CN104657133B - 移动群智感知中一种用于单时间窗口任务的激励方法 - Google Patents

Abstract

本发明提供移动群智感知中一种用于单时间窗口任务的激励方法，针对单时间窗口任务的群智感知系统，设计了一种用户激励方法。该方法包含一个方向拍卖流程和两个阶段：用户选择阶段和支付决策阶段。在用户选择阶段采用动态规划方法解决最小化社会代价用户选择问题，在支付决策阶段采用VCG拍卖机制计算每个入选用户的报酬数额。该方法包括用户选择阶段和支付决策阶段总的时间复杂度为O(n ²logn)，该激励方法具有个人理性、防欺骗的良好性质，并且可以产生最优解，即能够在多项式时间之内找到覆盖感知时间窗口的最小社会代价的用户子集S。

Description

移动群智感知中一种用于单时间窗口任务的激励方法

技术领域

本发明涉及移动群智感知中一种用于单时间窗口任务的激励方法，属于无线传感器网络和移动互联网的交叉领域。

背景技术

近年来，智能手机市场快速增长，2014年全球智能手机出货量接近13亿，比2013年增长了26％。目前的智能手机集成众多有用且接个低廉的传感器，这些传感器可以用于感知人类活动和周围环境。如果把全球的智能手机利用起来，将组成世界上最大的传感器网络。

移动群智感知由于其广泛的时空覆盖、低廉的成本、优秀的可扩展性以及普遍存在的应用场景而被认为是一种具有巨大潜力的新型数据感知和收集模式。目前已有一些项目基于移动群智感知实现了健康护理、智能交通、社交网络、环境监控等领域中的不同应用。

但目前的这些应用都是假设参与者能自愿地积极的参加数据感知的，这往往不切实际。因为参与者需要消耗设备的能量、计算能力、存储空间、数据流量等完成群智感知任务，参与者需要得到一定数量的激励以抵消这些损失。群智感知应用的成功实施取决于参与者数量以及数据质量，没有激励上述两点都得不到保证。因此，激励机制的设计在群智感知应用中十分重要。

然而，激励机制的设计并不容易，因为单个参与者往往会采取策略行为，以最大化自身的效用，这将对选择参与者已经决定支付数额产生破坏。目前，群智感知的激励机制主要考虑地点相关型的任务，即任务分散在不同的地理位置。但却忽略了时间相关型的任务，更没有发现存在针对该类任务类型的激励方法。本发明提供一种用于群智感知中单时间窗口任务的激励方法。

发明内容

本发明的目的是提供移动群智感知中一种用于单时间窗口任务的激励方法，解决在单时间窗口任务类型的群智感知中选择用户和计算支付数额的问题。本发明相对于目前的激励方法，首次解决了单时间窗口任务这种新的群智感知应用场景的激励机制设计问题。本发明首先提出了该应用场景的系统模型，在所提的系统模型下最小化社会代价。接着本发明提出了一个动态规划算法用于选择参与者，在决定每个被选择用户的报酬时采用经典的VCG拍卖机制。本发明所述移动群智感知中一种用于单时间窗口任务的激励方法是能高效运行的、个人理性的、可信的以及最优化的。

本发明的技术解决方案是：

考虑一个移动群智感知系统包括一个平台和一群智能手机用户，平台处于云端。本发明所述移动群智感知中一种用于单时间窗口任务的激励方法是针对感知给定时间窗口内的连续数据的场景，在这种场景下平台需要收集一个时间窗口内的连续数据。每个智能手机用户可以提交一个可以完成感知任务的单个时间窗口。

本发明专利所述移动群智感知中一种用于单时间窗口任务的激励方法，其特征在于包含一个反向拍卖流程和两个阶段：用户选择阶段和支付决策阶段。用户选择阶段采用动态规划方法解决最小社会代价用户选择问题。在支付决策阶段计算每个被选择用户的报酬，这个计算是基于VCG拍卖机制的。

本发明专利所述移动群智感知中一种用于单时间窗口任务的激励方法，首次对单时间窗口的移动群智感知系统的进行激励机制的设计。平台发布一个时间窗口W＝[T_s，T_E]，其中T_s和T_E分别为时间窗口的开始时间和结束时间，即平台请求从T_s到T_E的感知数据；

本发明专利所述移动群智感知中一种用于单时间窗口任务的激励方法，每个用户向平台提交一个标书B_i＝(R_i，b_i)，该标书是一个二元组，其中R_i＝[s_i，e_i]是用户i能完成感知任务的时间窗口。b_i是用户i完成任务R_i的报价，即用户i希望获得的报酬；

本发明专利所述移动群智感知中一种用于单时间窗口任务的激励方法，是最小化社会代价的，即最小化入选用户的真实代价之和，并且满足入选用户的时间窗口能够覆盖W。

本发明所述移动群智感知中一种用于单时间窗口任务的激励方法中，平台和智能手机用户的交互过程体现为一个反向拍卖机制，步骤如下：

步骤201：平台发布一个时间窗口W＝[T_s，T_E]，其中T_s和T_E分别为时间窗口的开始时间和结束时间，即平台请求从T_s到T_E的感知数据；

步骤202：设智能手机用户集合为U＝{1，2，...，n}，每个用户向平台提交一个标书B_i＝(R_i，b_i)，其中R_i＝[s_i，e_i]是用户i能完成感知任务的时间窗口。每个标书都存在一个真实代价c_i。s_i和e_i可以是任何时间点。b_i是用户i完成任务R_i的报价，即用户i希望获得的报酬；

步骤203：用户选择阶段。平台选择用户的子集使得所选用户的社会代价之和最小，并且所提交的时间窗口可以覆盖W，选择结束后并选择结果告知入选用户；

步骤204：用户在自己提交的时间窗口内感知数据，将数据提交平台；

步骤205：支付决策阶段。平台为每个入选用户计算报酬。并通过在线形式支付。

在步骤203中，平台选择用户的问题形式化表示为

min∑_i∈sc_i

s.t.

上述形式化问题的本质是：寻找一个用户的子集，使得子集中的用户的代价之和最小，并且被选择用户的时间窗口需覆盖整个感知时间窗口。

在步骤203中，平台选择用户时，进入用户选择阶段，采用动态规划方法解决最小社会代价用户选择问题。用户选择阶段的步骤如下：

步骤301：初始化堆栈stack为空，被选择用户S为空；

步骤302：对于每个用户，将其最小代价函数F(i)设为无穷大；

步骤303：对每个用户的时间窗口按照右端点非递减顺序排列；

步骤304：对于每个用户按照上面的顺序依次计算F(i)，重复下面的步骤305-步骤308；

步骤305：如果T_S∈[s_i，e_i]，则令该用户时间窗口的最小社会代价F(i)＝b_i，并且令该时间窗口的前驱时间窗口索引pre(i)＝-1，转步骤307，否则转步骤306；

步骤306：在堆栈中寻找一个具有最小社会代价的时间窗口j，并且满足e_j≥s_i，则计算当前用户i的时间窗口的最小社会代价F(i)＝F(j)+b_i，并且令pre(i)＝j；

步骤307：如果栈顶位置的用户时间窗口最小代价大于等于用户i的时间窗口最小代价，则在堆栈中删除该栈顶用户，直到栈顶用户时间窗口最小代价小于用户i的时间窗口最小代价；

步骤308：将当前用户i的时间窗口，最小社会代价，用户索引，pre(i)一起组成一个四元组(R_i，F(i)，i，pre(i))放入堆栈顶部；

步骤309：在堆栈中寻找满足T_E∈[s_i，e_i]的具有最小社会代价的用户i，则整个解决方案的最小社会代价即为F(i)；

步骤310：将用户索引i加入到集合S中，通过四元组中的前驱时间窗口索引pre，将所有被索引的时间窗口也并入到S中。

经过用户选择阶段后，集合S就是平台所选择的用户子集。

在步骤205中支付决策阶段的步骤如下：

步骤401：对于所有用户集合U，通过上述选择阶段计算出最小社会代价Cost(U)；

步骤402：判断是否每一个被选择用户i∈S，都已经计算了报酬数额，如果没有转步骤403，否则转步骤404。

步骤403：计算除用户i以外的最小社会代价Cost(U\{i})，并计算用户i的报酬数额为P_i＝Cost(U\{i})-(Cost(U)-b_i)。

步骤404：输出报酬数额矢量P，结束支付决策阶段。

本发明的有益效果是：移动群智感知中一种用于单时间窗口任务的激励方法，可用于移动群智感知系统中时间相关任务的用户激励，从而形成该类应用的市场化机制。本发明具有以下显著的优点：

计算时间复杂度低，该方法包括用户选择阶段和支付决策阶段总的时间复杂度为O(n²logn)，是一个完全多项式时间方法，具有实际应用的价值。经过测试在1900个用户报价的情况下，在普通PC上的运行时间在0.3秒以下。

该激励方法是个人理性的，即平台支付给每个入选用户的报酬数额一定大于等于该用户所需耗费的真实代价，因此对于吸引大量智能手机用户以及提高数据质量有积极作用；

该激励方法是防欺骗的，即使智能手机用户采取某种策略提高报价，也不是使得用户的效益变高，因此用户倾向于报自身的真实价格作为报价。防欺骗性对于防止市场垄断或者串通具有重要作用。

该激励方法在用户选择阶段能够产生最优解，即能够在多项式时间之内找到覆盖感知时间窗口的最小社会代价的用户子集S。

附图说明

图1是单时间窗口移动群智感知系统应用场景；

图2是基于单时间窗口任务的移动群智感知反向拍卖框架；

图3是基于单时间窗口任务的移动群智感知反向拍卖流程；

图4是本发明实施例中用户选择阶段流程图；

图5是本发明实施例中支付决策阶段流程图。

具体实施方式

名词说明：

被选择用户：由本发明用户选择阶段选择出的作为移动群智感知最终参与者

社会代价：被选择用户的真实代价之和，可形式化表示为：∑_i∈Sc_i

感知时间窗口：由平台发布的需要感知的时间区间，在本发明中表示为W

用户时间窗口：能完成感知任务的时间窗口，在本发明中用户i的时间窗口表示为R_i＝[s_i，e_i]

用户时间窗口的最小社会代价：能够覆盖感知时间左端点到该用户时间窗口右端点的最小社会代价，在本发明中用户i的时间窗口最小社会代价表示为F(i)

下面结合附图详细说明本发明的优选实施例。

考虑一个移动群智感知系统包括一个平台和一群智能手机用户，平台处于云端。本发明所述移动群智感知中一种用于单时间窗口任务的激励方法是针对感知给定时间窗口内的连续数据的场景，在这种场景下平台需要收集一个时间窗口内的连续数据。每个智能手机用户可以提交一个可以完成感知任务的单个时间窗口。图1是单时间窗口移动群智感知系统应用场景的部分例子。

本发明专利所述移动群智感知中一种用于单时间窗口任务的激励方法包含一个反向拍卖流程和两个阶段：用户选择阶段和支付决策阶段。用户选择阶段采用动态规划方法解决最小社会代价用户选择问题。在支付决策阶段计算每个被选择用户的报酬，这个计算是基于VCG拍卖机制的。

本发明所述移动群智感知中一种用于单时间窗口任务的激励方法中，平台和智能手机用户的交互过程体现为一个反向拍卖机制。反向拍卖框架如图2所示，实施流程如图3所示，具体步骤如下：

步骤201：平台发布一个时间窗口W＝[T_s，T_E]，其中T_s和T_E分别为时间窗口的开始时间和结束时间，即平台请求从T_s到T_E的感知数据；

步骤202：设智能手机用户集合为U＝{1，2，...，n}，每个用户向平台提交一个标书B_i＝(R_i，b_i)，其中R_i＝[s_i，e_i]是用户i能完成感知任务的时间窗口。每个标书都存在一个真实代价c_i.s_i和e_i可以是任何时间点。b_i是用户i完成任务R_i的报价，即用户i希望获得的报酬；

步骤203：用户选择阶段。平台选择用户的子集，使得所选用户的社会代价之和最小，并且所提交的时间窗口可以覆盖W，选择结束后并选择结果告知入选用户；

步骤204：用户在自己提交的时间窗口内感知数据，将数据提交平台；

步骤205：支付决策阶段。平台为每个入选用户计算报酬。并通过在线形式支付。

在步骤203中，平台选择用户的问题形式化表示为

min∑_i∈sc_i

s.t.

上述形式化问题的本质是：寻找一个用户的子集，使得子集中的用户的代价之和最小，并且被选择用户的时间窗口需覆盖整个感知时间窗口。

在步骤203中，平台选择用户时，进入用户选择阶段，采用动态规划方法解决最小社会代价用户选择问题。用户选择阶段的流程如图4所示，具体步骤如下：

步骤301：初始化堆栈stack为空，被选择用户S为空；

步骤302：对于每个用户，将其最小代价函数F(i)设为无穷大；

步骤303：对每个用户的时间窗口按照右端点非递减顺序排列；

步骤304：对于每个用户按照上面的顺序依次计算F(i)，重复下面的步骤305-步骤308；

步骤305：如果T_S∈[s_i，e_i]，则令该用户时间窗口的最小社会代价F(i)＝b_i，并且令该时间窗口的前驱时间窗口索引pre(i)＝-1，转步骤307，否则转步骤306；

步骤306：在堆栈中寻找一个具有最小社会代价的时间窗口j，并且满足e_j≥s_i，则计算当前用户i的时间窗口的最小社会代价F(i)＝F(j)+b_i，并且令pre(i)＝j；

步骤307：如果栈顶位置的用户时间窗口最小代价大于等于用户i的时间窗口最小代价，则在堆栈中删除该栈顶用户，直到栈顶用户时间窗口最小代价小于用户i的时间窗口最小代价；

步骤308：将当前用户i的时间窗口，最小社会代价，用户索引，pre(i)一起组成一个四元组(R_i，F(i)，i，pre(i))放入堆栈顶部；

步骤309：在堆栈中寻找满足T_E∈[s_i，e_i]的具有最小社会代价的用户i，则整个解决方案的最小社会代价即为F(i)；

步骤310：将用户索引i加入到集合S中，通过四元组中的前驱时间窗口索引pre，将所有被索引的时间窗口也并入到S中。

经过用户选择阶段后，集合S就是平台所选择的用户子集。

在步骤205中支付决策阶段的流程如图5所示，具体实施步骤如下：

步骤401：对于所有用户集合U，通过上述选择阶段计算出最小社会代价Cost(U)；

步骤402：判断是否每一个被选择用户i∈S，都已经计算了报酬数额，如果没有转步骤403，否则转步骤404；

步骤403：计算除用户i以外的最小社会代价Cost(U\{i})，并计算用户i的报酬数额为P_i＝Cost(U\{i})-(Cost(U)-b_i)。

步骤404：输出报酬数额矢量P，结束支付决策阶段。

Claims (2)

1.移动群智感知中一种用于单时间窗口任务的激励方法，其特征在于：平台和智能手机用户的交互过程体现为一个反向拍卖机制，步骤如下：

步骤201：平台发布一个时间窗口W＝[T_s，T_E]，其中T_s和T_E分别为时间窗口的开始时间和结束时间，即平台请求从T_s到T_E的感知数据；

步骤202：设智能手机用户集合为U＝{1，2，...，n}，每个用户向平台提交一个标书B_i＝(R_i，b_i)，其中R_i＝[s_i，e_i]是用户i能完成感知任务的时间窗口，每个标书都存在一个真实代价c_i.s_i和e_i可以是任何时间点，b_i是用户i完成任务R_i的报价，即用户i希望获得的报酬；

步骤203：用户选择阶段，平台选择用户的子集使得所选用户的社会代价之和最小，并且所提交的时间窗口可以覆盖W，选择结束后并选择结果告知入选用户；

步骤204：用户在自己提交的时间窗口内感知数据，将数据提交平台；

步骤205：支付决策阶段，平台为每个入选用户计算报酬，并通过在线形式支付；

所述步骤203中，平台选择用户时，进入用户选择阶段，步骤如下：

步骤301：初始化堆栈stack为空，被选择用户S为空；

步骤302：对于每个用户，将其最小代价函数F(i)设为无穷大；

步骤303：对每个用户的时间窗口按照右端点非递减顺序排列；

步骤304：对于每个用户按照上面的顺序依次计算F(i)，重复下面的步骤305、步骤306、步骤307、步骤308；

步骤305：如果T_S∈[s_i，e_i]，则令该用户时间窗口的最小社会代价F(i)＝b_i，并且令该时间窗口的前驱时间窗口索引pre(i)＝-1，转步骤307，否则转步骤306；

步骤306：在堆栈中寻找一个具有最小社会代价的时间窗口j，并且满足e_j≥s_i，则计算当前用户i的时间窗口的最小社会代价F(i)＝F(j)+b_i，并且令pre(i)＝j；

步骤307：如果栈顶位置的用户时间窗口最小代价大于等于用户i的时间窗口最小代价，则在堆栈中删除该栈顶用户，直到栈顶用户时间窗口最小代价小于用户i的时间窗口最小代价；

步骤308：将当前用户i的时间窗口，最小社会代价，用户索引，pre(i)一起组成一个四元组(R_i，F(i)，i，pre(i))放入堆栈顶部；

步骤309：在堆栈中寻找满足T_E∈[s_i，e_i]的具有最小社会代价的用户i，则整个解决方案的最小社会代价即为F(i)；

步骤310：将用户索引i加入到集合S中，通过四元组中的前驱时间窗口索引pre，将所有被索引的时间窗口也并入到S中；

经过用户选择阶段后，集合S就是平台所选择的用户子集。

2.如权利要求1所述的移动群智感知中一种用于单时间窗口任务的激励方法，其特征在于，在步骤205中支付决策阶段的步骤如下：

步骤401：对于所有用户集合U，通过上述选择阶段计算出最小社会代价Cost(U)；

步骤402：判断是否每一个被选择用户i∈S，都已经计算了报酬数额，如果没有转步骤403，否则转步骤404；

步骤403：计算除用户i以外的最小社会代价Cost(U\{i})，并计算用户i的报酬数额为P_i＝Cost(U\{i})-(Cost(U)-b_i)；

步骤404：输出报酬数额矢量P，结束支付决策阶段。