近日，煙臺(tái)大學(xué)計(jì)算機(jī)與控制工程學(xué)院王瑩潔教授團(tuán)隊(duì)的最新研究成果被國(guó)際服務(wù)計(jì)算領(lǐng)域頂級(jí)期刊《IEEE Transactions on Services Computing》（TSC）錄用，論文題目為 “Enhancing Game Policy Optimization in Mobile Crowdsourcing: A Reinforcement Learning Approach”。該期刊是中國(guó)計(jì)算機(jī)學(xué)會(huì)（CCF）推薦的A類(lèi)期刊，是服務(wù)計(jì)算領(lǐng)域頂級(jí)國(guó)際學(xué)術(shù)期刊之一，核心主題包括服務(wù)系統(tǒng)架構(gòu)、智能服務(wù)、云邊計(jì)算與服務(wù)安全等。
隨著多空間網(wǎng)絡(luò)架構(gòu)和移動(dòng)設(shè)備的發(fā)展，移動(dòng)群智感知（MCS）已成為高效的數(shù)據(jù)采集方式，廣泛應(yīng)用于多空間智能感知、環(huán)境監(jiān)測(cè)等場(chǎng)景。然而，現(xiàn)有MCS系統(tǒng)在任務(wù)分配與動(dòng)態(tài)定價(jià)方面仍面臨挑戰(zhàn)：一是任務(wù)規(guī)模日益增長(zhǎng)，異構(gòu)實(shí)體能力差異顯著，導(dǎo)致資源匹配效率低；二是傳統(tǒng)定價(jià)策略難以應(yīng)對(duì)異構(gòu)實(shí)體的利益平衡，影響系統(tǒng)穩(wěn)定性與激勵(lì)效果。針對(duì)上述問(wèn)題，王瑩潔教授團(tuán)隊(duì)提出了一種融合博弈建模與深度強(qiáng)化學(xué)習(xí)的多目標(biāo)任務(wù)分配與定價(jià)框架，顯著提升了系統(tǒng)的智能決策能力與資源協(xié)同效率，系統(tǒng)架構(gòu)如圖1所示。
圖1任務(wù)分配與動(dòng)態(tài)定價(jià)系統(tǒng)架構(gòu)圖
研究團(tuán)隊(duì)創(chuàng)新性地提出了兩項(xiàng)關(guān)鍵技術(shù)：一是EH-STLS多目標(biāo)優(yōu)化算法，通過(guò)融合禁忌搜索與局部搜索策略，在滿(mǎn)足多重約束條件下實(shí)現(xiàn)高效的任務(wù)與智能體匹配，顯著提升了任務(wù)完成質(zhì)量與系統(tǒng)整體效能；二是KDQN動(dòng)態(tài)定價(jià)模型，基于Stackelberg博弈框架，引入Kolmogorov-Arnold網(wǎng)絡(luò)（KAN）替代傳統(tǒng)神經(jīng)網(wǎng)絡(luò)，實(shí)現(xiàn)任務(wù)定價(jià)策略的自適應(yīng)優(yōu)化，有效協(xié)調(diào)任務(wù)發(fā)布者、智能決策平臺(tái)、任務(wù)完成者、加密機(jī)構(gòu)等異構(gòu)實(shí)體多方利益，提升系統(tǒng)穩(wěn)定性與決策精度。
該研究成果以煙臺(tái)大學(xué)為第一單位，研究生駱弟洪為第一作者，王瑩潔為通訊作者。群智感知實(shí)驗(yàn)室在該方向的研究上已形成系列研究成果，近一年來(lái)，煙臺(tái)大學(xué)為第一單位，王瑩潔為通訊作者已發(fā)表3篇CCF A類(lèi)期刊論文，獲多位領(lǐng)域?qū)＜业恼嬖u(píng)價(jià)和引用。研究工作獲得國(guó)家自然科學(xué)基金面上項(xiàng)目、山東省自然科學(xué)基金優(yōu)秀青年項(xiàng)目、山東省青創(chuàng)科技支持計(jì)劃以及網(wǎng)絡(luò)與交換技術(shù)國(guó)家重點(diǎn)實(shí)驗(yàn)室（北京郵電大學(xué)）開(kāi)放基金的支持。
來(lái)稿時(shí)間：7月14日 審核：劉俞斌 責(zé)任編輯：徐揚(yáng)
