群智感知計算

隨著物聯網和移動互聯網技術的發展，“群智感知計算”作為一種新的感知模式應運而生。區別于傳統的傳感網感知方式，群智感知計算利用廣泛且自然分佈的持有智慧設備的使用者作為移動感知單元，通過群體的廣泛參與、靈活移動、機會連接實現大規模、無處不在的感知過程，目前已成為物聯網、移動計算等領域的學科前沿與研究熱點。

本書按照“理論-方法/技術-平臺-應用”的組織思路，遵循“創新引領、深入淺出、理論+實踐”的原則基調，針對群智感知計算的基本概念、體系架構、任務優化分配、資料優選、品質評估、資料移交、計算平臺及典型應用等進行深入的探討。本書為物聯網、移動計算、智慧城市等領域的研究人員、高年級本科生或研究生等提供了具有創新性與前瞻性的群智感知計算最新研究成果和學習參考。

第1章 緒論
1.1 背景和意義
1.2 發展歷程
1.3 群智感知的兩種模式
1.4 主要挑戰和研究內容
1.5 外研究現狀
1.5.1 感知任務分配與激勵機制
1.5.2 群智感知數據優選
1.5.3 感知數據移交
1.5.4 群智感知應用
1.6 本書結構
1.7 本章小結
習題
本章參考文獻

第2章 群智感知計算的基本概念與體系結構
2.1 基本概念
2.1.1 群智協作方式
2.1.2 感知計算主體
2.1.3 主要研究問題描述
2.1.4 低成本數據採集
2.2 群智感知任務模型
2.3 使用者模型
2.3.1 使用者角色及特徵
2.3.2 需求分析
2.3.3 多側面使用者屬性
2.3.4 複雜任務模型分析
2.4 數據模型
2.4.1群智數據產生模式及特點292.4.2群智數據感知方法
2.4.3 群智數據優選與理解
2.5 通用群智感知系統架構
2.6 小結
習題
本章參考文獻

第3章 移動群智感知任務單目標優化分配
3.1 面向即時任務的多工工作者選擇
3.1.1 問題分析
3.1.2 問題定義
3.1.3 貪心解法NearsFirst
3.1.4 遺傳演算法
3.1.5 融合貪心策略的遺傳演算法（GGA-I）
3.1.6 實驗驗證
3.2 面向容延任務的多工工作者選擇
3.2.1 問題分析
3.2.2 問題定義
3.2.3 貪心演算法MostFirst
3.2.4 融合貪心演算法的遺傳演算法（GGA-U）
3.2.5 實驗驗證
3.3 基於移動社交網路的群智感知社群化任務分發
3.3.1 問題定義
3.3.2 基於移動行為相似度的社群動態劃分