基于用戶可靠性的眾包系統任務分配機制

施 戰，辛 煜，孫玉娥，黃 河,4

(1.蘇州大學 計算機科學與技術學院，江蘇 蘇州 215006； 2.北京遙感信息研究所，北京 100011；3.蘇州大學 城市軌道交通學院，江蘇 蘇州 215137； 4. 中國科學技術大學 蘇州研究院, 江蘇 蘇州 215123)(*通信作者電子郵箱sunye12@suda.edu.cn)

基于用戶可靠性的眾包系統任務分配機制

施 戰1，辛 煜2，孫玉娥3,4*，黃 河1,4

(1.蘇州大學 計算機科學與技術學院，江蘇 蘇州 215006； 2.北京遙感信息研究所，北京 100011；3.蘇州大學 城市軌道交通學院，江蘇 蘇州 215137； 4. 中國科學技術大學 蘇州研究院, 江蘇 蘇州 215123)(*通信作者電子郵箱sunye12@suda.edu.cn)

針對現有研究對眾包系統中用戶可靠性考慮不足的問題，假設每個用戶針對不同類型任務具有不同的可靠性，并在此基礎上設計了一種基于用戶可靠性的眾包系統任務分配機制。首先，以任務發布者的收益最大化為優化目標，利用貪心技術，設計了一種高效的任務分配機制，即每次選擇一個能帶來最大收益的任務分配方案；其次，設計了一種基于歷史信息的用戶可靠性更新機制，用戶可靠性的更新由用戶歷史可靠性和當前完成任務的質量兩部分決定，并將支付給用戶的最終報酬與用戶的可靠性掛鉤，以激勵用戶持續高質量地完成任務；最后，從任務發布者的總效益、任務完成率和用戶可靠性三個方面分析設計機制的有效性。實驗結果顯示，與ProMoT方法相比，所提出的方法在有效性和可行性方面均有較好的表現，并能夠提升任務發布者的總效益約16%，同時可以解決現有方法中的用戶不可靠問題，提高了眾包系統的可靠性和任務發布者的總收益。

任務分配；可靠性；眾包；收益最大化

0 引言

近年來，眾包(crowdsourcing)受到工業界和學術界的極大關注。在眾包系統中，任務發布者并不是將任務分配給固定的員工完成，而是采用開放的方式將特定任務通過專門的發布平臺(如Amazon Turk)分配給隨機出現的工人完成。任務發布者通過眾包系統可以充分利用互聯網上的用戶資源，發現新的創意或解決遇到的各類技術難題，以降低公司的運營成本或提高公司的創新能力。

目前，眾包在很多領域已經得到了廣泛的應用，并涌現出大量商用的眾包平臺。例如，利用眾包平臺對機器翻譯的結果進行質量評估、識別海量圖像進行分類以及評價網上商品的好壞等。然而，眾包系統的發展也面臨著挑戰。由于眾包系統中的任務完成者，也就是用戶，是一個不確定的大眾群體，使得用戶完成任務的質量無法得到保證。部分自私的用戶可能會為了自身利益，提交低質量甚至虛假的隨機數據給平臺。因此，為了保證眾包系統的性能，必須設計出高效的任務分配機制，挑選出最合適的用戶完成任務，從而保證任務的完成質量。

目前針對眾包系統中的任務分配問題主要可以分為以下幾類：文獻[1]針對異質感知任務的成本問題，提出了一種動態招募用戶的任務分配模型，并驗證了所提出算法的高效性；文獻[2]針對不同用戶的任務選擇情況，設計了一種分布式的感知任務分配模型；文獻[3]考慮了移動群智感知中公平高效的任務分配，并解決了最小最大聚合感知時間問題；文獻[4]提出了一種誠實的拍賣機制并致力于平臺的效益最大化；文獻[5]設計了一種基于中樞節點的多任務分發算法，實驗結果證明該算法可以提高任務的完成速度。然而，上述研究都沒有考慮用戶的可靠性問題。不同的用戶由于自身能力、對待任務的認真程度等因素的不同，完成任務的質量并不相同。也就是說，存在著用戶可靠性的問題。平臺在分配任務時應該盡可能地挑選高可靠性的用戶完成任務。針對這一問題，目前對于眾包中用戶可靠性的研究主要有以下兩個方面：1)基于用戶聲譽機制的研究。把用戶的信譽值看作是眾包平臺判別用戶完成任務質量高低的重要指標，并且基于用戶的可靠程度進行任務分配。比如在文獻[6-7]提出了一種基于用戶信譽值的激勵機制，并通過仿真實驗驗證了激勵機制的有效性。文獻[8]針對眾包系統中的激勵和信譽機制的研究，設計了激勵機制和信譽機制來確保用戶盡最大努力的高質量的完成任務。文獻[9]中Zhang等提出了基于用戶信譽值的任務分配機制。文獻[10]中He等提出了一種基于任務位置的最優任務分配算法，利用用戶的信譽值和用戶的位置進行任務分配。2)激勵機制設計。給予用戶適當的獎勵可以激發用戶的工作潛力，進而保證了結果數據的質量。文獻[11]提出了以平臺為中心和以用戶為中心的兩種不同的感知系統模型并設計了與模型相適應的激勵機制；文獻[12]設計了一種離散的激勵機制并實現了平臺效益的最大化；文獻[13]設計了一種基于反向拍賣的激勵機制；文獻[14]提出了一種基于最優的錦標賽模型，并設計了相應的激勵機制；文獻[15]結合反拍賣與Vickery拍賣思想，提出一種基于反拍賣模型的激勵方法。上述研究均假設每個用戶完成不同任務的可靠性都是相同的。然而這點在實際的眾包系統中并不成立。由于用戶所具備的技能不同，所以完成不同類型任務的可靠性應該也是不同的，因此還需要設計新的任務分配機制以解決該問題。

為了解決上述問題，本文假設每個用戶針對不同類型的任務具有不同的用戶可靠性，并以任務發布者的利益最大化為優化目標，設計了一種高效的基于用戶可靠性的眾包系統任務分配機制。首先，將所研究的任務分配問題抽象為一個整數規劃問題；然后，采用貪心技術，實現了用戶和任務之間的高效匹配。除此之外，還設計了一種用戶可靠性的更新機制以及一種基于用戶可靠性的報酬計算機制，以激勵用戶高質量地完成任務。最后，通過仿真實驗對所設計機制的性能進行了驗證。

1 問題模型

本章將給出基于用戶可靠性的眾包任務分配模型，并對所研究的問題給出形式化的描述。

1.1 系統模型

假設所研究的眾包系統由一個任務發布者、一個眾包任務分配平臺和若干系統用戶(即工人)組成。在每個任務分配周期，任務發布者首先在平臺上發布n個任務，用集合T={t1,t2,…,tn}表示。由于所處的地理位置、要求的用戶技能等因素的不同，所以集合T中的任務是異質的。對于每個任務ti∈T，可以用ti={Di,bi}來表示，其中Di是任務描述，包括ti的任務具體要求(如，技能要求等)，而bi則表示任務ti報價，即任務發布者在用戶完成任務后所愿意支付的最高報酬。用戶在閱讀完任務描述后，會將滿足要求且感興趣任務作為自身的任務請求發送給平臺。假設系統中共有m個用戶，且這些用戶也是異質的。這些異質的用戶由于所具備的技能、對待任務的認真程度等因素的不同，完成任務的質量是不同的。所以，對于用戶集合W中的每個用戶j∈W可以表示為j={Rj,Cj,Tj}，其中Rj表示用戶j的可靠性，每個ci, j∈Cj表示用戶j高質量完成任務ti所需的成本，Tj是用戶j提交給平臺的感興趣任務集合。由于每個用戶完成不同任務的可靠性也可能不同，所以本文假設Rj是一個集合，每個ri,j∈Rj表示用戶j完成任務ti的可靠性；ri, j反映了用戶j以往完成與ti同類任務的情況，可靠性ri, j越高，說明用戶j以往完成此類任務的質量越高。

平臺在收到用戶的任務請求之后，會根據一定的分配規則，完成用戶與任務之間的匹配。為了保證任務的完成質量，本文假設每個任務可以同時分配給不超過l個用戶去完成，而每個用戶在每個任務分配階段最多只會分配到一個任務。為了盡可能地保證每個任務都能夠分配到用戶并被高質量地完成，平臺將會從任務的參與用戶數和參與用戶的可靠性兩個方面來合理地選擇用戶并分配任務。最后，任務發布者在用戶在完成任務后會根據任務的完成質量，計算每個用戶應得的報酬。至此，一個任務分配周期結束。

1.2 問題描述

本文要在考慮用戶可靠性的基礎上，設計一種眾包系統任務分配機制，以任務發布者利益最大化為優化目標，實現用戶與任務的最優匹配。

本文用yi,j={0,1}表示任務ti是否可以被分配給用戶j：若任務ti可以被分配給用戶j，則yi, j=1，否則yi, j=0。同理，用xi,j={0,1}表示任務ti是否分配給用戶j：若ti分配給了用戶j，則xi, j=1，否則xi, j=0。

每個用戶完成任務后均會給任務發布者帶來一定的收益。由于不同用戶的可靠性不同，所以不同用戶所能帶來的利益也不同。假設用戶高質量完成任務ti所能帶來的利益為vi，那么用戶j完成任務ti所能帶來的利益可以用函數f(i,j)表示，且滿足0≤f(i,j)≤vi。在本文中，取f(i,j)=ri, jvi，0≤ri, j≤1。用Wi表示所有分配給任務ti的用戶集合，那么任務發布者從任務ti所能獲得的收益為：

(1)

其中，pi,j為用戶j完成任務ti后獲得的報酬。為了激勵用戶更好地完成任務，所設計的機制在用戶的任務完成質量和實際報酬之間建立關聯，使得完成任務質量越高的用戶，獲得的報酬越多。因此，采用的具體報酬計算方式為：

pi,j=ri, jbi

(2)

用戶完成任務的質量越高，可靠性越高。從式(2)不難看出，用戶完成任務的質量越高得到的報酬也越高，可以激勵用戶認真完成任務。

綜合式(1)和(2)，可以進一步得到：

(3)

本文的最終的優化目標是使任務發布者的收益最大化，可以規約為式(4)所示的整數規劃問題：

s.t.

(4)

2 基于用戶可靠性的眾包系統任務分配機制

本章將給出所設計機制的具體實現細節。所設計的機制主要包含兩部分：基于用戶可靠性的任務分配機制和用戶可靠性的更新機制。

2.1 基于用戶可靠性的任務分配機制

為了解決式(4)所示的整數規劃問題，本文采用貪心技術，設計了一種基于用戶可靠性的眾包任務分配機制。在所設計的機制中，眾包平臺在收到所有用戶的任務請求后，會以任務發布者的收益最大化為優化目標，實現用戶和任務之間的匹配。所設計的任務分配機制如算法1所示。

算法1 基于用戶可靠性的眾包任務分配機制。

輸入：用戶集合W和任務集合T；

輸出：任務分配結果X={xi, j}ti∈T, j∈W。

1)

for{每個ti∈T}

2)

{

3)

for{每個用戶j∈W}

4)

{

5)

設置xi, j=0；

6)

}

7)

}

8)

While (T≠?且W≠?)

9)

{

10)

設置umax=0；

11)

for{每個ti∈T}

12)

{

13)

for{每個用戶j∈W}

14)

{

15)

if(ri, j(vi-bi)≥umax)

16)

{

17)

設置umax=ri, jyi, j(vi-bi)；

18)

設置tmax=i,wmax=j；

19)

}

20)

}

21)

}

22)

if(umax>0)

23)

{

24)

設置xtmax,wmax=1；

25)

從集合W中刪除用戶j；

26)

if(tmax已經分配給了l個用戶)

27)

從集合T中刪除任務tmax；

28)

}

29)

else

30)

ReturnX;

31)

}

32)

ReturnX;

算法1的輸入為初始的用戶集合W和任務集合T，在平臺將任務分配給用戶后，將任務分配結果X={xi, j}ti∈T, j∈W作為輸出返回給用戶。

首先，算法1初始化任務分配結果中的所有變量xi, j=0。然后采用迭代的方式進行任務分配且每次迭代完成一個任務與用戶之間的匹配。在每次迭代時，首先遍歷所有的可行分配，找到一個能帶來最大收益的分配方案。分別用tmax和wmax記錄下能帶來最大收益分配方案的任務和用戶，并用umax表示該方案所能帶來的收益。umax初始化為0。然后，判斷任務發布者的收益是否還能繼續提升，即判斷umax是否大于0。若umax>0，則通過設置xtmax,wmax=1將任務tmax分配給用戶wmax，并從集合W中刪除用戶j。除此之外，如果判斷任務tmax已經分配給了l個用戶，還需要將tmax從集合T中刪除；否則，umax=0則表示任務發布者的收益無法繼續提升，直接返回分配結果。除此之外，若在迭代過程中發現用戶集合W或任務集合T為?，則表示任務分配已經結束，直接返回分配結果即可。

2.2 用戶可靠性的更新機制

在基于用戶可靠性的眾包系統分配機制中，本文需要用到用戶的可靠性信息來計算任務分配所能帶來的收益以及最終給用戶的報酬。為了能使用戶的可靠性信息能真實地反映用戶近期完成任務的質量，每次任務分配結束后還應該根據本輪用戶的任務完成質量更新該用戶的可靠性信息。

(5)

用戶可靠性更新完成后，下一輪眾包任務分配開始，更新后的用戶可靠性信息將被用于在下一輪任務分配中計算收益以及報酬。

3 仿真實驗

本文提出了一種基于用戶可靠性的眾包任務分配機制，綜合考慮用戶完成任務的歷史情況，采用了貪心的思想，實現了用戶和任務之間的高效匹配。為驗證本文提出機制的有效性，下面將給出所設計算法的仿真實驗結果，并以此來分析和驗證其實際性能。

接下來介紹一下評價算法好壞的相關指標：任務發布者的總收益和任務成交率。任務發布者的總收益定義為平臺上所有發布任務的收益總和。任務成交率定義為平臺上分配到用戶的任務數量和平臺上所有任務總數的比值。

在仿真實驗中，只有一個任務發布者，平臺上每個任務的報價為b∈[3,6]，每個任務最多分配給l=4個用戶去完成。每個用戶的初始可靠性r=0.5，每個用戶完成任務的成本為c∈[1,4]，α=0.8。本文提出的任務分配算法是和文獻[4]中的ProMoT(Profit Maximizing Truthful auction mechanism)進行對比實驗的。

3.1 用戶人數對任務發布者總收益有的影響

仿真實驗的第一部分主要分析用戶人數與任務發布者的總收益之間的關系。在任務數n設置為60的情況下，對兩種方法作對比實驗，用戶數m與任務發布者的總收益之間的關系如圖1所示。

由圖1可知，本文提出的任務分配算法優于ProMoT，可以使平臺獲得更多的收益，這是因為ProMoT在選擇用戶分配任務的時候沒有考慮到用戶的可靠性問題。在任務數量固定時，兩條曲線的變化趨勢大致相同，隨著用戶人數的增加，任務發布者的總收益也隨之上升。剛開始，平臺上用戶人數較少，任務需求的用戶數大于平臺中用戶總數。隨著用戶人數的增加，每個任務可以分配到的用戶數也逐漸變多，被完成的任務數量也逐漸增多，那么任務發布者的總收益也隨之上升。當用戶人數超過一定數量后，每個任務都分配到了足夠多的用戶，任務發布者的總收益上升的速度變慢，最終任務發布者的總收益趨于平緩。

圖1 用戶人數與任務發布者的總收益之間的關系(n=60)

3.2 任務數量對任務發布者總收益的影響

圖2給出了用戶數量保持為200不變的條件下，任務數量與任務發布者總效益之間的關系。從實驗結果可以看出，本文提出的基于用戶可靠性的任務分配算法較之文獻[4]中的ProMoT對平臺收益提升幫助更大。這是因為ProMoT僅僅考慮了當前用戶報價的高低，忽略了用戶在完成任務時的可靠性問題。在用戶數量一定的情況下，隨著平臺上發布任務數量的增加，任務發布者的總收益也隨之上升。但是，當平臺上發布任務數量超過一定數量后，任務所需求的用戶數量超過了平臺上的用戶數量，任務發布者的總收益上升速度逐漸降低，最終趨于平穩。

圖2 任務數與任務發布者總收益之間的關系(m=200)

3.3 用戶人數對任務成交率的影響

為了驗證不同任務數量對任務成交率的影響，對任務數量進行實驗對比，分別針對n=40，n=50和n=60進行實驗驗證，實驗對比結果如圖3所示。從實驗結果可以看出，當n=60時，平臺上任務成交率最高。在任務數量固定的情況下，隨著用戶數量的增加，每個任務都能夠分配到用戶，任務成交率也在不斷提高。當用戶人數超過一定數量后，因為平臺上符合任務要求的用戶已經分配到任務，剩下的任務沒有用戶符合要求,所以最終任務成交率會達到一個平穩的趨勢。

圖3 用戶人數與任務成交率之間的關系

3.4 可靠性更新系數α對任務發布者總收益的影響

仿真實驗的第四部分主要分析可靠性更新系數α與任務發布者總收益之間的關系。在系數α分別設置為0.5、0.6、0.7、0.8和0.9五種情況下，系數α與任務發布者總收益之間的關系如圖4所示。

在該實驗中沒有選取更小的可靠性更新系數α，這是因為本文希望在用戶的可靠性更新過程中，用戶的歷史可靠性占主要部分。從實驗結果可以看出，隨著系數α的增加，任務發布者總收益也呈現上升的趨勢。當α=0.8時，任務發布者總收益達到最大；當α>0.8時，該可靠性更新方法就退化為傳統的可靠性更新方法，所以為了提高整個眾包平臺中任務發布者的總效益，設定α=0.8。

圖4 可靠性更新系數α與任務發布者總收益之間的關系

4 結語

本文針對眾包系統中的任務分配機制進行了研究，主要解決了已有研究中存在的未充分考慮用戶的可靠性問題，特別是用戶針對不同類型的任務具有不同的可靠性的問題。研究首先以任務發布者的收益最大化為優化目標，采用貪心技術，設計了一種基于用戶可靠性的任務分配機制。然后設計了一種用戶可靠性的更新機制和報酬計算機制，以激勵用戶高質量地完成任務。最后，通過仿真實驗證明了所設計任務分配機制的高效性。

References)

[1] LI H, LI T, WANG Y. Dynamic participant recruitment of mobile crowd sensing for heterogeneous sensing tasks [C]// Proceedings of the 2015 IEEE 12th International Conference on Mobile Ad Hoc and Sensor Systems. Washington, DC: IEEE Computer Society, 2015: 136-144.

[2] CHEUNG M H, SOUTHWELL R, HOU F, et al. Distributed time-sensitive task selection in mobile crowdsensing [C] // Proceedings of the 16th ACM International Symposium on Mobile Ad Hoc Networking and Computing. New York: ACM, 2015: 157-166.

[3] ZHAO Q, ZHU Y, ZHU H, et al. Fair energy-efficient sensing task allocation in participatory sensing with smartphones [C]// Proceedings of the 2014 IEEE Conference on Computer Communications. Piscataway, NJ: IEEE, 2014: 1366-1374.

[4] SHAH-MANSOURI H, WONG V W S. Profit maximization in mobile crowdsourcing: a truthful auction mechanism [C] // Proceedings of the 2015 IEEE International Conference on Communications. Piscataway, NJ: IEEE, 2015: 3216-3221.

[5] 徐哲,李卓,陳昕.面向移動群智感知的多任務分發算法[J].計算機應用,2017,37(1):18-23.(XU Z, LI Z, CHEN X. Multi-task assignment algorithm for mobile crowdsensing [J]. Journal of Computer Applications, 2017, 37(1): 18-23. )

[6] 芮蘭蘭,張攀,黃豪球,等.一種面向眾包的基于信譽值的激勵機制[J].電子與信息學報,2016,38(7):1808-1815.(RUI L L, ZHANG P, HUANG H Q, et al. Reputation-based incentive mechanisms in crowdsourcing [J]. Journal of Electronics & Information Technology, 2016, 38(7): 1808-1815.)

[7] KATMADA A, SATSIOU A, KOMPATSIARIS I. A reputation-based incentive mechanism for a crowdsourcing platform for financial awareness [EB/OL]. [2016- 11- 19]. http://projectprofit.eu/wp-content/uploads/2016/03/chp3A10.10072F978-3-319-50237-3_2.compressed.pdf.

[8] 王瑩潔,蔡志鵬,童向榮,等.基于聲譽的移動眾包系統的在線激勵機制[J].計算機應用,2016,36(8):2121-2127.(WANG Y J, CAI Z P, TONG X R, et al. Online incentive mechanism based on reputation for mobile crowdsourcing system [J]. Journal of Computer Applications, 2016, 36(8): 2121-2127.)

[9] ZHANG Y, VAN DER SCHAAR M. Reputation-based incentive protocols in crowdsourcing applications [C]// Proceedings of the 2012 IEEE INFOCOM. Piscataway, NJ: IEEE, 2012: 2140-2148.

[10] HE S, SHIN D H, ZHANG J, et al. Toward optimal allocation of location dependent tasks in crowdsensing [C]// Proceedings of the 2014 IEEE Conference on Computer Communications. Piscataway, NJ: IEEE, 2014: 745-753.

[11] YANG D, XUE G, FANG X, et al. Crowdsourcing to smartphones: incentive mechanism design for mobile phone sensing [C]// Proceedings of the 18th Annual International Conference on Mobile Computing and Networking. New York: ACM, 2012: 173-184.

[12] JI S, CHEN T. Crowdsensing incentive mechanisms for mobile systems with finite precisions [C]// Proceedings of the 2014 IEEE International Conference on Communications. Piscataway, NJ: IEEE, 2014: 2544-2549.

[13] ZHU X, AN J, YANG M, et al. A fair incentive mechanism for crowdsourcing in crowd sensing [J]. IEEE Internet of Things Journal, 2016, 3(6): 1364-1372.

[14] ZHANG Y, JIANG C, SONG L, et al. Incentive mechanism for mobile crowdsourcing using an optimized tournament model [J]. IEEE Journal on Selected Areas in Communications, 2017, 35(4): 880-892.

[15] 朱旋,楊麥順,安健,等.群智感知中基于反拍賣模型的眾包激勵方法 [J].計算機應用,2016,36(7):2038-2045.(ZHU X, YANG M S, AN J, et al. Crowdsourcing incentive method based on reverse auction model in crowd sensing [J]. Journal of Computer Applications, 2016, 36(7): 2038-2045.)

Taskallocationmechanismforcrowdsourcingsystembasedonreliabilityofusers

SHI Zhan1, XIN Yu2, SUN Yu’e3,4*, HUANG He1,4

(1.SchoolofComputerScienceandTechnology,SoochowUniversity,SuzhouJiangsu215006,China;2.BeijingInstituteofRemoteSensingInformation,Beijing100011,China;3.SchoolofUrbanRailTransportation,SoochowUniversity,SuzhouJiangsu215137,China;4.SuzhouInstituteforAdvancedStudy,UniversityofScienceandTechnologyofChina,SuzhouJiangsu215123,China)

Considering the shortcomings of existing research on the problem of user reliability in crowdsourcing systems, it was assumed that each user had different reliability for different type of tasks, and on this basis, a task allocation mechanism for crowdsourcing system was designed based on the reliability of users. Firstly, an efficient task allocation mechanism was designed by using the greedy technology to maximize the profit of task publishers, and the task allocation scheme with the maximum benefit was chosen every time. Secondly, a mechanism of user reliability updating based on historical information was designed and determined by user historical reliability and the quality of the current task, and the final payment paid to the user was linked with the reliability of the user, so as to motivate the user to finish tasks with high quality continuously. Finally, the effectiveness of the designed mechanisms was analyzed in three ways: the total profit of task publishers, the task completion rate and the user reliability. The simulation results show that compared with ProMoT (Profit Maximizing Truthful auction mechanism), the proposed method is more effective and feasible, and the rate of the total benefit of task publishers is 16% higher. At the same time, it can solve the problem of user unreliability in the existing methods, and increase the reliability of crowdsourcing systems and the total revenue of task publishers.

task allocation; reliability; crowdsourcing; revenue maximization

2017- 03- 27;

2017- 04- 18。

國家自然科學基金面上項目(61572342, 61672369)；江蘇省自然科學基金資助項目(BK20151240, BK20161258)；中國博士后科學基金資助項目(2015M580470, 2016M591920)。

施戰(1992—)，男，安徽亳州人，碩士研究生，主要研究方向：眾包中任務分配和用戶可靠性； 辛煜(1988—)，男，安徽太湖人，工程師，博士，主要研究方向：遙感圖像處理、人工智能、眾包中任務分配和用戶可靠性； 孫玉娥(1983—)，女，山東青島人，副教授，博士，主要研究方向：群智感知、無線網絡資源分配； 黃河(1983—)，男，安徽合肥人，副教授，博士，主要研究方向：頻譜資源分配、群智感知、軟件定義網絡。

1001- 9081(2017)09- 2449- 05

10.11772/j.issn.1001- 9081.2017.09.2449

TP393.01

A

This work is partially supported by National Natural Science Foundation of China (61572342, 61672369), the Natural Science Foundation of Jiangsu Province (BK20151240, BK20161258), China Postdoctoral Science Foundation (2015M580470, 2016M591920).

SHIZhan, born in 1992, M. S. candidate. His research interests include task allocation and user reliability in crowdsourcing.

XINYu, born in 1988, Ph. D., engineer. His research interests include remote sensing image processing, artificial intelligence, task allocation and user reliability in crowdsourcing.

SUNYu’e, born in 1983, Ph. D., associate professor. Her research interests include crowdsensing, wireless network resource allocation.

HUANGHe, born in 1983, Ph. D., associate professor. His research interests include spectrum resource allocation, crowdsensing, software defined network.