|
物联网移动群智感知任务协同排序推荐优化
陈贵兰 2024/4/9 19:44:13
（接上页）1所示。根据参与者之前接受的各项任务情况匹配任务分类特征，构建相应的排序数学模型。通过此模型对目标参与者偏好的任务实施排序，把结果发送给参与人员，完成对各项任务分配。
............
4结论
本文开展物联网移动群智感知任务协同排序推荐优化分析，取得如下有益结果：
1）采用HM-LWR算法模型能够较精确预测得到参与者的任务偏好情况，分配MCS任务时可以有效提升准确性与运算效率。得到最优参数指标为学习速率μ为0.01，λ为0.01，迭代100次，α取值0.5。
2）HM-LWR算法相对MSC与LWR算法发生了显著提高，相对GSMs算法则发生了小幅提升，达到了近96%的总体准确率。
参考文献
[1] 张锦荣, 王康谊, 张云逸, 等. 基于北斗/GPS的水中应急定位系统设计[J]. 国外电子测量技术, 2021, 40(06): 87-93.
[2] 田光普. 自动气象站无线通信技术的应用研究[J]. 电子测量技术, 2021, 44(07): 154-158.
[3] 吴定泽, 任彬, 赵增旭. 基于视觉识别的无线通信物流机器人设计[J]. 电子测量技术, 2021, 44(05): 46-50.
[4] 俞东进, 陈聪, 吴建华, 等. 基于隐式反馈数据的个性化游戏推荐[J]. 电子学报, 2018, 46(11): 2626-2632.
[5] 纪圣塨, 郑宇, 王诏远, 等. 基于前向搜索和投票的移动群智感知动态用户招募方法[J]. 计算机学报, 2021, 44(10): 1998-2015.
[6] 王健, 刘嘉欣, 赵国生, 等. 移动群智感知中基于协同排序的任务推荐方法[J]. 电子学报, 2021, 49(10): 2012-2019.
[7] 蔡威, 白光伟, 沈航, 等. 移动群智感知中基于强化学习的双赢博弈[J]. 计算机科学, 2020, 47(10): 41-47.
[8] 金鑫, 王涛春, 吕成梅, 等. 移动群智感知中原始数据隐私保护算法[J]. 计算机应用, 2020, 40(11): 3249-3254.
[9] 安健, 彭振龙, 桂小林, 等. 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, 42(2): 65-78.
作者简介：陈贵兰，女，1980，重庆人，硕士，副教授，主要从事计算机教学。
附件下载：物联网移动群智感知任务协同排序推荐优化
|