【技术实现步骤摘要】
本专利技术属于群智感知的任务匹配机制领域，具体涉及一种基于lyapunov优化的群智感知任务匹配方法。
技术介绍
1、随着移动设备的进步及其强大的传感能力，一种很有前途的传感范式，即移动众传感(mobile crowdsensing,mcs)，在最近的研究中得到了相当大的关注。粗略地说，mcs是指一组移动设备，通过其中配备的传感器来执行传感任务。在这种情况下，许多有吸引力的移动应用，如交通预测、环境监测、医疗保健和室内定位，都可以通过mcs来实现，而且质量非常高，成本也很低。尽管潜力巨大，但mcs中的移动用户通常不愿向他人提供服务。因此，mcs应用的成功与系统中招募的适当移动设备/参与者密切相关。目前的研究存在两方面的不足：
2、1.现有的工作主要集中在优化感知质量、社会福利或最大限度地降低众感/参与成本上，却忽视了任务完成的紧迫性需求。例如在预算受限的移动众传感网络中质量感知传感覆盖(m.zhang,p.yang,c.tian,s.tang,x.gao,b.wang,f.xiao,“qualityawaresensing coverage in budget-constrained mobile crowdsensing networks,”in ieeetransactions on vehicular technology,vol.65,no.9,pp.7698–7707,sept.2016.)中提出了参与者选择算法，从而实现最佳的质量意识覆盖预算的限制；在面向移动众感系统的鲁棒任务分配(l.wang,z.yu
3、2.考虑到智能设备与任务之间由于任务需求、硬件水平、环境条件等因素具有不同的匹配效益，这些要素可能会随着时间的不同而变动，因此需要关注任务与设备间的匹配效益，在每个时隙及时将任务重分配到最适合的设备上。而传统的任务分配机制在将任务匹配到智能设备后就不考虑后续的匹配效果。例如需求驱动的动态激励机制(j.hu,z.wang,j.wei,r.lv,j.zhao,q.wang,h.chen and d.yang,“towards demand-drivendynamic incentive for mobile crowdsensing systems,”in ieee transactions onwireless communications,vol.19,no.7,pp.4907–4918,2020.)提出，它提供了一种基于按需任务需求的任务分配机制。其中，按需管理系统根据任务的紧急程度将任务划分为5个级别，并对不同级别的任务进行奖励。此外，众筹成本取决于用户与任务之间的距离。按需管理系统的目标是使任务的总体回报最大化。虽然该方法考虑到了任务完成的紧迫性问题，但未考虑任务与设备之间匹配效益的变化。
技术实现思路
1、针对现有的技术问题，本专利技术提出一种基于lyapunov优化的群智感知任务匹配方法，主要用于改善感知任务与移动设备之间的匹配方法，设计一种高效的基于lyapunov的任务分配方案，从长期运行的角度优化mcs的匹配效益。
2、本专利技术至少通过如下技术方案之一实现。
3、一种基于lyapunov优化的群智感知任务匹配方法，包括以下步骤：
4、s1、建立系统模型、描述系统流程：引入群智感知系统模型，任务模型以及用户/设备模型；在每个时段开始时，平台收集任务信息和感知设备信息，任务发布者与感知设备向调度平台及时更新自己的信息；
5、s2、建立服务质量模型：引入任务与设备的服务质量概念，之后平台计算任务需求与不同设备之间的匹配效益；
6、s3、建立惩罚模型：考虑任务完成的紧迫性，引入任务被延迟惩罚的概念；
7、s4、建立长期任务匹配效益目标函数，并根据空间位置、能源约束、感知设备硬件约束等因素设立对应的约束条件；
8、s5、为保持用户设备上能源的稳定性，建立设备能源队列模型；
9、s6、为设备负载与公平性方面的考虑，建立设备公平性队列模型；
10、s7、根据lyapunov理论为目标函数建立罚减效用函数模型；
11、s8、求解罚减效用函数上界，根据lyapunov优化理论将优化目标函数转化为最小化该上界的问题；
12、s9、基于最小权重最大流算法求解问题得出匹配方案，向对应感知设备发送感知命令。
13、进一步地，步骤s1包括：对群智感知过程进行建模：考虑通用的移动众感系统，该移动众感系统包括一组发起众感任务的任务请求者和一组参与众感的移动设备/用户，将所有众感任务的集合表示为m是当前时段的任务数量，任务i表示为<
14、πi,τi,li,θi>，其中πi表示任务的感知需求；τi表示该任务的剩余截止时间；li表示任务发布者的地理位置，由任务发布者在每轮开始时发布；θi表示任务的数据精度的容忍度；
15、用表示参与众感的所有移动设备/用户的集合，使用lj表示设备j的当前位置，使用ej＝{e1,j,e2,j,…,em,j}表示用户j在每个时段内感知不同任务的能耗向量，假设是用户j参与的众感任务集，只有当用户j和任务i之间的距离本文档来自技高网...
【技术保护点】
1.一种基于Lyapunov优化的群智感知任务匹配方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于Lyapunov优化的群智感知任务匹配方法，其特征在于，步骤S1包括：对群智感知过程进行建模：考虑通用的移动众感系统，该移动众感系统包括一组发起众感任务的任务请求者和一组参与众感的移动设备/用户，将所有众感任务的集合表示为M是当前时段的任务数量，任务i表示为<πi,τi,Li,θi>，其中πi表示任务的感知需求；τi表示该任务的剩余截止时间；Li表示任务发布者的地理位置，由任务发布者在每轮开始时发布；θi表示任务的数据精度的容忍度；
3.根据权利要求1所述的一种基于Lyapunov优化的群智感知任务匹配方法，其特征在于，步骤S2具体为：定义在时间槽t的众感效用为U(t)，将众感的服务质量与任务与移动设备之间的距离成比例地定义；将时段t，众感服务质量Q(t)定义为服务质量与数据质量之和，即:
4.根据权利要求1所述的一种基于Lyapunov优化的群智感知任务匹配方法，其特征在于，步骤S3具体为：对当前回合中未完成和延迟的
5.根据权利要求1所述的一种基于Lyapunov优化的群智感知任务匹配方法，其特征在于，步骤S4具体为：综合上述的众感质量和惩罚，将长期任务匹配效用函数表示前T个时隙匹配效益的均值，即为：
6.根据权利要求1所述的一种基于Lyapunov优化的群智感知任务匹配方法，其特征在于，步骤S5具体为：根据Lyapunov优化理论，考虑能量约束，建立用户j的能量队列，初始值为Ej(0)＝0；假设用户j在时隙t内收集hj(t)的能量，以hmax为界，能量队列表示为：
7.根据权利要求1所述的一种基于Lyapunov优化的群智感知任务匹配方法，其特征在于，步骤S6具体为：为了使每个用户的长期平均任务处理数量不超过其上界，建立虚拟公平队列Fj(t)：
8.根据权利要求1所述的一种基于Lyapunov优化的群智感知任务匹配方法，其特征在于，步骤S7具体为：为方便起见，两队列的简易符号表示为对稳定性约束约束条件式(2)和式(3)进行转换以保证能量队列和虚拟公平队列的稳定性，根据Lyapunov理论，定义Lyapunov函数为：
9.根据权利要求1所述的一种基于Lyapunov优化的群智感知任务匹配方法，其特征在于，步骤S8包括：罚减效用(PMU)问题的上界为：
10.根据权利要求10所述的一种基于Lyapunov优化的群智感知任务匹配方法，其特征在于，步骤S9具体为：基于最小权重最大流的最优算法，将任务分配给适当的移动设备，首先构造辅助流图G({v0,vd}∪V1∪V2,E)，其中v0和vd分别为虚拟源点和虚拟目的点，V1表示任务节点的集合，V2表示用户设备得到集合，E表示构造的边的集合；添加其他顶点和边，具体如下：
...【技术特征摘要】
1.一种基于lyapunov优化的群智感知任务匹配方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于lyapunov优化的群智感知任务匹配方法，其特征在于，步骤s1包括：对群智感知过程进行建模：考虑通用的移动众感系统，该移动众感系统包括一组发起众感任务的任务请求者和一组参与众感的移动设备/用户，将所有众感任务的集合表示为m是当前时段的任务数量，任务i表示为<πi,τi,li,θi>，其中πi表示任务的感知需求；τi表示该任务的剩余截止时间；li表示任务发布者的地理位置，由任务发布者在每轮开始时发布；θi表示任务的数据精度的容忍度；
3.根据权利要求1所述的一种基于lyapunov优化的群智感知任务匹配方法，其特征在于，步骤s2具体为：定义在时间槽t的众感效用为u(t)，将众感的服务质量与任务与移动设备之间的距离成比例地定义；将时段t，众感服务质量q(t)定义为服务质量与数据质量之和，即:
4.根据权利要求1所述的一种基于lyapunov优化的群智感知任务匹配方法，其特征在于，步骤s3具体为：对当前回合中未完成和延迟的任务给予惩罚，惩罚与剩余的众感需求成正比，与任务的截止日期成反比，任务惩罚项应该被最小化，定义时间槽t的任务惩罚项为:
5.根据权利要求1所述的一种基于lyapunov优化的群智感知任务匹配方法，其特征在于，步骤s4具体为：综合上述的众感质量和惩罚，将长期任务匹配效用函数表示前t个时隙匹配效益的均...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。