CN106209874A - 一种群智感知分配系统及其任务分配方法 - Google Patents

一种群智感知分配系统及其任务分配方法 Download PDF

Info

Publication number
CN106209874A
CN106209874A CN201610570722.XA CN201610570722A CN106209874A CN 106209874 A CN106209874 A CN 106209874A CN 201610570722 A CN201610570722 A CN 201610570722A CN 106209874 A CN106209874 A CN 106209874A
Authority
CN
China
Prior art keywords
task
user
module
data
income
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201610570722.XA
Other languages
English (en)
Other versions
CN106209874B (zh
Inventor
卜霄菲
孟磊
张悦
陈枭
毕婧
李妙妍
杨雪华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenyang Normal University
Original Assignee
Shenyang Normal University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenyang Normal University filed Critical Shenyang Normal University
Priority to CN201610570722.XA priority Critical patent/CN106209874B/zh
Publication of CN106209874A publication Critical patent/CN106209874A/zh
Application granted granted Critical
Publication of CN106209874B publication Critical patent/CN106209874B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L65/00—Network arrangements, protocols or services for supporting real-time applications in data packet communication
    • H04L65/40—Support for services or applications

Abstract

本发明公开了一种群智感知分配系统及其任务分配方法，包括数据消费者、平台和用户，其中在所述平台内分别设有任务发布模块、任务收集模块、任务分配模块、数据提交模块和支付模块，所述任务发布模块与所述数据消费者连接，所述任务收集模块与用户连接，所述任务发布模块与任务收集模块均与分配模块连接，所述任务发布模块通过数据提交模块和支付模块与任务收集模块连接，本发明以满足最大最小公平性为分配原则，给出了一种近似最优的任务分配技术。与已有的群智感知任务分配相比，所设计的方法更符合实际群智感知系统的特点，可以有效提高群智感知分配机制的综合性能。

Description

一种群智感知分配系统及其任务分配方法
技术领域
本发明涉及一种群智感知系统，尤其是一种群智感知分配系统及其任务分配方法。
背景技术
近年来，针对群智感知中的最优任务分配问题的相关研究已经取得了一定的进展，但仍存在诸多问题，例如，在实际的群智感知系统中不同任务可能对用户的要求不同，而每个用户完成任务的质量也是不同的，存在任务的异质性和用户的可靠性问题，同时，同一个用户完成不同类型任务的可靠性可能也是不同的，也就是说用户的可靠性实际上是一种分类可靠性，然而，现有研究并未充分考虑这些问题，设计出高效的群智感知任务分配系统。
发明内容
本发明的技术任务是针对以上现有技术的不足，而提供一种群智感知分配系统及其任务分配方法。
本发明解决其技术问题所采用的技术方案是：一种群智感知分配系统，包括数据消费者、平台和用户，其中在所述平台内分别设有任务发布模块、任务收集模块、任务分配模块、数据提交模块和支付模块，所述任务发布模块与所述数据消费者连接，所述任务收集模块与用户连接，所述任务发布模块与任务收集模块均与分配模块连接，所述任务发布模块通过数据提交模块和支付模块与任务收集模块连接，数据消费者通过任务发布模块将任务发到平台上，用户通过任务收集模块自己选择任务，接着任务分配模块根据数据消费者发布的任务，以及用户选择的情况，对用户进行分配，用户在得到分配的任务后将任务完成，通过数据提交模块提交给数据消费者，最后数据消费者通过支付模块向用户支付费用。
具体步骤如下：
步骤一：每个i在每轮任务分配开始时，通过任务发布模块向平台内提交一个期望完成的Ti，以及一个与之相对应的Bi，其中i表示数据消费者，Ti表示任务集合，Bi表示任务预算；
步骤二：平台在收到数据消费者提交的需求后，会将其发布给j，每个j将通过任务收集模块向平台提交自身感兴趣的Ti，j和与Ti，j相对应的若ti，k∈Ti，j则表示用户对ti，k感兴趣，其中j表示用户，Ti，j表示任务子集，表示报价，ti，k表示任务集合中的某一个任务；
步骤三：首先Si表示分配集合，而分配集合指的是能够完成任务集合内任务的用户集合，接着可以用Vi(Si)来表示选择分配集合来完成任务集合给数据消费者所带来的收益，因此任务筛选模块就可以根据预算的限制，对完成任务的用户数量进行限定；因为在满足每个数据消费者预算限制的前提下，通过调研发现，在用户数量没有超过限定值时Vi(Si)首先随着Si中用户数量的增大而提高，但当Si的用户达到一定规模后，增加用户数量意味着更多的支付，因此Vi(Si)会随着Si中用户的继续增加而下降；
步骤四：任务分配模块根据最大最小公平原则，完成用户和任务之间的最优匹配，在分配时，平台会遍历所有的用户和任务组合，选择一个任务分配给一个用户，使得前收益最低的数据消费者的收益提高，当最低收益的数据消费者已经无法继续提高收益时，说明此时该数据消费者的用户已到达上限，不能再增加用户数量，则继续判断是否可以使收益第二低的数据消费者的收益提高，直到所有数据消费者的收益都无法继续提高为止；
步骤五：用户完成任务后，将采集到的数据提交给数据消费者，数据消费者在收到数据后，根据完成任务用户的报价支付该用户，至此，一个任务分配周期结束。
其中步骤四包括以下分步骤：
S21：初始化，平台在初始化阶段，将所有参与分配的用户加入到U，所有的数据消费者加入到B，并设置Vi(Si)＝0且Si＝φ，其中U表示用户集合，B数据消费者集合；
S22：判断U或B是否为空，若U或B已经是空集，则跳转至S217，分配结束；
S23：通过对比，找到数据消费者集合中收益最小的数据消费者，如果存在多个数据消费者的收益相同且最小，则从这些消费者中任选一个作为当前集合收益最小的数据消费者；例如，在初始状态下，所有消费者的收益均为0，此时只要随机选取一个消费者作为收益最小的数据消费者即可。
S24：设置max_profit＝0；
S25：设置j＝1；
在我们的模型里面，我们假设在每轮分配中只会给每个用户分配一个任务，而平台在给数据消费者分配用户时，会选择一个能为数据消费者带来最大收益的用户进行任务分配。所以我们需要从j＝1遍历所有用户，分别求出每个用户所能带来的最大收益增量，依此来确定将数据消费者的任务分配给哪个用户。
S26：选取一个任务，满足ti，k∈Ti，j；
由于我们只会给每个用户分配不超过一个任务，因此在计算每个用户可能会给数据消费者i带来的最大收益时，需要遍历数据消费者i所发布的每个任务，其中ti，k∈Ti，j，将计算得到将该任务分配给用户j所能带来的收益。在本发明所设计的方法中，在每次遍历时会随机从Ti选取一个任务，直到所有任务被遍历完为止。
S27：设置ΔVi(Si)为将任务分配给用户所能带来的收益增量。
S28：判断ΔVi(Si)＞max_profit是否成立，若成立，则执行S29；否则。则跳转至S211；
S29：设置max_orofit＝ΔVi(Si)；
S210：设置max_user＝j，max_task＝ti，k；
在这里，max_user用于记录下能带来最大收益增量的用户，而max_task则用来记录能带来最大收益增量的任务，这样，等遍历完成后，就可以据此来决定应该把哪个任务分配给哪个用户了。
S211：判断是否还有任务未被遍历到，若否，则继续执行S212；否则，则跳转至S216，继续选取下一个任务，其中ti，k∈Ti；
S212：判断是否还有用户未被遍历到，若否，则继续执行S213；否则，跳转至S217；
S213：判断max_profit＞0是否成立？若成立，则跳转至S214；否则，跳转至S218；
如果max_profit＞0成立，说明当前收益最小的数据消费者的收益还能继续提高，则将按照步骤S210所记录下来的能带来最大收益增量的用户和任务进行任务分配(步骤S214)；否则，说明数据消费者的收益已经无法继续提高，则将这个数据消费者从数据消费者从集合中删除(步骤S218)，继续判断新得到的集合中收益最低的数据消费者的收益是能够继续提高。
S214：将max_task分配给max_user；
S215：将用户max_user从集合中删除，并跳转至S22；
将已经分配到任务的用户从用户集合中删除，以保证每个用户分配不超过一个任务；
S216：继续选取下一个任务，其中ti，k∈Ti，并跳转至S27；
S217：设置j＝j+1,并跳转至S26；
S218：将数据消费者从B中删除，并跳转至S22；
S219：分配结束。
本发明的优点：本发明提出了一种实现最大最小公平的群智感知任务分配方法，所设计的方法在综合考虑群智感知任务的异质性以及用户完成任务的分类可靠性的基础上，以满足最大最小公平性为分配原则，给出了一种最优的任务分配技术，与已有的群智感知任务分配相比，所设计的方法更符合实际群智感知系统的特点，可以有效提高群智感知分配机制的综合性能。
附图说明
图1是本发明结构框架图。
图2是本发明任务分配方法的流程图。
具体实施方式
下面结合说明书附图对本发明做以下详细说明。
如图所示，S1:通过任务发布模块与任务收集模块分别对数据消费者和用户信息进行采集，在分配周期开始时，平台根据集数据消费者的任务需求，即每个数据消费者所期望完成的任务集合，其中Ti＝{ti，1，...，ti，n}，以及与之相对应的任务预算，然后，平台将收集到的所有数据消费者所提交的任务需求发布到任务收集模块，此时用户在读取任务需求后，每个用户会针对每个任务集合，提交一个自身感兴趣的任务子集和与该任务子集相对应的报价。
S2:平台根据最大最小公平原则(即：使收益最小的数据消费者的收益最大化)完成用户和任务之间的最优匹配，具体实现步骤如下。
S21：初始化，平台在初始化阶段，将所有参与分配的用户加入到U，所有的数据消费者加入到B，并设置Vi(Si)＝0且Si＝φ，其中U表示用户集合，B数据消费者集合；
S22：判断U或B是否为空，若U或B已经是空集，则跳转至S217，分配结束；
S23：通过对比，找到数据消费者集合中收益最小的数据消费者，如果存在多个数据消费者的收益相同且最小，则从这些消费者中任选一个作为当前集合收益最小的数据消费者；例如，在初始状态下，所有消费者的收益均为0，此时只要随机选取一个消费者作为收益最小的数据消费者即可。
S24：设置max-profit＝0；
S25：设置j＝1；
在我们的模型里面，我们假设在每轮分配中只会给每个用户分配一个任务，而平台在给数据消费者分配用户时，会选择一个能为数据消费者带来最大收益的用户进行任务分配。所以我们需要从j＝1遍历所有用户，分别求出每个用户所能带来的最大收益增量，依此来确定将数据消费者的任务分配给哪个用户。
S26：选取一个任务，满足ti，k∈Ti，j；
由于我们只会给每个用户分配不超过一个任务，因此在计算每个用户可能会给数据消费者i带来的最大收益时，需要遍历数据消费者i所发布的每个任务，其中ti，k∈Ti，j，将计算得到将该任务分配给用户j所能带来的收益。在本发明所设计的方法中，在每次遍历时会随机从Ti选取一个任务，直到所有任务被遍历完为止。
S27：设置ΔVi(Si)为将任务分配给用户所能带来的收益增量。
S28：判断ΔVi(Si)＞max_profit是否成立，若成立，则执行S29；否则。则跳转至S211；
S29：设置max_profit＝ΔVi(Si)；
S210：设置max_user＝j，max_task＝ti，k；
在这里，max_user用于记录下能带来最大收益增量的用户，而max_task则用来记录能带来最大收益增量的任务，这样，等遍历完成后，就可以据此来决定应该把哪个任务分配给哪个用户了。
S211：判断是否还有任务未被遍历到，若否，则继续执行S212；否则，则跳转至S216，继续选取下一个任务，其中ti，k∈Ti；
S212：判断是否还有用户未被遍历到，若否，则继续执行S213；否则，跳转至S217；
S213：判断max_profit＞0是否成立？若成立，则跳转至S214；否则，跳转至S218；
如果max_profit＞0成立，说明当前收益最小的数据消费者的收益还能继续提高，则将按照步骤S210所记录下来的能带来最大收益增量的用户和任务进行任务分配(步骤S214)；否则，说明数据消费者的收益已经无法继续提高，则将这个数据消费者从数据消费者从集合中删除(步骤S218)，继续判断新得到的集合中收益最低的数据消费者的收益是能够继续提高。
S214：将max_task分配给max_user；
S215：将用户max_user从集合中删除，并跳转至S22；
将已经分配到任务的用户从用户集合中删除，以保证每个用户分配不超过一个任务；
S216：继续选取下一个任务，其中ti，k∈Ti，并跳转至S27；
S217：设置j＝j+1,并跳转至S26；
S218：将数据消费者从B中删除，并跳转至S22；
S219：分配结束。
S3:分配到任务的用户在完成任务后，将采集到的数据提交给数据消费者。
S4：数据消费者在收到数据后，根据完成任务用户的报价支付该用户，至此，一个任务分配周期结束。
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及附图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他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (3)

1.一种群智感知分配系统，包括数据消费者、平台和用户，其特征在于：在所述平台内分别设有任务发布模块、任务收集模块、任务分配模块、数据提交模块和支付模块，所述任务发布模块与所述数据消费者连接，所述任务收集模块与用户连接，所述任务发布模块与任务收集模块均与分配模块连接，所述任务发布模块通过数据提交模块和支付模块与任务收集模块连接。
2.一种群智感知分配系统的任务分配方法，其特征在于：包括，步骤一：每个i在每轮任务分配开始时，通过任务发布模块向平台内提交一个期望完成的Ti，以及一个与之相对应的Bi，其中i表示数据消费者，Ti表示任务集合，Bi表示任务预算；
步骤二：平台在收到数据消费者提交的需求后，会将其发布给j，每个j将通过任务收集模块向平台提交自身感兴趣的Ti，j和与Ti，j相对应的若ti，k∈Ti，j则表示用户对ti，k感兴趣，其中j表示用户，Ti，j表示任务子集，表示报价，ti，k表示任务集合中的某一个任务；
步骤三：首先Si表示分配集合，而分配集合指的是能够完成任务集合内任务的用户集合，接着可以用Vi(Si)来表示选择分配集合来完成任务集合给数据消费者所带来的收益，因此任务筛选模块就可以根据预算的限制，对完成任务的用户数量进行限定；
步骤四：任务分配模块根据最大最小公平原则，完成用户和任务之间的最优匹配，在分配时，平台会遍历所有的用户和任务组合，选择一个任务分配给一个用户，当前收益最低的数据消费者的收益提高，当最低收益的数据消费者已经无法继续提高收益时，则继续判断是否可以使收益第二低的数据消费者的收益提高，直到所有数据消费者的收益都无法继续提高为止；
步骤五：用户完成任务后，将采集到的数据提交给数据消费者，数据消费者在收到数据后，根据完成任务用户的报价支付该用户，至此，一个任务分配周期结束。
3.根据权利要求2所述的群智感知分配系统的任务分配方法，其特征在于：所述步骤四包括以下分步骤：
S21：初始化，平台在初始化阶段，将所有参与分配的用户加入到U，所有的数据消费者加入到B，并设置Vi(Si)＝0且Si＝φ，其中U表示用户集合，B数据消费者集合；
S22：判断U或B是否为空，若U或B已经是空集，则跳转至S217，分配结束；
S23：通过对比，找到数据消费者集合中收益最小的数据消费者，如果存在多个数据消费者的收益相同且最小，则从这些消费者中任选一个作为当前集合收益最小的数据消费者；
S24：设置max_profit＝0；
S25：设置j＝1；
S26：选取一个任务，满足ti，k∈Ti，j；
S27：设置ΔVi(Si)为将任务分配给用户所能带来的收益增量。
S28：判断ΔVi(Si)＞max_profit是否成立，若成立，则执行S29；否则。则跳转至S211；
S29：设置max_profit＝ΔVi(Si)；
S210：设置max_user＝j，max_task＝ti，k；
S211：判断是否还有任务未被遍历到，若否，则继续执行S212；否则，则跳转至S216，继续选取下一个任务，其中ti，k∈Ti；
S212：判断是否还有用户未被遍历到，若否，则继续执行S213；否则，跳转至S217；
S213：判断max_profit＞0是否成立？若成立，则跳转至S214；否则，跳转至S218；
S214：将max_task分配给max_user；
S215：将用户max_user从集合中删除，并跳转至S22；
将已经分配到任务的用户从用户集合中删除，以保证每个用户分配不超过一个任务；
S216：继续选取下一个任务，其中ti，k∈Ti，并跳转至S27；
S217：设置j＝j+1,并跳转至S26；
S218：将数据消费者从B中删除，并跳转至S22；
S219：分配结束。
CN201610570722.XA 2016-07-18 2016-07-18 一种用于群智感知分配系统的任务分配方法 Active CN106209874B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610570722.XA CN106209874B (zh) 2016-07-18 2016-07-18 一种用于群智感知分配系统的任务分配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610570722.XA CN106209874B (zh) 2016-07-18 2016-07-18 一种用于群智感知分配系统的任务分配方法

Publications (2)

Publication Number Publication Date
CN106209874A true CN106209874A (zh) 2016-12-07
CN106209874B CN106209874B (zh) 2019-06-28

Family

ID=57494258

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610570722.XA Active CN106209874B (zh) 2016-07-18 2016-07-18 一种用于群智感知分配系统的任务分配方法

Country Status (1)

Country Link
CN (1) CN106209874B (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108133330A (zh) * 2018-01-12 2018-06-08 东北大学 一种面向社交众包任务分配方法及其系统
CN108304266A (zh) * 2018-01-30 2018-07-20 华南理工大学 一种移动多目标群智感知任务分配方法
CN108681811A (zh) * 2018-05-09 2018-10-19 北京慧听科技有限公司 一种去中心化的数据生态系统
CN109101329A (zh) * 2018-07-25 2018-12-28 陕西师范大学 通过多个移动终端采集数据的细粒度任务分配方法及系统
CN109345331A (zh) * 2018-08-21 2019-02-15 中国科学技术大学苏州研究院 一种带隐私保护的群智感知系统任务分配方法
CN109347905A (zh) * 2018-08-30 2019-02-15 天津工业大学 一种移动群智感知中的空间任务分配机制
CN109408228A (zh) * 2018-09-30 2019-03-01 陕西师范大学 基于预算调配的群智感知任务分配方法
CN110825500A (zh) * 2019-10-28 2020-02-21 陕西师范大学 面向三层结构的群智感知任务分配方法
CN111475266A (zh) * 2020-03-06 2020-07-31 陕西师范大学 多样性约束的群智感知任务分配方法
CN116976600A (zh) * 2023-07-14 2023-10-31 陕西师范大学 基于并发任务捆绑的群智感知环境监测任务推荐方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140136254A1 (en) * 2012-11-14 2014-05-15 International Business Machines Corporation Determining whether to use crowdsourcing for a specified task
CN104410995A (zh) * 2014-10-29 2015-03-11 上海交通大学 参与式感知系统中任务最优分配的方法
CN104657893A (zh) * 2014-11-25 2015-05-27 无锡清华信息科学与技术国家实验室物联网技术中心 一种满足匹配约束的群智感知激励方法
CN105183543A (zh) * 2015-08-28 2015-12-23 中国科学技术大学苏州研究院 一种基于移动社交网络的群智计算在线任务分配方法
US20160180279A1 (en) * 2014-12-23 2016-06-23 Dennis Koerner Personalized work planning based on self-optimizing role-based crowd-sourced information

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140136254A1 (en) * 2012-11-14 2014-05-15 International Business Machines Corporation Determining whether to use crowdsourcing for a specified task
CN104410995A (zh) * 2014-10-29 2015-03-11 上海交通大学 参与式感知系统中任务最优分配的方法
CN104657893A (zh) * 2014-11-25 2015-05-27 无锡清华信息科学与技术国家实验室物联网技术中心 一种满足匹配约束的群智感知激励方法
US20160180279A1 (en) * 2014-12-23 2016-06-23 Dennis Koerner Personalized work planning based on self-optimizing role-based crowd-sourced information
CN105183543A (zh) * 2015-08-28 2015-12-23 中国科学技术大学苏州研究院 一种基于移动社交网络的群智计算在线任务分配方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
SHIBO HE: "Toward optimal allocation of location dependent tasks in crowdsensing", 《IEEE INFOCOM 2014 - IEEE CONFERENCE ON COMPUTER COMMUNICATIONS》 *
杜扬等: "地理位置相关移动感知系统任务分配问题研究", 《计算机研究与发展》 *

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108133330A (zh) * 2018-01-12 2018-06-08 东北大学 一种面向社交众包任务分配方法及其系统
CN108304266B (zh) * 2018-01-30 2022-03-29 华南理工大学 一种移动多目标群智感知任务分配方法
CN108304266A (zh) * 2018-01-30 2018-07-20 华南理工大学 一种移动多目标群智感知任务分配方法
CN108681811A (zh) * 2018-05-09 2018-10-19 北京慧听科技有限公司 一种去中心化的数据生态系统
CN108681811B (zh) * 2018-05-09 2022-10-18 北京慧听科技有限公司 一种去中心化的数据生态系统
CN109101329A (zh) * 2018-07-25 2018-12-28 陕西师范大学 通过多个移动终端采集数据的细粒度任务分配方法及系统
CN109345331A (zh) * 2018-08-21 2019-02-15 中国科学技术大学苏州研究院 一种带隐私保护的群智感知系统任务分配方法
CN109345331B (zh) * 2018-08-21 2021-06-11 中国科学技术大学苏州研究院 一种带隐私保护的群智感知系统任务分配方法
CN109347905A (zh) * 2018-08-30 2019-02-15 天津工业大学 一种移动群智感知中的空间任务分配机制
CN109408228B (zh) * 2018-09-30 2019-10-15 陕西师范大学 基于预算调配的群智感知任务分配方法
CN109408228A (zh) * 2018-09-30 2019-03-01 陕西师范大学 基于预算调配的群智感知任务分配方法
CN110825500A (zh) * 2019-10-28 2020-02-21 陕西师范大学 面向三层结构的群智感知任务分配方法
CN110825500B (zh) * 2019-10-28 2022-10-25 陕西师范大学 面向三层结构的群智感知任务分配方法
CN111475266A (zh) * 2020-03-06 2020-07-31 陕西师范大学 多样性约束的群智感知任务分配方法
CN116976600A (zh) * 2023-07-14 2023-10-31 陕西师范大学 基于并发任务捆绑的群智感知环境监测任务推荐方法
CN116976600B (zh) * 2023-07-14 2024-03-22 陕西师范大学 基于并发任务捆绑的群智感知环境监测任务推荐方法

Also Published As

Publication number Publication date
CN106209874B (zh) 2019-06-28

Similar Documents

Publication Publication Date Title
CN106209874A (zh) 一种群智感知分配系统及其任务分配方法
Zhu Integration of capacity, pricing, and lead-time decisions in a decentralized supply chain
Alderighi et al. Competition in the European aviation market: the entry of low-cost airlines
US20140089020A1 (en) Systems and methods for optimizing markets for temporary living space
CN107180371A (zh) 使用优惠券购买商品的方法和系统
CN104850665A (zh) 通过流程嵌套实现流程流转的方法及系统
CN101790706A (zh) 通过虚拟资源市场对资源的经济分配和管理
Fang et al. Loyalty programs in the sharing economy: Optimality and competition
Oh et al. Reservation policies in queues: Advance deposits, spot prices, and capacity allocation
WO2003005161B1 (en) System and method for airline purchasing program management
CN109068288A (zh) 一种基于多属性用户选择移动群智感知激励机制的方法及系统
CN106447282A (zh) 一种任务管理系统及其任务管理方法
CN108446786A (zh) 一种信息处理方法、装置及电子设备
CN110147388A (zh) 一种数据处理的方法及装置
CN104639631A (zh) 基于mas价格协商的sdn资源交易方法
CN110414737A (zh) 公共交通行程处理方法、装置、电子设备及存储介质
CN109087134A (zh) 时间分段决策方法、装置、介质及设备
CN110992056B (zh) 对象的等级服务方法、装置、电子设备及存储介质
CN101441742A (zh) 物料资源的管理方法及装置
CN110472803A (zh) 交通工具乘坐码发放权限配置方法、装置及服务器
Ye et al. Coordination of pricing and leadtime quotation under leadtime uncertainty
CN107515777A (zh) 云系统中虚拟机资源的管理方法和装置
CN112508218A (zh) 酒店预订方法及系统
CN107615242A (zh) 针对连接设备应用安装的经由出价的用户获取
CN108376379A (zh) 一种旅游服务型供应链管理系统的供应商订单管理方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant