主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2018年第12期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
李洋,贾梦迪,杨文彦,赵艳,郑凯.基于树分解的空间众包最优任务分配算法.软件学报,2018,29(3):824-838
基于树分解的空间众包最优任务分配算法
Optimal Task Assignment Algorithm Based on Tree-Decouple in Spatial Crowdsourcing
投稿时间:2017-08-01  修订日期:2017-09-05
DOI:10.13328/j.cnki.jos.005453
中文关键词:  空间众包  任务分配  任务依赖  树分解  最优解算法
英文关键词:spatial crowdsourcing  task assignment  task dependency  tree-decomposition  optimal solution
基金项目:
作者单位E-mail
李洋 苏州大学 计算机科学与技术学院, 江苏 苏州 215006  
贾梦迪 苏州大学 计算机科学与技术学院, 江苏 苏州 215006  
杨文彦 苏州大学 计算机科学与技术学院, 江苏 苏州 215006  
赵艳 苏州大学 计算机科学与技术学院, 江苏 苏州 215006  
郑凯 苏州大学 计算机科学与技术学院, 江苏 苏州 215006 zhengkai@suda.edu.cn 
摘要点击次数: 782
全文下载次数: 1301
中文摘要:
      随着配备高保真传感器的移动设备的普及以及线网络资费的快速下降,空间众包作为一种问题解决框架被用于解决将位置相关的任务(如路况报告、食品配送)分配给工人(配备智能设备并愿意完成任务的人)的问题.研究空间众包中最优任务分配问题,关键在于设计出将每个任务分配给最合适的工人的任务分配策略,以使得完成的总任务数目最大化,而所有的工人可以在完成所分配的任务后,在预期最晚工作时间之前返回起点.找到全局最优分配是一个棘手的问题,因为该问题不等于单个工人的最佳分配的简单累加.注意到,仅有部分工人存在任务依赖,因此利用树分解技术将工人分割成独立的集合,并提出一种带启发式的深度优先搜索算法,该算法可以快速地更新启发函数界限,从而高效地对不可能成为最优解的分配方案尽早地进行剪枝.实验结果表明:所提出的方法是非常有效的,可以很好地解决最优任务分配问题.
英文摘要:
      The ubiquity of mobile devices with high-fidelity sensors and the sharp decreases in the cost of ultra-broadband wireless network flourish the market of spatial crowdsourcing, which has been proposed as a new framework to assign location-aware tasks (e.g., reporting road traffic, delivering food) to workers (i.e., persons equipped with smart device and willing to perform tasks). This paper studies the task assignment problem that concerns the optimal strategy of assigning each task to proper worker such that the total number of completed tasks can be maximized while all workers can go back to their starting point before expected deadlines after performing assigned tasks. It is an intractable problem since optimal assignment for individual worker does not necessarily lead to global optimal results. Observing that the task assignment dependency only exists amongst subsets of workers, this study utilizes tree-decomposition technique to separate workers into independent clusters and develops an efficient depth-first search algorithm with progressive bounds to prune non-promising assignments. Extended experiments demonstrate the effectiveness and efficiency of the proposed solution.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利