近日，计算机学院边缘智能团队针对面向群智感知的工人选择问题取得新突破，提出了基于上下文信息的海量未知工人选择算法，相关论文成果“Harnessing Context for Budget-Limited Crowdsensing with Massive Uncertain Workers”发表于计算机网络领域最负盛名的期刊IEEE/ACM Transactions on Networking（CCF推荐A类期刊）。文章主要作者包括山东大学计算机科学与技术学院李峰教授（第一作者）、硕士研究生赵继超（学生作者）、于东晓教授（通讯作者）、成秀珍教授以及北京航空航天大学计算机科学与工程学院吕卫锋教授。

群智感知是一种新兴的泛在感知技术，其中一个基本问题是如何在预算有限的情况下对未知工人进行选择。由于工人执行感知任务的能力难以提前预知，经典的方法是通过组合多臂老虎机机制（Combinatorial Multi-Armed Bandit，CMAB）进行工人的选择。然而，传统的CMAB机制通过直接对工人进行探索和利用进行选择决策，无法应用于工人数量及其庞大但预算却极为有限的情况。针对该问题，作者提出了基于上下文信息的海量未知工人选择算法，通过充分发掘工人上下文信息与其感知能力之间的相关性，在最大化感知收益的同时，满足感知任务有限预算以及工人有限感知容量的约束。

IEEE/ACM Transactions on Networking是一份由IEEE通讯学会（IEEE Communications Society）、IEEE计算机学会（IEEE Computer Society）以及ACM数据通讯特别兴趣小组（ACM SIGCOMM）联合出版的学术期刊，旨在刊登计算机通讯网络领域前沿理论与应用相关研究。该期刊是计算机网络领域最负盛名的期刊,是中国计算机学会（CCF）推荐A类期刊。

计算机学院边缘智能研究团队近年来针对无线网络分布式算法、网络资源调度、分布式协作学习、去中心化机器学习等前沿问题取得多项突破性进展，在IEEE/ACM TON、IEEE TMC、IEEE TWC、IEEE ICDCS等多个高水平国际期刊和会议上发表30+篇论文，获得山东省自然科学二等奖1项以及多个最佳论文奖（IEEE IPCCC 2020、IIKI 2019、CSoNet 2019、PDCAT 2020）和最佳论文提名（WASA 2019、IEEE MASS 2021）。团队目前承担了国家重点研发计划项目课题及子课题、国家自然科学基金优秀青年科学基金项目及面上、青年项目、山东省自然科学基金青年项目等多个国家级省部级科研项目。

原文链接：https://ieeexplore.ieee.org/document/9769759