[发明专利]一种基于贪心策略的群智感知参与者选择方法

说明书

本发明涉及一种基于贪心策略的群智感知参与者选择方法，包括以下步骤：步骤S1：通过原始数据库，获取每个用户在各个周期所覆盖的目标点的集合；步骤S2：利用贪心策略选取一个用户集，保证目标点在第一个覆盖周期满足覆盖要求；步骤S3：用步骤S2中得到的用户集来对下一个覆盖周期进行覆盖，记录各点的覆盖次数情况；步骤S4：对步骤S3中未满足覆盖次数要求的点，继续用贪心策略选取用户，加入到原来的用户集，直到所有点都满足覆盖次数要求；步骤S5：重复步骤S3和S4中的步骤，直到最后一个覆盖周期也满足覆盖要求。该方法在给定用户地点签到信息数据集的基础上，有效求解出比较理想的用户集合，在给定代价的情况下完成有时空限制的群智感知任务。

技术领域

本发明涉及群智感知参与者选择方法领域，特别是涉及一种基于贪心策略的群智感知参与者选择方法。

背景技术

传统的感知任务一般要求固定部署传感器且进行持续监控，本发明则提出了一种“t-时隙k-覆盖”的全新群智感知任务模型，以及基于该模型的参与者选择方法。在该模型中，“传感器”是广大移动设备携带者。该感知模型要求目标地点周期性的被多个参与者同时覆盖。该感知模型的参与者选择要解决的问题是：给定若干参与者候选人，以及他们的历史移动轨迹，从中选择最少个数的参与者，使其满足对指定地点集合的“t-时隙k-覆盖”的质量需求。现有技术方案中，大多没有同时考虑覆盖任务的时空属性，对覆盖任务的描述不够精确细致。另外，在参与者选择过程中，现有技术选取预定数量的参与者群体来执行覆盖任务，会造成大量的参与者冗余，且覆盖效果较差。而本发明的覆盖模型兼顾覆盖的时空属性，可以细致的描述复杂的覆盖任务。同时，基于贪心策略的参与者选择方法可以有效地求出较优的目标参与者集合，以较小代价完成覆盖任务。

发明内容

有鉴于此，本发明的目的是提供一种基于贪心策略的群智感知参与者选择方法，在给定用户地点签到信息数据集的基础上，有效求解出比较理想的用户集合，在给定代价的情况下完成有时空限制的群智感知任务。

本发明采用以下方案实现：一种基于贪心策略的群智感知参与者选择方法，包括以下步骤：

步骤S1：通过原始数据库，获取每个用户在各个周期所覆盖的目标点的集合；

步骤S2：利用贪心策略选取一个用户集，保证目标点在第一个覆盖周期满足覆盖要求；

步骤S3：用步骤S2中得到的用户集来对下一个覆盖周期进行覆盖，记录各点的覆盖次数情况；

步骤S4：对步骤S3中未满足覆盖次数要求的点，继续用贪心策略选取用户，加入到原来的用户集，直到所有点都满足覆盖次数要求；

步骤S5：返回步骤S3，重复步骤S3和S4中的步骤，直到最后一个覆盖周期也满足覆盖要求。

进一步地，所述步骤S1中构建用户与目标点的覆盖关系集合的操作过程为：

步骤S101：以每个周期所限定的时间与目标地点作为查询条件，连接并读取原始数据库，获取原始用户和地点信息，输入字段如下：

cursorA＝exec(conn,['select tid,uid from qz_yidong_sign WHERE in_cell_time>',s{i},'and in_cell_time<',s{i+1},'and(tid＝',pk,')'])；cursorA＝fetch(cursorA)；cur1＝cursorA.data。

其中，tid为原始地点字段，uid为原始用户字段，in_cell_time为时间字段；s{i}和s{i+1}为覆盖周期起始时间，i为循环变量，控制周期数；pk为给定目标地点，它们均在程序中事先设定；cursorA为读取游标，cur1为获取cell型原始数据；

步骤S102：根据步骤S101中得到的查询结果信息，构建用户与目标地点覆盖关系矩阵，具体操作为：