CN110009233B - 群智感知中基于博弈论的任务分配方法 - Google Patents

Abstract

本发明提供一种群智感知中基于博弈论的任务分配方法，包括以下步骤：1)构建群智感知中多个任务和用户的系统模型；2)利用纳什议价博弈，将群智感知中多任务分配映射为多个博弈方对多个任务的博弈模型；3)采用空间距离的方法计算多个博弈用户对多个任务的纳什议价解，最终实现多个任务在多个参与用户之间的有效分配。通过上述将多个任务的分配问题映射为多方纳什议价博弈模型，并求得最优解，可以实现多个任务在多个用户之间的有效分配，该方法可以使用户尽最大能力完成最适合的任务，从而有效利用用户资源，并提高用户所提供数据的质量，减少平台的代价花费。

Description

群智感知中基于博弈论的任务分配方法

技术领域

本发明涉及群智感知中基于博弈论的任务分配方法及一种群智感知平台，属于计算机网络领域。

背景技术

随着感知技术和传感器技术等信息技术的快速发展，人们可以通过已有的移动设备形成交互式的、参与式的感知网络，并将感知任务发布给网络中的个体或群体来完成，从而帮助专业人员或公众收集数据、分析信息和共享知识。而任务分配对数据采集的全面性，任务完成率和数据采集质量等都具有重要的影响，所以，对感知任务的分配问题也成为移动群智感知研究中的关键挑战之一。

目前，大多研究工作是针对群智感知中单任务的分配问题。而在大数据时代，大型的群智感知平台上，通常会有大量并发出现的感知任务，针对多个感知任务，如何实现有效的分配，既可以保障任务的完成质量又减少平台的激励成本是亟待解决的问题。因此，设计一种高效的群智感知任务分配策略，是非常必要的。

发明内容

本发明的目的是为了解决现有技术中如何实现有效的多任务分配，既可以保障任务的完成质量又减少平台的激励成本的问题。

为解决上述技术问题，本发明提出群智感知中基于博弈论的任务分配策略，包括以下步骤：S1、构建群智感知中多个任务和用户的系统模型；S2、利用纳什议价博弈，将群智感知中多任务分配映射为多个博弈方对多个任务的博弈模型；S3、采用空间距离的方法计算多个博弈用户对多个任务的纳什议价解，最终实现多个任务在多个参与用户之间的有效分配。

在本发明的一些实施例中，还包括有如下技术特征：

步骤S1中，收到用户向平台反馈自己所拥有的信息之后对m个任务在n个用户之间利用纳什议价解模型进行分配；其中，用户向平台反馈自己所拥有的信息包括资源情况，资源状况包括设备能量、缓存资源、以及所处的位置信息。

将影响任务分配的因素综合在一起，计算参与用户对任务的执行适合度：参与用户i对任务t_j的执行适合度

计算如下：

其中，ρ是权重因子，

是参与者i到任务t_j之间的距离，

是参与者i完成任务t_j所得到的回报，

是参与者i完成任务t_j需要花费的资源，

是一个二进制0，1变量，表示参与者i是否能满足任务t_j的质量要求，如果满足，则

如果不满足其质量要求，则

任务分配目标表示为：

满足

即多任务分配的优化目标，其中，

是一个二进制变量，表示是否任务t_j是被参与用户i执行的，

表示每个任务至少分配给一个或多个参与用户去执行，保障每个任务可以被顺利执行。

将上述多任务分配的优化目标转化为求纳什议价博弈的最优解问题，只需求得一组方法向量v^*∈ψ，这组向量可以使得效用得益的乘积最大化。

其中，F_i为博弈之后的效用函数值，F_i ⁰则是博弈方L在未达成交易时所取得的效用函数值。

采用基于空间距离的方法来解决多方纳什议价博弈问题：将用户对任务的效用值转换为一种空间距离，并且根据这个空间距离决定每个任务应该被分配到哪个参与用户执行。用户对某一任务的效用值越高，则此用户距离该任务的空间距离就越短。

参与用户i对任务t_j的空间距离计算如下：

根据此方法，群智平台中任意一个参与用户i计算每个任务的空间距离，并按照其空间距离从小到大的顺序对每个任务进行排序。用户对某一任务的效用距离越小，则该任务越适合此用户执行。再根据下面公式计算出划分点(均衡点)：

其中，

为效用-空间距离积。

用空间距离的方法实现最优任务分配包括如下步骤：步骤1：参与用户L计算所有任务的空间距离

并将任务按空间距离从小到大的顺序排序，并依次从小到大编号，表示为集合{1，...，m}，此编号只代表用户对所有任务空间距离大小的一个顺序，并非实际任务编号；步骤2：根据此顺序用户i再计算每个任务的效用-空间距离积

并对其进行前项加后项的累加，并将此累加和用a_k表示，

步骤3：用户i计算划分点σ_i，将满足条件a_k≤σ_i的k个任务划分给用户i；步骤4：每个用户重复计算上面步骤，最终完成全部任务的划分。步骤5：每个用户会将划分结果反馈给感知平台，感知平台根据此结果将对应的任务分配给相应的用户去执行，从而实现多个任务在多个用户之间的有效分配。

本发明还提出一种群智感知平台，其特征在于，采用上述的基于博弈论的任务分配方法。

本发明还提出一种存储有计算机程序，所述程序可被执行以实现上述的基于博弈论的任务分配方法。

与现有技术相比，本发明的有益效果有：

通过上述将多个任务的分配问题映射为多方纳什议价博弈模型，并求得最优解，可以实现多个任务在多个用户之间的有效分配，该方法可以使用户尽最大能力完成最适合的任务，从而有效利用用户资源，并提高用户所提供数据的质量，减少平台的代价花费。

附图说明

图1是本发明实施例采用纳什议价博弈进行多任务分配系统模型图。

图2是本发明实施例基于纳什议价博弈的多任务分配整体流程图。

图3是本发明实施例纳什议价博弈的空间距离表示示例。

图4是本发明实施例基于纳什议价博弈的多任务分配细化流程图。

具体实施方式

实施例1

如图2所示是本发明实施例基于纳什议价博弈的多任务分配整体流程图。以下步骤：S1、构建群智感知中多个任务和用户的系统模型；S2、利用纳什议价博弈，将群智感知中多任务分配映射为多个博弈方对多个任务的博弈模型；S3、采用空间距离的方法计算多个博弈用户对多个任务的纳什议价解，最终实现多个任务在多个参与用户之间的有效分配。以下对此进行进一步说明。

1.系统建模

首先，构建系统模型及给出相关假设。假设以一定的时间(如15分钟)为限制，对该时间段内发布的任务视为并发任务，用集合T＝{t₁，t₂，...，t_m}表示在某一时间段内所发布的所有感知任务的集合，在这一段时间内参与的用户，定义为有效参与用户，用U＝{1，2，...，n}表示。平台为了激励这些有效用户顺利完成感知任务，会根据所发布任务的质量要求和用户完成的难易程度给不同数目的报酬，称为回报，用集合R＝{r₁，r₂，...，r_m}表示。

假设每个用户都是理性和诚实的。每个用户如果参与感知任务，则会在平台注册，并向平台反馈自己所拥有的资源情况，比如设备能量，缓存资源，以及所处的位置等信息。系统平台收到这些信息之后对m个任务在n个用户之间利用纳什议价解模型进行分配。用户再根据分配结果完成相应的感知任务，而感知平台则会反馈给用户一定的报酬。整体系统模型如图1所示。

2.多任务分配的目标

1)影响多任务分配的因素

多种因素都可以影响到群智感知任务分配。首先，参与用户的资源情况，因为参与用户完成感知任务需要花费自己的资源，并且完成不同的任务所需的资源不尽相同，用户必须保证有足够的资源能完成所承担的任务。其次，参与者能提供消息的质量也是影响任务分配的一个因素。最后，参与用户与所完成任务之间的距离也是一个重要因素，距离越远，完成此任务所花费的代价也就越大。

将影响任务分配的因素综合在一起，我们称为参与用户对任务的执行适合度，参与用户i对任务t_j的执行适合度定义为

其计算如下：

其中，ρ是权重因子，

是参与者i到任务t_j之间的距离，

是参与者i完成任务t_j所得到的回报，

是参与者i完成任务t_j需要花费的资源，

是一个二进制0，1变量，表示参与者i是否能满足任务t_j的质量要求，如果满足，则

如果不满足其质量要求，则

2)优化目标

我们的方法是为了找到一个最优分配方案，该方案可以最小化平台的激励成本，并且将每个任务分配给最适合它们的参与用户去执行，有效利用每个参与用户的资源，使其为更多并且更适合的任务服务。用公式化的描述可以将其表示为：

满足

其中，

是一个二进制变量，表示是否任务t_j是被参与用户i执行的，

表示每个任务至少分配给一个或多个参与用户去执行，保障每个任务可以被顺利执行。

3.利用纳什议价博弈对多任务分配建模

为了实现上述任务分配的目标，我们采用多方纳什议价解模型，纳什议价解研究了人们达成合作时如何分配合作得到的收益，即收益分配问题。我们将多个参与用户对多个并发任务的选择转化为一个多方纳什议价博弈模型。n个参与感知用户，则映射为n个博弈方，用集合U＝{1，...，n}表示。每个参加博弈的博弈方都会采取一定的行为，选择完成的感知任务，博弈方L的所有可能采取的行为集合称为L的行为空间，定义为ψ_i

所有博弈方的行为集合定义为ψ＝ψ₁×ψ₂×...×ψ_n。因为一个博弈者除了受自己的行为影响外，还受到其他博弈者行为的影响。对于任意一个给定的方法向量v∈ψ，参与用户L都对应一个效用函数，其定义为：

其中，F_i ⁰≥0是博弈之前参与用户i的效用，

则是参与者i执行任务t_j的适合度。

之后，我们给出了参与者的效用得益，效用得益是指博弈之后的获益减去博弈之前的获益的差值，记为G_i。

由于纳什议价解便是纳什议价博弈的帕雷特最优解，也就是使得所有博弈方效用得益乘积(Π_i∈NG_i)最大化时的解。所以，我们将上述多任务分配的优化目标转化为求纳什议价博弈的最优解问题，只需求得一组方法向量v^*∈ψ，这组向量可以使得效用得益的乘积最大化。

其中，F_i为博弈之后的效用函数值，F_i ⁰则是博弈方L在未达成交易时所取得的效用函数值。

4.求得纳什议价解并对多个任务进行分配

将多任务分配问题映射为纳什议价模型之后，需要求得纳什议价解，而多方议价博弈最优解求解过程较为复杂，所以我们采用基于空间距离的方法来解决多方纳什议价博弈问题。此方法可以在确定均衡点时减少其计算代价。这个方法将用户对任务的效用值转换为一种空间距离(并非实际距离)，并且根据这个空间距离决定每个任务应该被分配到哪个参与用户执行。用户对某一任务的效用值越高，则此用户距离该任务的空间距离就越短。如图3所示，是2个用户对4个任务的空间距离表示，这种空间距离不是用户距离任务的实际距离，而是用户对任务效用值的一种抽象表示。参与用户i对任务t_j的空间距离计算如下：

根据此方法，群智平台中任意一个参与用户i计算每个任务的空间距离，并按照其空间距离从小到大的顺序对每个任务进行排序。用户对某一任务的效用距离越小，则该任务越适合此用户执行。再根据下面公式计算出划分点(均衡点)：

其中，

为效用-空间距离积。

下面我们给出用空间距离的方法实现最优任务分配步骤。

步骤1：参与用户i计算所有任务的空间距离

并将任务按空间距离从小到大的顺序排序，并依次从小到大编号，表示为集合{1，...，m}，此编号只代表用户对所有任务空间距离大小的一个顺序，并非实际任务编号。

步骤2：根据此顺序用户L再计算每个任务的效用空间距离积

并对其进行前项加后项的累加，并将此累加和用a_k表示，

步骤3：用户i计算划分点σ_i，将满足条件a_k≤σ_i的N个任务划分给用户i。

步骤4：每个用户重复计算上面步骤，最终完成全部任务的划分。

步骤5：每个用户会将划分结果反馈给感知平台，感知平台根据此结果将对应的任务分配给相应的用户去执行，从而实现多个任务在多个用户之间的有效分配。

图4是本发明实施例基于纳什议价博弈的多任务分配细化流程图。

由于我们将纳什议价解的求解转换为上述空间距离的方法，因此，所得到的最终划分结果即为纳什议价解，也就是使得所有博弈方效用得益乘积最大化时的解。所以，所提方法可以实现用户整体得益最大化，并且将任务分到最适合的用户执行，间接减少了感知平台的激励成本。

综上所述，通过上述将多个任务的分配问题映射为多方纳什议价博弈模型，并求得最优解，可以实现多个任务在多个用户之间的有效分配，该方法可以使用户尽最大能力完成最适合的任务，从而有效利用用户资源，并提高用户所提供数据的质量，减少平台的代价花费。

Claims (5)

1.一种群智感知中基于博弈论的任务分配方法，其特征在于，包括如下步骤：

S1、构建群智感知中多个任务和用户的系统模型；

S2、利用纳什议价博弈，将群智感知中多任务分配映射为多个博弈方对多个任务的博弈模型；

S3、采用空间距离的方法计算多个博弈用户对多个任务的纳什议价解，最终实现多个任务在多个参与用户之间的有效分配：将用户对任务的效用值转换为一种空间距离，并且根据这个空间距离决定每个任务应该被分配到哪个参与用户执行；用户对某一任务的效用值越高，则此用户距离该任务的空间距离就越短；

参与用户i对任务t_j的空间距离计算如下：

式中，参与用户i对任务t_j的执行适合度

计算如下：

其中，ρ是权重因子，

是参与者i到任务t_j之间的距离，

是参与者i完成任务t_j所得到的回报，

是参与者i完成任务t_j需要花费的资源，

是一个二进制0，1变量，表示参与者i是否能满足任务t_j的质量要求，如果满足，则

如果不满足其质量要求，则

根据此方法，群智平台中任意一个参与用户i计算每个任务的空间距离，并按照其空间距离从小到大的顺序对每个任务进行排序；用户对某一任务的效用距离越小，则该任务越适合此用户执行；

再根据下面公式计算出划分点：

其中，

为效用-空间距离积。

2.如权利要求1所述的群智感知中基于博弈论的任务分配方法，其特征在于，步骤S1中，收到用户向平台反馈自己所拥有的信息之后对m个任务在n个用户之间利用纳什议价解模型进行分配；其中，用户向平台反馈自己所拥有的信息包括资源情况，资源状况包括设备能量、缓存资源、以及所处的位置信息。

3.如权利要求1所述的群智感知中基于博弈论的任务分配方法，其特征在于，任务分配目标表示为：

满足

即多任务分配的优化目标，其中，

是一个二进制变量，表示是否任务t_j是被参与用户i执行的，

表示每个任务至少分配给一个或多个参与用户去执行，保障每个任务可以被顺利执行。

4.如权利要求3所述的群智感知中基于博弈论的任务分配方法，其特征在于，将上述多任务分配的优化目标转化为求纳什议价博弈的最优解问题，只需求得一组方法向量v^*∈ψ，这组向量可以使得效用得益的乘积最大化：

其中，F_i为博弈之后的效用函数值，

则是博弈方i在未达成交易时所取得的效用函数值。

5.如权利要求1所述的群智感知中基于博弈论的任务分配方法，其特征在于，用空间距离的方法实现最优任务分配包括如下步骤：

步骤1：参与用户i计算所有任务的空间距离

并将任务按空间距离从小到大的顺序排序，并依次从小到大编号，表示为集合{1，...，m}，此编号只代表用户对所有任务空间距离大小的一个顺序，并非实际任务编号；

步骤2：根据此顺序用户i再计算每个任务的效用-空间距离积

并对其进行前项加后项的累加，并将此累加和用a_k表示，

a₀＝0，k∈{1，...，m}；

步骤3：用户i计算划分点σ_i，将满足条件a_k≤σ_i的k个任务划分给用户i；

步骤4：每个用户重复计算上面步骤，最终完成全部任务的划分；

步骤5：每个用户会将划分结果反馈给感知平台，感知平台根据此结果将对应的任务分配给相应的用户去执行，从而实现多个任务在多个用户之间的有效分配。

Images