机会式群智感知中覆盖最大化的去中心化任务分配

摘要

传统的机会式群智感知需要由平台进行集中式任务分配，存在对平台性能要求高和隐私泄露等问题.为了解决这些问题，本文提出了一种新颖的方案，旨在去中心化的机会式感知场景下，实现带有全局预算约束的任务分配，使任务覆盖最大化.区别于传统方法，通过参与者自主选择是否参与感知任务的方式来实现任务分配，构造了一个多智能体协同系统.在去中心化场景下，保证全局约束并实现高效的任务分配是一大挑战.为解决上述挑战，提出了两种方法：一种是将蚁群算法应用到任务分配问题上，同时以通信的方式获取目标评估函数以及更新信息素，实现智能体间协同求解，从而适用于去中心化的场景；另一种是基于QMIX框架的决策通信方法，将QMIX中智能体网络的输出作为建议动作，引入决策通信层，根据建议动作以及动作价值进行协商，从而遵循全局约束条件.在真实数据集上的实验结果表明，本文提出的两种方法在任务覆盖率上可以与集中式规划方法相当，并在耗时等综合性能上具有良好的表现.

关键词

群智感知 / 多智能体 / 蚁群算法 / 去中心化 / 任务分配