CN107316223B - 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

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 Download PDF

Info

Publication number
CN107316223B
CN107316223B CN201710407045.4A CN201710407045A CN107316223B CN 107316223 B CN107316223 B CN 107316223B CN 201710407045 A CN201710407045 A CN 201710407045A CN 107316223 B CN107316223 B CN 107316223B
Authority
CN
China
Prior art keywords
user
users
task
compatible
application platform
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.)
Active
Application number
CN201710407045.4A
Other languages
English (en)
Other versions
CN107316223A (zh
Inventor
徐佳
饶正强
徐力杰
王磊
戴华
徐小龙
李涛
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.)
Nanjing University of Posts and Telecommunications
Original Assignee
Nanjing University of Posts and Telecommunications
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 Nanjing University of Posts and Telecommunications filed Critical Nanjing University of Posts and Telecommunications
Priority to CN201710407045.4A priority Critical patent/CN107316223B/zh
Publication of CN107316223A publication Critical patent/CN107316223A/zh
Application granted granted Critical
Publication of CN107316223B publication Critical patent/CN107316223B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0611—Request for offers or quotes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/08—Auctions

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Tourism & Hospitality (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

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,...,tm}，对于每个任务tj∈T需要至少rj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Bi＝(βi,ξi)，其中
Figure GDA0002586315830000021
为ki个任务-报价对，
Figure GDA0002586315830000022
Figure GDA0002586315830000023
为任务集合T中的任意一个任务，
Figure GDA0002586315830000024
为用户i执行任务
Figure GDA0002586315830000025
想要获得的最少报酬，
Figure GDA0002586315830000026
也称为报价，
Figure GDA0002586315830000027
为用户i执行任务
Figure GDA0002586315830000028
的真实成本，ξi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,...,Gd共d个兼容用户组，设G＝＝{G1,G2,...,Gd}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
Figure GDA0002586315830000029
并计算每个入选任务-报价对
Figure GDA00025863158300000210
的报酬
Figure GDA00025863158300000211
则入选者i的报酬pi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
Figure GDA00025863158300000212
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
Figure GDA00025863158300000213
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
Figure GDA00025863158300000214
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,...,Uχ，设A＝{U1,U2,...,Uχ}是χ个用户子集的集合；
步骤303：从A中随机选择
Figure GDA00025863158300000215
个用户子集，设Aδ为
Figure GDA00025863158300000216
个用户子集的集合；
步骤304：对每一个用户子集Ui∈A，如果Ui∈Aδ，则执行步骤305，否则执行步骤306；
步骤305：如果
Figure GDA0002586315830000031
则将Ui中的所有用户并入用户集合Sδ；否则从Ui中选择始点为非Ui中用户的入边最多的前
Figure GDA0002586315830000032
个用户，将该
Figure GDA0002586315830000033
个用户并入用户集合Sδ；
步骤306：如果
Figure GDA0002586315830000034
则将Ui中的所有用户并入用户集合Sδ；否则从Ui中选择始点为非Ui中用户的入边最多的前
Figure GDA0002586315830000035
个用户，将该
Figure GDA0002586315830000036
个用户并入用户集合Sδ；
步骤307：若|Sδ|＜δ，则从不在Sδ中的用户中随机选取δ-|Sδ|个用户并入Sδ；
步骤308：从有向图G中删除不在Sδ中的用户以及与Sδ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,...,Gd共d个兼容用户组，设G＝＝{G1,G2,...,Gd}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
Figure GDA0002586315830000037
入选用户的社会成本Cost＝0，入选任务-报价对集合
Figure GDA0002586315830000038
步骤402：对所有的任务tj∈T执行步骤403到步骤406；
步骤403：对所有兼容用户组Gk∈G，令Sk为从兼容用户组Gk中选择出的入选者集合，初始化Sk＝φ，执行步骤404；
步骤404：如果Gk中提交标书中含有任务tj的用户数不少于rj，则从Gk中选择报价最低的且提交标书中含有任务tj的前rj个用户，将这rj个用户并入集合Sk；
步骤405：对所有Sk,k∈{1,2,...,d}，计算每个Sk中用户的报价总和，设报价总和最低的那组用户的集合为Sk'；
步骤406：将Sk'中用户关于任务tj的任务-报价对并入入选任务-报价对集合βS，令
Figure GDA0002586315830000039
S＝S∪Sk'；
步骤407：令社会成本
Figure GDA00025863158300000310
其中UG为G中所有的用户集合；
步骤408：对任意用户i∈U，令其报酬pi＝0；
步骤409：对任意入选任务-报价对
Figure GDA0002586315830000041
计算除任务-报价对
Figure GDA0002586315830000042
以外的社会成本
Figure GDA0002586315830000043
并计算每个入选任务-报价对的报酬
Figure GDA0002586315830000044
步骤410：计算任意入选者i∈S的报酬pi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
Figure GDA0002586315830000045
步骤411：返回cost，βS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；
由于每个任务都对应一个报价，本发明步骤401-步骤411中，先在每个兼容用户组中分别选出一组成本最低的任务-报价对，然后选择报价最低的一组任务-报价对作为入选任务-报价对。这个方法是能够获得最优解的，即满足社会成本最低。
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
Figure GDA0002586315830000046
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。
对于任意χ，社交网络应用平台对所有用户执行兼容用户分组过程，即步骤301-步骤309都是真实的。由于采用了随机分组，用户的入选集合
Figure GDA0002586315830000047
的机会与自身提交什么样的兼容用户集没有关系。也就是说不管其他用户提交什么样的兼容用户集，没有用户可以通过提交不诚实的兼容用户集来增加进入集合
Figure GDA0002586315830000048
的机会。又由于步骤401-步骤411可以求得最优解，因此本发明采用的支付规则实际上是VCG支付机制。VCG支付机制是一种众所周知的是防欺骗机制。因此本发明所述的激励方法是防欺骗的。
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,...,tm}，对于每个任务tj∈T需要至少rj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Bi＝(βi,ξi)，其中
Figure GDA0002586315830000051
为ki个任务-报价对，
Figure GDA0002586315830000052
Figure GDA0002586315830000053
为任务集合T中的任意一个任务，
Figure GDA0002586315830000054
为用户i执行任务
Figure GDA0002586315830000055
想要获得的最少报酬，ξi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,...,Gd共d个兼容用户组，设G＝＝{G1,G2,...,Gd}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
Figure GDA00025863158300000614
并计算每个入选任务-报价对
Figure GDA0002586315830000061
的报酬
Figure GDA0002586315830000062
则入选者i的报酬pi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
Figure GDA0002586315830000063
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
Figure GDA0002586315830000064
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
Figure GDA0002586315830000065
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,...,Uχ，设A＝{U1,U2,...,Uχ}是χ个用户子集的集合；
步骤303：从A中随机选择
Figure GDA0002586315830000066
个用户子集，设Aδ为
Figure GDA0002586315830000067
个用户子集的集合；
步骤304：对每一个用户子集Ui∈A，如果Ui∈Aδ，则执行步骤305，否则执行步骤306；
步骤305：如果
Figure GDA0002586315830000068
则将Ui中的所有用户并入用户集合Sδ；否则从Ui中选择始点为非Ui中用户的入边最多的前
Figure GDA0002586315830000069
个用户，将该
Figure GDA00025863158300000610
个用户并入用户集合Sδ；
步骤306：如果
Figure GDA00025863158300000611
则将Ui中的所有用户并入用户集合Sδ；否则从Ui中选择始点为非Ui中用户的入边最多的前
Figure GDA00025863158300000612
个用户，将该
Figure GDA00025863158300000613
个用户并入用户集合Sδ；
步骤307：若|Sδ|＜δ，则从不在Sδ中的用户中随机选取δ-|Sδ|个用户并入Sδ；
步骤308：从有向图G中删除不在Sδ中的用户以及与Sδ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,...,Gd共d个兼容用户组，设G＝＝{G1,G2,...,Gd}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
Figure GDA0002586315830000071
入选用户的社会成本Cost＝0，入选任务-报价对集合
Figure GDA0002586315830000072
步骤402：对所有的任务tj∈T执行步骤403到步骤406；
步骤403：对所有兼容用户组Gk∈G，令Sk为从兼容用户组Gk中选择出的入选者集合，初始化Sk＝φ，执行步骤404；
步骤404：如果Gk中提交标书中含有任务tj的用户数不少于rj，则从Gk中选择报价最低的且提交标书中含有任务tj的前rj个用户，将这rj个用户并入集合Sk；
步骤405：对所有Sk,k∈{1,2,...,d}，计算每个Sk中用户的报价总和，设报价总和最低的那组用户的集合为Sk'；
步骤406：将Sk'中用户关于任务tj的任务-报价对并入入选任务-报价对集合βS，令
Figure GDA0002586315830000073
S＝S∪Sk'；
步骤407：令社会成本
Figure GDA0002586315830000074
其中UG为G中所有的用户集合；
步骤408：对任意用户i∈U，令其报酬pi＝0；
步骤409：对任意入选任务-报价对
Figure GDA0002586315830000075
计算除任务-报价对
Figure GDA0002586315830000076
以外的社会成本
Figure GDA0002586315830000077
并计算每个入选任务-报价对的报酬
Figure GDA0002586315830000078
步骤410：计算任意入选者i∈S的报酬pi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
Figure GDA0002586315830000079
步骤411：返回cost，βS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)

1.一种基于移动群智感知系统的面向多合作的多报价标书的激励方法，移动群智感知系统为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，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，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,...,tm}，对于每个任务tj∈T需要至少rj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Bi＝(βi,ξi)，其中
Figure FDA0002660634390000011
为ki个任务-报价对，
Figure FDA0002660634390000012
Figure FDA0002660634390000013
为任务集合T中的任意一个任务，
Figure FDA0002660634390000014
为用户i执行任务
Figure FDA0002660634390000015
想要获得的最少报酬，ξi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
Figure FDA0002660634390000016
共d个兼容用户组，设
Figure FDA0002660634390000017
为d个兼容用户组的集合；
步骤204：社交网络应用平台根据
Figure FDA0002660634390000018
计算入选任务-报价对集合
Figure FDA0002660634390000019
并计算每个入选任务-报价对
Figure FDA00026606343900000110
的报酬
Figure FDA00026606343900000111
则入选者i的报酬pi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
Figure FDA00026606343900000112
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
Figure FDA00026606343900000113
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有用户的有向图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
Figure FDA00026606343900000114
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,...,Uχ，设A＝{U1,U2,...,Uχ}是χ个用户子集的集合；
步骤303：从A中随机选择
Figure FDA0002660634390000021
个用户子集，设Aδ为
Figure FDA0002660634390000022
个用户子集的集合；
步骤304：对每一个用户子集Ui∈A，如果Ui∈Aδ，则执行步骤305，否则执行步骤306；
步骤305：如果
Figure FDA0002660634390000023
则将Ui中的所有用户并入用户集合Sδ；否则从Ui中选择始点为非Ui中用户的入边最多的前
Figure FDA0002660634390000024
个用户，将该
Figure FDA0002660634390000025
个用户并入用户集合Sδ；
步骤306：如果
Figure FDA0002660634390000026
则将Ui中的所有用户并入用户集合Sδ；否则从Ui中选择始点为非Ui中用户的入边最多的前
Figure FDA0002660634390000027
个用户，将该
Figure FDA0002660634390000028
个用户并入用户集合Sδ；
步骤307：若|Sδ|＜δ，则从不在Sδ中的用户中随机选取δ-|Sδ|个用户并入Sδ；
步骤308：从有向图G中删除不在Sδ中的用户以及与Sδ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
Figure FDA0002660634390000029
共d个兼容用户组，设
Figure FDA00026606343900000210
为d个兼容用户组的集合；
步骤309：返回
Figure FDA00026606343900000211
结束。
3.如权利要求1所述的激励方法，其特征在于，在步骤204中，社交网络应用平台根据
Figure FDA00026606343900000212
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
Figure FDA00026606343900000213
入选用户的社会成本Cost＝0，入选任务-报价对集合
Figure FDA00026606343900000214
步骤402：对所有的任务tj∈T执行步骤403到步骤406；
步骤403：对所有兼容用户组
Figure FDA00026606343900000215
令Sk为从兼容用户组
Figure FDA00026606343900000216
中选择出的入选者集合，初始化Sk＝φ，执行步骤404；
步骤404：如果
Figure FDA00026606343900000217
中提交标书中含有任务tj的用户数不少于rj，则从gk中选择报价最低的且提交标书中含有任务tj的前rj个用户，将这rj个用户并入集合Sk；
步骤405：对所有Sk,k∈{1,2,...,d}，计算每个Sk中用户的报价总和，设报价总和最低的那组用户的集合为Sk'；
步骤406：将Sk'中用户关于任务tj的任务-报价对并入入选任务-报价对集合βS，令
Figure FDA0002660634390000031
S＝S∪Sk'；
步骤407：令社会成本
Figure FDA0002660634390000032
其中
Figure FDA0002660634390000033
为
Figure FDA0002660634390000034
中所有的用户集合；
步骤408：对任意用户i∈U，令其报酬pi＝0；
步骤409：对任意入选任务-报价对
Figure FDA0002660634390000035
计算除任务-报价对
Figure FDA0002660634390000036
以外的社会成本
Figure FDA0002660634390000037
并计算每个入选任务-报价对的报酬
Figure FDA0002660634390000038
步骤410：计算任意入选者i∈S的报酬pi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
Figure FDA0002660634390000039
步骤411：返回cost，βS和所有用户的报酬向量p，结束。
CN201710407045.4A 2017-06-02 2017-06-02 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 Active CN107316223B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710407045.4A CN107316223B (zh) 2017-06-02 2017-06-02 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710407045.4A CN107316223B (zh) 2017-06-02 2017-06-02 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

Publications (2)

Publication Number Publication Date
CN107316223A CN107316223A (zh) 2017-11-03
CN107316223B true CN107316223B (zh) 2020-12-18

Family

ID=60183653

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710407045.4A Active CN107316223B (zh) 2017-06-02 2017-06-02 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

Country Status (1)

Country Link
CN (1) CN107316223B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108337263B (zh) * 2018-02-13 2020-12-18 南京邮电大学 一种基于移动群智感知系统的防女巫攻击激励方法
CN109327494B (zh) * 2018-02-26 2020-12-18 浙江理工大学 一种面向多任务合作应用的服务质量自适应激励方法
CN109978353B (zh) * 2019-03-14 2021-07-27 南京邮电大学 一种面向位置可调整用户的大数据群智感知激励方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103310349A (zh) * 2013-06-14 2013-09-18 清华大学 一种基于在线激励机制的感知数据获取方法
CN104850935A (zh) * 2015-04-15 2015-08-19 南京邮电大学 一种以最小化支付为目标的移动群智感知激励方法
CN104899760A (zh) * 2015-02-17 2015-09-09 南京邮电大学 一种时间相关移动群智感知系统中的激励方法
CN105282246A (zh) * 2015-10-23 2016-01-27 上海交通大学 基于拍卖机制的感知任务分配的方法
CN105787788A (zh) * 2016-03-11 2016-07-20 南京邮电大学盐城大数据研究院有限公司 带预算的连续时间区间覆盖移动群智感知激励框架

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103310349A (zh) * 2013-06-14 2013-09-18 清华大学 一种基于在线激励机制的感知数据获取方法
CN104899760A (zh) * 2015-02-17 2015-09-09 南京邮电大学 一种时间相关移动群智感知系统中的激励方法
CN104850935A (zh) * 2015-04-15 2015-08-19 南京邮电大学 一种以最小化支付为目标的移动群智感知激励方法
CN105282246A (zh) * 2015-10-23 2016-01-27 上海交通大学 基于拍卖机制的感知任务分配的方法
CN105787788A (zh) * 2016-03-11 2016-07-20 南京邮电大学盐城大数据研究院有限公司 带预算的连续时间区间覆盖移动群智感知激励框架

Also Published As

Publication number Publication date
CN107316223A (zh) 2017-11-03

Similar Documents

Publication Publication Date Title
Zeng et al. A comprehensive survey of incentive mechanism for federated learning
Xiong et al. A task-oriented user selection incentive mechanism in edge-aided mobile crowdsensing
Li et al. Truthful incentive mechanisms for geographical position conflicting mobile crowdsensing systems
Marsal-Llacuna Future living framework: Is blockchain the next enabling network?
CN104850935B (zh) 一种以最小化支付为目标的移动群智感知激励方法
He et al. An exchange market approach to mobile crowdsensing: pricing, task allocation, and walrasian equilibrium
Wang et al. An incentive mechanism with privacy protection in mobile crowdsourcing systems
CN110189174A (zh) 一种基于数据质量感知的移动群智感知激励方法
Zhang et al. Free market of crowdsourcing: Incentive mechanism design for mobile sensing
Zhang et al. On designing satisfaction-ratio-aware truthful incentive mechanisms for $ k $-anonymity location privacy
Maheswaran et al. Social welfare of selfish agents: motivating efficiency for divisible resources
CN107316223B (zh) 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
Lu et al. Game-theoretic design of optimal two-sided rating protocols for service exchange dilemma in crowdsourcing
Wang et al. Privacy protection federated learning system based on blockchain and edge computing in mobile crowdsourcing
Kantarci et al. Reputation-based sensing-as-a-service for crowd management over the cloud
Ma et al. Privacy protection-oriented mobile crowdsensing analysis based on game theory
Xu et al. Incentive mechanisms for large-scale crowdsourcing task diffusion based on social influence
Chi et al. Multistrategy Repeated Game‐Based Mobile Crowdsourcing Incentive Mechanism for Mobile Edge Computing in Internet of Things
Qiu et al. Auction method to prevent bid-rigging strategies in mobile blockchain edge computing resource allocation
Liu et al. A truthful auction mechanism for mobile crowd sensing with budget constraint
CN107330754B (zh) 一种面向合作性任务的移动群智感知激励方法
Priya et al. Fuzzy with black widow and spider monkey optimization for privacy-preserving-based crowdsourcing system
CN107688964A (zh) 一种用于大规模众包任务扩散的激励方法
Jiang et al. Combinatorial double auction for resource allocation with differential privacy in edge computing
Ye et al. A recommendation scheme with reputation-based incentive mechanism on consortium blockchain

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information

Address after: 210023, 66 new model street, Gulou District, Jiangsu, Nanjing

Applicant after: NANJING University OF POSTS AND TELECOMMUNICATIONS

Address before: 210023 Jiangsu city of Nanjing province Ya Dong new Yuen Road No. 9

Applicant before: NANJING University OF POSTS AND TELECOMMUNICATIONS

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant