文献

J-GLOBAL ID：202102256521419058   整理番号：21A0738811

移動群知能知覚における強化学習に基づく双勝ゲーム【JST・京大機械翻訳】

Reinforcement Learning Based Win-Win Game for Mobile Crowdsensing

著者 (5件)： Cai Wei (南京工業大学計算机科学与技術学院 南京211816) ,  Bai Guangwei (南京工業大学計算机科学与技術学院 南京211816) ,  Shen Hang (南京工業大学計算机科学与技術学院 南京211816) ,  Cheng Zhaowei (南京工業大学計算机科学与技術学院 南京211816) ,  Zhang Huili (南京工業大学計算机科学与技術学院 南京211816)
資料名： Jisuanji Kexue  (Jisuanji Kexue)
巻： 47  号： 10  ページ： 41-47  発行年： 2020年 
JST資料番号： C2530A  ISSN： 1002-137X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： モバイルグループ知能システムは,ユーザに個人化プライバシー保護を提供し,より多くの利用者がタスクに参加する。しかし、悪意のある攻撃者の存在により、ユーザーがプライバシー保護力を高め、位置の可用性が悪くなり、タスクの分配効率を低下させる。この問題に対して、強化学習に基づくユーザーとプラットフォームの共勝のゲームメカニズムを提案した。この機構は,まず第一に,信頼された第三者の2つの仮想実体によって,利用者とプラットフォームの間の相互作用をシミュレーションして,次に,利用者が位置データにノイズを付加して,もう1つのシミュレーションプラットフォームは,ユーザの障害位置に従ってタスクを割り当てた。次に,インタラクティブプロセスをゲームとして構築して,平衡点を推論して,2つの仮想実体はゲームの2つであった。最後に,強化学習法を用いて,異なる位置摂動戦略を試行し,最適位置摂動スキームを出力した。実験結果は,この機構がタスク割当のユーティリティを最適化できると同時に,ユーザの全体的ユーティリティをできるだけ高くし,ユーザとプラットフォームの両方を達成できることを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  雑音 ,  シミュレーション ,  相互作用 ,  *ゲーム ,  アベイラビリティ ,  摂動 ,  *強化学習
準シソーラス用語： タスク割当 ,  プライバシー保護 ,  *群知能 ,  攻撃者 , 【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)： 群知能 ,  知覚 ,  強化学習 ,  ゲーム