CN105183543A - 一种基于移动社交网络的群智计算在线任务分配方法 - Google Patents

Abstract

本发明公开了一种基于移动社交网络的群智计算在线任务分配方法，包括以下步骤：（1）任务发布者根据每个移动社交网络用户相关信息，计算其完成群智计算任务的成功概率的期望值；（2）实时更新和重新计算该移动社交网络用户完成任务的期望值；（3）在线任务分配。通过上述方式，本发明基于移动社交网络的群智计算在线任务分配方法在改变用户任务数量以及网络中用户数量的情况下，使用本发明寻找到的完成任务的用户数量均小于一般的建立连接即分配和随机分配算法，从而能够很好地节省开销，具有很强的实用价值，在基于移动社交网络的群智计算在线任务分配方法的普及上有着广泛的市场前景。

Description

一种基于移动社交网络的群智计算在线任务分配方法

技术领域

本发明涉及移动技术领域，特别是涉及一种基于移动社交网络的群智计算在线任务分配方法。

背景技术

群智计算是近年来兴起的一种计算模式，主要是通过用户之间相互协助，共同完成复杂的大规模的计算任务。其主要的代表性系统包括众包系统和群智感知系统。其中，众包指的是一种分布式的问题解决方法，即将一个任务量大而难以独立完成的任务，划分为不同小任务并通过互联网将其分配给多个用户协助完成。群智感知则是一种多用户的协作感知模式，即将每个带有感知设备的用户看作是一个独立的传感器，并利用他们协助完成大规模、复杂的社会感知任务。简单来说，群智计算就是利用多个用户通过任务分解、分布式执行、结果汇聚的方式来共同处理单个用户难以完成的大规模复杂任务的一种计算模式。随着今年来移动终端技术的发展，移动终端如手机，平板，掌上电脑等早已成为人们的生活必备品。这些移动终端配备有强大的计算内核以及各种各样的传感器，如温度传感器，GPS，重力加速器等，一些高端的移动设备的计算能力甚至超过了某些PC机，因此，移动终端能在一定程度上替代原有的传感设备，完成某些传感任务。此外，搭载在移动社交网络上的群智计算系统，能够利用移动社交网络的移动特性，减少任务数据传输的代价，能够充分利用人的移动性、智能性来完成传统系统难以应对的、与人类生活密切相关的复杂感知任务，具有低成本、普遍适用性、高度灵活性的优势，因而有着广泛的应用前景。

发明内容

本发明主要解决的技术问题是提供一种基于移动社交网络的群智计算在线任务分配方法，通过将群智计算系统搭载在移动网络中，利用移动网络进行任务的分配，任务处理以及结果回收的系统，除了发挥出移动网络中用户移动的特性外，还利用了移动用户人的特性，完成一些传统设备难以完成的人工任务，系统中的任务分配关乎任务完成的速度以及用户的利益，自适应群智计算任务分配算法能够根据当前的情况，寻找出当前最佳的分配方案分配出去，具有很高的实用价值，在基于移动社交网络的群智计算在线任务分配方法的普及上有着广泛的市场前景。

为解决上述技术问题，本发明提供一种基于移动社交网络的群智计算在线任务分配方法，包括以下步骤：

（1）任务的发布者对所存储的用户信息，根据存储的历史参数，分别计算所存储的用户在未来完成此任务的成功概率的期望值：

不同用户之间的建立连接的概率服从指数分布，则两用户在将来两次建立连接的概率为，其中τ为最后有效时间、为当前时间，每个任务完成的可能性为，其中ξ为用户完成任务的历史成功率；

（2）当任务发布者通过移动社交网络平台与某个移动社交网络用户建立连接时，实时更新和重新计算该移动社交网络用户完成任务的期望值：

调整之前计算的完成任务的成功概率，根据参数计算未来建立连接一次的概率为，相应的每个任务将来完成的可能性为，将新计算的成功率替代原有的，对每个任务，将所有计算到的不同用户完成任务的成功率进行排序；

（3）用调整后的新的期望值代替原有期望值，并根据新计算的期望值进行在线任务分配：

对每一个任务，取最大的用户完成任务的可能性与任务的阈值比较，任务的阈值是任务值得完成的最低可能性，如果最大的可能性低于阈值，则需要分配多人完成此任务直到联合的可能性大于阈值，而选择的用户则优先从完成率次大的用户中选取，这些用户组成用户组，合作完成这个任务，如果此刻正建立连接的用户在这个用户组中，我们将任务分配给这个用户，否则不进行分配。

在本发明一个较佳实施例中，所述用户信息包括用户姓名和用户ID。

在本发明一个较佳实施例中，所述参数包括用户完成任务的历史成功率ξ和不同用户间的建立连接的概率系数λ。

在本发明一个较佳实施例中，用户在第一次建立连接时决定是否分配任务，如果第一次连接时分配了任务并且被分配的用户在下次连接前完成了任务，那么用户在再次建立连接时，回收任务的结果。

本发明的有益效果是：本发明基于移动社交网络的群智计算在线任务分配方法在改变用户任务数量以及网络中用户数量的情况下，使用本发明寻找到的完成任务的用户数量均小于一般的建立连接即分配和随机分配算法，从而能够很好地节省开销，具有很强的实用价值，在基于移动社交网络的群智计算在线任务分配方法的普及上有着广泛的市场前景。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图，其中：

图1是本发明的基于移动社交网络的群智计算在线任务分配方法一较佳实施例的硬件设备结构示意图；

图2是本发明的基于移动社交网络的群智计算在线任务分配方法一较佳实施例的网络中用户数量对仿真结果的影响示意图；

图3是本发明的基于移动社交网络的群智计算在线任务分配方法一较佳实施例的用户群智计算任务数量对仿真结果的影响示意图；

图4是本发明的基于移动社交网络的群智计算在线任务分配方法一较佳实施例的流程图。

具体实施方式

下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

请参阅图1-图4，本发明实施例包括：

一种基于移动社交网络的群智计算在线任务分配方法，包括以下步骤：

（1）任务的发布者对所存储的用户信息，根据存储的历史参数，分别计算所存储的用户在未来完成此任务的成功概率的期望值：

不同用户之间的建立连接的概率服从指数分布，则两用户在将来两次建立连接的概率为，其中τ为最后有效时间、为当前时间，每个任务完成的可能性为，其中ξ为用户完成任务的历史成功率；

（2）当任务发布者通过移动社交网络平台与某个移动社交网络用户建立连接时，实时更新和重新计算该移动社交网络用户完成任务的期望值：

调整之前计算的完成任务的成功概率，根据参数计算未来建立连接一次的概率为，相应的每个任务将来完成的可能性为，将新计算的成功率替代原有的，对每个任务，将所有计算到的不同用户完成任务的成功率进行排序；

（3）用调整后的新的期望值代替原有期望值，并根据新计算的期望值进行在线任务分配：

对每一个任务，取最大的用户完成任务的可能性与任务的阈值比较，任务的阈值是任务值得完成的最低可能性，如果最大的可能性低于阈值，则需要分配多人完成此任务直到联合的可能性大于阈值，而选择的用户则优先从完成率次大的用户中选取，这些用户组成用户组，合作完成这个任务，如果此刻正建立连接的用户在这个用户组中，我们将任务分配给这个用户，否则不进行分配。

优选地，所述用户信息包括用户姓名和用户ID。

优选地，所述参数包括用户完成任务的历史成功率ξ和不同用户间的建立连接的概率系数λ。

优选地，用户在第一次建立连接时决定是否分配任务，如果第一次连接时分配了任务并且被分配的用户在下次连接前完成了任务，那么用户在再次建立连接时，回收任务的结果。

图1给出了基于本发明的相关系统的功能实现结构图，从图1中我们可以看出，实现本发明大体需要几个模块，其最主要包括：用户信息模块以及任务管理模块。其中用户信息模块的主要功能是管理用户的相关信息，包括本机用户以及从前已经建立过连接的用户（即未来可能建立连接的用户）。信息的内容主要包括：用户姓名，用户id（识别用户身份的唯一标识）等用于描述用户身份的信息，此外还包含有未来可能建立连接用户的相应参数信息，包括：用户完成任务的历史成功率ξ，不同用户间的建立连接的概率系数λ等。用户信息模块主要管理的是用户这些信息的实时跟新（具体的实施方式在下面会提到）以及与任务管理模块的相互通信，以便用户管理模块能够及时的调用这些相关信息。任务管理模块的主要内容时管理任务的相关事宜，包括任务的产生，任务的接收，任务的分配，任务的执行以及结果的管理。其中任务产生模块主要功能是提供任务的生成，用户输入任务的具体信息，系统能够根据信息进行分类生成任务，任务接受模块则是处理其他用户分配过来的任务，任务分配模块则利用参数以及本发明来分配任务，任务执行模块是用来处理任务，结果回收模块则是解决处理后的结果以及相关结果回传给分配处任务的用户。

在介绍实施方式前，我们将先介绍本发明设计到的一些参数。下面介绍的第一个参数为连接概率指数，对于携带有移动设备的用户而言，由于移动流量有限，利用移动流量传输任务消耗大量的成本，而利用公共地区无线网络（wifi）传输任务能够大量节约传输数据的成本。一般来说，这些用户访问无线网络（wifi）覆盖地点的概率服从指数分布，而指数参数能够根据用户访问地点的时间间隔估算出来，就是指数分布中的参数，通过估算用户访问wifi覆盖点，能够间接的估算出用户与其他用户建立连接的概率。第二个参数是用户完成任务的成功率，由于任务的难度或是其他因素，有时候用户不一定能完成自己接下来的任务，用户完成任务的成功率就是用户有可能完成任务的概率，这个概率受到历史完成的成功率以及近期的成功率影响。第三个参数是任务完成的最后时间，这是任务完成的最晚完成时间，标志着任务的有效期。

由于这些参数不是固定值，参数需要经常更新来保持其准确性，合理的方式是两用户建立连接时，更新对方的数据。下面将介绍参数的更新。

首先介绍的是建立连接概率指数的更新。最初阶段，各个用户的建立连接指数值初始设为1，假设历史建立连接指数参数为，上一次与这一次建立连接时间间隔为，新的历史建立连接指数参数为，则参数符合公式：

其中是比例参数，代表了过去总的历史中的建立连接指数对用户的影响，T是用户访问固定地点的时间间隔，也就是两用户建立连接的时间间隔。

其次介绍的是用户完成任务成功率的更新。我们假设用户最初都是有能力完成所有任务的，即假设用户初始完成任务的成功率为1，随着用户完成任务数量的增多，用户完成任务成功率将符合公式：

其中为新调整的用户完成任务成功的比率，为用户在历史上总的完成任务的成功比率，为上一次用户完成任务成功的比率，为调整参数，即历史情况与近期情况所占的比重，一般取值为1/2。例如按照历史经验，用户完成任务的成功率为0.8，而上一次用户接到了10个任务，完成了3个，按历史情况占一半比重来算，更新的用户完成任务成功率为0.55。这个数值即调整了历史完成情况，也防止了上一次由于意外导致成功率大幅度变动。

下面将介绍发明的具体实施方式：

（1）在开始阶段，用户产生了需要其他用户协助完成的难以单独完成的任务（为了便于表达，我们称需要发送任务的用户为任务发送方，称呼协助完成任务的用户为任务协助方），任务发送方还未与任务协助方建立连接（即用户还未到达wifi覆盖区）时，根据任务协助方以及任务的参数情况，计算出所有任务协助方在未来成功完成任务的概率，并存在移动设备里备用；

（2）当任务发送方到达wifi覆盖区时，任务发送方能够与任务协助方建立连接，双方建立连接时，双方跟新用户参数，并且任务发送方将任务列表发送给任务协助方，任务协助方挑选出合适的任务，并将任务编号回传给任务发送方，此时，对于回传回来的任务，任务发送方根据更新的参数，计算如果将这些任务分配给建立连接用户，在未来能够成功完成这些任务的概率；

（3）将新计算到的任务协助方完成任务的成功概率替代初始时计算到的此任务协助方完成任务成功的概率，然后将所有的任务协助方完成任务成功概率根据从大到小的方式进行排序，依次选取最大的概率直到选取的一个或多个任务协助方的联合完成任务的概率大于的任务的阈值。由于每一个概率与用户一一对应，这些选取的概率组成的联合概率大于任务阈值就表明了与选取概率对应的用户能够组成一个完整的用户组，这些用户组协作完成任务能够满足完成任务的条件，如果建立连接用户在这个用户组中，则分配任务给建立连接用户。

本案例在手机仿真平台上测试通过，具有很强的实用意义。案例实验测试说明如图2、图3所示，在改变用户任务数量以及网络中用户数量的情况下，使用本发明寻找到的完成任务的用户数量均小于一般的建立连接即分配和随机分配算法，从而能够很好地节省开销，具有很强的实用价值。

本发明基于移动社交网络的群智计算在线任务分配方法的有益效果是：

通过将群智计算系统搭载在移动网络中，利用移动网络进行任务的分配，任务处理以及结果回收的系统，除了发挥出移动网络中用户移动的特性外，还利用了移动用户人的特性，完成一些传统设备难以完成的人工任务，系统中的任务分配关乎任务完成的速度以及用户的利益，自适应群智计算任务分配算法能够根据当前的情况，寻找出当前最佳的分配方案分配出去，具有很高的实用价值。

以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书内容所作的等效结构或等效流程变换，或直接或间接运用在其它相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (4)

1.一种基于移动社交网络的群智计算在线任务分配方法，其特征在于，包括以下步骤：

（1）任务的发布者对所存储的用户信息，根据存储的历史参数，分别计算所存储的用户在未来完成此任务的成功概率的期望值：

不同用户之间的建立连接的概率服从指数分布，则两用户在将来两次建立连接的概率为，其中τ为最后有效时间、为当前时间，每个任务完成的可能性为，其中ξ为用户完成任务的历史成功率；

（2）当任务发布者通过移动社交网络平台与某个移动社交网络用户建立连接时，实时更新和重新计算该移动社交网络用户完成任务的期望值：

调整之前计算的完成任务的成功概率，根据参数计算未来建立连接一次的概率为，相应的每个任务将来完成的可能性为，将新计算的成功率替代原有的，对每个任务，将所有计算到的不同用户完成任务的成功率进行排序；

（3）用调整后的新的期望值代替原有期望值，并根据新计算的期望值进行在线任务分配：

对每一个任务，取最大的用户完成任务的可能性与任务的阈值比较，任务的阈值是任务值得完成的最低可能性，如果最大的可能性低于阈值，则需要分配多人完成此任务直到联合的可能性大于阈值，而选择的用户则优先从完成率次大的用户中选取，这些用户组成用户组，合作完成这个任务，如果此刻正建立连接的用户在这个用户组中，我们将任务分配给这个用户，否则不进行分配。

2.根据权利要求1所述的基于移动社交网络的群智计算在线任务分配方法，其特征在于，所述用户信息包括用户姓名和用户ID。

3.根据权利要求1所述的基于移动社交网络的群智计算在线任务分配方法，其特征在于，所述参数包括用户完成任务的历史成功率ξ和不同用户间的建立连接的概率系数λ。

4.根据权利要求1所述的基于移动社交网络的群智计算在线任务分配方法，其特征在于，用户在第一次建立连接时决定是否分配任务，如果第一次连接时分配了任务并且被分配的用户在下次连接前完成了任务，那么用户在再次建立连接时，回收任务的结果。