(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211113543.5 (22)申请日 2022.09.14 (71)申请人 中国人民解 放军国防科技大 学 地址 410073 湖南省长 沙市开福区德雅路 109号 (72)发明人 吴亚辉　马武彬　周浩浩　戴超凡　 邓苏　 (74)专利代理 机构 长沙大珂知识产权代理事务 所(普通合伙) 4323 6 专利代理师 伍志祥 (51)Int.Cl. G06F 9/50(2006.01) (54)发明名称 一种基于物联网的数据采集任务分配方法 (57)摘要 本发明公开了一种基于物联网的数据采集 任务分配方法， 任务分配要解决的问题是在满足 感知任务队列稳定性的条件下， 通过选择控制和 任务分配， 使得系统平均效益最大化， 定义目标 函数； 采用李亚普诺夫优化理论进行在线任务分 配， 根据可行解进行任务分配。 本发明的移动群 智感知中在线任务分配算法是有效可行的， 能够 保证任务队列的稳定性， 且可以通过调整V值增 加系统效益。 权利要求书2页 说明书9页 附图2页 CN 115437791 A 2022.12.06 CN 115437791 A 1.一种基于物联网的数据采集任务分配方法， 应用于感知平台， 所述感知平台接收到 外界应用发布的感知 任务后， 根据任务分配方案， 选择合适的感知参与者执行任务， 收集并 整理感知数据， 发送给外界应用， 获取效益， 其特征在于， 所述任务分配要解决的问题是在 满足感知 任务队列稳定性的条件 下， 通过选择控制和任务分配， 使得系统平均效益最大化， 其目标函数如下： Qj(t+1)＝max[Qj(t)‑rj(t),0]+oj(t)    (3) 其中， t是时 隙， 是U(t)的期望值， U( τ )是时 隙τ感知平台的效益， β 表示感知平台执行 单位数量任务所能获得的效益， oj(t)是时隙t时j类型任务的感知任务数量， Qj(t)是时隙t 平台内类型j的感知任务队列积压向量， rj(t)是任务类型j在时隙t能够被执行的任务数 量， oj(t)是在时隙t经 过平台选择决策后进入感知平台的类型j的感知任务数量； 采用李亚普诺夫优化理论 求解在线任务分配的可 行解， 具体如下： 定义李雅普诺夫漂移函数为： drift‑plus‑penalty函数为： 其中， V是一个非负常数， 通过调节 V值大小可以控制稳定性与效用函数间的比例关系； 在每个时隙t， 目标函数(1) ‑(4)的任意 一个可行解， 均满足以下不 等式： 其中 根据可行解进行任务分配。 2.根据权利要求1所述的基于物联网的数据采集任务分配方法， 其特征在于， 每个时隙 内到达平台 的感知任务类型及数量均不同， 时 隙t到达感知平台的类型j的感知任务数量Oj (t)在每个时隙t都是独立同分布地随机变量， 并非所有到达的感知 任务都能进入感知平台 被执行， 感知平台根据前一时隙任务执行情况决定能够进入系统并被执行 的任务， 即选择 决策。 3.根据权利要求1所述的基于物联网的数据采集任务分配方法， 其特征在于， 为了实现 队列稳定， 使上界在每 个时隙都达 到最小， 满足以下 条件： 权　利　要　求　书 1/2 页 2 CN 115437791 A 24.根据权利要求1所述的基于物联网的数据采集任务分配方法， 其特征在于， 对于目标 函数(1)‑(4)， 队列Q(t)是稳定的， 即所有进入感知平台的感知任务均被执行； 当{Qj(t)},j ∈{1,…,M}均满足目标函数(1) ‑(4)时， 则移动群智感知系统是 稳定的。 5.根据权利要求1所述的基于物联网的数据采集任务分配方法， 其特征在于， 随oj(t)线性变化， 因此任务分配问题最优解 为： 当Qj(t)‑Vβ <0时， oj(t)＝Oj(t)； 否则， oj(t)＝0； 为了使上界最小， 使 最大化， 具体方法如下： 当Qj(t)+oj(t)≥N时， xij(t)＝1,i∈{1, …,N},j∈{1, …,M}， 即为了实现效益最大化， 所有参与者均执 行任务； 当Qj(t)+oj(t)<N时， 选择(Qj(t)+oj(t))个参与者执 行队列中的任务。权　利　要　求　书 2/2 页 3 CN 115437791 A 3