近日，煙臺大學(xué)計算機(jī)與控制工程學(xué)院王瑩潔教授團(tuán)隊論文被國際頂級期刊IEEE Transactions on Mobile Computing(IEEE TMC)以長文錄用，論文題目為“Enhancing Worker Recruitment in Collaborative Mobile Crowdsourcing: A Graph Neural Network Trust Evaluation Approach”。該期刊是計算機(jī)網(wǎng)絡(luò)領(lǐng)域的國際頂級期刊，中國計算機(jī)學(xué)會（CCF）A類推薦期刊，影響因子為7.9。
當(dāng)前，移動眾包（MCS）作為物聯(lián)網(wǎng)（IoT）生態(tài)系統(tǒng)中的一個重要范例，通過集成多個傳感器和設(shè)備實現(xiàn)了集體智能，在城市傳感、環(huán)境監(jiān)測和交通管理等領(lǐng)域發(fā)揮著關(guān)鍵作用。在協(xié)作移動眾包（CMCS）中，面對復(fù)雜任務(wù)感知的場景，一個關(guān)鍵問題是如何招募一個合適的工人團(tuán)隊來完成任務(wù)。為解決這一問題，王瑩潔教授團(tuán)隊提出了一種創(chuàng)新的CMCS工人招募模型（圖1）。
圖1工人招募系統(tǒng)體系架構(gòu)圖
研究團(tuán)隊設(shè)計了基于圖卷積神經(jīng)網(wǎng)絡(luò)（GCN）的信任強(qiáng)化評估框架（TREF），用于評估非對稱信任關(guān)系。采用Mini-Batch K-Means算法對任務(wù)發(fā)布區(qū)域進(jìn)行劃分，并在不同區(qū)域部署邊緣服務(wù)器，從而實現(xiàn)了分布式工人招募的邊緣計算模式。通過綜合考慮工人的信任效益、能力效益和距離效益，將工人招募問題建模為無向完全招募圖（UCRG），并針對UCRG，提出了特定的禁忌搜索招募（TSR）算法，通過綜合考慮沖突和隱私策略，為每個任務(wù)招募最優(yōu)的執(zhí)行團(tuán)隊和協(xié)作團(tuán)隊。
該研究成果以煙臺大學(xué)為第一單位，研究生湛中偉為第一作者，王瑩潔為通訊作者。該研究得到了國家自然科學(xué)基金面上項目、山東省青年創(chuàng)新科技支撐計劃項目、山東省自然科學(xué)基金項目、山東省自然科學(xué)基金重點項目、山東省重大科技創(chuàng)新項目，煙臺市科技創(chuàng)新發(fā)展計劃項目，網(wǎng)絡(luò)與交換技術(shù)國家重點實驗室（北京郵電大學(xué)）開放基金的支持。
論文DOI: 10.1109/TMC.2024.3373469
來稿時間：3月6日 審核：劉希斌 責(zé)任編輯：安興爽
