近日,，煙臺大學計算機與控制工程學院王瑩潔教授團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”。該期刊是計算機網(wǎng)絡(luò)領(lǐng)域的國際頂級期刊,，中國計算機學會（CCF）A類推薦期刊,，影響因子為7.9。
當前,，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隊來完成任務(wù),。為解決這一問題，王瑩潔教授團隊提出了一種創(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
研究團隊設(shè)計了基于圖卷積神經(jīng)網(wǎng)絡(luò)（GCN）的信任強化評估框架（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)行團隊和協(xié)作團隊。
該研究成果以煙臺大學為第一單位,，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,、山東省自然科學基金項目、山東省自然科學基金重點項目,、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）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 責任編輯：安興爽
