摘要：针对移动群智感知(MCS)数据处理的用户广泛参与性、采集设备灵活移动性与通信环境复杂性的特点,对基于区块链的移动群智感知数据处理进行评估.回顾移动群智感知与区块链的发展历程,总结移动群智感知数据处理面临的挑战与区块链技术的特点;设计基于区块链的移动群智感知体系结构(BMCA),实现数据去中心化管理、数据安全保障、数据质量精准评估与激励可信性增强;从隐私保护、数据质量评估、激励机制3个维度,对比分析现有的数据处理关键技术研究工作;探讨基于区块链的移动群智感知数据处理研究在资源消耗控制、数据精准分析、全周期与差异化隐私保护、融合模式应用等方面存在的问题及未来可能的发展方向.

摘要：针对景区监管存在的成本高、实时性差等问题,设计一种基于移动群智感知计算的景区智能监管系统。首先,该系统利用众包思想和群智感知理论采集游客手机的用户生成内容(UGC)数据,包括照片、视频、评论等;然后,通过深度学习技术进行视觉分析和文本分析,基于BP神经网络进行决策分析,从而实现监管事件的智能发现和智能决策。所设计系统不仅节省了景区铺设物联网设备的成本,而且能够实现更深入、广泛和智能的景区监管,也可为智慧景区建设提供一种新的解决方案。

摘要：当前移动群智感知(MCS)任务分配往往只考虑工人或平台单方面的效用,并且效用的构成也不够全面。因此基于工人信誉指数和任务熟练指数,设计了工人和平台两方面的异构效用机制,并提出一种双种群竞争的多目标进化算法(DCMEA)来获得最优的工人和平台异构效用。该算法首先通过随机贪婪初始化种群,然后使用二元竞标赛算法将种群划分为胜者种群和败者种群,并针对每个种群采用不同的进化策略。最后,通过修复算子使进化过程中的无效个体满足约束条件。在真实场景的数据集上进行实验表明,与基线算法相比,DCMEA收敛速度更快,能够找到精度更优、稳定性更好的任务分配解集,同时在更为复杂的场景中依然能够保持其性能。

摘要：在集中式移动群智感知中,云平台负责任务分发和数据收集等全部过程.当面对各种实时应用场景的需求时,云平台将面临数据计算、存储以及通信压力.针对上述问题,本文结合云边端体系结构,设计了两阶段的任务分配策略,分析参与者资源状态对任务的影响,构建了资源评估模型.以最小化任务平均响应时间为优化目标,以资源均衡为约束,提出了基于两阶段资源均衡的任务分配方法.该方法首先提出基于资源占用率的边缘服务器资源均衡任务分配方法,为边缘服务器选择任务集,再提出基于改进蚁群算法的参与者资源均衡任务分配方法,通过边缘服务器和参与者之间的协作实现资源均衡.仿真实验结果表明,本文所提算法同其他算法相比具有良好的性能.

摘要：与传统移动群智感知系统的感知工人相比,无人机具有能够执行危险任务、易控制、不需要额外的激励成本等优点,因此无人机更适合作为任务执行的主体。然而无人机的能量有限,且感知任务的完成时间有限制,因此如何综合考虑以上2个因素设计一种高效的任务分配方法是一个关键问题。由此提出一种基于能量效益的无人机辅助移动群智感知系统任务分配方法,在能量效益最大化的同时提高系统任务完成率。该方法首先在无人机获得的回报和消耗的能量基础上定义了能量效益计算方式,用于评价任务分配方案的优劣;然后,设计了一种改进的模拟退火遗传算法以获得能量效益最大化的任务分配方案。经实验证明,与其他基准算法相比,所提出方法在任务平均能耗、系统任务完成率、系统能量效益有更好的表现。

摘要：由于移动群智感知中工人和平台的自私性,社会福利和数据质量往往难以达到平衡,损害了基于移动群智感知的服务可用性和准确性。为了解决这一问题,本文提出一种基于选择的反向拍卖激励机制,分别研究反向拍卖中以工人为中心的任务选择和以平台为中心的工人选择,在最大限度提高社会福利的同时优化数据质量。首先,根据工人和任务的位置等属性评估工人与任务之间的匹配度,提出基于动态规划的任务选择算法,在工人资源约束下为每个工人选择具有最佳回报的任务进行投标;其次,使用多臂赌博机建模反向拍卖赢家选择过程,并设计了一种基于置信度上界的赢家选择算法,以确定最佳中标工人集;最后,实验验证本文所提出的激励机制能够同时有效提升社会福利和数据质量。

摘要：在移动群智感知中,平台需要招募大量的参与者来完成一项包含众多感知类型的复杂任务.本文研究有限预算内的移动群智感知中,如何招募合适的参与者完成感知任务这一问题.在此挑战下,平台希望招募到的参与者完成感知任务所带来的总收益最大化,同时,招募总花费不超过给定的预算.不同于以往的研究,本文提出了一种新型招募机制,以群组的形式代替个人的形式进行招募.该机制综合考虑了3种类型的特征(覆盖率、信誉和积极性)衡量群组的感知能力,并设计了一种基于遗传算法的群组招募算法最大化群组感知能力.经过实验评估,本文提出的参与者群组招募算法在任务执行效率、平均任务质量、任务完成率和招募人数方面均优于其他个人招募算法.

摘要：时空覆盖类感知任务对参与者的时间与空间约束使得传统单参与者模式难以适用。为此,该文提出群组协作的移动群智感知任务分配方法,以群组模式替代传统单参与者模式。设计层次化群组协作的任务分配框架,提出偏好感知的社交群组生成方法,引入社交关系生成社交群组,提高任务完成率。提出效用优化的任务群组匹配方法,采用网络流理论进行群组-任务匹配,保证平台效用最大化。仿真结果表明所提方法在任务完成率与平台效用方面均有较大提升。

摘要：任务分配一直是移动群智感知的研究热点,对于任务的完成质量有重要影响,但目前针对多地点、长持续时间的任务分配研究较少.面向长时多任务分配问题,设计多轮次多时间段的任务分解策略,考虑任务权重、时间覆盖率、时间冗余度和冗余均衡度等因素,构建长时多任务质量评价模型.以预算为约束,以最大化任务覆盖质量为优化目标,提出基于改进文化基因算法的任务分配方法.该算法使用自适应遗传算法进行全局搜索,结合模拟退火算法进行局部搜索,并设计贪心修复算法对不合适的个体进行修复.仿真实验的结果表明,提出的算法同各基准算法相比,具有良好的性能.

摘要：任务调度模型的设计决定感知系统的性能优劣,对系统的感知效率有重要影响,众多学者对该问题进行深入研究,提出多种任务调度算法。针对移动群智系统中任务调度这一重要问题,就当前研究进行综述。介绍移动群智感知系统中任务调度模型的影响因素、优化目标;对任务调度模型的分类以及常见的实现算法进行对比总结;对未来研究方向进行展望。