基于群智计算的移动服务智能推荐算法研究
来源:用户上传
作者:
摘要：随着网路技术的飞速发展，拥有智能移动设备的人越来越多，用户可以通过移动设备进行近距离的通信通话，进行资源分享，而这些用户就可以组成网络智慧群体，协同完成各种计算任务。而本文要研究的就是这种基于移动社交网络而进行的群智计算，不同于以往单一的计算模式，群智计算可以通过协同完成大规模的，复杂的计算任务，可以通过智能移动设备所具备的计算，感知，储存能力满足用户基本需求。文章研究了基于群智计算技术所获取数据的基础上分析用户的兴趣行为而提出的一种基于最优用户组的群智计算任务分配算法。
关键词：群智计算;移动社交网络;分配算法
中图分类号：TP311 文献标识码：A 文章编号：1007-9416（2020）04-0000-00
1群智计算的理论基础
1.1群智计算的起源
群智计算的提出要从众包和群智感知说起，“众包”是一种分配解决问题的方式，将一个难度较大的问题分为不同的小问题并分配到多个用户再通过人类的知识储备和移动网络资源解决问题。而群智感知就是将拥有智能设备的用户看做独立的感知源，再让他们共同协作完成大规模的难度系数高的任务。而群智计算就是众包系统和群智感知系统的统称[1]。
1.2群智计算的应用
如今市面上有很多众包，群智感知平台，而以下几个比较集中且对用户日常生活帮助较大。
（1） 环境质量检测。用户可以通过智能移动设备对环境质量进行检测，获得想要的信息。可以检测环境污染程度，检测环境噪音，以及得到不同地域的水质，垃圾堆积数量等信息。（2）交通信息获取。因为用户会配备各种移动设备而群智计算系统会根据设备对路况进行实时监控，为用户提供最优的路线，并且实时汇报路况，以及行程时间，提供省时绿色的出行方案。（3）城市管理规划。可以利用群智计算对城市设施进行监控，全面了解设施状况，方便管理人员设计更好的规划方案，也方便了用戶更好的选址，比如就近的可用停车位、减速带位置、路面状况等。（4）公共安全防护。可以利用群智计算对重要场合进行拍照，监控，以便于在特殊情况下提供有力证据，也方便人们了解突发事件，及时采取应对措施。（5）优化社交服务。可以通过群智计算得知用户的信息和习惯，了解用户的兴趣爱好，自身情况，为其提供更好的社交服务，比如记录日常的运动情况，单车骑行的距离等信息[2]。
以上几点在生活中应用较多，但是群智计算还在其他很多方面为用户提供了便捷，群智计算在未来一定会有更大的发展空间。
2群智计算体统的结构
一般群智计算系统会由用户和平台组成，用户通过移动设备作为感知源，完成感知任务，而平台则是有很多的服务器组成，分别负责任务发布，信息收集，数据存储等。而群智计算的工作流程可以大致分为五个步骤：（1）平台发布分配好的任务信息，通过一些机制吸引用户。（2）平台和用户建立联系，用户了解任务所需要求，并按要求执行感知任务。（3）任务完成后信息将反馈到平台，在保护用户隐私的前提下进行信息交互。（4）平台对获得的信息进行分析和处理，用户再得到自己想要的信息。（5）平台对用户进行评估，并储备交易记录。
3群智计算的算法推荐研究
3.1基于差分隐私保护的群智计算任务分配算法
差分隐私保护是对用户隐私进行可靠的，可度量的方法。因为一般的群智计算会把众包平台作为中央，来分配一系列任务，比如招募用户、任务分配、数据采集等，所以在这一类的交互过程中，会涉及到用户的很多个人信息，所以这时平台需要对用户的个人信息进行保护，但是不是每个平台都是可信的，所以用户的隐私还是有很大的泄露风险，而这是就需要采取第三方保护即差分隐私保护法，在原有数据的基础上随机添加干扰个人信息的数据，保护原有数据中的敏感数据，能够有效的防止用户信息的泄露，用户信息通过差分隐私保护机制的处理后，提供安全的数据信息。
3.2移动社交网络中基于相遇预测的群智计算任务分配算法
通过移动社交网络的群智计算将任务进行分配，采取多个用户随机游走的方式，让任务请求者与用户频繁相遇，将所获取的数据通过近距离通信的方式传回。提出任务请求者与用户相遇的并行模型，还要通过对用户的任务完成情况分析用户的能力差异，设计并改进最小化独立任务的平均反馈时间和最小化依赖型任务的最长反馈时间的在线任务分配算法。改进后的模式能更好的完成复杂的任务，使得工作效率提高，这种任务分配算法在群智计算中有很高的实用价值。
3.3基于最优用户组的群智计算任务分配算法
例如检测城市噪音，而这个检测量很大，靠单独用户很难应对，特别是当一些区域离用户较远是，更是难以检测，所以这个时候就可以通过移动设备联系其他移动用户来协作完成任务，此时，该用户就可以根据噪音检测的实际需求将任务划分为小区域噪音检测，然后其他用户根据方便进行自己选择的任务，最终将各个数据传回检测所，对数据进行分析，而用户也得到相应的报酬。其他类似的场景也是，采用最优方案进行数据采集，再利用网络将数据传回，最终得到想要得到的结果。
4总结与展望
随着网络技术的飞速发展，科学技术的不断进步，移动设备功能也变得更多，更普及，而群智计算利用移动设备解决问题的方式也变成了研究热点，众包系统通过分配式的任务发布，而群智感知利用用户移动设备作为感应源而完成特定的感知任务，而用户也在完成任务后获得一定的报酬，而本文在群智计算技术所获取数据的基础上了解到用户偏好并推荐群智计算的任务分配算法，并且在用户与平台的交互过程中隐私也能得到很好的保护，虽然目前因为技术有限，群智计算模式也有一些需要改进的地方，但是随着科学水平的提高，以及人们的不断努力，群智计算一定会得到更好的推广和利用。
参考文献 [1]李卓青.面向移動社交网络的群智计算关键技术研究[D].南京：东南大学，2018.
[2]茆华林.基于移动社交网络的群智计算任务分配算法研究[D].合肥：中国科学技术大学，2016.
收稿日期：2020-03-21
基金项目：陕西省教育厅专项科学研究计划项目（19JK0686）;西安思源学院科研项目（XASY-B1802）。
作者简介：梁艳（1980—），女，河南灵宝人，硕士，讲师，研究方向为移动群智感知。
Research on Intelligent Recommendation Algorithm of Mobile Service Based on Group Intelligence Computing
LIANG Yan1，HU Xian-zhi2，YANG Qian1
（1.Xi'an Siyuan Institute of technology， Xi'an Shaanxi Province 710038，;
2. Network information management center of Xi'an University of technology， Xi'an Shaanxi 710048）
Abstract： With the rapid development of network technology， more and more people have smart mobile devices， users can make close distance communication through mobile devices， to share resources， and these users can form a network intelligence group， the collaborative completion of a variety of computing tasks. This paper aims to study this kind of group intelligence computing based on mobile social network. Different from the previous single computing mode， group intelligence computing can complete large-scale and complex computing tasks through cooperation， and can meet the basic needs of users through the computing， sensing and storage capabilities of smart mobile devices. In this paper， a task assignment algorithm based on the optimal group of users is proposed by analyzing the user's interest behavior based on the data obtained by the group intelligence computing technology.
Key words： swarm intelligence;computing mobile;social network allocation
转载注明来源:https://www.xzbu.com/8/view-15252125.htm
