隨著移動互聯(lián)網技術與020（offline-to-online）商業(yè)模式的發(fā)展，各類空間眾包平臺變得日益流行，如滴滴出行、百度外賣等空間眾包平臺更與人們日常生活密不可分．在空間眾包研究中，任務分配問題更是其核心問題之一，該問題旨在研究如何將實時出現(xiàn)的空間眾包任務分配給適宜的眾包工人，但大部分現(xiàn)有研究所基于的假設過強，存在兩類不足：（1）現(xiàn)有工作通常假設基于靜態(tài)場景，即，全部眾包任務和眾包工人的時空信息在任務分配前已完整獲知，但眾包任務與眾包工人在實際應用中動態(tài)出現(xiàn)，且需實時地對其進行任務分配，因此，現(xiàn)存研究結果在實際應用中缺乏可行性；（2）現(xiàn)有研究均假設僅有兩類眾包參與對象，即眾包任務與眾包工人。而忽略了第三方眾包工作地點對任務分配的影響，綜上所述，為彌補上述不足，提出了一類新型動態(tài)任務分配問題，即，空間眾包環(huán)境下的3類對象在線任務分配．該問題不但囊括了任務分配中的3類研究對象，即眾包任務、眾包工人和眾包工作地點，而且關注動態(tài)環(huán)境．進而設計了隨機閾值算法，給出了該算法在最差情況下的競爭比分析．采用在線學習方法進一步優(yōu)化了隨機閡值算法，提出自適應隨機閾值算法，并證明該優(yōu)化策略可逼遠隨機閡值算法使用不同閾值所能達到的最佳效果．最終通過在真實數據集和具有不同分布人造數據集上進行的大量實驗，驗證了算法的效果與性能．
?