导读:本文包含了任务分发论文开题报告文献综述及选题提纲参考文献，主要关键词:移动群智感知,社区,行为模式,任务分发
任务分发论文文献综述
龙浩,张书奎,张洋,张力[1]（2019）在《移动群智感知中基于社区的任务分发算法》一文中研究指出针对移动群智感知(MCS)任务分发的有效性和精准性问题,提出了基于社区的任务分发算法。为了解决所提问题,该方法首先通过计算移动节点间的最小生成树、连接参量、社区融合度,抽象和识别出节点的行为模式,将用户合理划分成不同的社区,然后计算感知任务与社区行为模式特征值的匹配度,根据匹配度由社区的中心节点完成任务的分发。仿真结果表明,与其他算法相比,所提方法有效地提高了任务分发的精确性和任务完成率,节约了任务完成的时间成本。(本文来源于《通信学报》期刊2019年10期）
陶冶,张书奎,张力,龙浩,王进[2]（2019）在《移动感知器网络中基于随机游走和协作关系的任务分发算法》一文中研究指出关于移动感知器网络中感知任务的分发问题,目前学术界已经有了诸多相关研究.然而,这些研究很少涉及到多个智能体协作完成复杂感知任务问题.针对这种情况,首先,通过分析移动感知器网络的结构特征、智能体相互之间、以及智能体和感知任务之间的关系,本文提出了智能体之间协作关系强度和智能体对感知任务适应度两个概念,并讨论了二者对于移动感知器网络中感知任务动态分发的作用.其次,在上述概念的基础上,将二者融合为偏好因子,提出了基于随机游走和协作关系的任务分发算法(TDCR,Task Distribution With Cooperative Relationship),通过该算法达到提高任务分发效率的目的.最后,将TDCR与Personal Rank算法(PR)、HITS算法对比分析,表明所提出的算法TDCR在任务分发效率和准确度等性能指标上有较好的提升.(本文来源于《电子学报》期刊2019年08期）
陈振岳[3]（2019）在《移动边缘计算中的任务分发算法研究》一文中研究指出随着物联网的发展,越来越多的移动设备通过无线连接到互联网,传统的集中式云计算无法满足爆炸式的数据增长,移动边缘计算(MEC)应运而生,同时5G通信技术的发展也大大方便了迁移计算。在MEC系统中,优化目标大多是最小化系统的能耗,而任务分发算法就起了很重要的作用,所以本课题主要研究MEC系统中的任务分发算法,并且针对已有的任务分发算法的缺点和不足,进行了补充和完善。在原有的MEC系统中增加了数据共享的概念,并在此基础上对于几类任务的分发问题进行了研究。首先,本文分析了在MEC系统中数据共享的意义,并在此基础上对不可分任务的分发问题进行了探讨,在分析了此类问题的难度后提出了一个基于线性规划的近似算法,并且不仅通过理论分析证明了该算法的近似比,而且设计了多组实验验证了算法的性能,数学分析和实验结果都表明了本课题所提出的算法可以很好的解决不可分任务的分发问题。其次,为了补充对MEC系统中任务的定义,本文分析了可分任务的存在性以及意义,研究了可分任务在MEC系统中的调度问题,并且根据不同的优化目标将此类问题形式化为两个特殊的集合覆盖问题,提出了对应的启发式算法来求解此类问题。最终设计了几组对照实验,实验结果不仅体现出可分任务相对不可分任务的优点,也体现了本文针对此类问题提出的两个算法能够适用于不同的应用场景。最后,将任务间的偏序关系也纳入研究范围,讨论了有序任务的分发问题。在借鉴了已有的异构任务分发算法的基础上,针对本文提出的MEC系统进行了创新,并且给出了合理的理论分析作为算法正确性的保障。通过大量的对照实验验证了本文所提出算法的高效性。(本文来源于《哈尔滨工业大学》期刊2019-06-01）
宋子晖,李卓,陈昕[4]（2019）在《基于压缩感知的移动群智感知任务分发机制》一文中研究指出针对移动群智感知任务中区域全覆盖感知成本过高问题,提出基于压缩感知的移动群智感知任务分发(CS-TD)机制。首先提出了感知任务整体成本模型,该模型综合考虑了参与感知任务的节点个数、节点的感知次数与数据上传次数;然后基于成本模型,分析感知节点的日常移动轨迹,结合压缩感知数据采集技术,提出了一种基于感知节点轨迹的压缩感知采样方法;其次通过区域全覆盖最少节点(RCLN)算法,选出最佳节点集合,对节点进行任务分配,利用压缩感知技术恢复节点数据;最后在多次感知任务的迭代中对感知节点的可信程度进行评定,保证任务方案的最优性。对CS-TD分发模型进行多次实验验证,与已有的Crowd Tasker算法相比,CS-TD算法平均成本降低了30%以上。CS-TD模型能有效降低感知节点的消耗,能在全覆盖感知任务中降低整体感知成本。(本文来源于《计算机应用》期刊2019年01期）
王亮,于志文,郭斌,熊菲[5]（2018）在《基于移动社交网络的群智感知社群化任务分发》一文中研究指出针对传统的"平台—用户"移动群智感知任务分发方式在任务执行鲁棒性以及数据回收方面存在的缺陷与不足,以群智感知参与用户的群体社会属性为基础,提出一种"平台—社群—用户"的社群化任务分发方法.基于参与用户时空移动特征分布的近似度计算对用户进行动态社群划分聚类,通过在社群中设置社群组织者与社群从属者角色,同时引入社交亲密度连接关系网络等模型,构建移动群智感知任务初次社群分发与二次用户选择的方法.基于WTD公开数据集上的实验结果表明,与传统的任务分发方式相比,所提方法可可有效提升任务完成率,增强执行过程的鲁棒性,同时可减少任务分发次数、降低通信负载.(本文来源于《浙江大学学报(工学版)》期刊2018年09期）
郭涛[6]（2018）在《车联网中内容分发机制与下载任务调度研究》一文中研究指出车联网(Internet of Vehicles,IoV)将先进的通信技术应用于交通领域,旨在通过车车、车路、车人、车网之间的通信,为用户提供安全、效率、信息娱乐等多种类型的应用,推动了智能交通系统的快速发展,因而受到各界的普遍关注。显而易见,网络中各类应用的实现,离不开文字、图像和音视频等多媒体内容的高效下载和分发。车联网中节点的高速移动、车与车(Vehicle-to-Vehicle,V2V)、车与路设(Vehicleto-Infrastructure,V2I)之间的间歇性通信链接限制了车辆数据下载性能。另外,受成本因素的限制,高速公路场景下路设部署稀疏,通信范围无法覆盖所有车辆,相邻两路设之间存在通信盲区。车辆在当前路设覆盖范围内未完成的内容下载在进入下一个路设覆盖范围后继续进行,这种较长的延迟严重影响了用户体验。同时,由于路设通信资源有限,当其覆盖范围内多个车辆同时发送数据下载请求时,无法为所有请求节点提供数据下载服务。通过对路设接收到的下载请求进行调度,可以使更多用户的下载需求得到服务。针对上述问题,本文主要研究内容包括以下两个方面:首先,为促进目标车辆在路设通信盲区内的内容分发,本文基于V2V和V2I协同通信,协调目标车辆行驶方向上多个路设和车辆,提出与目标车辆同向行驶的车辆节点建簇,反向行驶车辆携带转发的协作下载机制。在此基础上,对整个协作下载过程建立了理论分析框架,对目标车辆能够下载的平均数据量进行了理论推导。最后通过仿真验证所提出的协作下载机制在提升目标车辆数据下载量方面的优越性,同时对高速公路场景下内容的高效分发给予指导。其次,面向多个车辆向路设发送数据下载请求时的服务调度,本文提出了基于内容完整性的下载任务调度机制(Integrity-Oriented Downloading Scheduling,IODS)。路设接收到车辆发送的数据下载请求,在为其提供服务之前,预先判断车辆与路设通信时间范围内能够成功下载的数据量,从而筛选出能被完整服务的节点的数据请求。在此基础上,综合考虑车辆移动特性和发送请求特征,确定车辆请求的优先级并以此为车辆提供数据下载服务。该机制不仅具有简单灵活的实际可操作性,而且提升了多个用户接入路设进行数据下载的性能。(本文来源于《西安电子科技大学》期刊2018-06-01）
安健,彭振龙,桂小林,向乐乐,梁丹薇[7]（2019）在《群智感知中基于公交系统的任务分发机制研究》一文中研究指出任务分发作为实现群智感知的重要环节,为了激励更多用户参与数据的采集和共享,已有研究通常利用机会网络进行任务扩散并降低参与者的执行成本,但在节点选择过程中并未充分考虑感知任务的多样性将对节点接触时间、参与数量、感知区域类型等带来的挑战.基于此,该文利用城市中公交载体的轨迹可预测、活动覆盖范围大、乘客节点自主聚集且交互时间有保证等优势,提出了一种基于公交系统的任务差异化分发方法.首先,利用泰森多边形的划分思想,实现感知任务与目标区域的合理覆盖.其次,对感知区域内一定预算约束下的任务差异化分发问题进行分析,并分别提出了两种分发算法:基于覆盖差异的分发算法(COV-DA)和基于扩散差异的分发算法(SPR-DA).最后,利用真实数据集,通过仿真实验从分发准确性和平均移动距离对两种算法的性能进行比较分析.实验结果表明,SPR-DA算法具有更好的分发准确性,而使用COV-DA算法时,移动节点在完成任务时则需要更短的移动距离.(本文来源于《计算机学报》期刊2019年02期）
徐晓雨[8]（2018）在《车联网群智感知任务分发研究与实现》一文中研究指出时至今日,人们愈发迫切的希望能够对物理环境进行透彻感知。这对迅速发展的物联网技术更是新的发展机遇。无线通信和传感器技术的不断进步,使无线移动终端设备爆炸式地普及到千家万户。与普通移动设备相比,汽车也因装载了各种复杂的传感器,在感知、计算、存储和通信方面的性能更强大,移动性更强,覆盖范围更广。车联网群智感知使得对物理环境进行全面透彻的感知成为可能,被广泛用于环境监测、交通管理、智慧城市、公共安全、远程医疗、社交服务等诸多领域,成为人们关注的热点。车联网群智感知中的任务分发主要负责选择最合适的参与车辆来进行数据感知,能够对感知数据的全面性、完成任务的效率和感知数据的质量等产生重要影响,因此也成为当前重点研究的内容。本文针对车联网群智感知任务分发问题的不足,进行各种方案的探讨与研究。首先研究基于轨迹的车联网群智感知任务分发,提出一种基于轨迹的任务分发方案。在研究时空可用性度量模型与分析方法的基础上,利用车辆轨迹对参与者的时空可用性进行度量,获得轨迹后,研究用计算几何领域中的最小覆盖问题,来解决基于轨迹可用性的最小数量参与者的覆盖问题。在此基础上提出基于轨迹的任务分发问题,针对实际情况,定义一个定价模型,提出一种声誉评估策略,将问题转换为整数线性规划优化问题,并制定方案予以解决。以最小数量的参与车辆满足感知任务所需的覆盖水平,实现合理有效的任务分发。其次对基于压缩感知的车联网群智感知任务分发进行了研究与设计,利用感知数据之间的时空相关性,提出一种使用压缩感知技术的方案。先迭代地选择用于感知任务分发的区域,在每个周期通过压缩感知推导缺失数据,评估当前数据误差,直到满足任务质量需求。得到区域集合后,同样利用整数线性规划优化问题进行参与车辆的选择。进一步降低任务分发成本,避免冗余任务分发,实现合理的资源分配。最后对车联网群智感知任务分发方案进行了实现及验证。综合运用前两部分详述的理论及方法,使用真实的车辆移动轨迹数据集和空气质量指数数据集,在搭建的仿真平台上对上述两个任务分发方案进行了验证。对实验结果进行深入的分析与比较,取得了较为明显的效果,并针对目前鲜有的车联网群智感知案例研究有一定的创新。(本文来源于《北京工业大学》期刊2018-05-01）
杨玉仁,张书奎,龙浩,张力[9]（2019）在《群智感知中基于社交属性及有效用户计算的任务分发机制》一文中研究指出随着无线传感器网络的高速发展和多种移动智能设备的普及,移动群智感知(mobile crowd sensing,MCS)成为移动计算的核心。利用群智感知可完成大规模、复杂环境及社会感知任务,其中任务分发是这种应用中的一个重要环节。针对任务分发过程中存在感知环境复杂、用户数量达不到要求、收集数据质量低等问题,提出一种基于社交属性及有效用户计算的任务分发机制(effective user calculation,EUC)。该机制具有根据任务来筛选用户的特点,从用户角度看,EUC考虑了用户的社会性,由用户的社交网络传递相关信息来增加平台的有效用户数;从平台的角度看,EUC可根据任务的接收和提交情况动态调整有效用户的积分,从而保障整个系统的有效用户数。理论分析和实验结果表明,所提出的机制可提高系统的任务分发效率,并改善了收集数据的质量。(本文来源于《计算机应用研究》期刊2019年05期）
刘庭辉[10]（2018）在《智能电网大数据流的快速分发与任务调度方法研究》一文中研究指出随着智能电网的逐步发展和建设,电力系统信息化的程度也在不断提高,电力数据的种类和规模也在不断的增大,而规模庞大的数据流也对数据处理也提出了更高的要求。云计算与大数据技术为处理智能电网大数据流提供了技术基础。在云计算集群环境下,通过将分布于不同地域的服务器整合形成整体系统的方法,提供更好的计算性能,但是面对规模和体量庞大的数据流时,尤其在突发情况下,如报警、异常等发生时依然存在较大处理压力,所以在集群环境下进行数据处理任务的快速分发与任务调度,可以分散集群的处理压力,更好的利用云计算集群的各类资源。本文以智能电网大规模数据流如何快速可靠的在云计算集群内进行处理分发作为主要研究内容,研究了数据流处理和处理任务调度分发的现状,并分析了目前大数据流处理存在的问题。文中首先建立云集群的分层模型,再由该模型进行集群的管理,平衡各子集群的计算负载。随后提出数据处理任务调度分发机制与调度节点的选择算法,可以有效的利用集群的基础资源,平衡各节点的计算负载。文中对云集群建立分层模型,将云集群划分为多层次多区域,然后再由中枢节点控制各子区域形成全局域,实现子区域与全局区域的双重负载平衡策略,有效统合局部与全局资源。各区域通过选举推选区域内的调度控制节点,记录并维持区域内节点的资源状况,若该节点失效,则立即选举新的控制节点,并向其推送节点资源信息。在该模型之上,提出基于多队列动态优先级调度算法(DPCS)和节点选择算法(NRPS)的处理任务调度及分发方法。该方法通过各集群节点,将接收到数据进行分析,再由节点根据自身负载和资源状态,选择部分处理任务进行调度,调度目标节点由节点选择算法进行筛选。数据处理任务的调度首先在各区域进行,在区域整体负载较高时,则选择其他较优的区域进行迁移调度。数据处理任务的调度也会根据数据内容的区别产生相应的调整,保障重要数据的可靠处理与及时分发。针对大规模数据流处理任务的调度与分发,在文中实验部分进行了实验对比和验证。在目的调度节点选择实验中,与最小负载优先调度算法进行对比,引入负载均离差衡量各节点之间负载的平衡状态,结果表明,使用该方法可以有效分散节点的负载。在调度及分发实验中,分别与EDF、HVF和DVD算法比较,从实验结果可以得出,该方法在任务完成率以及完成时间方面有比较明显的提升。(本文来源于《华北电力大学》期刊2018-03-01）
任务分发论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
关于移动感知器网络中感知任务的分发问题,目前学术界已经有了诸多相关研究.然而,这些研究很少涉及到多个智能体协作完成复杂感知任务问题.针对这种情况,首先,通过分析移动感知器网络的结构特征、智能体相互之间、以及智能体和感知任务之间的关系,本文提出了智能体之间协作关系强度和智能体对感知任务适应度两个概念,并讨论了二者对于移动感知器网络中感知任务动态分发的作用.其次,在上述概念的基础上,将二者融合为偏好因子,提出了基于随机游走和协作关系的任务分发算法(TDCR,Task Distribution With Cooperative Relationship),通过该算法达到提高任务分发效率的目的.最后,将TDCR与Personal Rank算法(PR)、HITS算法对比分析,表明所提出的算法TDCR在任务分发效率和准确度等性能指标上有较好的提升.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
任务分发论文参考文献
[1].龙浩,张书奎,张洋,张力.移动群智感知中基于社区的任务分发算法[J].通信学报.2019
[2].陶冶,张书奎,张力,龙浩,王进.移动感知器网络中基于随机游走和协作关系的任务分发算法[J].电子学报.2019
[3].陈振岳.移动边缘计算中的任务分发算法研究[D].哈尔滨工业大学.2019
[4].宋子晖,李卓,陈昕.基于压缩感知的移动群智感知任务分发机制[J].计算机应用.2019
[5].王亮,于志文,郭斌,熊菲.基于移动社交网络的群智感知社群化任务分发[J].浙江大学学报(工学版).2018
[6].郭涛.车联网中内容分发机制与下载任务调度研究[D].西安电子科技大学.2018
[7].安健,彭振龙,桂小林,向乐乐,梁丹薇.群智感知中基于公交系统的任务分发机制研究[J].计算机学报.2019
[8].徐晓雨.车联网群智感知任务分发研究与实现[D].北京工业大学.2018
[9].杨玉仁,张书奎,龙浩,张力.群智感知中基于社交属性及有效用户计算的任务分发机制[J].计算机应用研究.2019
[10].刘庭辉.智能电网大数据流的快速分发与任务调度方法研究[D].华北电力大学.2018