CN104809526B - 冗余数据效用最大化方法 - Google Patents

Abstract

本发明提供了一种冗余数据效用最大化方法，平台从所述标书集合中选择中标标书并决定每个中标标书对应的手机用户的报酬这步骤采用博弈论中可信组合拍卖方法，提出了一种具有可信性、个体合理性、计算有效性、预算合理性的任务分配方法，使得冗余数据效用最大化，进而使平台的任务分配具备可信性、个体理性、计算有效性、预算合理性。

Description

冗余数据效用最大化方法

技术领域

本发明涉及通信技术领域，特别涉及一种冗余数据效用最大化方法。

背景技术

近年来，智能手机用户急剧增加，而且智能手机中嵌入了丰富的传感器，大量智能手机用户能够很方便地收集并分享周围环境的感知数据。因此，基于智能手机的群智感知系统成为收集并分享周围环境的感知数据的令人十分感兴趣的方法。群智感知系统由平台和愿意贡献感知数据的智能手机用户组成。假设一个噪音地图应用想要收集在一些地点的噪声水平。每个手机用户会告诉平台自己愿意在哪些地方测量数据以及数据服务对应的价格。平台根据报价雇佣一些手机用户去收集数据。一旦被雇佣，手机用户需要去相应的地点收集数据并传给平台，然后收到一定的报酬。该应用想要收集效用更高的数据，但它的财政预算又有限。

因此，考虑到预算限制的数据效用最大化是群智感知系统中的关键问题。这个问题相当具有挑战性。首先，实际中的数据通常有冗余，也就是有边际效用现象。同一个地点获得的数据，单位数据的效用随着数据量的增加而减小。在上面的例子中，这使得在同一个地点，一个手机测得的数据的效用和其他手机的数据耦合在一起。另外，手机用户是自私且有策略性的。他们会为了最大化自己的利益而伤害整体的利益。同时，手机用户测数据的成本也就是心理价位是隐私信息，他可能为了自己的利益而对这一信息撒谎，从而伤害整体的利益。

现有的方法通常可以分为可信方法和不可信方法。可信方法通常利用拍卖机制去最大化社会福利或者最小化社会成本，而没有考虑数据效用。而且，他们通常不实际地假设预算是无限的。不可信方法假设手机用户不会对成本信息撒谎。这两种方法都很不实际。

发明内容

为了解决上述问题，本发明提出了一种冗余数据效用最大化方法，以使任务分配方法具备可信性、个体理性、计算有效性、预算合理性。

为解决上述技术问题，本发明提供一种冗余数据效用最大化方法，适用于群智感知系统，所述群智感知系统包括平台及与所述平台建立通信的若干手机用户，所述冗余数据效用最大化方法包括如下步骤：

S1：平台决定任务预算，并发布任务所涉及的地点集合；

S2：每个欲参与任务的手机用户提交标书其中是手机用户i能够测量数据的地点集合，β_i是手机用户i对中所有地点的数据服务的报价，所有手机用户的标书构成标书集合B＝{b₁,b₂,…,b_n}；

S3：所述平台从所述标书集合中选择中标标书并决定每个中标标书对应的手机用户的报酬，所有中标标书构成中标标书集合；其中，所述平台从所述标书集合中选择中标标书的方法包括以下步骤：

S30：初始化所述中标标书集合，并计算所述标书集合中所有标书的数据的边际效用；

S31：利用所述标书集合中所有标书的数据的边际效用计算每个标书的单位成本数据的边际效用，并将所有标书的单位成本数据的边际效用按照降序排列；

S32：判断S31中最大的单位成本数据的边际效用所对应的标书是否满足停止条件，若满足，则停止选择中标标书，若不满足，则执行S33；

S33：将当前判断的标书转移至所述中标标书集合，并执行S31。

S4：所述中标标书集合的所有手机用户去各自标书中的地点测量数据并将所述数据上传给所述平台；

S5：所述平台收到所述数据后，依据已决定的报酬付给相应的手机用户。

可选的，在所述的冗余数据效用最大化方法中，所述步骤S3中，所述平台决定每个中标标书对应的手机用户的报酬为max{min{cif,ηif}},其中，c_if＝V_i(S′_f-1)c_f/V_f(S′_f-1)，η_if＝V_i(S′_f-1)D′/V(S′_f-1∪{b_i})，V_i(S′_f-1)＝V(S′_f-1∪{b_i})-V(S′_f-1)，V_i(S′_f-1)是b_i相对于新的中标标书集合的边际效用，S′_f-1为在B′上选择中标标书且准备选择b_f时，当前的中标标书集合，B′＝B\{b_i}是移除中标标书bi后所有剩下标书的集合，c_f为提供标书f的手机用户设定的完成任务的心理价位，D′＝α*D,α＝(e-1)/(3*e-1)，D为平台决定的任务预算。

可选的，在所述的冗余数据效用最大化方法中，步骤S31中，所述标书集合中计算每个标书的数据的边际效用采用如下公式：

V_i(S)＝V(S∪{b_i})-V(S)，

V(S)为地点集合中所有地点获得的总数据效用，，v(x_j，h_j)为冗余数据边际效用，v(x_j，h_j)＝min(a*log(b*x_j+c)+d，a*log(b*h_j+c)+d)，i为标书的序号，j为地点的序号，xj是地点j实际的数据量，hj为所述平台为j地点设定的数据量阈值，a、b、c是调整参数。

可选的，在所述的冗余数据效用最大化方法中，所述每个标书的单位成本数据的边际效用采用如下公式计算：

r(b_i)＝V_i(S)/c_i，

i为标书序号，r(b_i)为标书i的单位成本数据的边际效用，c_i为提供标书i的手机用户设定的完成任务的心理价位，V_i(S)为标书i的数据的边际效用。

可选的，在所述的冗余数据效用最大化方法中，步骤S32中，所述停止条件为c_f＞V_f(S)D′/V(S∪b_f)，其中，c_f为提供标书f的手机用户设定的完成任务的心理价位，V_f(S)是序号为f的标书的数据的边际效用，D′＝α*D，α＝(e-1)/(3*e-1)，D为平台决定的任务预算。

在本发明所提供的冗余数据效用最大化方法中，平台从所述标书集合中选择中标标书并决定每个中标标书对应的手机用户的报酬这步骤采用博弈论中可信组合拍卖方法，提出了一种具有可信性、个体合理性、计算有效性、预算合理性的任务分配方法，使得冗余数据效用最大化，进而使平台的任务分配具备可信性、个体理性、计算有效性、预算合理性。

附图说明

图1是本发明一实施例中冗余数据效用最大化方法的流程图；

图2是平台从所述标书集合中选择中标标书的方法的流程图。

具体实施方式

以下结合附图和具体实施例对本发明提出的冗余数据效用最大化方法作进一步详细说明。根据下面说明和权利要求书，本发明的优点和特征将更清楚。需说明的是，附图均采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本发明实施例的目的。

请参考图1，其为本发明一实施例中冗余数据效用最大化方法的流程图，如图1所示，所述的冗余数据效用最大化方法具体包括如下步骤：

首先，执行步骤S1，平台决定任务预算D，并发布任务所涉及的地点集合T＝{t₁,t₂,…,t_m}；

接着，执行步骤S2，每个欲参与任务的手机用户提交标书其中是手机用户i能够测量数据的地点集合，β_i是手机用户i对中所有地点的数据服务的报价，所有手机用户的标书构成标书集合B＝{b₁，b₂，…，b_n}；

接着，执行步骤S3，所述平台从所述标书集合中选择中标标书并决定每个中标标书对应的手机用户的报酬，所有中标标书构成中标标书集合；

平台选择中标标书的算法(近似算法)先导知识：边际贡献(MarginalContribution)也称边际效用，在选择的过程中，对于已经选中的标书集合S，待选的标书i的边际贡献是V_i(S)＝V(S∪{b_i})-V(S)。定义边际贡献的原因是，因为数据有边际效用，所以新增数据的效用和已有的数据量相关，所以当S不同时，i的边际贡献也不同。排序原则(单位成本数据的边际贡献)，采用公式r(b_i)＝V_i(S)/c_i表示。该算法采用贪心策略。贪心地选择当前的单位成本边际贡献最大的标书。

请参考图2，以更好的理解步骤S3中平台是如何从所述标书集合中选择中标标书的。具体内容如下：

首先，执行步骤S30，初始化所述中标标书集合，并计算所述标书集合中所有标书的数据的边际效用；其中，所述标书集合中每个标书的数据的边际效用采用如下公式计算：

V_i(S)＝V(S∪{b_i})-V(S)，

V(S)为地点集合中所有地点获得的总数据效用，v(x_j，h_j)为冗余数据边际效用，v(x_j，h_j)＝min(a*log(b*x_j+c)+d，a*log(b*h_j+c)+d)，i为标书的序号，j为地点的序号，x_j是地点j实际的数据量，h_j为所述平台为j地点设定的数据量阈值，a、b、c是调整参数，a、b、c是可以根据实际问题调整的参数，在具体执行该算法时，可以通过学习得到。在该模型下，数据分散在各个地点比集中在某几个地点好。

接着，执行步骤S31，利用所述标书集合中所有标书的数据的边际效用计算每个标书的单位成本数据的边际效用，并将所有标书的单位成本数据的边际效用按照降序排列；其中，

所述每个标书的单位成本数据的边际效用采用如下公式计算：

r(b_i)＝V_i(S)/c_i，

i为标书序号，r(b_i)为标书i的单位成本数据的边际效用，c_i为提供标书i的手机用户设定的完成任务的心理价位，V_i(S)为标书i的数据的边际效用。

接着，执行步骤S32，判断S31中最大的单位成本数据的边际效用所对应的标书是否满足停止条件，若满足，则停止选择中标标书，若不满足，则执行S33；其中，

所述停止条件为c_f＞V_f(S)D′/V(S∪b_f)，其中，cf为提供标书f的手机用户设定的完成任务的心理价位，Vf(S)是序号为f的标书的数据的边际效用，D′＝α*D,α＝（e-1)/(3*e-1)，D为平台决定的任务预算。

设定停止条件是为了使算法满足预算有效性。该算法的近似比为可见本算法是稳定可靠的。

有关平台决定报酬的算法的先导知识：报酬决定算法是为了保证可信性，它还和中标标书算法一起保证预算有效性。它的主要思想是：在决定中标标书bi的报酬时，先移除b_i，然后根据选择中标标书算法重新选一遍中标标书集合。在新集合中，针对每一个标书，都得出一个b_i的待选报酬。最后，所有待选报酬中的最大报酬作为b_i的报酬。

进一步的，步骤S3中，所述平台决定每个中标标书对应的手机用户的报酬为max{min{cif,ηif}},其中，c_if＝V_i(S′_f-1)c_f/V_f(S′_f-1)，η_if＝V_i(S′_f-1)D′/V(S′_f-1∪{b_i})，V_i(S′_f-1)＝V(S′_f-1∪{b_i})-V(S′_f-1)，V_i(S′_f-1)是b_i相对于新的中标标书集合的边际效用，S′_f-1为在B′上选择中标标书且准备选择b_f时，当前的中标标书集合，B′＝B\{b_i}是移除中标标书bi后所有剩下标书的集合，S′是新的中标标书集合，所述新的中标标书集合S′是通过先从所述标书集合移除所述中标标书集合中的一个中标标书，接着在剩余的标书集合中利用所述平台从所述标书集合中选择中标标书的方法确定的，如果b_i想要在b_f之前被选中，那么它的报价必须小于等于c_if,而且不能超过η_if＝V_i(S′_f-1)D′/V(S′_f-1∪{b_i}),所以b_i想要代替b_f被选中的话，b_i的最高报价是min{cif,ηif}，cf为提供标书f的手机用户设定的完成任务的心理价位，D′＝α*D,α＝(e-1)/(3*e-1)，D为平台决定的任务预算。

具体的，确定每个中标标书报酬的方法可以参考下面几个步骤：

步骤S30’：从中标标书集合S中选取一个中标标书b_i；

步骤S31’：如果S中的所有中标标书全部都选过一遍，则算法停止，否则进行步骤S32’；

步骤S32’：；

步骤S33’：将所有属于B′\S′的标书按照排序规则降序排列(这里假设排在第一位的是bf)；

步骤S34’：计算p_i＝max{p_i，min{c_if，η_if}}，pi是标书bi的报酬；

步骤S35’：将标书bf加入S’中；

步骤S36’：判断c_f≥V_f(S′\{b_f})D′/V(S′)是否成立，若成立则执行步骤S30’，否则执行步骤S33’。

接着，执行步骤S33，将当前判断的标书转移至所述中标标书集合，并执行S31；

接着，执行步骤S4，所述中标标书集合的所有手机用户去各自标书中的地点测量数据并将所述数据上传给所述平台；

接着，执行步骤S5，所述平台收到所述数据后，依据已决定的报酬付给相应的手机用户。

由上述内容可知，采用本发明的冗余数据效用最大化方法使得平台的任务分配具备可信性、个体理性、计算有效性、预算合理性。

可信性：一个机制是可信的当且仅当报告自己的真实心理价位是手机用户的最优策略。也就是说对于一个手机用户来说，报告真实心理价格获得的利益大于等于谎报价格获得的利益。用户的利益是收到的报酬和心理价位的差值。假设用户的心理价位是c_i，则利益为p_i-c_i。如果用户的报价β_i≠c_i，报价β_i获得的报酬是p_i(β_i)，报价c_i获得的报价是p_i(c_i)，则在可信机制中p_i(β_i)-c_i≤p_i(c_i)-c_i。

个体理性：

保证每个手机用户获得的利益大于等于0，即p_i-c_i≥0。

计算有效性：

一个机制具有计算有效性是指它能在线性时间内结束。

预算可行性：

给手机用户的总报酬小于等于预算，即

综上，在本发明所提供的冗余数据效用最大化方法中，平台从所述标书集合中选择中标标书并决定每个中标标书对应的手机用户的报酬这步骤采用博弈论中可信组合拍卖方法，提出了一种具有可信性、个体合理性、计算有效性、预算合理性的任务分配方法，使得冗余数据效用最大化，进而使平台的任务分配具备可信性、个体理性、计算有效性、预算合理性。

上述描述仅是对本发明较佳实施例的描述，并非对本发明范围的任何限定，本发明领域的普通技术人员根据上述揭示内容做的任何变更、修饰，均属于权利要求书的保护范围。

Claims (4)

1.一种冗余数据效用最大化方法，适用于群智感知系统，所述群智感知系统包括平台及与所述平台建立通信的若干手机用户，其特征在于，包括以下步骤：

S1：平台决定任务预算，并发布任务所涉及的地点集合；

S2：每个欲参与任务的手机用户提交标书其中是手机用户i能够测量数据的地点集合，β_i是手机用户i对中所有地点的数据服务的报价，所有手机用户的标书构成标书集合B＝{b₁,b₂,…,b_n}；

S3：所述平台从所述标书集合中选择中标标书并决定每个中标标书对应的手机用户的报酬，所有中标标书构成中标标书集合；其中，所述平台从所述标书集合中选择中标标书的方法包括以下步骤：

S30：初始化所述中标标书集合，并计算所述标书集合中所有标书的数据的边际效用；

S31：利用所述标书集合中所有标书的数据的边际效用计算每个标书的单位成本数据的边际效用，并将所有标书的单位成本数据的边际效用按照降序排列，其中，计算每个标书的单位成本数据的边际效用采用如下公式：V_i(S)＝V(S∪{b_i})-V(S)，V(S)为地点集合中所有地点获得的总数据效用，v(x_j，h_j)为冗余数据边际效用， v(x_j，h_j)＝min(a*log(b*x_j+c)+d，a*log(b*h_j+c)+d)，i为标书的序号，j为地点的序号，x_j是地点j实际的数据量，h_j为所述平台为j地点设定的数据量阈值，a、b、c是调整参数；

S32：判断S31中最大的单位成本数据的边际效用所对应的标书是否满足停止条件，若满足，则停止选择中标标书，若不满足，则执行S33；

S33：将当前判断的标书转移至所述中标标书集合，并执行S31；

S4：所述中标标书集合的所有手机用户去各自标书中的地点测量数据并将所述数据上传给所述平台；

S5：所述平台收到所述数据后，依据已决定的报酬付给相应的手机用户。

2.如权利要求1所述的冗余数据效用最大化方法，其特征在于，所述步骤S3中，所述平台决定每个中标标书对应的手机用户的报酬为max{min{c_if,η_if}},其中，c_if=V_i(S′_f-1)c_f/V_f(S′_f-1)，η_if=V_i(S′_f-1)D′/V(S′_f-1∪{b_i})，V_i(S′_f-1)＝V(S′_f-1∪{b_i})-V(S′_f-1)，V_i(S′_f-1)是b_i相对于新的中标标书集合的边际效用，S′_f-1为在B′上选择中标标书且准备选择b_f时，当前的中标标书集合，B′＝B\{b_i}是移除中标标书bi后所有剩下标书的集合，c_f为提供标书f的手机用户设定的完成任务的心理价位，D′＝α*D，α＝(e-1)/(3*e-1)，D为平台决定的任务预算。

3.如权利要求1所述的冗余数据效用最大化方法，其特征在于，所述每个标书的单位成本数据的边际效用采用如下公式计算：

r(b_i)＝V_i(S)/c_i，

i为标书序号，r(b_i)为标书i的单位成本数据的边际效用，c_i为提供标书i的手机用户设定的完成任务的心理价位，V_i(S)为标书i的数据的边际效用。

4.如权利要求1所述的冗余数据效用最大化方法，其特征在于，步骤S32中，所述停止条件为c_f＞V_f(S)D′/V(S∪b_f)，其中，c_f为提供标书f的手机用户设定的完成任务的心理价位，V_f(S)是序号为f的标书的数据的边际效用，D′＝α*D，α＝(e-1)/(3*e-1)，D为平台决定的任务预算。