论文部分内容阅读
为提升时空众包动态现实场景中任务分配总效用,提出一种基于在线随机森林的动态阈值算法(DTRF)。首先,根据众包平台中工人和任务的历史匹配数据初始化在线随机森林;然后,通过在线随机森林预测每位工人期望的任务回报率作为阈值,按阈值为每个工人选取候选匹配集;最后,从候选匹配集中选取当前效用总和最高的匹配,同时用分配结果更新在线随机森林。实验结果表明,所提算法在提升总效用的同时有效地提高了工人的平均收益。与贪心算法相比,所提算法的任务分配率提升了4. 1%,总效用提升了18. 2%,工人平均收益提升了11.