CN107316223A - 一种面向多合作任务的多报价标书移动群智感知激励方法 - Google Patents

Abstract

本发明公开了一种面向多合作任务的多报价标书移动群智感知激励方法，在保证每个合作性任务均能被一组互相兼容的用户完成的前提下，最小化社会成本。本发明考虑感知活动在一个在线社区中发起，平台和在线社区用户之间体现为一个反向拍卖过程。社交网络应用平台根据用户提交的兼容用户集，将用户分成多个兼容用户组。然后选择入选任务‑报价对集合和每个用户的报酬。本发明所提的移动群智感知激励方法满足计算有效性、个人理性和防欺骗性。

Description

一种面向多合作任务的多报价标书移动群智感知激励方法

技术领域

本发明属于移动互联网和算法博弈论的交叉领域，尤其涉及一种面向多合作任务的多报价标书移动群智感知激励方法。

背景技术

随着移动互联网、嵌入式传感器等技术的发展，智能手机已经十分普及。利用普遍存在的智能手机用户感知和收集大规模的数据是一种新型的感知方式。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，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。

构建指纹数据库，收集较大范围内的地理数据等，均需要手机用户相互合作去完成任务。面对这些合作性任务，用户更希望和信任的人去共同完成任务，这样可以更好的去分配任务，提高服务的质量以及对个人隐私的保护，而现有的技术中并没有允许用户自行选择信任的用户去共同完成任务，用户之间的兼容性被忽略。

本发明考虑在一个在线社区中发布一个存在多合作任务的移动群智感知活动。在线社区中的用户对参与感知任务有兴趣。每个合作任务需要一定数量的兼容用户来完成。本发明从在线社区中用户之间的社交关系挖掘用户之间的兼容性。所设计的激励方法的目标是设计一个防欺骗的激励机制来最小化社会成本，并且每个合作任务均可以被一组兼容用户完成。

发明内容

本发明所要解决的技术问题是针对背景技术中所涉及到的缺陷，提供一种面向多合作任务的多报价标书移动群智感知激励方法。

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社交网络应用平台和一个在线社区，该在线社区中存在一批用户。

本发明所述一种面向多合作任务的多报价标书移动群智感知激励方法，社交网络应用平台和用户之间体现为一个反向拍卖过程，步骤如下：

步骤201：社交网络应用平台发布一个任务集合T＝{t₁,...,t_m}，对于每个任务t_j∈T需要至少r_j个人去完成；

步骤202：设在线社区中的用户集合为U＝{1,2,...,n}，每个用户i∈U提交一个标书B_i＝(β_i,ξ_i)，其中为k_i个任务-报价对， 为任务集合T中的任意一个任务，为用户i执行任务想要获得的最少报酬，ξ_i为用户i可以合作的一组用户的集合，称为用户i的兼容用户集；

步骤203：社交网络应用平台对所有用户执行兼容用户分组过程，产生G₁,G₂,...,G_d共d个兼容用户组，设G＝{G₁,G₂,...,G_d}为d个兼容用户组的集合；

步骤204：社交网络应用平台根据G计算入选任务-报价对集合并计算每个入选任务-报价对的报酬则入选者i的报酬p_i为其所提交的任务-报价对中入选任务-报价对的报酬的总和，即

步骤205：社交网络应用平台入选的任务-报价对告知相应的入选者，入选者执行感知任务，将感知数据提交社交网络应用平台；

步骤206：社交网络应用平台向入选者支付报酬。

在步骤203中，社交网络应用平台对所有用户执行兼容用户分组过程的步骤如下：

步骤301：初始化用户集合其中δ是一个常数，δ＜n；

步骤302：利用兼容用户集构造一个关于所用用户的有向图G：对任意两个用户i,j∈U,i≠j，如果用户j在用户i的兼容用户集中，则增加一条从用户i到用户j的有向边；

步骤303：令将有向图G中的每个用户随机分配到χ个用户子集中，设χ个用户子集分别为U₁,U₂,...,U_χ，设A＝{U₁,U₂,...,U_χ}是χ个用户子集的集合；

步骤303：从A中随机选择个用户子集，设A_δ为个用户子集的集合；

步骤304：对每一个用户子集U_i∈A，如果U_i∈A_δ，则执行步骤305，否则执行步骤306；

步骤305：如果则将U_i中的所有用户并入用户集合S_δ；否则从U_i中选择始点为非U_i中用户的入边最多的前个用户，将该个用户并入用户集合S_δ；

步骤306：如果则将U_i中的所有用户并入用户集合S_δ；否则从U_i中选择始点为非U_i中用户的入边最多的前个用户，将该个用户并入用户集合S_δ；

步骤307：若则从不在S_δ中的用户中随机选取个用户并入S_δ；

步骤308：从有向图G中删除不在S_δ中的用户以及与S_δ中用户相关联的边，求出更新后的图G中的所有强连通分量，将每个强连通分量中的用户放入一个兼容用户组中，设共计产生G₁,G₂,...,G_d共d个兼容用户组，设G＝{G₁,G₂,...,G_d}为d个兼容用户组的集合；

步骤309：返回G＝，结束。

在步骤204中，社交网络应用平台根据G计算入选任务-报价对集合和入选者报酬的步骤如下：

步骤401：初始化入选者集合入选用户的社会成本Cost＝0，入选任务-报价对集合

步骤402：对所有的任务t_j∈T执行步骤403到步骤406；

步骤403：对所有兼容用户组G_k∈G，令S_k为从兼容用户组G_k中选择出的入选者集合，初始化S_k＝φ，执行步骤404；

步骤404：如果G_k中提交标书中含有任务t_j的用户数不少于r_j，则从G_k中选择报价最低的且提交标书中含有任务t_j的前r_j个用户，将这r_j个用户并入集合S_k；

步骤405：对所有S_k,k∈{1,2,...,d}，计算每个S_k中用户的报价总和，设报价总和最低的那组用户的集合为S_k'；

步骤406：将S_k'中用户关于任务t_j的任务-报价对并入入选任务-报价对集合β_S，令S＝S∪S_k'；

步骤407：令社会成本其中U_G为G中所有的用户集合；

步骤408：对任意用户i∈U，令其报酬p_i＝0；

步骤409：对任意入选任务-报价对计算除任务-报价对以外的社会成本并计算每个入选任务-报价对的报酬

步骤410：计算任意入选者i∈S的报酬p_i为其所提交的任务-报价对中入选任务-报价对的报酬的总和，即

步骤411：返回cost，β_S和所有用户的报酬向量p，结束。

有益效果

本发明采用以上技术方案与现有技术相比，具有以下技术效果：

1.能够在保证完成所有多合作性任务的前提下，最小化社会成本；

2.首次在移动群智感知系统的激励机制设计中考虑用户之间的兼容性，使得用户可以更高效地完成合作性的任务；

3.计算时间复杂度低，该激励方法总的时间复杂度为是一个完全多项式时间方法，具有计算有效性；

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

5.该激励方法是防欺骗的，当其他用户都提交自身的真实的报价和兼容用户集时，即使用户采取某种策略虚报报价和兼容用户集，也不会使得该用户的效用变高，因此用户倾向于提交自身的真实的报价和兼容用户集。防欺骗性对于防止市场垄断或者串通具有重要作用。

附图说明

图1是本发明中社交网络应用平台和用户之间反向拍卖执行流程；

图2本发明中社交网络应用平台对所有用户执行兼容用户分组执行流程；

图3本发明中社交网络应用平台计算入选任务-报价对集合和入选者报酬的执行流程。

具体实施方式

下面结合附图对本发明的技术方案做进一步的详细说明：

本发明中社交网络应用平台根据用户提交的兼容用户集，将用户分成多个兼容用户组。然后选择入选任务-报价对集合和每个用户的报酬。

名词说明：

移动群智感知系统：一种利用大量智能手机感知数据的大型数据采集系统，移动群智感知系统由处于云端的移动群智感知平台和一批智能手机用户组成。本发明中处于云端的移动群智感知平台是一个社交网络应用平台；智能手机用户处于一个在线社区中。

入选者：由本发明基所提激励方法选择出来的用户，是移动群智感知的最终参与者。

用户的效用：用户获得的报酬与付出的成本的差值。在防欺骗的激励方法中，用户的成本等于用户的报价。

社会成本：入选者的成本总和。在防欺骗的激励方法中，社会成本等于入选者的报价总和。

本发明所述一种面向多合作任务的多报价标书移动群智感知激励方法，社交网络应用平台和用户之间体现为一个反向拍卖过程，执行流程如图1所示，步骤如下：

步骤201：社交网络应用平台发布一个任务集合T＝{t₁,...,t_m}，对于每个任务t_j∈T需要至少r_j个人去完成；

步骤202：设在线社区中的用户集合为U＝{1,2,...,n}，每个用户i∈U提交一个标书B_i＝(β_i,ξ_i)，其中为k_i个任务-报价对， 为任务集合T中的任意一个任务，为用户i执行任务想要获得的最少报酬，ξ_i为用户i可以合作的一组用户的集合，称为用户i的兼容用户集；

步骤203：社交网络应用平台对所有用户执行兼容用户分组过程，产生G₁,G₂,...,G_d共d个兼容用户组，设G＝{G₁,G₂,...,G_d}为d个兼容用户组的集合；

步骤204：社交网络应用平台根据G计算入选任务-报价对集合并计算每个入选任务-报价对的报酬则入选者i的报酬p_i为其所提交的任务-报价对中入选任务-报价对的报酬的总和，即

步骤205：社交网络应用平台入选的任务-报价对告知相应的入选者，入选者执行感知任务，将感知数据提交社交网络应用平台；

步骤206：社交网络应用平台向入选者支付报酬。

在步骤203中，社交网络应用平台对所有用户执行兼容用户分组的流程如图2所示，步骤如下：

步骤301：初始化用户集合其中δ是一个常数，δ＜n；

步骤302：利用兼容用户集构造一个关于所用用户的有向图G：对任意两个用户i,j∈U,i≠j，如果用户j在用户i的兼容用户集中，则增加一条从用户i到用户j的有向边；

步骤303：令将有向图G中的每个用户随机分配到χ个用户子集中，设χ个用户子集分别为U₁,U₂,...,U_χ，设A＝{U₁,U₂,...,U_χ}是χ个用户子集的集合；

步骤303：从A中随机选择个用户子集，设A_δ为个用户子集的集合；

步骤304：对每一个用户子集U_i∈A，如果U_i∈A_δ，则执行步骤305，否则执行步骤306；

步骤305：如果则将U_i中的所有用户并入用户集合S_δ；否则从U_i中选择始点为非U_i中用户的入边最多的前个用户，将该个用户并入用户集合S_δ；

步骤306：如果则将U_i中的所有用户并入用户集合S_δ；否则从U_i中选择始点为非U_i中用户的入边最多的前个用户，将该个用户并入用户集合S_δ；

步骤307：若|S_δ|＜δ，则从不在S_δ中的用户中随机选取δ-|S_δ|个用户并入S_δ；

步骤308：从有向图G中删除不在S_δ中的用户以及与S_δ中用户相关联的边，求出更新后的图G中的所有强连通分量，将每个强连通分量中的用户放入一个兼容用户组中，设共计产生G₁,G₂,...,G_d共d个兼容用户组，设G＝{G₁,G₂,...,G_d}为d个兼容用户组的集合；

步骤309：返回G＝，结束。

在步骤204中，社交网络应用平台根据G计算入选任务-报价对集合和入选者报酬的执行流程如图3所示，步骤如下：

步骤401：初始化入选者集合入选用户的社会成本Cost＝0，入选任务-报价对集合

步骤402：对所有的任务t_j∈T执行步骤403到步骤406；

步骤403：对所有兼容用户组G_k∈G，令S_k为从兼容用户组G_k中选择出的入选者集合，初始化S_k＝φ，执行步骤404；

步骤404：如果G_k中提交标书中含有任务t_j的用户数不少于r_j，则从G_k中选择报价最低的且提交标书中含有任务t_j的前r_j个用户，将这r_j个用户并入集合S_k；

步骤405：对所有S_k,k∈{1,2,...,d}，计算每个S_k中用户的报价总和，设报价总和最低的那组用户的集合为S_k'；

步骤406：将S_k'中用户关于任务t_j的任务-报价对并入入选任务-报价对集合β_S，令S＝S∪S_k'；

步骤407：令社会成本其中U_G为G中所有的用户集合；

步骤408：对任意用户i∈U，令其报酬p_i＝0；

步骤409：对任意入选任务-报价对计算除任务-报价对以外的社会成本并计算每个入选任务-报价对的报酬

步骤410：计算任意入选者i∈S的报酬p_i为其所提交的任务-报价对中入选任务-报价对的报酬的总和，即

步骤411：返回cost，β_S和所有用户的报酬向量p，结束。

本技术领域技术人员可以理解的是，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.一种面向多合作任务的多报价标书移动群智感知激励方法，其特征在于：社交网络应用平台和用户之间体现为一个反向拍卖过程，步骤如下：

步骤201：社交网络应用平台发布一个任务集合T＝{t₁,...,t_m}，对于每个任务t_j∈T需要至少r_j个人去完成；

步骤202：设在线社区中的用户集合为U＝{1,2,...,n}，每个用户i∈U提交一个标书B_i＝(β_i,ξ_i)，其中为k_i个任务-报价对， 为任务集合T中的任意一个任务，为用户i执行任务想要获得的最少报酬，ξ_i为用户i可以合作的一组用户的集合，称为用户i的兼容用户集；

步骤203：社交网络应用平台对所有用户执行兼容用户分组过程，产生G₁,G₂,...,G_d共d个兼容用户组，设G＝＝{G₁,G₂,...,G_d}为d个兼容用户组的集合；

步骤204：社交网络应用平台根据G计算入选任务-报价对集合并计算每个入选任务-报价对的报酬则入选者i的报酬p_i为其所提交的任务-报价对中入选任务-报价对的报酬的总和，即

步骤205：社交网络应用平台入选的任务-报价对告知相应的入选者，入选者执行感知任务，将感知数据提交社交网络应用平台；

步骤206：社交网络应用平台向入选者支付报酬。

2.如权利要求1所述的一种面向多合作任务的多报价标书移动群智感知激励方法，其特征在于，在步骤203中，社交网络应用平台对所有用户执行兼容用户分组过程的步骤如下：

步骤301：初始化用户集合其中δ是一个常数，δ＜n；

步骤302：利用兼容用户集构造一个关于所用用户的有向图G：对任意两个用户i,j∈U,i≠j，如果用户j在用户i的兼容用户集中，则增加一条从用户i到用户j的有向边；

步骤303：令将有向图G中的每个用户随机分配到χ个用户子集中，设χ个用户子集分别为U₁,U₂,...,U_χ，设A＝{U₁,U₂,...,U_χ}是χ个用户子集的集合；

步骤303：从A中随机选择个用户子集，设A_δ为个用户子集的集合；

步骤304：对每一个用户子集U_i∈A，如果U_i∈A_δ，则执行步骤305，否则执行步骤306；

步骤305：如果则将U_i中的所有用户并入用户集合S_δ；否则从U_i中选择始点为非U_i中用户的入边最多的前个用户，将该个用户并入用户集合S_δ；

步骤306：如果则将U_i中的所有用户并入用户集合S_δ；否则从U_i中选择始点为非U_i中用户的入边最多的前个用户，将该个用户并入用户集合S_δ；

步骤307：若|S_δ|＜δ，则从不在S_δ中的用户中随机选取δ-|S_δ|个用户并入S_δ；

步骤308：从有向图G中删除不在S_δ中的用户以及与S_δ中用户相关联的边，求出更新后的图G中的所有强连通分量，将每个强连通分量中的用户放入一个兼容用户组中，设共计产生G₁,G₂,...,G_d共d个兼容用户组，设G＝＝{G₁,G₂,...,G_d}为d个兼容用户组的集合；

步骤309：返回G＝，结束。

3.如权利要求1所述的一种面向多合作任务的多报价标书移动群智感知激励方法，其特征在于，在步骤204中，社交网络应用平台根据G计算入选任务-报价对集合和入选者报酬的步骤如下：

步骤401：初始化入选者集合入选用户的社会成本Cost＝0，入选任务-报价对集合

步骤402：对所有的任务t_j∈T执行步骤403到步骤406；

步骤403：对所有兼容用户组G_k∈G，令S_k为从兼容用户组G_k中选择出的入选者集合，初始化S_k＝φ，执行步骤404；

步骤404：如果G_k中提交标书中含有任务t_j的用户数不少于r_j，则从G_k中选择报价最低的且提交标书中含有任务t_j的前r_j个用户，将这r_j个用户并入集合S_k；

步骤405：对所有S_k,k∈{1,2,...,d}，计算每个S_k中用户的报价总和，设报价总和最低的那组用户的集合为S_k'；

步骤406：将S_k'中用户关于任务t_j的任务-报价对并入入选任务-报价对集合β_S，令S＝S∪S_k'；

步骤407：令社会成本其中U_G为G中所有的用户集合；

步骤408：对任意用户i∈U，令其报酬p_i＝0；

步骤409：对任意入选任务-报价对计算除任务-报价对以外的社会成本并计算每个入选任务-报价对的报酬

步骤410：计算任意入选者i∈S的报酬p_i为其所提交的任务-报价对中入选任务-报价对的报酬的总和，即

步骤411：返回cost，β_S和所有用户的报酬向量p，结束。