群智感知是在物联网发展热潮中应运而生的一种典型的利用群体智慧挖掘潜在价值的应用场景,它能够充分利用数量庞大的散落在地理空间中的智能设备的潜在计算及感知能力。一个典型的群智感知网络通常由提出感知需求的任务发布者、执行感知任务的众多智能设备以及协调和组织双方之间的交互过程的感知平台构成。一般来讲,群智感知网络有许多明显的优势,比如部署代价低、地理覆盖范围广、感知类型多样化、智能设备数量庞大等。近年来,群智感知网络一直是国内外学术界持续关注的热点问题,同时涌现出一大批实际应用场景,比如环境监测、城市交通监测等。群智感知网络中的研究问题非常广泛,比如激励机制设计、任务分配、感知数据质量管理等,其中激励机制设计是群智感知网络中的亟待解决的重要问题。由于参与执行感知任务的智能设备需要消耗自身的宝贵资源,还可能面临隐私的泄漏,因此考虑个体理性的智能设备不会自愿加入群智感知网络。然而,参与者的数目是决定群智感知网络能否稳定运行的一个至关重要的问题,数量稀少的智能设备无法满足任务发布者的感知需求,也无法提供高质量的感知服务。因此,在群智感知网络中引入合适的激励是非常必要的。激励机制是群智感知网络中促进智能设备参与的有效手段,它不仅有助于提升群智感知网络的服务质量和系统效率,还能够有效的减少或避免参与者的谎报等不当行为。本论文的主要研究问题是群智感知网络中的激励机制设计,同时兼容智能设备的个体理性和自私性特点,并实现系统效率最优化的目标。研究的主要问题一方面是如何匹配感知任务和可用的智能设备,从而实现系统效率最优化的目标;另一方面是如何给予智能设备适当的激励,从而鼓励它们的参与、避免欺骗等扰乱系统性能的行为。然而,为群智感知网络设计激励机制面临着许多技术方面的挑战,比如信息不完全、智能设备和任务发布者的自私特性、智能设备和感知任务的动态特性、智能设备和感知任务的属性匹配等。现有的许多针对群智感知网络的激励机制,通常采用金钱激励或社会关系、个人成就感、信誉等非金钱激励形式,基于密封标书拍卖模型、各类经典的博弈分析模型(如斯塔克尔伯格博弈、拥塞博弈等)或非博弈的激励模型来构建相应的激励机制,现有的研究工作或多或少具备一定的局限性,无法应对上述的一个或多个挑战。论文提出了一系列基于拍卖方式并提供金钱激励的激励机制,围绕三种不同的场景,从考虑地理位置约束的静态场景,到考虑感知任务和智能设备的动态特性的动态场景,再到考虑多个任务发布者之间竞争关系的分布式场景,研究问题层层递进,不断深入。论文所设计的激励机制结合反向拍卖、在线拍卖、分布式拍卖等模型刻画群智感知网络中各方之间的交互过程,提出了解决智能设备选择难题的最优算法或近似的次优算法来实现社群收益最大化或社群代价最小化的总体目标,并且基于临界报酬的思想或根据供需关系调整价格的方式来确定最终的报酬。论文中给出的严格的理论证明和各种仿真实验结果验证了所设计的方法的各种良好的特性,如防欺骗特性、个体理性、计算高效性等。本论文具体的研究成果概括如下:1.考虑地理位置约束的激励机制设计论文的研究内容基于一个反向拍卖模型来刻画感知平台和智能设备之间的交互。激励机制需要解决的问题包括如何高效的选择智能设备来执行感知任务,以及如何计算被选中的智能设备应得的报酬。在选择智能设备执行感知任务时,需要考虑智能设备的位置与感知任务的位置要求是否匹配,这通常是一个组合优化问题。通过分析可得,智能设备选择问题是NP难问题,因此无法在多项式时间复杂度内得到最优解。论文中设计了一种名为TRAC的机制,它包含两个互相配合、相辅相成的模块。第一个模块是一个次优的解决智能设备选择问题的近似算法;第二个模块是一个基于临界值思想的报酬计算算法,可以保证智能设备提交的标书真实的反映它们执行感知任务的真实代价。2.考虑感知任务和智能设备动态特性的激励机制设计智能设备的动态特性意味着智能设备并不总是可用的,它可能只能在特定的时间段可以执行感知任务;感知任务的动态特性表明感知任务是根据任务发布者提交的感知需求实时产生的,因此未来的感知任务无法提前获知。为了弥补静态的群智感知网络的缺陷,论文探究了考虑智能设备和感知任务的动态特性的群智感知网络中的激励机制设计问题。论文中引入时间槽的概念来帮助描述动态特性,假设单个时间槽内单个智能设备的活跃或非活跃状态保持不变,而感知任务也只在时间槽的开始时刻处理。所设计的激励机制基于一种在线的拍卖模型,它需要在线的决定最优的智能设备的选择,并且报酬计算算法还需要保证智能设备无法通过谎报时间维度的信息获取更大的利益。论文为在线的场景设计的激励机制,引入了基于贪心策略的近似的在线的智能设备选择算法,并计算了相应的报酬。3.面向多个任务发布者的分布式激励机制设计忽略群智感知网络的多个任务发布者之间的竞争关系的激励机制可能使智能设备一方的利益受损,也不利于总体效率的提升。因此,论文探讨了市场中存在多个任务发布者互相竞争、多个感知设备互相竞争的群智感知网络,所设计的激励机制必须能够有效的匹配任务发布者的感知任务和可用的智能设备,并为任务发布者和智能设备双方提供合适的激励。由于一个集中控制的感知平台可以通过操纵双方的交易过程牟取自身利益,还存在泄漏参与者隐私信息的风险,因此该研究问题并不假设群智感知网络中存在一个集中控制的感知平台,单个任务发布者或单个智能设备根据它的局部信息单独决策。论文中提出的激励机制刻画了任务发布者和智能设备之间的分布式拍卖过程,能够选出最优的任务发布者和智能设备的分配方案,从而达到总体的社群收益最大化的目标,并根据供需关系协商确定双方满意的交易价格。综上所述,本论文针对群智感知网络的实际场景的特点设计了有效的激励机制,相应的理论分析和仿真实验结果验证了所设计的激励机制达到了预期的目标效果,论文的研究成果对实际的群智感知网络的部署和实现提供了重要的技术基础和理论指导。