王 程，周 杰,2，杜景林

(1.南京信息工程大学 电子与信息工程学院，江苏 南京 210044；2.日本国立新泻大学 工学部电气电子工学科，新泻 950-2181)

0 引 言

激励机制对参与式感知有着重要的意义[1-4]。在有限的激励预算下，任务发布者为了获取特定时间特定区域的数据向中央服务器发出请求，移动用户作为感知数据采集者将数据发送给中央服务器，激励预算就会分配给被选中的移动用户[5]。文献[6]首次提出逆向拍卖激励机制，主要思想：参与者收集感知数据并且将投标价格和数据一起发送到中央服务器，中央服务器会选择最低的投标价格的数据。这种激励机制是通过最大化收集数据的数量来提高感知结果的精度，但是忽略了数据在时间和空间上的分布，在激励预算不足以获取足够的数据并且缺失的数据集中在某个区域中的时候，由于插值的原因，会导致数据重构的结果不精确。GIA考虑了参与者的位置和感知覆盖范围，将GBMCA(greedy budgeted maximum coverage algorithm)和RADP-VPC(reverse auction dynamic pricing)相结合，增加参与者的人数并且激励参与者移动来扩大感知覆盖范围[7-9]。文献[10]提出了两种系统模型：一种是以平台为中心的模型，该模型为参与者提供了报酬共享的平台；另一种是以用户为中心的模型，用户可以更好地控制他们收到的报酬。IEA[11]运用进化算法迭代优化机制，在有限的预算约束下，以最大化感知覆盖范围为优化目标，来选择有效的参与者，并且提出虚拟报酬这一概念，激励退出感知活动的参与者重新加入。……