文献

J-GLOBAL ID：201702260488599074   整理番号：17A1024806

ActiveCrowd:モバイルクラウドセンシングシステムにおける最適化されたマルチタスク割当のためのフレームワーク【Powered by NICT】

ActiveCrowd: A Framework for Optimized Multitask Allocation in Mobile Crowdsensing Systems

著者 (5件)： Guo Bin (Northwestern Polytechnical University, Xi’an, China) ,  Liu Yan (Northwestern Polytechnical University, Xi’an, China) ,  Wu Wenle (Northwestern Polytechnical University, Xi’an, China) ,  Yu Zhiwen (Northwestern Polytechnical University, Xi’an, China) ,  Han Qi (Colorado School of Mines, Golden, CO, USA)
資料名： IEEE Transactions on Human-Machine Systems  (IEEE Transactions on Human-Machine Systems)
巻： 47  号： 3  ページ： 392-403  発行年： 2017年 
JST資料番号： W1031A  ISSN： 2168-2291  CODEN： ITHSA6  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 労働者の選択は,移動群衆センシング(MCS)における重要な問題である。以前の労働者選択アプローチは主に単一MCSタスクに対する作業者の適切なサブセットを選択することに焦点を当てているが,マルチタスク配向労働者選択が必須であり,大規模MCSプラットフォームの効率に有用である。ActiveCrowd,マルチタスクMCS環境のための労働者選択フレームワークを提案した。二つの状況:時間依存タスクのための労働者の意図的な運動に基づく労働者選択と遅延耐性タスクのための意図的でない運動下でのマルチタスク作業者選択の問題を研究した。時間に敏感な作業では,労働者は意図的作業場所へ移動する必要であり,目的は,移動距離を最小化することである。遅延耐性のタスクに対し,ここでは作業場所による通過と予測されるその経路労働者を選択し,目標は,労働者の総数を最小化することである。二欲張り強化遺伝的アルゴリズムはそれらを解決するために提案した。実験は,提案したアルゴリズムが異なる実験設定(タスクセットの規模,利用可能な労働者,変化タスク分布など)下でベースライン法より優れていることを検証した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 部分集合 ,  遺伝的アルゴリズム ,  *最適化 ,  時間依存性 ,  アルゴリズム ,  基準線 ,  労働者
準シソーラス用語： 移動距離 ,  作業場 ,  *マルチタスク , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 最適化 ,  マルチタスク ,  割当 ,  フレームワーク