发明者】李娟 , 朱燕民 申请人:上海交通大学