基于IWOA群智感知中数量敏感的任务分配方法

随着移动终端的大规模普及,群智感知技术以其高效且成本低廉的优势逐渐取代现有的静态传感器,成为一种新兴的数据收集方式.如何在保证质量、降低成本的前提下,把感知任务分配给最佳执行用户以实现用户任务完成数量的最大化,是数量敏感任务分配问题研究的重点.基于此,提出一种结合非线性递减收敛因子、最优局部抖动以及动态位置更新三种操作的改进鲸鱼优化算法(Improved Whale Optimization Algorithm,IWOA),并将其用于求解所提出的任务分配问题.对数量敏感的任务分配问题进行建模,根据用户与任务间的适应程度,定义空间匹配度与技能匹配度.在用户执行任务的过程中考虑到用户的学习能力,引入技能更新机制对用户已有技能进行及时更新,以此提高任务分配的效率.综合考虑预算、用户在线时长以及感知任务完成质量,对最大化任务完成数量的任务分配问题进行合理定义,并从为任务选择最佳执行用户的角度出发,设计一种基于优先级的用户选择策略,以实现在保证感知任务基本完成质量的前提下,降低任务分配的成本.在最优任务分配方案的求解过程中,利用改进算法对每次迭代初始的任务序列进行不断优化,经过有限次迭代即可得到最终结果.将改进算法与其他优化算法在相同环境下进行对比实验,结果表明改进算法在求解任务分配问题时具有更高的性能.