SHDS Dataset

SHDS数据集用于智能家庭设备调度，包含多种生成模式，如生成论文中使用的数据集、生成额外的数据集以及根据特定参数生成自定义数据集。数据集格式包括JSON文件，详细记录了时间范围、粒度、价格模式和代理等信息。

The SHDS dataset is designed for intelligent home device scheduling, encompassing various generation modes such as creating datasets used in research papers, generating additional datasets, and producing custom datasets based on specific parameters. The dataset format includes JSON files, which meticulously document the time range, granularity, pricing models, and agent information.

原始信息汇总

数据集概述

数据集名称

• SHDS_dataset

数据集生成器使用

• 编译：使用Java 8编写，依赖org.json库进行JSON的读写。
• 运行模式：
  • datasets：生成与论文中使用相同设置的数据集。
  • extras：生成论文中提到的额外数据集。
  • generate：生成自定义数据集，需指定城市ID、网格长度、集群划分和设备数量。
  • regenerate：从CSV文件重新生成数据集，可选指定联盟数量。

数据集格式

• JSON文件格式：包含四个主要部分：horizon（时间步数）、granularity（时间步长）、priceSchema（每步电价）和agents（代理信息）。
• CSV文件格式：使用空格分隔数据，换行分隔对象，用于节省空间。

可用数据集

• 包含压缩后的数据集，位于datasets/目录，包含用于论文的JSON格式数据集和设备字典。

设备字典和设置

• DeviceDictionary.json：包含设备和传感器信息，用于生成数据集。
• Settings.json：包含生成数据集时使用的设置。

引用和赞助

• 引用格式提供在README文件中。
• 赞助信息包括NSF的两个资助项目。

联系方式

• 提供主要研究人员的电子邮件地址。

搜集汇总

数据集介绍

构建方式

SHDS数据集的构建基于智能家庭设备调度问题的实际需求，通过Java编程语言实现。数据集生成器允许用户根据不同的城市标识、网格长度、集群数量和设备数量等参数，自定义生成数据集。此外，数据集还可以通过CSV文件进行重构，以节省存储空间。生成的数据集以JSON格式存储，包含时间步长、粒度、价格模式和代理信息等关键组件。每个代理的信息包括邻居、背景负载、房屋类型和规则等，这些规则用于定义设备调度的约束条件。

特点

SHDS数据集的主要特点在于其高度可定制性和真实性。数据集支持多种生成模式，包括基于论文设置的标准数据集生成、额外数据集生成以及用户自定义数据集生成。此外，数据集采用JSON和CSV两种格式存储，便于不同场景下的使用和解析。每个代理的规则设计精细，涵盖了设备调度的多种约束条件，如清洁度、温度控制等，确保了数据集在智能家庭设备调度问题中的适用性。

使用方法

使用SHDS数据集时，用户可以通过Java编译器进行编译，并根据需求选择不同的运行模式，如生成标准数据集、额外数据集或自定义数据集。数据集的解析可以通过JSON或CSV格式进行，其中JSON格式提供了详细的时间步长、价格模式和代理信息，而CSV格式则更适合于快速处理和存储。用户还可以通过修改设备字典和设置文件，调整数据集的生成参数，以满足特定的研究或应用需求。

背景与挑战

背景概述

SHDS数据集（Smart Home Device Scheduling Dataset）是由Ferdinando Fioretto、William Yeoh和Enrico Pontelli等研究人员于2017年创建的，旨在解决智能家庭设备调度问题。该数据集的核心研究问题是如何在多智能体系统中有效调度家庭设备，以优化能源使用和满足用户需求。通过模拟不同城市（如Des Moines、Boston和San Francisco）的住宅分布和设备使用情况，SHDS数据集为智能家庭设备调度问题提供了一个现实且多样化的基准。该数据集的创建不仅推动了多智能体系统在智能家庭领域的应用，还为相关研究提供了宝贵的实验数据。

当前挑战

SHDS数据集在构建过程中面临多项挑战。首先，如何模拟不同城市和住宅类型的设备使用情况，确保数据集的多样性和现实性，是一个复杂的问题。其次，设备调度的规则生成和解析需要精确处理，以确保生成的数据集能够准确反映实际调度问题。此外，数据集的存储和传输也是一个挑战，尤其是在处理大规模数据时，如何有效压缩和存储数据以节省空间，同时保持数据的完整性和可读性，是构建过程中需要解决的关键问题。

常用场景

经典使用场景

SHDS数据集在智能家居设备调度领域中具有经典应用场景，主要用于模拟和优化家庭设备的能源使用和任务调度。通过该数据集，研究者可以模拟不同城市、不同规模的家庭网络，以及各种设备在不同时间步长的能源消耗和任务执行情况。这种模拟为研究者提供了一个理想的实验平台，用于测试和验证各种调度算法和优化策略，特别是在多智能体系统（MAS）和分布式约束优化问题（DCOP）中的应用。

实际应用

在实际应用中，SHDS数据集被广泛用于智能家居系统的开发和优化。例如，能源公司可以使用该数据集来模拟和优化家庭能源使用，从而制定更有效的能源定价策略。此外，智能家居设备制造商可以利用该数据集来测试和改进其设备的能源管理功能，确保设备在不同环境下的高效运行。该数据集还为城市规划者提供了宝贵的数据支持，帮助他们设计更智能、更节能的城市基础设施。

衍生相关工作

基于SHDS数据集，研究者们开展了一系列相关工作，特别是在多智能体系统和分布式约束优化领域。例如，Ferdinando Fioretto等人提出了基于该数据集的多智能体调度系统，进一步推动了DCOP问题的研究。此外，该数据集还被用于开发和测试各种智能调度算法，如分布式大邻域搜索（DLNS）和基于规则的调度策略。这些工作不仅丰富了智能家居领域的理论研究，还为实际应用提供了强有力的技术支持。