1、群智感知系統(tǒng)是隨著大數(shù)據(jù)時(shí)代的到來而產(chǎn)生的一項(xiàng)數(shù)據(jù)收集技術(shù)。隨著智能手機(jī)的普及以及智能手機(jī)計(jì)算能力的提高，智能手機(jī)用戶通過互聯(lián)網(wǎng)協(xié)同工作。智能手機(jī)中的各種傳感器件如加速度傳感器，GPS,陀螺儀等可以感知周圍環(huán)境中的數(shù)據(jù)。通過這種方式可以實(shí)現(xiàn)大規(guī)模數(shù)據(jù)的收集和共享。但是智能手機(jī)的計(jì)算資源是非常有限的如CPU的計(jì)算能力，存儲器的大小等都影響著智能手機(jī)的運(yùn)行和處理數(shù)據(jù)的能力。所以，在有限的資源和約束下合理分配給智能手機(jī)感知任務(wù)十分重要。由于在

2、實(shí)際操作中存在著各種制約因素，所以本課題著重研究群智感知系統(tǒng)中任務(wù)最優(yōu)分配的關(guān)鍵技術(shù)。群智感知中任務(wù)的分配，不同于傳統(tǒng)的任務(wù)的分配，因?yàn)樵谌褐歉兄杏腥说膮⑴c，使得任務(wù)的分配變得復(fù)雜。
　　本課題分為兩部分，第一部分著重研究在一定的約束條件下如：平臺的預(yù)算一定，感知任務(wù)之間要保持公平，智能手機(jī)數(shù)據(jù)傳輸率一定。如何有效的分配感知任務(wù)使得這些感知任務(wù)產(chǎn)生的數(shù)據(jù)效益達(dá)到最大化。即希望在預(yù)算一定，任務(wù)保持公平的前提下，最大化所有感知任務(wù)所

3、產(chǎn)生的數(shù)據(jù)效益。在這篇文章中也考慮收集到的感知數(shù)據(jù)的冗余性。正因?yàn)檫@個(gè)問題的特殊性，使得解決這個(gè)問題帶來了一些挑戰(zhàn)：感知任務(wù)之間的公平性和所有感知任務(wù)的數(shù)據(jù)效益最大化之間的權(quán)衡，以及智能手機(jī)數(shù)目眾多給問題的解決帶來了一定的困難。為了解決這個(gè)問題，提出了一種高效的分布式算法。首先，把原問題分解成兩個(gè)子問題：雇傭智能手機(jī)用戶和分配感知任務(wù)，并分別解決這兩個(gè)子問題。對于第一個(gè)子問題，設(shè)計(jì)了一種有效的貪心算法來雇傭智能手機(jī)用戶，并且這個(gè)貪心算法

4、的近似比只有2。對于第二個(gè)子問題，設(shè)計(jì)了一種基于對偶分解的分布式的算法，在已經(jīng)雇傭的智能手機(jī)用戶中分配感知任務(wù)。為了證明所設(shè)計(jì)的算法的有效性和正確性，通過數(shù)學(xué)分析和大量的模擬實(shí)驗(yàn)來證明此方法能夠?qū)崿F(xiàn)感知任務(wù)的最優(yōu)分配。
　　在第一部分的基礎(chǔ)上，第二部分主要研究如何實(shí)時(shí)的分配感知任務(wù)，使得平臺的利潤達(dá)到最大化。首先，群智感知系統(tǒng)的用戶會上傳感知任務(wù)到平臺上，然后，平臺會把這些感知任務(wù)分配給智能手機(jī)用戶，讓這些智能手機(jī)用戶收集感知數(shù)據(jù)

5、并上傳給平臺進(jìn)行處理。在這個(gè)過程中感知任務(wù)的分配是實(shí)時(shí)的，平臺通過合理的分配感知任務(wù)使得自己的利潤達(dá)到最大化。由于感知任務(wù)和智能手機(jī)用戶是實(shí)時(shí)到達(dá)群智感知系統(tǒng)中的，使得問題的解決變的十分具有挑戰(zhàn)性。本文首先通過分析這個(gè)問題是NP－h(huán)ard的，然后分別刻畫了這個(gè)問題在離線狀態(tài)下的模型和在線狀態(tài)下的模型，對于離線模型，設(shè)計(jì)了有效的近似算法，對于在線的模型，設(shè)計(jì)了有效的貪心算法。最后通過嚴(yán)格的數(shù)學(xué)分析和大量的模擬實(shí)驗(yàn)，證明該算法的有效性和正確