beat365

信息技术研究生论坛

时间：2022年6月23日（星期四）15:00-17:00

地点：beat365601教室

报告题目一：车辆群智感知中基于传感区域密度的参与式车辆招募研究

报告人：覃小琼

报告简介：在众感应用中使用车辆，由于车上可用资源的增加，以及更大的移动模式，可以实现大规模的移动数据传感，但是这也给系统设计带来了许多新的挑战。基于参与式的车辆招募机制，车辆需要改变自己原有的生活轨迹，移动到一个特定的地方去完成任务，这就产生了额外的交通成本，而且会对车辆造成干扰。传感数据分布在不同的位置，移动车辆通过不同的位置收集不同的传感数据。传感数据位置和车辆轨迹的多样性使得最优调度问题难以解决。为了降低参与式车辆与未覆盖的传感区域匹配的计算复杂度，本研究提出了一种基于传感区域密度的参与式招募算法。基于真实世界数据集的广泛评估表明，本研究在各种设置下都比其他基线方法实现了更高的传感效益。

报告题目二：群智感知中基于边缘计算的多人合作博弈任务收集

报告人：张显

报告简介：首先介绍群智感知和边缘计算的相关背景和课题来源。本文研究大规模多人多类型的任务数据收集时所产生的服务成本和服务能耗二目标优化问题，该问题是个NP-hand问题，在多项式时间不能取得最优解。为了解决该问题，本文将多人合作博弈和群体智能算法结合解决该问题。而多人博弈的均衡是一个复杂的问题，本文采用几何结构，简化求解难度，求得问题的次优解。在次优解的基础上采用粒子群算法进行优化，产生最优解。通过与其他三种方法在真实数据集中的比较，我们取得优异结果。

报告题目三：基于任务覆盖和激励-损耗的多目标群智感知任务分配
报告人：许励强
报告简介：随着4G网络与更加强大的处理器的到来，移动设备已经越来越普及。任务分配作为实现群智感知的重要环节，它是指组织或个人利用不同的激励机制和约束手段，以竞争和合作等多种自主协同方式来共同完成众包任务。相较于传统的优化算法，群体智能优化算法具有容易实现、效率较高并且代价较低的优点。群体智能优化算法经过不断地发展，基于更多样、更复杂的群体行为的群体智能优化算法相继被提出，在解决复杂的问题上都有着非常好的表现。针对现有的群智感知任务分配相关研究侧重点各有不同，在考虑分配、激励与损耗并存的情况下，本文提出基于任务覆盖质量、任务激励、任务损耗三个目标的多目标群智感知任务分配模型。同时考虑到可能存在参与者参与者任务积极性不高导致任务完成得不好的情况，在原有模型的基础上将任务完成度的概念引入模型，建立基于任务完成度和任务利润的多目标群智感知任务分配模型，以任务覆盖质量、任务完成度与任务利润为优化目标。通过实验证明，所提出的算法可以在群智感知任务分配领域成功应用，并取得较好的效果。

报告题目四：基于强化学习Q-Learning的移动群智感知多目标任务分配研究
报告人：沈煜鸣
报告简介：首先介绍移动群智感知和强化学习的相关背景和课题来源。移动群智感知自问世以来，一直是一个热点问题，受到很多国内外学者的密切关注，其中任务的合理分配更是重点问题。而现在移动群智感知任务分配领域的研究大多数是在于对传统的贪婪和元启发式算法的优化和改进，存在理论缺失、性能不足、可塑性差等缺点。针对这一问题，我们综合考虑时空因素，对任务分配过程进行MDP建模，尝试采用强化学习Q-Learning方法来寻找更有效的任务分配解决方案， 并拟采用帕累托的方式对所优化的多目标进行求解。

报告题目五：基于改进竞争机制的多目标金豺优化算法
报告人：祁康恒
报告简介：金豺优化算法是一种通过模拟金豺合作狩猎规律提出来的群体智能优化算法，该算法收敛速度快、收敛精度高等特点。但目前金豺优化算法目前仅应用于单目标优化，在多维空间中因种群结构单一，影响了搜索能力，算法的收敛性和多样性有待改善。为了使金豺优化算法能够应用于求解多目标优化问题，并提高算法的综合性能，本文提出一种基于改进竞争机制的多目标金豺优化算法，使之在多目标优化中具有良好的收敛性、多样性和收敛速度。

欢迎广大师生踊跃参加！