CN106599254A - 一种基于贪心策略的群智感知参与者选择方法 - Google Patents

Abstract

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。

Description

一种基于贪心策略的群智感知参与者选择方法

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：

先将读取的原始数据进行格式转换，即cur1＝cell2mat(cur1)，以便后续操作，cur1为获取cell型原始数据；然后对给定的目标地点编号为1,2,...,h，对用户编号为1,2,...,n，逐行读取上述数据，并构建矩阵M{i}(ipp,u)＝1，即某用户覆盖过某个点，则将相应位置为1；其中，i表示第i个周期，ipp为目标地点编号(1,2,...,h),u为用户编号(1,2,...,n)；

步骤S103：根据步骤S102中建立的用户与目标地点覆盖关系矩阵，得到用户与目标地点覆盖关系集合，具体操作为：

遍历步骤S102中得到的矩阵，对于某个指定用户，他若覆盖过某个地点，则将该地点的编号加入相应的集合中，每个用户所覆盖的目标点集合用元胞数组cell的结构来存储，即ce(i){t2}(count)＝s2，其中i为周期，t2、s2为循环变量，表示用户和地点编号，count为累加变量。

进一步地，所述步骤S2中选取第一个用户集来满足覆盖要求的操作过程为：

步骤S201：对步骤S1中得到的所有集合按照集合大小递减的顺序将相应的用户编号，即集合编号，存入数组中，即s{i}(t)＝i2，s为元胞数组，i为周期变量，i2为集合编号变量，t为累加变量；

步骤S202：依次选取数组s中的用户加入到目标用户集U和记录被选用户的数组b中，同时遍历步骤S1中的覆盖关系集合，对覆盖次数矩阵B进行更新，即B(ce{h(f)}(i2))＝B(ce{h(f)}(i2))+1；遍历数组B，查看每个地点的覆盖次数，若有地点的覆盖次数达到要求，即B(i)＝K，则将该地点编号存入数组a中，同时更新目标地点数，cn＝cn-1；

步骤S203：若cn＝0，则进入步骤S3，覆盖下一周期；否则，遍历覆盖关系集合，利用数组b和数组a，求出暂时未被选中的用户覆盖剩余那些不满足覆盖要求的点的情况，并记录这些用户所覆盖地点的数量，存入数组inc中，即每覆盖一个点，便进行inc(f)＝inc(f)+1操作，其中inc(f)记录编号为f的用户覆盖剩余地点的个数。

步骤S204：遍历inc数组，取出其中的最大值对应的用户编号f，加入到目标集合U中，同时更新数组b、数组a和数组B。当所有地点均满足覆盖条件B(i)>＝k时，所得到的用户集即为所求。

进一步地，所述步骤S3中，用上一个周期的用户集对下一个周期进行覆盖，具体过程为：

步骤S301：遍历步骤S2中求得的用户集，找出其中在下一个周期中也有出现的用户，存入相应数组中，即c{i}(t)＝j2，i为周期，j2为用户编号循环变量，t为累加变量。

步骤S302：遍历数组c，用其中的用户来完成覆盖任务：即对每个用户，都遍历其在下一个周期的覆盖关系集合，对于被其覆盖的地点，更新覆盖次数矩阵B，B(cet{cs(j1)}(j2))＝B(cet{cs(j1)}(j2))+1，同时更新数组b和数组a。

进一步地，所述步骤S4中，对未达到覆盖次数要求的点继续贪心求解，具体过程为：

步骤S401：遍历当前周期各用户的覆盖关系集合，根据记录用户选取情况的数组b和记录达到要求地点的数组a，记录剩余用户覆盖剩余地点的情况，将每个用户覆盖剩余地点的个数存入数组inc中；

步骤S402：遍历inc数组，取出其中的最大值对应的用户编号f，加入到目标集合U中，同时更新数组b、数组a和数组B。当所有地点均满足覆盖条件B(i)>＝k时，所得到的用户集就可以保证所有目标点在上一个周期和当前周期均满足覆盖要求。

相较于现有技术，本发明提供的方法是一种基于贪心策略的群智感知参与者选择方法，主要用于求解具有时空约束、覆盖次数限制以及任务代价限制的群智感知任务中的参与者选择问题。该问题要求在用户历史移动轨迹的基础上，在任务代价允许范围内，求解一个较小的用户集，来执行相应的覆盖任务。该问题本质上是一种在已知用户和地点相关信息前提下的离线用户选择方法。该方法在给定用户地点签到信息数据集的基础上，可以有效地求解出比较理想的用户集合，在给定代价的情况下，来完成一些有时空限制的群智感知任务。

附图说明

图1是本发明的方法流程图示意图。

具体实施方式

下面结合附图及实施例对本发明做进一步说明。

本实施例提供一种基于贪心策略的群智感知参与者选择方法，如图1所示，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。

在本实施例中，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：

先将读取的原始数据进行格式转换，即cur1＝cell2mat(cur1)，以便后续操作，cur1为获取cell型原始数据；然后对给定的目标地点编号为1,2,...,h，对用户编号为1,2,...,n，逐行读取上述数据，并构建矩阵M{i}(ipp,u)＝1，即某用户覆盖过某个点，则将相应位置为1；其中，i表示第i个周期，ipp为目标地点编号(1,2,...,h),u为用户编号(1,2,...,n)；

步骤S103：根据步骤S102中建立的用户与目标地点覆盖关系矩阵，得到用户与目标地点覆盖关系集合，具体操作为：

遍历步骤S102中得到的矩阵，对于某个指定用户，他若覆盖过某个地点，则将该地点的编号加入相应的集合中，每个用户所覆盖的目标点集合用元胞数组cell的结构来存储，即ce(i){t2}(count)＝s2，其中i为周期，t2、s2为循环变量，表示用户和地点编号，count为累加变量。

在本实施例中，所述步骤S2中选取第一个用户集来满足覆盖要求的操作过程为：

步骤S201：对步骤S1中得到的所有集合按照集合大小递减的顺序将相应的用户编号，即集合编号，存入数组中，即s{i}(t)＝i2，s为元胞数组，i为周期变量，i2为集合编号变量，t为累加变量；

步骤S202：依次选取数组s中的用户加入到目标用户集U和记录被选用户的数组b中，同时遍历步骤S1中的覆盖关系集合，对覆盖次数矩阵B进行更新，即B(ce{h(f)}(i2))＝B(ce{h(f)}(i2))+1；遍历数组B，查看每个地点的覆盖次数，若有地点的覆盖次数达到要求，即B(i)＝K，则将该地点编号存入数组a中，同时更新目标地点数，cn＝cn-1；

步骤S203：若cn＝0，则进入步骤S3，覆盖下一周期；否则，遍历覆盖关系集合，利用数组b和数组a，求出暂时未被选中的用户覆盖剩余那些不满足覆盖要求的点的情况，并记录这些用户所覆盖地点的数量，存入数组inc中，即每覆盖一个点，便进行inc(f)＝inc(f)+1操作，其中inc(f)记录编号为f的用户覆盖剩余地点的个数。

步骤S204：遍历inc数组，取出其中的最大值对应的用户编号f，加入到目标集合U中，同时更新数组b、数组a和数组B。当所有地点均满足覆盖条件B(i)>＝k时，所得到的用户集即为所求。

在本实施例中，所述步骤S3中，用上一个周期的用户集对下一个周期进行覆盖，具体过程为：

步骤S301：遍历步骤S2中求得的用户集，找出其中在下一个周期中也有出现的用户，存入相应数组中，即c{i}(t)＝j2，i为周期，j2为用户编号循环变量，t为累加变量。

步骤S302：遍历数组c，用其中的用户来完成覆盖任务：即对每个用户，都遍历其在下一个周期的覆盖关系集合，对于被其覆盖的地点，更新覆盖次数矩阵B，B(cet{cs(j1)}(j2))＝B(cet{cs(j1)}(j2))+1，同时更新数组b和数组a。

在本实施例中，所述步骤S4中，对未达到覆盖次数要求的点继续贪心求解，具体过程为：

步骤S401：遍历当前周期各用户的覆盖关系集合，根据记录用户选取情况的数组b和记录达到要求地点的数组a，记录剩余用户覆盖剩余地点的情况，将每个用户覆盖剩余地点的个数存入数组inc中；

步骤S402：遍历inc数组，取出其中的最大值对应的用户编号f，加入到目标集合U中，同时更新数组b、数组a和数组B。当所有地点均满足覆盖条件B(i)>＝k时，所得到的用户集就可以保证所有目标点在上一个周期和当前周期均满足覆盖要求。

以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。

Claims (5)

1.一种基于贪心策略的群智感知参与者选择方法，其特征在于：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。

2.根据权利要求1所述的一种基于贪心策略的群智感知参与者选择方法，其特征在于：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

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：

先将读取的原始数据进行格式转换，即cur1＝cell2mat(cur1)，以便后续操作，cur1为获取cell型原始数据；然后对给定的目标地点编号为1,2,...,h，对用户编号为1,2,...,n，逐行读取上述数据，并构建矩阵M{i}(ipp,u)＝1，即某用户覆盖过某个点，则将相应位置为1；其中，i表示第i个周期，ipp为目标地点编号(1,2,...,h),u为用户编号(1,2,...,n)；

步骤S103：根据步骤S102中建立的用户与目标地点覆盖关系矩阵，得到用户与目标地点覆盖关系集合，具体操作为：

遍历步骤S102中得到的矩阵，对于某个指定用户，他若覆盖过某个地点，则将该地点的编号加入相应的集合中，每个用户所覆盖的目标点集合用元胞数组cell的结构来存储，即ce(i){t2}(count)＝s2，其中i为周期，t2、s2为循环变量，表示用户和地点编号，count为累加变量。

3.根据权利要求1所述的一种基于贪心策略的群智感知参与者选择方法，其特征在于：所述步骤S2中选取第一个用户集来满足覆盖要求的操作过程为：

步骤S201：对步骤S1中得到的所有集合按照集合大小递减的顺序将相应的用户编号，即集合编号，存入数组中，即s{i}(t)＝i2，s为元胞数组，i为周期变量，i2为集合编号变量，t为累加变量；

步骤S202：依次选取数组s中的用户加入到目标用户集U和记录被选用户的数组b中，同时遍历步骤S1中的覆盖关系集合，对覆盖次数矩阵B进行更新，即B(ce{h(f)}(i2))＝B(ce{h(f)}(i2))+1；遍历数组B，查看每个地点的覆盖次数，若有地点的覆盖次数达到要求，即B(i)＝K，则将该地点编号存入数组a中，同时更新目标地点数，cn＝cn-1；

步骤S203：若cn＝0，则进入步骤S3，覆盖下一周期；否则，遍历覆盖关系集合，利用数组b和数组a，求出暂时未被选中的用户覆盖剩余那些不满足覆盖要求的点的情况，并记录这些用户所覆盖地点的数量，存入数组inc中，即每覆盖一个点，便进行inc(f)＝inc(f)+1操作，其中inc(f)记录编号为f的用户覆盖剩余地点的个数。

步骤S204：遍历inc数组，取出其中的最大值对应的用户编号f，加入到目标集合U中，同时更新数组b、数组a和数组B。当所有地点均满足覆盖条件B(i)>＝k时，所得到的用户集即为所求。

4.根据权利要求1所述的一种基于贪心策略的群智感知参与者选择方法，其特征在于：所述步骤S3中，用上一个周期的用户集对下一个周期进行覆盖，具体过程为：

步骤S301：遍历步骤S2中求得的用户集，找出其中在下一个周期中也有出现的用户，存入相应数组中，即c{i}(t)＝j2，i为周期，j2为用户编号循环变量，t为累加变量。

步骤S302：遍历数组c，用其中的用户来完成覆盖任务：即对每个用户，都遍历其在下一个周期的覆盖关系集合，对于被其覆盖的地点，更新覆盖次数矩阵B，B(cet{cs(j1)}(j2))＝B(cet{cs(j1)}(j2))+1，同时更新数组b和数组a。

5.根据权利要求1所述的一种基于贪心策略的群智感知参与者选择方法，其特征在于：所述步骤S4中，对未达到覆盖次数要求的点继续贪心求解，具体过程为：

步骤S401：遍历当前周期各用户的覆盖关系集合，根据记录用户选取情况的数组b和记录达到要求地点的数组a，记录剩余用户覆盖剩余地点的情况，将每个用户覆盖剩余地点的个数存入数组inc中；

步骤S402：遍历inc数组，取出其中的最大值对应的用户编号f，加入到目标集合U中，同时更新数组b、数组a和数组B。当所有地点均满足覆盖条件B(i)>＝k时，所得到的用户集就可以保证所有目标点在上一个周期和当前周期均满足覆盖要求。