在移动群智感知拍卖中通过惩罚冗余任务分配最大化清付率
网络与互联网体系结构
2019-06-03 v1 社会与信息网络
摘要
本研究关注集中式、参与式移动群智感知（MCS）系统中基于拍卖的任务分配与管理的有效性。拍卖期间，感知任务根据参与者和平台分别提供的出价与激励与参与者匹配。近期文献解决了拍卖中的若干挑战，包括不诚实出价与恶意参与者。我们近期的工作开始解决另一挑战，即感知活动中清付率（CR）的最大化，亦即已完成感知任务的百分比。在本研究中，我们提出一种新的将任务与参与者匹配的目标函数，以实现清付率最大化且感知声誉的拍卖。特别地，我们惩罚冗余任务分配，即一个任务被分配予多名参与者，这会不必要地消耗预算。我们观察到，对某任务出价者越少，其被分配以完成的优先级应越高。因此，我们在拍卖管理中引入一个新因子，即任务冗余因子。通过在感知活动不同条件下的大量仿真，并在给定固定预算下，我们表明惩罚冗余（给予冷门任务更高优先级）相较近期文献中的最高清付率带来了约 50% 的显著提升。
引用
@article{arxiv.1905.13563,
title = {Maximizing Clearance Rate by Penalizing Redundant Task Assignment in Mobile Crowdsensing Auctions},
author = {Maggie E. Gendy and Ahmad Al-Kabbany and Ehab F. Badran},
journal= {arXiv preprint arXiv:1905.13563},
year = {2019}
}
备注
arXiv admin note: text overlap with arXiv:1810.05774