Resumen

Hoy en día, con el empleo cada vez más extendido de sensores, sobre todo los acoplados a vehículos, la recogida de datos espaciales es cada vez más fácil y precisa. Como resultado, muchas áreas relevantes, como el crowdsourcing espacial, están ganando cada vez más atención. Un escenario típico de crowdsourcing espacial implica que un empleador publique una tarea y algunos trabajadores ayuden a realizarla. Sin embargo, la mayoría de los estudios anteriores sólo han tenido en cuenta la información espacial de los trabajadores y las tareas, ignorando las variaciones individuales entre los trabajadores. En este artículo, consideramos el problema de Formación de Equipos de Desarrollo de Software (SDTF), cuyo objetivo es reunir un equipo de trabajadores cuyas habilidades satisfagan los requisitos de la tarea. Después de demostrar que el problema es NP-difícil, proponemos tres algoritmos codiciosos y un algoritmo de múltiples fases para resolver aproximadamente el problema. Se realizan amplios experimentos con conjuntos de datos sintéticos y reales, y los resultados verifican la eficacia y eficiencia de nuestros algoritmos.

• Materias:Biotecnología Redes de sensores Sistema de sensores Diagnóstico de fallas Tecnología de sensores Diagnóstico de fallos
• Subjects:Biotechnology Sensor networks Sensor system Fault diagnosis Sensor technology
• Palabras claves:trabajadores, problema, formación de equipos de desarrollo de software, escenario típico de crowdsourcing espacial, muchas áreas relevantes, tarea, experimentos exhaustivos, algoritmos codiciosos, variaciones individuales, más atención
• Keywords:workers, problem, software development team formation, typical spatial crowdsourcing scenario, many relevant areas, task, extensive experiments, greedy algorithms, individual variations, more attention