文献

J-GLOBAL ID：202202277698451003   整理番号：22A0840990

モバイルクラウドセンシングにおける限られた予算の下での品質を最大化するためのユーザ補充アルゴリズム【JST・京大機械翻訳】

User Recruitment Algorithm for Maximizing Quality under Limited Budget in Mobile Crowdsensing

著者 (7件)： Jiang Weijin (Hunan University of Technology and Business, Changsha 410205, China) ,  Jiang Weijin (Wuhan University of Technology, School of Computer Science and Technology, Wuhan 430073, China) ,  Chen Pingping (Hunan University of Technology and Business, Changsha 410205, China) ,  Zhang Wanqing (Hunan University of Technology and Business, Changsha 410205, China) ,  Sun Yongxia (Hunan University of Technology and Business, Changsha 410205, China) ,  Junpeng Chen (Hunan University of Technology and Business, Changsha 410205, China) ,  Wen Qing (Dongguan University of Technology, Dongguan 52308, China)
資料名： Discrete Dynamics in Nature and Society  (Discrete Dynamics in Nature and Society)
巻： 2022  ページ： Null  発行年： 2022年 
JST資料番号： W2228A  ISSN： 1026-0226  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： モバイルクラウドセンシングタスク割当てにおいて,データプラットフォームがユーザの知覚品質またはコスト価値を知らないという前提の下で,適切なユーザ動員機構を確立する方法は,本論文が解決する必要があるという重大な問題である。実行pにおいてユーザの知覚品質を学習する必要がある。また,モバイルグループ知能認識プラットフォームの効率と利益最大化を確実にするのに,その最良を試みなければならない。したがって,本論文では,既知のユーザコストと未知のユーザコストで加入問題を解決するために,コンビナトリアルマルチアームバンド(CMAB)に基づくモバイルクラウドセンシングユーザ動員アルゴリズムを提案した。最初に,ユーザ動員プロセスを複合マルチアームバンドモデルとしてモデル化した。各ロッカーアームは異なるユーザの選択を表し,得られた収入はユーザの知覚品質を表す。第2に,タスクの完了に従ってユーザの知覚品質を更新する上位信頼限界(UCB)アルゴリズムを提案した。このアルゴリズムは,ユーザの知覚品質値を高から低に分類し,次に,予算条件の下での募集コストに対する知覚品質の最も重要な比率を選択し,タスクを割り当て,それらの知覚品質を更新する。最後に,本論文は,利用者動員アルゴリズムの効率性を測定するために,レグレット価値を導入して,現実のデータセットに基づく多くの実験シミュレーションを実行して,アルゴリズムの実現可能性と有効性を証明した。実験結果は,既知のユーザコストによる加入アルゴリズムが最適アルゴリズムに近く,未知のユーザコストによるリクルートアルゴリズムが最適アルゴリズム結果の75%以上であり,他の比較と比較して,予算コストが増加するにつれてギャップが減少することを示した。このアルゴリズムは25%高く,提案アルゴリズムが良好な学習能力を持ち,タスク割当てを実現するために高品質ユーザを独立に選択できることを証明した。Copyright 2022 Weijin Jiang et al. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  検出 ,  シミュレーション ,  データ ,  最適化手法 ,  実験 ,  認識 ,  信頼限界 ,  *利用者 ,  *携帯電話
準シソーラス用語： 利益最大化 ,  タスク割当 ,  学習能力 ,  知覚品質 ,  高品質 , 【Automatic Indexing@JST】

分類 (2件)： 移動通信  (ND08030H) ,  計算機網  (JC03000K)

引用文献 (27件)：

• W. Jiang, Y. Xu, H. Guo, L. Zhang, "Dynamic trust calculation model and reputation management mechanism for online transactions," Science China Information Sciences, vol. 44, pp. 1084-1101, 2014.
• M. Lianbo, W. Xueyi, W. Xingwei, W. Liang, S. Ying, H. Min, "Tcda: Truthful combinatorial double auctions for mobile edge computing in industrial internet of things," IEEE Transactions on Mobile Computing, pp. 99, 2021.
• W. Liang, Y. Zhiwen, H. Qi, G. Bin, X. Haoyi, "Multi-objective optimization based allocation of heterogeneous spatial crowdsourcing tasks," IEEE Transactions on Mobile Computing, vol. 17, no. 7, 2018.
• H. Kai, L. Huan, T. Shaojie, X. Mingjun, L. Jun, "Differentially private mechanisms for budget limited mobile crowdsourcing," IEEE Transactions on Mobile Computing, vol. 18, no. 4, 2019.
• M. Lianbo, C. Shi, S. Yuhui, "Enhancing learning efficiency of brain storm optimization via orthogonal learning design," IEEE Transactions on Systems, Man, and Cybernetics: Systems, vol. 51, no. 11, 2020.

タイトルに関連する用語 (5件)： モバイルクラウドセンシング ,  予算 ,  最大化 ,  補充 ,  アルゴリズム