基于用户满意效用的空间众包任务分配方法

doi:10.11772/j.issn.1001-9081.2021081528

《计算机应用》唯一官方网站 ›› 2022, Vol. 42 ›› Issue (10): 3235-3243.DOI: 10.11772/j.issn.1001-9081.2021081528

• 前沿与综合应用 • 上一篇

基于用户满意效用的空间众包任务分配方法

彭鹏¹^,²^,³, 倪志伟¹^,³, 朱旭辉¹^,³

^1.合肥工业大学管理学院, 合肥 230009
^2.北方民族大学, 银川 750021
^3.过程优化与智能决策教育部重点实验室(合肥工业大学), 合肥 230009

收稿日期:2021-08-27 修回日期:2021-11-24 接受日期:2021-11-25 发布日期:2022-01-07 出版日期:2022-10-10
通讯作者: 倪志伟
作者简介:第一联系人：彭鹏（1988—），男，安徽合肥人，讲师，博士研究生，CCF会员，主要研究方向：智能计算、空间众包
倪志伟（1963—），男，安徽合肥人，教授，博士，主要研究方向：人工智能、机器学习、大数据; zhwnelson@163.com
朱旭辉（1991—），男，安徽阜阳人，讲师，博士，主要研究方向：深度学习、智能计算。
基金资助:
国家自然科学基金资助项目(71521001);安徽省自然科学基金资助项目(1908085QG298)

Task allocation method of spatial crowdsourcing based on user satisfaction utility

Peng PENG¹^,²^,³, Zhiwei NI¹^,³, Xuhui ZHU¹^,³

^1.School of Management，Hefei University of Technology，Hefei Anhui 230009，China
^2.North Minzu University，Yinchuan Ningxia 750021，China
^3.Key Laboratory of Process Optimization and Intelligent Decision?making，Ministry of Education （Hefei University of Technology），Hefei Anhui 230009，China

Received:2021-08-27 Revised:2021-11-24 Accepted:2021-11-25 Online:2022-01-07 Published:2022-10-10
Contact: Zhiwei NI
About author:PENG Peng, born in 1988， Ph. D. candidate， lecturer. His research interests include intelligent computing， spatial crowdsourcing.
NI Zhiwei, born in 1963， Ph. D. ， professor. His research interests include artificial intelligence， machine learning， big data.
ZHU Xuhui, born in 1991， Ph. D. ， lecturer. His research interests include deep learning， intelligent computing.
Supported by:
National Natural Science Foundation of China(71521001);Anhui Provincial Natural Science Foundation(1908085QG298)

摘要/Abstract

摘要：

针对生活中专车类空间众包用户存在偏好和延时等待的实际情况，提出一种基于用户满意效用的空间众包任务分配方法IGSO-SSCTA。首先，定义了由用户偏好效用、延时等待效用和任务完成期望组成的用户满意效用；其次，构建了基于用户满意效用的空间众包任务分配（SSCTA）模型；接着，通过离散编码、反向学习协同初始化、四种改进移动策略、自适应选择和不可行解处理，提出一种适用该模型的改进离散萤火虫群优化（IGSO）算法；最后，利用IGSO算法对前述模型进行求解。不同规模数据集上的实验结果表明，所提方法和考虑时间最小化分配、考虑路程最小化分配、随机分配三种策略相比，用户满意效用分别提高了提升了9.64%、11.77%、15.70%；所提算法与贪婪算法和其他改进萤火虫算法相比，也有更好的稳定性和收敛性。

关键词: 用户偏好效用, 用户满意效用, 空间众包, 任务分配, 离散萤火虫群优化算法

Abstract:

In view of the actual situations such as the preference and the delay waiting of spatial crowdsourcing users of ride-hailing in life， a task allocation method of spatial crowdsourcing based on user satisfaction utility called IGSO（Improved discrete Glowworm Swarm Optimization）-SSCTA（Spatial Crowdsourcing Task Allocation based on user Satisfaction utility） was proposed. Firstly， user satisfaction utility was defined， which was composed of user preference utility， delay waiting utility and task completion expectation. Secondly， SSCTA model was constructed based on user satisfaction utility. Thirdly， IGSO algorithm was proposed by discrete coding， the initialization of reverse learning collaboration， four improved mobile strategies， adaptive selection strategy and treatment of infeasible solutions. Finally， IGSO algorithm was used to solve the above model. Experimental results on different scale datasets show that compared with the three allocation strategies of time minimization， distance minimization and random allocation， the user satisfaction utility of the proposed method is improved by 9.64%， 11.77% and 15.70% respectively， and the proposed algorithm has better stability and convergence than the greedy algorithm and other improved glowworm algorithms.

Key words: user preference utility, user satisfaction utility, spatial crowdsourcing, task allocation, discrete glowworm swarm optimization algorithm

中图分类号:

TP301.6

彭鹏, 倪志伟, 朱旭辉. 基于用户满意效用的空间众包任务分配方法[J]. 计算机应用, 2022, 42(10): 3235-3243.

Peng PENG, Zhiwei NI, Xuhui ZHU. Task allocation method of spatial crowdsourcing based on user satisfaction utility[J]. Journal of Computer Applications, 2022, 42(10): 3235-3243.

图/表 9

参考文献 32

1	童咏昕，袁野，成雨蓉，等. 时空众包数据管理技术研究综述［J］. 软件学报， 2017， 28（1）： 35-58.
	TONG Y X， YUAN Y， CHENG Y R， et al. Survey on spatiotemporal crowdsourced data management techniques［J］. Journal of Software， 2017， 28（1）： 35-58.
2	KAZEMI L， SHAHABI C. GeoCrowd： enabling query answering with spatial crowdsourcing［C］// Proceedings of the 20th International Conference. on Advances in Geographic Information Systems. New York： ACM， 2012：189-198. 10.1145/2424321.2424346
3	潘庆先，殷增轩，董红斌，等. 基于禁忌搜索的时空众包任务分配算法［J］. 智能系统学报， 2020， 15（6）：1040-1048. 10.11992/tis.202006055
	PAN Q X， YIN Z X， DONG H B， et al. Spatiotemporal crowdsourcing task assignment algorithm based on tabu search［J］. CAAI Transactions on Intelligent Systems， 2020， 15（6）：1040-1048. 10.11992/tis.202006055
4	HASSAN U UL， CURRY E. Efficient task assignment for spatial crowdsourcing： a combinatorial fractional optimization approach with semi-bandit learning［J］. Expert Systems with Applications， 2016， 58： 36-56. 10.1016/j.eswa.2016.03.022
5	张兴盛，余敦辉，张万山，等. 时空众包环境下时效均衡的在线任务分配算法［J］. 计算机应用， 2019， 39（5）：1357-1363. 10.11772/j.issn.1001-9081.2018092027
	ZHANG X S， YU D H， ZHANG W S， et al. Time utility balanced online task assignment algorithm under spatial crowdsourcing environment［J］. Journal of Computer Applications， 2019， 39（5）：1357-1363. 10.11772/j.issn.1001-9081.2018092027
6	宋天舒，童咏昕，王立斌，等. 空间众包环境下的3类对象在线任务分配［J］. 软件学报， 2017， 28（3）：611-630.
	SONG T S， TONG Y X， WANG L B， et al. Online task assignment for three types of objects under spatial crowdsourcing environment［J］. Journal of Software， 2017， 28（3）：611-630.
7	李博扬，成雨蓉，王国仁，等. 新型时空众包平台中的在线三维稳定匹配问题［J］. 软件学报， 2020， 31（12）：3836-3851.
	LI B Y， CHENG Y R， WANG G R， et al. 3D-online stable matching problem for new spatial crowdsourcing platforms［J］. Journal of Software， 2020， 31（12）：3836-3851.
8	CHENG P， LIAN X， CHEN L， et al. Task assignment on multi-skill oriented spatial crowdsourcing［J］. IEEE Transactions on Knowledge and Data Engineering， 2016， 28（8）：2201-2212. 10.1109/tkde.2016.2550041
9	TO H， FAN L Y， TRAN L， et al. Real-time task assignment in hyperlocal spatial crowdsourcing under budget constraints［C］// Proceedings of the 2016 IEEE International Conference on Pervasive Computing and Communications. Piscataway： IEEE， 2016：1-8. 10.1109/percom.2016.7456507
10	余敦辉，张灵莉，付聪. 基于动态效用的时空众包在线任务分配［J］. 电子与信息学报， 2018， 18（7）：1699-1706. 10.11999/JEIT170930
	YU D H， ZHANG L L， FU C. Online task allocation of spatial crowdsourcing based on dynamic utility［J］. Journal of Electronics and Information Technology， 2018， 18（7）：1699-1706. 10.11999/JEIT170930
11	TONG Y X， SHE J Y， DING B L， et al. Online mobile micro-task allocation in spatial crowdsourcing［C］// Proceedings of the IEEE 32nd International Conference on Data Engineering. Piscataway： IEEE， 2016：49-60. 10.1109/icde.2016.7498228
12	TONG Y X， SHE J Y， DING B L， et al. Online minimum matching in real-time spatial data： experiments and analysis［J］. Proceedings of the VLDB Endowment， 2016， 9（12）：1053-1064. 10.14778/2994509.2994523
13	DICKERSON J P， SANKARARAMAN K A， SRINIVASAN， et al. Assigning tasks to workers based on historical data： online task assignment with two-sided arrivals［C］// Proceedings of the 17th International Conference on Autonomous Agents and MultiAgent Systems. Richland， SC： International Foundation for Autonomous Agents and Multiagent Systems， 2018：318-326.
14	WANG L， YU Z W， HAN Q， et al. Multi-objective optimization based allocation of heterogeneous spatial crowdsourcing tasks［J］. IEEE Transactions on Mobile Computing， 2018， 17（7）：1637-1650. 10.1109/tmc.2017.2771259
15	BONYADI M R. A theoretical guideline for designing an effective adaptive particle swarm［J］. IEEE Transactions on Evolutionary Computation， 2020， 24（1）：57-68. 10.1109/tevc.2019.2906894
16	TORABI S， BELLONE M， WAHDE M.Energy minimization for an electric bus using a genetic algorithm［J］. European Transport Research Review， 2020， 12： No.2. 10.1186/s12544-019-0393-1
17	李晓磊，邵之江，钱积新. 一种基于动物自治体的寻优模式：鱼群算法［J］. 系统工程理论与实践， 2002（11）： 32-38. 10.3321/j.issn:1000-6788.2002.11.007
	LI X L， SHAO Z J， QIAN J X. An optimization model based on animal autonomy： fish swarm algorithm［J］. System Engineering—Theory and Practice， 2002（11）： 33-38. 10.3321/j.issn:1000-6788.2002.11.007
18	KRISHNANAND K N， GHOSE D. Glowworm swarm based optimization algorithm for multimodal functions with collective robotics applications［J］. Multiagent Grid Systems， 2006， 2（3）： 209-222. 10.3233/mgs-2006-2301
19	YANG X S. Nature-Inspired Metaheuristic Algorithms［M］. Frome： Luniver Press， 2008： 79-90.
20	朱旭辉，倪志伟，程美英，等. 融合协同进化离散型人工鱼群算法和多重分形的雾霾预测方法［J］. 系统工程理论与实践， 2017， 37（4）：999-1010. 10.12011/1000-6788(2017)04-0999-12
	ZHU X H， NI Z W， CHENG M Y， et al. Haze prediction method based on multi-fractal dimension and co-evolution discrete artificial fish swarm algorithm［J］. Systems Engineering—Theory and Practice， 2017， 37（4）：999-1010. 10.12011/1000-6788(2017)04-0999-12
21	WU B， QIAN C H， NI W H， et al. The improvement of glowworm swarm optimization for continuous optimization problems［J］. Expert Systems with Applications， 2012， 39（7）：6335-6342. 10.1016/j.eswa.2011.12.017
22	LAXMA REDDY D L， PUTTAMADAPPA C， SURESH H N. Merged glowworm swarm with ant colony optimization for energy efficient clustering and routing in wireless sensor network［J］. Pervasive and Mobile Computing， 2021， 71： No.101338. 10.1016/j.pmcj.2021.101338
23	FU K， YE J. Computation offloading based on improved glowworm swarm optimization algorithm in mobile edge computing［J］. Journal of Physics： Conference Series， 2021， 1757： No.012195. 10.1088/1742-6596/1757/1/012195
24	BALASUBRAMANIAN K， ANANTHAMOORTHY N P. Improved adaptive neuro-fuzzy inference system based on modified glowworm swarm and differential evolution optimization algorithm for medical diagnosis［J］. Neural Computing and Applications， 2021， 33（13）：7649-7660. 10.1007/s00521-020-05507-0
25	FU K， GUO Z， YE J. Fire detection method based on improved glowworm swarm optimization-based TWSVM［C］// Proceedings of the 2020 International Conference on Machine Learning and Big Data Analytics for IoT Security and Privacy， AISC 1282. Cham： Springer， 2021：862-867.
26	JIE L， TENG L， YIN S L. An improved discrete firefly algorithm used for traveling salesman problem［C］// Proceedings of the 2017 International Conference on Swarm Intelligence， LNCS 10385. Cham： Springer， 2017：593-600.
27	CHUAH H S， WONG L P， HASSAN F H. Swap-based discrete firefly algorithm for traveling salesman problem［C］// Proceedings of the 2017 International Workshop on Multi-disciplinary Trends in Artificial Intelligence， LNCS 10607. Cham： Springer， 2017：409-425.
28	KOENKER R， MACHADO J A F. Goodness of fit and related inference processes for quantile regression［J］. Journal of the American Statistical Association， 1999， 94（448）：1296-1310. 10.1080/01621459.1999.10473882
29	夏平凡，倪志伟，朱旭辉，等. 基于反向二元萤火虫算法和差异性测度的选择性集成方法［J］. 系统科学与数学， 2021， 41（3）：730-746. 10.12341/jssms20111
	XIA P F， NI Z W， ZHU X H， et al. Selective ensemble approach based on reverse binary glowworm swarm optimization and diversity measure［J］. Journal of Systems Science and Mathematical Sciences， 2021， 41（3）：730-746. 10.12341/jssms20111
30	冉家敏，倪志伟，彭鹏，等. 考虑空间众包工作者服务质量的任务分配策略及其萤火虫群优化算法求解［J］. 计算机应用， 2021， 40（3）：794-802.
	RAN J M， NI Z W， PENG P， et al. Task allocation strategy considering service quality of spatial crowdsourcing workers and its glowworm swarm optimization algorithm solution［J］. Journal of Computer Applications， 2021， 40（3）：794-802.
31	耿焕同，许可，戴中斌，等. 基于双重贡献分配的多目标混合算子进化算法［J］. 控制与决策， 2022， 37（5）：1195-1202.
	GENG H T， XU K， DAI Z B， et al. Multi-objective evolutionary algorithm with multiple operators based on double credit assignment［J］. Control and Decision， 2022， 37（5）：1195-1202.
32	聚数力. Uber 纽约市乘车数据［DS/OL］. （2017-03-11）［2021-07-10］. . 10.1061/9780784481530.001
	Dadaju. Uber pickups in New York City［DS/OL］. （2017-03-11）［2021-07-10］. . 10.1061/9780784481530.001

指标编号	指标内容	指标占比/%	对应参数
A	遵守交通规则	86.6	pa
B	路况熟悉度	84.1	pb
C	驾驶平稳	75.9	pc
D	车辆品质	58.2	pd
E	车内卫生	55.1	pe
F	工作者文明礼仪	49.8	pf
G	是否有烟味	34.1	pg
H	工作者性别	15.2	ph

指标编号	指标内容	指标占比/%	对应参数
A	遵守交通规则	86.6	pa
B	路况熟悉度	84.1	pb
C	驾驶平稳	75.9	pc
D	车辆品质	58.2	pd
E	车内卫生	55.1	pe
F	工作者文明礼仪	49.8	pf
G	是否有烟味	34.1	pg
H	工作者性别	15.2	ph

移动策略	萤火虫i各维度数值
移动策略	第1维	第2维	第3维	第4维	第5维	第6维
萤火虫i	3	4	6	8	1	2
互交换	3	1	6	8	4	2
反演	3	1	8	6	4	2
左相邻交换	4	3	6	1	8	2
右相邻交换	3	6	4	8	2	1

移动策略	萤火虫i各维度数值
移动策略	第1维	第2维	第3维	第4维	第5维	第6维
萤火虫i	3	4	6	8	1	2
互交换	3	1	6	8	4	2
反演	3	1	8	6	4	2
左相邻交换	4	3	6	1	8	2
右相邻交换	3	6	4	8	2	1

算法	主要参数
IGSO	ρ=0.4，γ=0.6，β=0.08，r_s =15， n_t =6，R₁=0.4h=0.5，ρ_min=0.25
DGSO
MGSO^［24］	ρ=0.4，γ=0.6，β=0.08，r_s =15，n_t =6
FGSO^［25］	ρ=0.4，γ=0.6，β=0.08，r_s =15，n_t =6
IDFA^［26］	γ=0.08，β=6
CDFA^［27］	γ=0.08，β=6
GR^［6］	—

基于用户满意效用的空间众包任务分配方法

Task allocation method of spatial crowdsourcing based on user satisfaction utility

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 9

参考文献 32

相关文章 15

编辑推荐

Metrics

参数	取值	数据来源
M₁	（10，15，20，25，30，35，40，45，50，55，60，65）	合成
M₂	（500，1 000，1 500，2 000，2 500，3 000）	合成
p_u	pa，pb，pc，pd，pe，pf，pg，ph	调查统计
q_w	［0，100］	随机生成
v_w	［0，5］	随机生成
l_u	［0，100］	真实数据映射
l_w	［0，100］	真实数据映射
p_u	［0，1］	随机生成
z_w	（0.5，1）	随机生成

数据集	P（S）值			P（T）值			P（L）值			P（R）值
数据集	MAX	MIN	AVG	MAX	MIN	AVG	MAX	MIN	AVG	MAX	MIN	AVG
Sdate₁	902.14	812.35	868.24	812.59	735.18	770.04	782.02	741.20	754.03	732.17	696.66	713.14
Sdate₂	1 353.21	1 302.56	1 322.14	1 251.31	1 116.24	1 182.95	1 188.64	1 078.26	1 122.13	1 135.61	1 023.54	1 085.22
Sdate₃	1 906.23	1 989.15	1 762.72	1 681.04	1 538.16	1 588.67	1 609.94	1 533.12	1 555.40	1 610.53	1 408.86	1 507.61
Sdate₄	2 180.23	2 111.58	2 129.45	1 954.93	1 881.47	1 911.24	1 952.31	1 851.23	1 892.34	1 923.68	1 726.47	1 846.12
Sdate₅	2 758.63	2 502.71	2 608.90	2 437.21	2 310.25	2 387.15	2 485.25	2 304.26	2 345.78	2 300.69	2 114.31	2 225.79
Sdate₆	2 993.36	2 907.22	2 962.14	2 779.15	2 615.43	2 704.36	2 721.91	2 606.31	2 651.35	2 675.32	2 546.91	2 612.75
Sdate₇	3 602.15	3 303.21	3 395.63	3 200.15	3 020.21	3 120.15	3 125.37	2 987.13	3 061.24	2 957.28	2 846.20	2 910.58
Sdate₈	3 762.25	3 685.12	3 719.53	3 541.23	3 341.28	3 446.21	3 443.26	3 321.49	3 398.51	3 294.23	3 170.61	3 241.37
Sdate₉	4 301.62	4 020.25	4 152.89	4 005.27	3 750.12	3 850.12	3 900.21	3 740.13	3 801.54	3 819.05	3 653.38	3 743.00
Sdate₁₀	4 670.65	4 501.32	4 598.91	4 301.49	4 142.39	4 219.82	4 211.97	4 085.27	4 139.63	4 102.28	3 941.29	4 012.83
Sdate₁₁	5 256.32	4 901.23	5 035.67	4 799.21	4 529.32	4 627.22	4 685.21	4 502.33	4 577.97	4 544.84	4 173.41	4 459.92
Sdate₁₂	5 521.37	5 364.23	5 407.89	5 113.65	4 942.36	5 027.19	5 015.34	4 912.31	4 971.57	4 927.98	4 742.39	4 745.16

数据集	IGSO	DGSO	MGSO	FGSO	IDFA	CDFA	GR	数据集	IGSO	DGSO	MGSO	FGSO	IDFA	CDFA	GR
Sdate₁	13.01	12.99	15.81	15.91	15.82	16.31	16.19	Sdate₇	14.43	15.32	15.92	15.99	15.92	16.43	22.45
Sdate₂	13.25	13.12	15.93	16.01	16.11	16.62	16.72	Sdate₈	14.87	15.71	16.18	16.23	16.13	16.58	24.62
Sdate₃	13.47	13.24	15.88	15.94	15.88	16.36	17.53	Sdate₉	14.93	15.91	16.25	16.29	15.92	16.50	26.95
Sdate₄	14.01	14.03	15.84	15.89	15.84	16.32	18.96	Sdate₁₀	15.03	16.02	16.42	16.44	16.22	16.69	28.56
Sdate₅	14.12	14.51	15.89	15.93	15.97	16.37	19.17	Sdate₁₁	15.12	16.08	16.37	16.40	16.21	16.65	30.84
Sdate₆	14.27	14.65	15.95	16.01	16.04	16.44	20.96	Sdate₁₂	15.29	16.23	16.44	16.47	16.46	16.73	32.52

数据规模	用户满意效用值/10⁴
数据规模	IGSO	DGSO	MGSO	FGSO	IDFA	CDFA	GR
500	3.883 6	3.788 0	3.839	3.806	3.833 6	3.844 0	3.781 0
1 000	7.624 9	7.558 0	7.582	7.562	7.588 2	7.589 0	7.550 0
1 500	11.396 8	11.274 5	11.320	11.340	11.343 6	11.339 0	11.256 5
2 000	15.128 4	15.010 9	15.080	15.050	15.078 2	15.034 0	14.995 9
2 500	18.895 3	18.742 5	18.830	18.780	18.842 6	18.787 2	18.722 5
3 000	22.599 3	22.461 6	22.540	22.490	22.523 0	22.525 6	22.431 6

[1]	马华, 陈跃鹏, 唐文胜, 娄小平, 黄卓轩. 面向工作者能力评估的众包任务分配方法的研究进展综述[J]. 《计算机应用》唯一官方网站, 2021, 41(8): 2232-2241.
[2]	冉家敏, 倪志伟, 彭鹏, 朱旭辉. 考虑空间众包工作者服务质量的任务分配策略及其萤火虫群优化算法求解[J]. 计算机应用, 2021, 41(3): 794-802.
[3]	杨玮, 李然, 张堃. 基于变邻域模拟退火算法的多自动导引车任务分配优化[J]. 计算机应用, 2021, 41(10): 3056-3062.
[4]	余敦辉, 袁旭, 张万山, 王晨旭. 基于动态阈值的时空众包在线分配算法[J]. 计算机应用, 2020, 40(3): 658-664.
[5]	韩俊樱, 张振宇, 孔德仕. 移动群智感知中面向用户区域的分布式多任务分配方法[J]. 《计算机应用》唯一官方网站, 2020, 40(2): 358-362.
[6]	秦海燕, 章永龙, 李斌. 社会网络下分配众包任务的真实机制[J]. 计算机应用, 2020, 40(10): 3019-3024.
[7]	杨正清, 周朝荣, 袁姝. 移动群智感知系统中基于离散布谷鸟搜索算法的任务分配[J]. 计算机应用, 2019, 39(9): 2778-2783.
[8]	张兴盛, 余敦辉, 张万山, 王晨旭. 时空众包环境下时效均衡的在线任务分配算法[J]. 计算机应用, 2019, 39(5): 1357-1363.
[9]	陈友玲, 左丽丹, 牛禹霏, 王龙. 基于知识相似度的产品开发任务分配方法[J]. 计算机应用, 2019, 39(2): 323-329.
[10]	李鑫滨, 章寿涛, 闫磊, 韩松. 基于鲁棒Restless Bandits模型的多水下自主航行器任务分配策略[J]. 计算机应用, 2019, 39(10): 2795-2801.
[11]	刘鹏飞, 毛莺池, 王龙宝. 基于云雾协作模型的任务分配方法[J]. 计算机应用, 2019, 39(1): 8-14.
[12]	赵焜松, 余敦辉, 张万山. 软件众包任务发布优先级计算方法[J]. 计算机应用, 2018, 38(7): 2032-2036.
[13]	刘辉, 李盛恩. 时空众包环境下基于统计预测的自适应阈值算法[J]. 计算机应用, 2018, 38(2): 415-420.
[14]	余敦辉, 王意, 张万山. 软件众包工人能力动态度量算法[J]. 计算机应用, 2018, 38(12): 3612-3617.
[15]	毛莺池, 穆超, 包威, 李晓芳. 空间众包中多类型任务的分配与调度方法[J]. 计算机应用, 2018, 38(1): 6-12.