移動(dòng)群智感知系統(tǒng)中效用最大化的隨機(jī)控制方法研究.pdf

1、作為一種新的大規(guī)模感知數(shù)據(jù)收集方式，移動(dòng)群智感知利用普通用戶的智能手機(jī)的感知與計(jì)算能力，通過移動(dòng)互聯(lián)網(wǎng)進(jìn)行協(xié)作，從而完成大規(guī)模的、復(fù)雜的感知任務(wù)。然而，智能手機(jī)的資源非常有限，無節(jié)制地使用智能手機(jī)進(jìn)行感知任務(wù)的處理并上傳感知數(shù)據(jù)，將會(huì)給手機(jī)的用戶帶來過大的代價(jià)（電量、數(shù)據(jù)流量的消耗），甚至影響用戶使用自己的手機(jī)。這樣將會(huì)大大降低用戶的參與程度。所以一套在手機(jī)資源約束的條件下使得系統(tǒng)效用最大化的任務(wù)分配及調(diào)度的控制方法對(duì)感知系統(tǒng)的成敗至關(guān)

2、重要。由于群智感知系統(tǒng)存在很大的隨機(jī)與不確定性，例如隨機(jī)的手機(jī)狀態(tài)，隨機(jī)的感知請(qǐng)求到達(dá)等，因而控制方法的設(shè)計(jì)極具挑戰(zhàn)。本課題就著重研究移動(dòng)群智感知系統(tǒng)中效用最大化的隨機(jī)控制方法。
　　本課題可分為兩部分。第一部分主要研究在給定智能手機(jī)資源約束的條件下，如何最大化群智感知系統(tǒng)收集到數(shù)據(jù)的效用。這個(gè)問題極具挑戰(zhàn)。首先，感知數(shù)據(jù)的效用大小與智能手機(jī)所處的情景有關(guān)，然而手機(jī)所處的情景通常是隨機(jī)的并且難以預(yù)測。其次，由于邊際效應(yīng)，一臺(tái)手機(jī)的

3、感知決策依賴于其他手機(jī)的決策。本文基于李雅普諾夫（Lyapunov）最優(yōu)化技術(shù)，提出了一種分布式的感知數(shù)據(jù)效用最大化的在線算法。該算法不需要知道未來手機(jī)所處的情景，并且可以由手機(jī)自身進(jìn)行感知決策。嚴(yán)格的理論分析和仿真結(jié)果均顯示該算法可以使得系統(tǒng)的時(shí)間平均效用與理論最優(yōu)值的差距在O(1/V)范圍內(nèi)。
　　在第一部分的基礎(chǔ)上，本文在第二部分中考慮了一個(gè)更復(fù)雜的群智感知系統(tǒng)。第二部分主要研究如何最大化群智感知平臺(tái)的利潤的問題。平臺(tái)接收不

4、同類型的感知請(qǐng)求，然后將感知任務(wù)分配到各個(gè)智能手機(jī)進(jìn)行處理并根據(jù)占用手機(jī)的時(shí)間長短補(bǔ)償手機(jī)的用戶，最后將收集到的感知數(shù)據(jù)返回給請(qǐng)求者并收取費(fèi)用從而賺取利潤。由于感知請(qǐng)求到達(dá)的隨機(jī)性、智能手機(jī)參與程度的動(dòng)態(tài)性以及感知任務(wù)分配的復(fù)雜性，該問題同樣極具挑戰(zhàn)。本文提出了一種最優(yōu)的在線控制算法，在不需要任何未來知識(shí)的情況下，對(duì)感知請(qǐng)求準(zhǔn)入、任務(wù)分派、感知時(shí)間購買以及感知時(shí)間分配進(jìn)行在線控制。嚴(yán)格的理論分析和仿真結(jié)果均顯示該算法可以使得時(shí)間平均利潤