CN108241930A - 一种移动众包平台的任务分配方法 - Google Patents

Abstract

本发明公开一种移动众包平台的任务分配方法，包括如下步骤：建立移动众包平台，邀请商家在移动众包平台上发布任务，邀请用户注册移动众包平台并领取移动众包平台分配的任务；对于商家发布的每个任务，要求都关联一个位置信息和难度系数；对于每个登录移动众包平台的用户，都明确其约束条件；建立系统最优化目标：在满足所述约束条件时，构造任务分配方案，最大化所有任务的质量函数；通过引入辅助函数，构造搜索树，完成解空间的搜索，得到最终的任务分配方案；移动众包平台通过重复执行上述步骤，为新发布的每位用户和每个任务寻找匹配。本发明保证了移动众包平台的任务分配的经济性、有效性和合理性。

Description

一种移动众包平台的任务分配方法

技术领域

本发明涉及移动计算领域，尤其涉及一种移动众包平台的任务分配方法。

背景技术

近年来，随着无线网络技术的飞速发展和智能手机的广泛普及，移动众包(MobileCrowdsourcing)正成为一种经济有效采集、分析数据的方法。国外的移动众包平台已深入到商业和生活的各个领域，如在Filed Agent平台或者Gigwalk平台上，商家可以提问“竞争对手M超市是怎么标定商品价格的”，领取了任务的用户去M超市查看商品价格，并在平台上进行反馈以领取报酬；而用户可以通过完成平台分配的任务，以领取相应的报酬。目前，国内的移动众包平台也逐渐崭露头角，“微差事”、阿里众包也逐渐走入人们的视野。

任务分配是移动众包平台的核心功能之一。一方面，平台上的任务都带有特定的位置地点信息，距离远的用户完成任务的代价将会较大；第二方面，商家为防止恶意用户故意提交错误信息或者普通用户发生误判弄错结果，通常会要求有多个用户完成同一个任务，平台需要以一定的机制提升结果的正确性；第三方面，为保障商家的经济利益，节约完成任务的成本，平台需要尽可能利用用户的运动轨迹来分配任务，使得用户可以在一趟行程中完成多个任务。

发明内容

本发明的目的在于通过一种移动众包平台的任务分配方法，来解决以上背景技术部分提到的问题。

为达此目的，本发明采用以下技术方案：

一种移动众包平台的任务分配方法，其包括如下步骤：

S101、建立移动众包平台，邀请商家在移动众包平台上发布任务，邀请用户注册移动众包平台并领取移动众包平台分配的任务；

S102、对于商家发布的每个任务Task_j，要求都关联一个位置信息l_j和难度系数p_j∈[0,1]；

S103、对于每个登录移动众包平台的用户Worker_i，都明确其约束条件其中，M_i表示用户在一段时间内能够完成的最大任务数；和表示用户的出发位置和目标位置，用户可以在这段路程中顺路完成移动众包平台上的一系列任务；B_i表示用户能额外行走的路程上限；

S104、建立系统最优化目标：在满足所述约束条件时，构造任务分配方案S＝{S₁,S₂,S₃,…,S_m}，最大化所有任务的质量函数：

S105、通过引入辅助函数，构造搜索树，完成解空间的搜索，得到最终的任务分配方案；

S106、移动众包平台通过重复执行步骤S102至步骤S105，为新发布的每位用户和每个任务寻找匹配。

特别地，所述步骤S102包括：所述位置信息l_j和难度系数p_j由商家在发布任务时给定；当用户对同一个任务提交不同的答案时，由于新用户的不断加入，平台无法采取信用评价的方式为用户的回答加上权重，平台将采用投票的方式采取答案：当有k个用户对任务Task_j的答案进行投票，定义任务被完成的质量函数为：

k为偶数

k为奇数。

特别地，所述步骤S104具体包括：由于移动众包平台基于移动网络的特性，移动众包平台中的任务和用户均为有序出现，分别为序列{Task₁,Task₂,Task₃,…,Task_m}和{Worker₁,Worker₂,Worker₃,…,Worker_n}，其中m和n分别为任务总数和用户总数；当用户Worker_i登陆移动众包平台后，移动众包平台将分配任务，记作因为每个任务都有其特定的位置信息，为了完成任务，用户Worker_i将要经过由用户起始位置目标位置任务位置构成的路径其中，相关变量受到以下约束：

S_i|≤M_i

若任务Task_j被分派给用户Worker_i，则将记为x_i,j＝1,否则x_i,j＝0；

建立系统最优化目标：在满足所述约束条件时，构造任务分配方案S＝{S₁,S₂,S₃,…,S_m}，最大化所有任务的质量函数：

特别地，所述步骤S105包括：分析可知，完成任务的质量函数并不随着完成任务的用户数k增长而增长；当k为偶数时，质量反而会出现下降，为保证质量函数的单调性，引入辅助函数完成任务分配算法：

本发明提出的移动众包平台的任务分配方法对移动众包平台的任务、用户、任务的质量函数进行建模，明确了移动众包平台的任务分配目标函数，通过构造搜索树模型对解空间进行搜索，保证任务分配的经济性、有效性和合理性。

附图说明

图1为本发明实施例提供的移动众包平台的任务分配方法流程图；

图2为本发明实施例提供的质量函数与辅助函数示意图；

图3为本发明实施例提供的各算法的效果对比图。

具体实施方式

下面结合附图和实施例对本发明作进一步说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部内容，除非另有定义，本文所使用的所有技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述具体的实施例，不是旨在于限制本发明。

请参照图1所示，图1为本发明实施例提供的移动众包平台的任务分配方法流程图。

本实施例中移动众包平台的任务分配方法具体包括如下步骤：

S101、建立移动众包平台，邀请商家在移动众包平台上发布任务，邀请用户注册移动众包平台并领取移动众包平台分配的任务。

S102、对于商家发布的每个任务Task_j，要求都关联一个位置信息l_j和难度系数p_j∈[0,1]。

在本实施例中所述位置信息l_j和难度系数p_j由商家在发布任务时给定；当用户对同一个任务提交不同的答案时，由于新用户的不断加入，平台无法采取信用评价的方式为用户的回答加上权重，平台将采用投票的方式采取答案：当有k个用户对任务Task_j的答案进行投票，定义任务被完成的质量函数为：

k为偶数

k为奇数，r是求和公式中序号，见求和符号的上下标。

S103、对于每个登录移动众包平台的用户Worker_i，都明确其约束条件其中，M_i表示用户在一段时间内能够完成的最大任务数；和表示用户的出发位置和目标位置，用户可以在这段路程中顺路完成移动众包平台上的一系列任务；B_i表示用户能额外行走的路程上限。

在本实施例中，移动众包平台中M_i的预设值为3，和预设为用户的当前位置，B_i预设为5公里，但不局限于此，用户可以根据自身情况调整相关参数的大小。

S104、建立系统最优化目标：在满足所述约束条件时，构造任务分配方案S＝{S₁,S₂,S₃,…,S_m}，最大化所有任务的质量函数：

由于移动众包平台基于移动网络的特性，移动众包平台中的任务和用户均为有序出现，分别为序列{Task₁,Task₂,Task₃,…,Task_m}和{Worker₁,Worker₂,Worker₃,…,Worker_n}，其中m和n分别为任务总数和用户总数；当用户Worker_i登陆移动众包平台后，移动众包平台将分配任务，记作因为每个任务都有其特定的位置信息，为了完成任务，用户Worker_i将要经过由用户起始位置目标位置任务位置构成的路径其中，相关变量受到以下约束：

|S_i|≤M_i

若任务Task_j被分派给用户Worker_i，则将记为x_i,j＝1,否则x_i,j＝0；建立系统最优化目标：在满足所述约束条件时，构造任务分配方案S＝{S₁,S₂,S₃,…,S_m}，最大化所有任务的质量函数：

S105、通过引入辅助函数，构造搜索树，完成解空间的搜索，得到最终的任务分配方案。

通过分析可知，完成任务的质量函数并不随着完成任务的用户数k增长而增长；当k为偶数时，质量反而会出现下降，如图2所示。为保证质量函数的单调性，引入辅助函数完成任务分配算法：

S106、移动众包平台通过重复执行步骤S102至步骤S105，为新发布的每位用户和每个任务寻找匹配。

具体的，在本实施例中任务分配过程如下：

a)当任务Task_j＝{l_j,p_j}在平台上发布时，

·将Task_j加入任务集合：Tasks＝Tasks∪{Task_j}

·初始化完成Task_j的人数为0：k_j＝0

·初始化Task_j的质量函数值为0.5：A(Task_j)＝0.5

·初始化辅助函数：

b)当任务Task_j已失效时，

·移除Task_j：Tasks＝Tasks∪{Task_j}

c)当用户登入平台时，

·采用HSWA算法进行任务分配，得到用户的任务集合S_i

·对于S_i中的每项任务Task_j，更新k_j:k_j＝k_j+1；若更新后k_j为奇数，更新A_pj和ΔF_pj：A_pj＝A_pj+2*ΔF_pj，

其中，HSWA算法的计算过程为：

a)输入：所有任务的信息Task_j＝{l_j,p_j}for j∈{1…m},用户Worker_i的信息

b)输出：分配给Worker_i的任务集合S_i

c)初始化

·S_i＝{}

·lb_global＝0

·对{Task_j}集合按照ΔF_pj进行降序排列

d)在给定约束B_i,M_i的条件下，建立搜索树。搜索树的节点每一个节点都代表一个可选择的任务，从根节点到叶子节点的路径表达了Worker_i的一条可行路径，当某一层的节点不满足约束条件时，即对子树进行剪枝。搜索过程的时间复杂度为

通过理论分析，理论最优解的算法需要搜索整个解空间，是NP-Hard问题。而本发明(Ours)可在多项式时间内完成搜索，并且与理论最优解相比，近似比为即同时，通过实验可知，本发明比贪心等算法取得了更好的效果，具体对比结果如图3所示，图中X轴是指任务在平台上出现的频率，Y轴是指任务完成的平均质量，GreedyNumber算法指，当一个worker开始在平台上接受任务时，平台基于贪心算法，在不违反约束条件的情况下，尽可能多的给该用户分配任务；Nearest算法指，当一个worker开始在平台上接受任务时，平台不断的选取距离worker最近位置的任务分配给他，直到超出worker承接任务的能力或者附近没有任务可供继续分配；LeastExpiration算法类似于Nearest算法，但不同的是，平台优先选择快要过期的任务分配给用户。Ours指本发明提供的方法。

本发明的技术方案对移动众包平台的任务、用户、任务的质量函数进行建模，明确了移动众包平台的任务分配目标函数，通过构造搜索树模型对解空间进行搜索，保证任务分配的经济性、有效性和合理性。

本领域普通技术人员可以理解实现上述实施例中的全部部分是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random Access Memory，RAM)等。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (4)

1.一种移动众包平台的任务分配方法，其特征在于，包括如下步骤：

S101、建立移动众包平台，邀请商家在移动众包平台上发布任务，邀请用户注册移动众包平台并领取移动众包平台分配的任务；

S102、对于商家发布的每个任务Task_j，要求都关联一个位置信息l_j和难度系数p_j∈[0,1]；

S103、对于每个登录移动众包平台的用户Worker_i，都明确其约束条件其中，M_i表示用户在一段时间内能够完成的最大任务数；和表示用户的出发位置和目标位置，用户可以在这段路程中顺路完成移动众包平台上的一系列任务；B_i表示用户能额外行走的路程上限；

S104、建立系统最优化目标：在满足所述约束条件时，构造任务分配方案S＝{S₁,S₂,S₃,…,S_m}，最大化所有任务的质量函数：

S105、通过引入辅助函数，构造搜索树，完成解空间的搜索，得到最终的任务分配方案；

S106、移动众包平台通过重复执行步骤S102至步骤S105，为新发布的每位用户和每个任务寻找匹配。

2.根据权利要求1所述的移动众包平台的任务分配方法，其特征在于，所述步骤S102包括：所述位置信息l_j和难度系数p_j由商家在发布任务时给定；当用户对同一个任务提交不同的答案时，由于新用户的不断加入，平台无法采取信用评价的方式为用户的回答加上权重，平台将采用投票的方式采取答案：当有k个用户对任务Task_j的答案进行投票，定义任务被完成的质量函数为：

k为偶数

k为奇数。

3.根据权利要求2所述的移动众包平台的任务分配方法，其特征在于，所述步骤S104具体包括：由于移动众包平台基于移动网络的特性，移动众包平台中的任务和用户均为有序出现，分别为序列{Task₁,Task₂,Task₃,…,Task_m}和{Worker₁,Worker₂,Worker₃,…,Worker_n}，其中m和n分别为任务总数和用户总数；当用户Worker_i登陆移动众包平台后，移动众包平台将分配任务，记作因为每个任务都有其特定的位置信息，为了完成任务，用户Worker_i将要经过由用户起始位置目标位置任务位置构成的路径其中，相关变量受到以下约束：

|S_i|≤M_i

若任务Task_j被分派给用户Worker_i，则将记为x_i,j＝1,否则x_i,j＝0；

建立系统最优化目标：在满足所述约束条件时，构造任务分配方案S＝{S₁,S₂,S₃,…,S_m}，最大化所有任务的质量函数：

4.根据权利要求3所述的移动众包平台的任务分配方法，其特征在于，所述步骤S105包括：完成任务的质量函数并不随着完成任务的用户数k增长而增长；当k为偶数时，质量反而会出现下降，为保证质量函数的单调性，引入辅助函数完成任务分配算法：