基于空间众包的3类对象在线任务分配

　　 随着移动互联网技术与020（offline-to-online）商业模式的发展，各类空间众包平台变得日益流行，如滴滴出行、百度外卖等空间众包平台更与人们日常生活密不可分．在空间众包研究中，任务分配问题更是其核心问题之一，该问题旨在研究如何将实时出现的空间众包任务分配给适宜的众包工人，但大部分现有研究所基于的假设过强，存在两类不足：（1）现有工作通常假设基于静态场景，即，全部众包任务和众包工人的时空信息在任务分配前已完整获知，但众包任务与众包工人在实际应用中动态出现，且需实时地对其进行任务分配，因此，现存研究结果在实际应用中缺乏可行性；（2）现有研究均假设仅有两类众包参与对象，即众包任务与众包工人。而忽略了第三方众包工作地点对任务分配的影响，综上所述，为弥补上述不足，提出了一类新型动态任务分配问题，即，空间众包环境下的3类对象在线任务分配．该问题不但囊括了任务分配中的3类研究对象，即众包任务、众包工人和众包工作地点，而且关注动态环境．进而设计了随机阈值算法，给出了该算法在最差情况下的竞争比分析．采用在线学习方法进一步优化了随机阂值算法，提出自适应随机阈值算法，并证明该优化策略可逼远随机阂值算法使用不同阈值所能达到的最佳效果．最终通过在真实数据集和具有不同分布人造数据集上进行的大量实验，验证了算法的效果与性能．