CN110163513A - 位置感知任务的分配方法、装置及存储介质 - Google Patents
位置感知任务的分配方法、装置及存储介质 Download PDFInfo
- Publication number
- CN110163513A CN110163513A CN201910442171.2A CN201910442171A CN110163513A CN 110163513 A CN110163513 A CN 110163513A CN 201910442171 A CN201910442171 A CN 201910442171A CN 110163513 A CN110163513 A CN 110163513A
- Authority
- CN
- China
- Prior art keywords
- bidder
- task
- bid
- bid item
- location aware
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 230000008447 perception Effects 0.000 claims description 105
- 230000009977 dual effect Effects 0.000 claims description 49
- 238000012545 processing Methods 0.000 claims description 30
- 230000007246 mechanism Effects 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 9
- 230000009467 reduction Effects 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 16
- 238000004891 communication Methods 0.000 description 8
- 230000002093 peripheral effect Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 230000001953 sensory effect Effects 0.000 description 4
- 230000005611 electricity Effects 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 241000208340 Araliaceae Species 0.000 description 2
- 241001269238 Data Species 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 239000000919 ceramic Substances 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 230000006698 induction Effects 0.000 description 2
- 230000035772 mutation Effects 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种位置感知任务的分配方法、装置及存储介质,属于无线网络技术领域。该方法包括:当接收到多个投标者的投标信息时,基于该多个投标者的投标信息,从该多个投标者中确定满足投标条件的目标投标者;基于目标投标者的投标信息,通过任务覆盖模型确定每一轮拍卖成功的参与投标者,任务覆盖模型为在任一时刻进行的一轮拍卖中使社会成本最小化的模型;基于该参与投标者的投标信息,通过任务分配模型对该参与投标者进行位置感知任务的分配,任务分配模型为位置感知任务的拍卖中使社会成本最小化的模型。在本申请中,通过任务覆盖模型和任务分配模型进行位置感知任务的分配可以使社会成本最小化,同时保证了位置感知任务的准确性和价值。
Description
技术领域
本申请涉及无线网络技术领域,特别涉及一种位置感知任务的分配方法、装置及存储介质。
背景技术
移动群智感知是一种新的大规模感知模式,它利用户随身携带的智能移动终端形成大规模、随时随地且与人们日常生活密切相关的感知系统。典型的移动群智感知系统由云平台和智能移动终端组成。移动智能终端可以充当传感服务提供商,云平台可以招聘移动智能终端的用户提供传感服务。近年来,在一些领域已经见证了移动群智感知的应用。例如,Waze是市场上众所周知的移动人群感知使用案例之一,它从道路上的用户获取实时交通信息以生成关于道路状况的实时报告。
目前,移动群智感知应用通常假定用户自愿参与,这在现实世界中并不总是实用的。智能手机用户在执行感应任务时会消耗自己的电池,CPU和人力等资源。因此,智能手机用户可能没有做好准备对人群感应任务做出贡献的情况,除非收到满意的报酬来补偿他们的成本。拍卖机制是激励智能手机用户参与移动人群感知的自然而有效的方法。它自动发现合适的市场价格,帮助选择低成本的用户共同完成传感工作。与众包工作相比,移动群智感知工作通常以大部分感知任务的核心位置意识为标志。感知任务通常指定要从中收集所需信息的位置。只有在指定地点进行测量,交通状况或空气质量等感应数据才是最有价值的。如果从不相关的位置收集,这样的数据变得不那么有价值。因此,亟需一种位置感知任务的分配方法。
发明内容
本申请实施例提供了一种位置感知任务的分配方法、装置及存储介质,用于解决相关技术中位置感知任务采集不准确,数据价值低的问题。所述技术方案如下:
一方面,提供了一种位置感知任务的分配方法,所述方法包括:
当接收到多个投标者的投标信息时,基于所述多个投标者的投标信息,从所述多个投标者中确定满足投标条件的目标投标者;
基于所述目标投标者的投标信息,通过任务覆盖模型确定每一轮拍卖成功的参与投标者,所述任务覆盖模型为在任一时刻进行的一轮拍卖中使社会成本最小化的模型;
基于所述参与投标者的投标信息,通过任务分配模型对所述参与投标者进行位置感知任务的分配,所述任务分配模型为位置感知任务的拍卖中使社会成本最小化的模型。
在一些实施例中,所述投标信息包括每个投标者执行所投标的投标项的执行时间和所述每个投标者在所述执行时间内的任务容量;
所述基于所述多个投标者的投标信息,从所述多个投标者中确定满足投标条件的目标投标者,包括:
当所述当前时刻位于所述执行时间内,且所述任一投标者执行所投标的投标项时所占容量与允许所述任一投标者所投标的投标项数量τi的容量之和小于或等于所述任一投标者的任务容量时,确定所述任一投标者满足所述投标条件;
将满足所述投标条件的投标者确定为所述目标投标者。
在一些实施例中,所述方法还包括:
当通过所述任务覆盖模型确定的参与投标者的参与人数小于预设执行人数时,根据临界值规则确定所述参与投标者针对目标投标项的支付价格;
将所述参与投标者所投标的投标项中未中标的投标项从可选标集合中移除,并向所述目标投标项添加至中标项集合中,并将所述目标投标项从投标项集合中移除。
在一些实施例中,所述根据临界值规则确定所述参与投标者针对目标投标项的支付价格,包括:
当所述参与投标者中任一参与投标者的投标价格小于或等于临界价格时,通过如下第一公式确定所述任一参与投标者针对所述目标投标项的支付价格;
其中,所述(i-,j-)为可选标集合中的任一可选标,所述C(t)为可选标集合,所述Uij(A(t))为执行目标投标项j的参与投标者的参与人数,所述为投标者i在时刻t处理第j个投标项的费用,所述为所述任一参与投标者的所投标的目标投标项j*的支付价格,所述为执行目标投标项j*的参与投标者的参与人数,所述为执行目标投标项j-的参与投标者的参与人数,所述为投标者i-在时刻t处理第j-个投标项的费用。
在一些实施例中,所述将所述参与投标者所投标的投标项中未中标的投标项从可选标集合中移除,并向所述目标投标项添加至中标项集合中,并将所述目标投标项从投标项集合中移除之后,还包括:
通过下述第二公式确定所述任务覆盖模型或所述任务分配模型中的对偶变量
∈=maxk∈[K]∈k
其中,所述为对偶变量。
在一些实施例中,所述将所述参与投标者所投标的投标项中未中标的投标项从可选标集合中移除,并向所述目标投标项添加至中标项集合中,并将所述目标投标项从投标项集合中移除之后,还包括:
对于所述中标项集合中的每个目标投标项,通过下述第三公式更新每个目标投标项在所述任务分配模型中对应的对偶变量和τi;
其中,所述为用于控制所述投标者i的允许所述任一投标者所投标的投标项数量,所述随着允许所述任一投标者所投标的投标项数量的减少而增大,所述α为辅助变量,所述Γi为投标者i的容量,所述为位置感知任务集合,所述为投标者i在时刻t处理第j个投标项的费用,所述τi为允许所述任一投标者所投标的投标项数量。
在一些实施例中,所述基于所述目标投标者的投标信息,通过任务覆盖模型确定任务分配方式之前,还包括:
基于所述多个投标者的投标信息,将当前时刻进行的一轮拍卖的社会福利最大化的拍卖机制通过整数线性规划的方式进行处理,得到如下任务覆盖模型;
subjectto:
其中,所述为投标者i在时刻t的第j个投标项是否中标,所述为投标者i在时刻t处理第j个投标项的费用,所述I为投标者的数量,所述J为投标者所投标的投标项的数量,所述i为所述I个投标者中的任一投标者,所述j为所述任一投标者所投标的J个投标项中任一投标项,所述为执行位置感知任务sk的投标者的数量,所述为位置感知任务集合,所述sk为所述位置感知任务集合中的任一位置感知任务,所述K为位置感知任务的个数,所述k为所述K个位置感知任务中任一位置感知任务。
在一些实施例中,所述基于所述多个投标者的投标信息,将当前时刻进行的一轮拍卖的社会福利最大化的拍卖机制通过整数线性规划的方式进行处理之后,还包括:
对所述任务覆盖模型进行简化处理并加入对偶变量,得到如下对偶的任务覆盖模型;
subjectto:
其中,所述为所述对偶变量,所述为投标者i在时刻t处理第j个投标项的费用,所述I为投标者的数量,所述J为投标者所投标的投标项的数量,所述i为所述I个投标者中的任一投标者,所述j为所述任一投标者所投标的J个投标项中任一投标项,所述为执行位置感知任务sk的投标者的数量,所述为位置感知任务集合,所述sk为所述位置感知任务集合中的任一位置感知任务,所述K为位置感知任务的个数,所述k为所述K个位置感知任务中任一位置感知任务。
在一些实施例中,所述基于所述参与投标者的投标信息,通过任务分配模型对所述参与投标者进行位置感知任务的分配之前,还包括:
将位置感知任务的拍卖中使社会成本最小化的拍卖机制通过整数线性规划的方式进行处理,得到如下任务分配模型;
subjectto:
其中,所述为投标者i在时刻t处理第j个投标项的费用,所述为投标者i在时刻t的第j个投标项是否中标,所述为位置感知任务集合,所述Γi为投标者i的容量,所述I为投标者的数量,所述J为投标者所投标的投标项的数量,所述i为所述I个投标者中的任一投标者,所述j为所述任一投标者所投标的J个投标项中任一投标项,所述sk为所述位置感知任务集合中的任一位置感知任务,所述K为位置感知任务的个数,所述k为所述K个位置感知任务中任一位置感知任务,所述T为在线拍卖总时隙。
在一些实施例中,所述将位置感知任务的拍卖中使社会成本最小化的拍卖机制通过整数线性规划的方式进行处理之后,还包括:
对所述任务处理模型进行松弛处理并加入对偶变量,得到如下对偶的任务分配模型;
subjectto:
其中,所述λi为所述对偶变量,所述为执行位置感知任务sk的投标者的数量,所述Γi为投标者i的容量,所述为投标者i在时刻t处理第j个投标项的费用,所述为位置感知任务集合,所述I为投标者的数量,所述J为投标者所投标的投标项的数量,所述i为所述I个投标者中的任一投标者,所述j为所述任一投标者所投标的J个投标项中任一投标项,所述sk为所述位置感知任务集合中的任一位置感知任务,所述K为位置感知任务的个数,所述k为所述K个位置感知任务中任一位置感知任务,所述T为在线拍卖总时隙。
另一方面,提供了一种位置感知任务的分配装置,所述装置包括:
第一确定模块,用于当接收到多个投标者的投标信息时,基于所述多个投标者的投标信息,从所述多个投标者中确定满足投标条件的目标投标者;
第二确定模块,用于基于所述目标投标者的投标信息,通过任务覆盖模型确定每一轮拍卖成功的参与投标者,所述任务覆盖模型为在任一时刻进行的一轮拍卖中使社会成本最小化的模型;
分配模块,用于基于所述参与投标者的投标信息,通过任务分配模型对所述参与投标者进行位置感知任务的分配,所述任务分配模型为位置感知任务的拍卖中使社会成本最小化的模型。
在一些实施例中,所述投标信息包括每个投标者执行所投标的投标项的执行时间和所述每个投标者在所述执行时间内的任务容量;
所述第一确定模块包括:
第一确定子模块,用于当所述当前时刻位于所述执行时间内,且所述任一投标者执行所投标的投标项时所占容量与允许所述任一投标者所投标的投标项数量τi的容量之和小于或等于所述任一投标者的任务容量时,确定所述任一投标者满足所述投标条件;
第二确定子模块,用于将满足所述投标条件的投标者确定为所述目标投标者。
在一些实施例中,所述装置还包括:
第三确定模块,用于当通过所述任务覆盖模型确定的参与投标者的参与人数小于预设执行人数时,根据临界值规则确定所述参与投标者针对目标投标项的支付价格;
第一处理模块,用于将所述参与投标者所投标的投标项中未中标的投标项从可选标集合中移除,并向所述目标投标项添加至中标项集合中,并将所述目标投标项从投标项集合中移除。
在一些实施例中,所述第三确定模块用于:
当所述参与投标者中任一参与投标者的投标价格小于或等于临界价格时,通过如下第一公式确定所述任一参与投标者针对所述目标投标项的支付价格;
其中,所述(i-,j-)为可选标集合中的任一可选标,所述C(t)为可选标集合,所述Uij(A(t))为执行目标投标项j的参与投标者的参与人数,所述为投标者i在时刻t处理第j个投标项的费用,所述为所述任一参与投标者的所投标的目标投标项j*的支付价格,所述为执行目标投标项j*的参与投标者的参与人数,所述为执行目标投标项j-的参与投标者的参与人数,所述为投标者i-在时刻t处理第j-个投标项的费用。
在一些实施例中,所述装置还包括:
第四确定模块,用于通过下述第二公式确定所述任务覆盖模型或所述任务分配模型中的对偶变量
∈=maxk∈[K]∈k
其中,所述为对偶变量。
在一些实施例中,所述装置还包括:
更新模块,用于对于所述中标项集合中的每个目标投标项,通过下述第三公式更新每个目标投标项在所述任务分配模型中对应的对偶变量和τi;
其中,所述为用于控制所述投标者i的允许所述任一投标者所投标的投标项数量,所述随着允许所述任一投标者所投标的投标项数量的减少而增大,所述α为辅助变量,所述Γi为投标者i的容量,所述为位置感知任务集合,所述为投标者i在时刻t处理第j个投标项的费用,所述τi为允许所述任一投标者所投标的投标项数量。
在一些实施例中,所述装置还包括:
第二处理模块,用于基于所述多个投标者的投标信息,将当前时刻进行的一轮拍卖的社会福利最大化的拍卖机制通过整数线性规划的方式进行处理,得到如下任务覆盖模型;
subjectto:
其中,所述为投标者i在时刻t的第j个投标项是否中标,所述为投标者i在时刻t处理第j个投标项的费用,所述I为投标者的数量,所述J为投标者所投标的投标项的数量,所述i为所述I个投标者中的任一投标者,所述j为所述任一投标者所投标的J个投标项中任一投标项,所述为执行位置感知任务sk的投标者的数量,所述为位置感知任务集合,所述sk为所述位置感知任务集合中的任一位置感知任务,所述K为位置感知任务的个数,所述k为所述K个位置感知任务中任一位置感知任务。
在一些实施例中,所述装置还包括:
第三处理模块,用于对所述任务覆盖模型进行简化处理并加入对偶变量,得到如下对偶的任务覆盖模型;
subjectto:
其中,所述为所述对偶变量,所述为投标者i在时刻t处理第j个投标项的费用,所述I为投标者的数量,所述J为投标者所投标的投标项的数量,所述i为所述I个投标者中的任一投标者,所述j为所述任一投标者所投标的J个投标项中任一投标项,所述为执行位置感知任务sk的投标者的数量,所述为位置感知任务集合,所述sk为所述位置感知任务集合中的任一位置感知任务,所述K为位置感知任务的个数,所述k为所述K个位置感知任务中任一位置感知任务。
在一些实施例中,所述装置还包括:
第四处理模块,用于将位置感知任务的拍卖中使社会成本最小化的拍卖机制通过整数线性规划的方式进行处理,得到如下任务分配模型;
subjectto:
其中,所述为投标者i在时刻t处理第j个投标项的费用,所述为投标者i在时刻t的第j个投标项是否中标,所述为位置感知任务集合,所述Γi为投标者i的容量,所述I为投标者的数量,所述J为投标者所投标的投标项的数量,所述i为所述I个投标者中的任一投标者,所述j为所述任一投标者所投标的J个投标项中任一投标项,所述sk为所述位置感知任务集合中的任一位置感知任务,所述K为位置感知任务的个数,所述k为所述K个位置感知任务中任一位置感知任务,所述T为在线拍卖总时隙。
在一些实施例中,所述装置还包括:
第五处理模块,用于对所述任务处理模型进行松弛处理并加入对偶变量,得到如下对偶的任务分配模型;
subjectto:
其中,所述λi为所述对偶变量,所述为执行位置感知任务sk的投标者的数量,所述Γi为投标者i的容量,所述为投标者i在时刻t处理第j个投标项的费用,所述为位置感知任务集合,所述I为投标者的数量,所述J为投标者所投标的投标项的数量,所述i为所述I个投标者中的任一投标者,所述j为所述任一投标者所投标的J个投标项中任一投标项,所述sk为所述位置感知任务集合中的任一位置感知任务,所述K为位置感知任务的个数,所述k为所述K个位置感知任务中任一位置感知任务,所述T为在线拍卖总时隙。
另一方面,提供了一种计算机可读存储介质,所述存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述提供的一种位置感知任务的分配方法。
第四方面,提供了一种云平台,所述云平台包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为执行上述提供的一种位置感知任务的分配方法的步骤。
第五方面,提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述提供的一种位置感知任务的分配方法的步骤。
本申请实施例提供的技术方案带来的有益效果至少包括:
在本申请实施例中,可以在接收到多个投标者的投标信息时,基于该多个投标者的投标信息,从该多个投标者中确定满足投标条件的目标投标者,然后基于该目标投标者的投标信息,通过任务覆盖模型确定每一轮拍卖成功的参与投标者,并基于参与投标者的投标信息通过任务分配模型进行位置感知任务的分配。由于任务覆盖模型为在任一时刻进行的一轮拍卖中使社会成本最小化的模型,任务分配模型为位置感知任务的拍卖中使社会成本最小化的模型,从而通过任务覆盖模型和任务分配模型极性位置感知任务的分配可以使社会成本最小化,同时保证了位置感知任务的准确性和价值。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种位置感知任务的分配方法的流程图;
图2是本申请实施例提供的另一种位置感知任务的分配方法的流程图;
图3是本申请实施例提供的一种在不同投标项数量与不同投标者数量的每一轮的近似比的示意图;
图4是本申请实施例提供的一种在不同投标项数量和不同投标者数量时的中标者占比图;
图5是本申请实施例提供的一种在不同投标项数量和分布时的社会成本与支付价格对比图;
图6是本申请实施例提供的第一种位置感知任务的分配装置的框图;
图7是本申请实施例提供的一种第一确定模块的结构框图;
图8是本申请实施例提供的第二种位置感知任务的分配装置的框图;
图9是本申请实施例提供的第三种位置感知任务的分配装置的框图;
图10是本申请实施例提供的第四种位置感知任务的分配装置的框图;
图11是本申请实施例提供的第五种位置感知任务的分配装置的框图;
图12是本申请实施例提供的第六种位置感知任务的分配装置的框图;
图13是本申请实施例提供的第七种位置感知任务的分配装置的框图;
图14是本申请实施例提供的第八种位置感知任务的分配装置的框图;
图15是本申请实施例提供的一种云平台的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
在对本申请实施例进行详细的解释说明之前,先对本申请实施例中涉及到的应用场景进行解释说明。
移动群智感知是一种新的大规模感知模式,它利用户随身携带的智能移动终端形成大规模、随时随地且与人们日常生活密切相关的感知系统。典型的移动群智感知系统由云平台和智能移动终端组成。移动智能终端可以充当传感服务提供商,云平台可以招聘移动智能终端的用户提供传感服务。近年来,在一些领域已经见证了移动群智感知的应用。例如,Waze是市场上众所周知的移动人群感知使用案例之一,它从道路上的用户获取实时交通信息以生成关于道路状况的实时报告。
目前,移动群智感知应用通常假定用户自愿参与,这在现实世界中并不总是实用的。智能手机用户在执行感应任务时会消耗自己的电池,CPU和人力等资源。因此,智能手机用户可能没有做好准备对人群感应任务做出贡献的情况,除非收到满意的报酬来补偿他们的成本。拍卖机制是激励智能手机用户参与移动人群感知的自然而有效的方法。它自动发现合适的市场价格,帮助选择低成本的用户共同完成传感工作。与众包工作相比,移动群智感知工作通常以大部分感知任务的核心位置意识为标志。感知任务通常指定要从中收集所需信息的位置。只有在指定地点进行测量,交通状况或空气质量等感应数据才是最有价值的。如果从不相关的位置收集,这样的数据变得不那么有价值。
基于这样的应用场景,本申请实施例提供了一种能够提高任务感知准确性的位置感知任务的分配方法。
在对本申请实施例的应用场景进行介绍之后,接下来将结合附图对本申请实施例提供的位置感知任务的分配方法进行详细介绍。
图1为本申请实施例提供的一种位置感知任务的分配方法的流程图,参见图1,该方法应用于云平台中,包括如下步骤。
步骤101:当接收到多个投标者的投标信息时,基于该多个投标者的投标信息,从该多个投标者中确定满足投标条件的目标投标者。
步骤102:基于该目标投标者的投标信息,通过任务覆盖模型确定每一轮拍卖成功的参与投标者,该任务覆盖模型为在任一时刻进行的一轮拍卖中使社会成本最小化的模型。
步骤103:基于该参与投标者的投标信息,通过任务分配模型对该参与投标者进行位置感知任务的分配,该任务分配模型为位置感知任务的拍卖中使社会成本最小化的模型。
在本申请实施例中,可以在接收到多个投标者的投标信息时,基于该多个投标者的投标信息,从该多个投标者中确定满足投标条件的目标投标者,然后基于该目标投标者的投标信息,通过任务覆盖模型确定每一轮拍卖成功的参与投标者,并基于参与投标者的投标信息通过任务分配模型进行位置感知任务的分配。由于任务覆盖模型为在任一时刻进行的一轮拍卖中使社会成本最小化的模型,任务分配模型为位置感知任务的拍卖中使社会成本最小化的模型,从而通过任务覆盖模型和任务分配模型极性位置感知任务的分配可以使社会成本最小化,同时保证了位置感知任务的准确性和价值。
在一些实施例中,该投标信息包括每个投标者执行所投标的投标项的执行时间和该每个投标者在该执行时间内的任务容量;
基于该多个投标者的投标信息,从该多个投标者中确定满足投标条件的目标投标者,包括:
当该当前时刻位于该执行时间内,且该任一投标者执行所投标的投标项时所占容量与允许该任一投标者所投标的投标项数量τi的容量之和小于或等于该任一投标者的任务容量时,确定该任一投标者满足该投标条件;
将满足该投标条件的投标者确定为该目标投标者。
在一些实施例中,该方法还包括:
当通过该任务覆盖模型确定的参与投标者的参与人数小于预设执行人数时,根据临界值规则确定该参与投标者针对目标投标项的支付价格;
将该参与投标者所投标的投标项中未中标的投标项从可选标集合中移除,并向该目标投标项添加至中标项集合中,并将该目标投标项从投标项集合中移除。
在一些实施例中,根据临界值规则确定该参与投标者针对目标投标项的支付价格,包括:
当该参与投标者中任一参与投标者的投标价格小于或等于临界价格时,通过如下第一公式确定该任一参与投标者针对该目标投标项的支付价格;
其中,该(i-,j-)为可选标集合中的任一可选标,该C(t)为可选标集合,该Uij(A(t))为执行目标投标项j的参与投标者的参与人数,该为投标者i在时刻t处理第j个投标项的费用,该为该任一参与投标者的所投标的目标投标项j*的支付价格,该为执行目标投标项j*的参与投标者的参与人数,该为执行目标投标项j-的参与投标者的参与人数,该为投标者i-在时刻t处理第j-个投标项的费用。
在一些实施例中,将该参与投标者所投标的投标项中未中标的投标项从可选标集合中移除,并向该目标投标项添加至中标项集合中,并将该目标投标项从投标项集合中移除之后,还包括:
通过下述第二公式确定该任务覆盖模型或该任务分配模型中的对偶变量
∈=maxk∈[K]∈k
其中,该为对偶变量。
在一些实施例中,将该参与投标者所投标的投标项中未中标的投标项从可选标集合中移除,并向该目标投标项添加至中标项集合中,并将该目标投标项从投标项集合中移除之后,还包括:
对于该中标项集合中的每个目标投标项,通过下述第三公式更新每个目标投标项在该任务分配模型中对应的对偶变量和τi;
其中,该为用于控制该投标者i的允许该任一投标者所投标的投标项数量,该随着允许该任一投标者所投标的投标项数量的减少而增大,该α为辅助变量,该Γi为投标者i的容量,该为位置感知任务集合,该为投标者i在时刻t处理第j个投标项的费用,该τi为允许该任一投标者所投标的投标项数量。
在一些实施例中,基于该目标投标者的投标信息,通过任务覆盖模型确定任务分配方式之前,还包括:
基于该多个投标者的投标信息,将当前时刻进行的一轮拍卖的社会福利最大化的拍卖机制通过整数线性规划的方式进行处理,得到如下任务覆盖模型;
subjectto:
其中,该为投标者i在时刻t的第j个投标项是否中标,该为投标者i在时刻t处理第j个投标项的费用,该I为投标者的数量,该J为投标者所投标的投标项的数量,该i为该I个投标者中的任一投标者,该j为该任一投标者所投标的J个投标项中任一投标项,该为执行位置感知任务sk的投标者的数量,该为位置感知任务集合,该sk为该位置感知任务集合中的任一位置感知任务,该K为位置感知任务的个数,该k为该K个位置感知任务中任一位置感知任务。
在一些实施例中,基于该多个投标者的投标信息,将当前时刻进行的一轮拍卖的社会福利最大化的拍卖机制通过整数线性规划的方式进行处理之后,还包括:
对该任务覆盖模型进行简化处理并加入对偶变量,得到如下对偶的任务覆盖模型;
subjectto:
其中,该为该对偶变量,该为投标者i在时刻t处理第j个投标项的费用,该I为投标者的数量,该J为投标者所投标的投标项的数量,该i为该I个投标者中的任一投标者,该j为该任一投标者所投标的J个投标项中任一投标项,该为执行位置感知任务sk的投标者的数量,该为位置感知任务集合,该sk为该位置感知任务集合中的任一位置感知任务,该K为位置感知任务的个数,该k为该K个位置感知任务中任一位置感知任务。
在一些实施例中,基于该参与投标者的投标信息,通过任务分配模型对该参与投标者进行位置感知任务的分配之前,还包括:
将位置感知任务的拍卖中使社会成本最小化的拍卖机制通过整数线性规划的方式进行处理,得到如下任务分配模型;
subjectto:
其中,该为投标者i在时刻t处理第j个投标项的费用,该为投标者i在时刻t的第j个投标项是否中标,该为位置感知任务集合,该Γi为投标者i的容量,该I为投标者的数量,该J为投标者所投标的投标项的数量,该i为该I个投标者中的任一投标者,该j为该任一投标者所投标的J个投标项中任一投标项,该sk为该位置感知任务集合中的任一位置感知任务,该K为位置感知任务的个数,该k为该K个位置感知任务中任一位置感知任务,该T为在线拍卖总时隙。
在一些实施例中,将位置感知任务的拍卖中使社会成本最小化的拍卖机制通过整数线性规划的方式进行处理之后,还包括:
对该任务处理模型进行松弛处理并加入对偶变量,得到如下对偶的任务分配模型;
subjectto:
其中,该λi为该对偶变量,该为执行位置感知任务sk的投标者的数量,该Γi为投标者i的容量,该为投标者i在时刻t处理第j个投标项的费用,该为位置感知任务集合,该I为投标者的数量,该J为投标者所投标的投标项的数量,该i为该I个投标者中的任一投标者,该j为该任一投标者所投标的J个投标项中任一投标项,该sk为该位置感知任务集合中的任一位置感知任务,该K为位置感知任务的个数,该k为该K个位置感知任务中任一位置感知任务,该T为在线拍卖总时隙。
上述所有可选技术方案,均可按照任意结合形成本申请的可选实施例,本申请实施例对此不再一一赘述。
图2为本申请实施例提供的一种位置感知任务的分配方法的流程图,参见图2,该方法包括如下步骤。
步骤201:云平台接收多个投标者的投标信息。
需要说明的是,多个投标者是云平台发布位置感知任务后,在通过拍卖方式进行位置感知分配时,请求进行位置感知任务的一方,该多个投标者可以为用户的移动终端、智能手机等。该云平台可以为发布各种位置感知任务的拍卖者所使用的设备,比如,该云平台可以为服务器等等。
在一些实施例中,当云平台发布位置感知任务后,一些移动终端的使用者可能会请求完成位置感知任务,此时这些移动终端可作为投标者向云平台发送投标信息。
需要说明的是,该拍卖信息可以包括每个投标者执行所投标的投标项的执行时间和每个投标者在执行时间内的任务容量等信息。比如,该投标信息可以包括投标者i在t时刻投标3个投标项。
步骤202:云平台基于多个投标者的投标信息,从多个投标者中确定满足投标条件的目标投标者。
为了能够保证投标者顺利进行位置感知任务,云平台通常需要对多个投标者筛选,也即是,云平台需要从个投标者中确定满足投标条件的目标投标者。
在一些实施例中,拍卖信息可以包括每个投标者执行所投标的投标项的执行时间和每个投标者在执行时间内的任务容量,因此,云平台基于多个投标者的投标信息,从多个投标者中确定满足投标条件的目标投标者的操作可以为:当当前时刻位于执行时间内,且多个投标者中任一投标者执行所投标的投标项时所占容量与允许该任一投标者所投标的投标项数量τi的容量之和大于任一投标者的任务容量时,也即是,当t∈[ti-,ti+]且时,确定任一投标者不满足投标条件;当当前时刻位于执行时间内,且任一投标者执行所投标的投标项时所占容量与允许该任一投标者所投标的投标项数量τi的容量之和小于或等于任一投标者的任务容量时,确定任一投标者满足该投标条件;并将满足投标条件的投标者确定为目标投标者。
需要说明的是,τi为允许该任一投标者所投标的投标项数量,为位置感知任务集合,Γi为投标者i的容量。
在一些实施例中,当任一投标者不满足投标条件时,确定不满足投标条件的任一投标者不参与本轮拍卖,并确定以及C(t)=C(t)(i,j)。C(t)为可选标集合,C(t)(i,j)为将可选标集合中第i个投标者所投标的第j个投标项从该可选标集合中去掉,为投标者i在时刻t处理第j个投标项的费用,为投标者i在时刻t处理第j个投标项的费用。
在一些实施例中,当任一投标者满足投标条件是,确定满足投标条件的任一投标者参与本轮拍卖,并确定需要说明的是,为上一时刻的对偶变量值。
步骤203:云平台基于目标投标者的投标信息,通过任务覆盖模型确定每一轮拍卖成功的参与投标者,该任务覆盖模型为在任一时刻进行的一轮拍卖中使社会成本最小化的模型。
由于并不是所有进行投标的投标者都能参与完成位置感知任务,因此,为了使社会成本最小化,在每一轮拍卖中都需要通过任务覆盖模型从目标投标者中确定参与投标者。
需要说明的是,通过务覆盖模型从目标投标者中确定参与投标者即为求解任务覆盖模型的近似值,通过任务覆盖模型的近似值确定参与投标者。
在一些实施例中,云平台基于目标投标者的投标信息,通过任务覆盖模型确定任务分配方式之前,还可以先获取任务覆盖模型。也即是,云平台可以基于该多个投标者的投标信息,将当前时刻进行的一轮拍卖的社会福利最大化的拍卖机制通过整数线性规划的方式进行处理,得到如下任务覆盖模型。
subjectto:
需要说明的是,为投标者i在时刻t的第j个投标项是否中标,为投标者i在时刻t处理第j个投标项的费用,I为投标者的数量,J为投标者所投标的投标项的数量,i为个投标者中的任一投标者,j为任一投标者所投标的J个投标项中任一投标项,为执行位置感知任务sk的投标者的数量,为位置感知任务集合,sk为位置感知任务集合中的任一位置感知任务,K为位置感知任务的个数,k为K个位置感知任务中任一位置感知任务。
还需要说明的是,的范围通常可以为[5,50],每一轮拍卖时长可以为10分钟。
在一些实施例中,在确定参与投标者时,云平台可以直接通过任务覆盖模型从目标投标者中确定参与投标者,但是,由于有时候直接通过上述任务覆盖模型确定参与投标者时,云平台可能需要进行大量计算,因此,为了减少计算过程,提高云平台确定参与投标者的速度和效率,云平台还可以对任务覆盖模型进行优化。也即是,云平台可以将条件松弛为并引入对偶变量和写出对偶线性规划。
需要说明的是,云平台按照上述方式对任务覆盖模型进行简化处理并加入对偶变量后,可以得到如下对偶的任务覆盖模型;
subjectto:
需要说明的是,为对偶变量,为投标者i在时刻t处理第j个投标项的费用,I为投标者的数量,J为投标者所投标的投标项的数量,i为个投标者中的任一投标者,j为任一投标者所投标的J个投标项中任一投标项,为执行位置感知任务sk的投标者的数量,为位置感知任务集合,sk为位置感知任务集合中的任一位置感知任务,K为位置感知任务的个数,k为K个位置感知任务中任一位置感知任务。
在一些实施例中,云平台对任务覆盖模型进行优化的操作不仅可以包括上述方式,还可以包括其他方式,比如,云平台可以通过缩放因子缩放投标者所投标的投标项的数量、执行任一位置感知任务的投标者数量等中的任一个。
步骤204:云平台基于参与投标者的投标信息,通过任务分配模型对参与投标者进行位置感知任务的分配,该任务分配模型为位置感知任务的拍卖中使社会成本最小化的模型。
由于任务分配模型是基于任务覆盖模型构成,且任务分配模型为位置感知任务的拍卖中使社会成本最小化的模型,因此,为了使社会成本最小化,云平台可以基于参与投标者的投标信息,通过任务分配模型对参与投标者进行位置感知任务的分配。
在一些实施例中,云平台在基于参与投标者的投标信息,通过任务分配模型对参与投标者进行位置感知任务的分配之前,还可以事先确定任务分配模型。也即是,云平台可以将位置感知任务的拍卖中使社会成本最小化的拍卖机制通过整数线性规划的方式进行处理,可以得到如下任务分配模型。
subjectto:
需要说明的是,为投标者i在时刻t处理第j个投标项的费用,为投标者i在时刻t的第j个投标项是否中标,为位置感知任务集合,Γi为投标者i的容量,I为投标者的数量,J为投标者所投标的投标项的数量,i为I个投标者中的任一投标者,j为任一投标者所投标的J个投标项中任一投标项,sk为位置感知任务集合中的任一位置感知任务,K为位置感知任务的个数,k为K个位置感知任务中任一位置感知任务,T为在线拍卖总时隙。
还需要说明的是,在线拍卖总时隙T通常在[1,20]之间,Γi可以是[K,中随机的一个数。云平台可以发布的位置感知任务的个数K可以为[50,150],每个位置感知任务的成本在[10,30]之间。
在一些实施例中,在对参与投标者进行任务分配时,云平台可以直接通过任务分配模型对参与投标者进行任务分配,但是,由于有时候直接通过上述任务分配模型进行任务分配时,云平台可能需要进行大量计算,因此,为了减少计算过程,提高云平台分配位置感知任务的速度和效率,云平台还可以对任务分配模型进行优化。也即是,云平台可以将条件松弛为并引入对偶变量和λi,写出对偶线性规划。
需要说明的是,云平台按照上述方式对任务处理模型进行松弛处理并加入对偶变量,可以得到如下对偶的任务分配模型。
subjectto:
需要说明的是,λi为对偶变量,为执行位置感知任务sk的投标者的数量,Γi为投标者i的容量,为投标者i在时刻t处理第j个投标项的费用,为位置感知任务集合,I为投标者的数量,J为投标者所投标的投标项的数量,i为I个投标者中的任一投标者,j为任一投标者所投标的J个投标项中任一投标项,sk为位置感知任务集合中的任一位置感知任务,K为位置感知任务的个数,k为K个位置感知任务中任一位置感知任务。
在一些实施例中,云平台在进行下述步骤之前,还可以将任务覆盖模型和/或任务分配模型中的对偶变量进行初始化,也即是,确定对偶变量λi和均为0。
在一些实施例中,可以定义一些变量,比如,可以定义A(t)={(i1,j1),(i2,j2)......},用于表示在t时刻的所有任务集合(也即是,任一投标者的中标项集合),用C(t)表示在t时刻的可选标集合,用F(t)表示在t时刻所有投标项的投标项集合。
在一些实施例中,当通过任务覆盖模型确定的参与投标者的参与人数小于预设执行人数时,也即是,当时,可以根据临界值规则确定参与投标者针对目标投标项的支付价格;将参与投标者所投标的投标项中未中标的投标项从可选标集合中移除,并向目标投标项添加至中标项集合中,并将目标投标项从投标项集合中移除。
由于一个投标者智能中一个标,因此,云平台需要将参与投标者i*的其他投标项从集合C(t)中移除,并将所中的标放入中标项集合A(t)中。
在一些实施例中,云平台根据临界值规则确定参与投标者针对目标投标项的支付价格的操作可以为:当参与投标者中任一参与投标者的投标价格小于或等于临界价格时,通过如下第一公式确定任一参与投标者针对目标投标项的支付价格;
需要说明的是,在上述第一公式(1)中,(i-,j-)为可选标集合中的任一可选标,C(t)为可选标集合,Uij(A(t))为执行目标投标项j的参与投标者的参与人数,为投标者i在时刻t处理第j个投标项的费用,为任一参与投标者的所投标的目标投标项j*的支付价格,为执行目标投标项j*的参与投标者的参与人数,为执行目标投标项j-的参与投标者的参与人数,为投标者i-在时刻t处理第j-个投标项的费用。
在一些实施例中,云平台可以还可以通过下述第二公式确定任务覆盖模型或任务分配模型中的对偶变量
需要说明的是,在上述第二公式(2)中,为对偶变量,HK∈、mc(t)、max(k)、∈k、∈和mc(k)均没有确切的含义,可以为对偶变量的名称,用于证明和计算算法近似性能。
在一些实施例中,对于中标项集合中的每个目标投标项,云平台可以通过下述第三公式更新每个目标投标项在任务分配模型中对应的对偶变量和τi。
需要说明的是,在上述第三公式(3)中,为用于控制该投标者i的允许该任一投标者所投标的投标项数量,该随着允许该任一投标者所投标的投标项数量的减少而增大,α为辅助变量,Γi为投标者i的容量,为位置感知任务集合,为投标者i在时刻t处理第j个投标项的费用,τi为允许该任一投标者所投标的投标项数量。
在一些实施例中,对于不在中标项集合中的所有投标项,云平台可以通过下述第四公式(4)更新任务分配模型中对应的对偶变量
步骤205:云平台宣布每一次的拍卖结果。
需要说明的是,为了便于对本申请实施例进行理解,本申请实施例通过图3、图4和图5对申请实施例进行解释。其中,图3是本申请实施例提供的一种在不同投标项数量与不同投标者数量的每一轮的近似比的示意图。图4是本申请实施例提供的一种在不同投标项数量和不同投标者数量时的中标者占比图。图5是本申请实施例提供的一种在不同投标项数量和分布时的社会成本与支付价格对比图。
在本申请实施例中,可以在接收到多个投标者的投标信息时,基于该多个投标者的投标信息,从该多个投标者中确定满足投标条件的目标投标者,然后基于该目标投标者的投标信息,通过任务覆盖模型确定每一轮拍卖成功的参与投标者,并基于参与投标者的投标信息通过任务分配模型进行位置感知任务的分配。由于任务覆盖模型为在任一时刻进行的一轮拍卖中使社会成本最小化的模型,任务分配模型为位置感知任务的拍卖中使社会成本最小化的模型,从而通过任务覆盖模型和任务分配模型极性位置感知任务的分配可以使社会成本最小化,同时保证了位置感知任务的准确性和价值。
在对本申请实施例提供的位置感知任务的分配方法进行解释说明之后,接下来,对本申请实施例提供的位置感知任务的分配装置进行介绍。
图6是本公开实施例提供的一种位置感知任务的分配装置的框图,参见图6,该装置可以由软件、硬件或者两者的结合实现。该装置包括:第一确定模块601第二确定模块602和分配模块603。
第一确定模块601,用于当接收到多个投标者的投标信息时,基于所述多个投标者的投标信息,从所述多个投标者中确定满足投标条件的目标投标者;
第二确定模块602,用于基于所述目标投标者的投标信息,通过任务覆盖模型确定每一轮拍卖成功的参与投标者,所述任务覆盖模型为在任一时刻进行的一轮拍卖中使社会成本最小化的模型;
分配模块603,用于基于所述参与投标者的投标信息,通过任务分配模型对所述参与投标者进行位置感知任务的分配,所述任务分配模型为位置感知任务的拍卖中使社会成本最小化的模型。
在一些实施例中,所述投标信息包括每个投标者执行所投标的投标项的执行时间和所述每个投标者在所述执行时间内的任务容量;
参见图7,所述第一确定模块601包括:
第一确定子模块6011,用于当所述当前时刻位于所述执行时间内,且所述任一投标者执行所投标的投标项时所占容量与允许所述任一投标者所投标的投标项数量τi的容量之和小于或等于所述任一投标者的任务容量时,确定所述任一投标者满足所述投标条件;
第二确定子模块6012,用于将满足所述投标条件的投标者确定为所述目标投标者。
在一些实施例中,参见图8,所述装置还包括:
第三确定模块604,用于当通过所述任务覆盖模型确定的参与投标者的参与人数小于预设执行人数时,根据临界值规则确定所述参与投标者针对目标投标项的支付价格;
第一处理模块605,用于将所述参与投标者所投标的投标项中未中标的投标项从可选标集合中移除,并向所述目标投标项添加至中标项集合中,并将所述目标投标项从投标项集合中移除。
在一些实施例中,所述第三确定模块604用于:
当所述参与投标者中任一参与投标者的投标价格小于或等于临界价格时,通过如下第一公式确定所述任一参与投标者针对所述目标投标项的支付价格;
其中,所述(i-,j-)为可选标集合中的任一可选标,所述C(t)为可选标集合,所述Uij(A(t))为执行目标投标项j的参与投标者的参与人数,所述为投标者i在时刻t处理第j个投标项的费用,所述为所述任一参与投标者的所投标的目标投标项j*的支付价格,所述为执行目标投标项j*的参与投标者的参与人数,所述为执行目标投标项j-的参与投标者的参与人数,所述为投标者i-在时刻t处理第j-个投标项的费用。
在一些实施例中,参见图9,所述装置还包括:
第四确定模块606,用于通过下述第二公式确定所述任务覆盖模型或所述任务分配模型中的对偶变量
∈=maxk∈[K]∈k
其中,所述为对偶变量。
在一些实施例中,参见图10,所述装置还包括:
更新模块607,用于对于所述中标项集合中的每个目标投标项,通过下述第三公式更新每个目标投标项在所述任务分配模型中对应的对偶变量和τi;
其中,所述为用于控制所述投标者i的允许所述任一投标者所投标的投标项数量,所述随着允许所述任一投标者所投标的投标项数量的减少而增大,所述α为辅助变量,所述Γi为投标者i的容量,所述为位置感知任务集合,所述为投标者i在时刻t处理第j个投标项的费用,所述τi为允许所述任一投标者所投标的投标项数量。
在一些实施例中,参见图11,所述装置还包括:
第二处理模块608,用于基于所述多个投标者的投标信息,将当前时刻进行的一轮拍卖的社会福利最大化的拍卖机制通过整数线性规划的方式进行处理,得到如下任务覆盖模型;
subjectto:
其中,所述为投标者i在时刻t的第j个投标项是否中标,所述为投标者i在时刻t处理第j个投标项的费用,所述I为投标者的数量,所述J为投标者所投标的投标项的数量,所述i为所述I个投标者中的任一投标者,所述j为所述任一投标者所投标的J个投标项中任一投标项,所述为执行位置感知任务sk的投标者的数量,所述为位置感知任务集合,所述sk为所述位置感知任务集合中的任一位置感知任务,所述K为位置感知任务的个数,所述k为所述K个位置感知任务中任一位置感知任务。
在一些实施例中,参见图12,所述装置还包括:
第三处理模块609,用于对所述任务覆盖模型进行简化处理并加入对偶变量,得到如下对偶的任务覆盖模型;
subjectto:
其中,所述为所述对偶变量,所述为投标者i在时刻t处理第j个投标项的费用,所述I为投标者的数量,所述J为投标者所投标的投标项的数量,所述i为所述I个投标者中的任一投标者,所述j为所述任一投标者所投标的J个投标项中任一投标项,所述为执行位置感知任务sk的投标者的数量,所述为位置感知任务集合,所述sk为所述位置感知任务集合中的任一位置感知任务,所述K为位置感知任务的个数,所述k为所述K个位置感知任务中任一位置感知任务。
在一些实施例中,参见图13,所述装置还包括:
第四处理模块6010,用于将位置感知任务的拍卖中使社会成本最小化的拍卖机制通过整数线性规划的方式进行处理,得到如下任务分配模型;
subjectto:
其中,所述为投标者i在时刻t处理第j个投标项的费用,所述为投标者i在时刻t的第j个投标项是否中标,所述为位置感知任务集合,所述Γi为投标者i的容量,所述I为投标者的数量,所述J为投标者所投标的投标项的数量,所述i为所述I个投标者中的任一投标者,所述j为所述任一投标者所投标的J个投标项中任一投标项,所述sk为所述位置感知任务集合中的任一位置感知任务,所述K为位置感知任务的个数,所述k为所述K个位置感知任务中任一位置感知任务,所述T为在线拍卖总时隙。
在一些实施例中,参见图14,所述装置还包括:
第五处理模块6011,用于对所述任务处理模型进行松弛处理并加入对偶变量,得到如下对偶的任务分配模型;
subjectto:
其中,所述λi为所述对偶变量,所述为执行位置感知任务sk的投标者的数量,所述Γi为投标者i的容量,所述为投标者i在时刻t处理第j个投标项的费用,所述为位置感知任务集合,所述I为投标者的数量,所述J为投标者所投标的投标项的数量,所述i为所述I个投标者中的任一投标者,所述j为所述任一投标者所投标的J个投标项中任一投标项,所述sk为所述位置感知任务集合中的任一位置感知任务,所述K为位置感知任务的个数,所述k为所述K个位置感知任务中任一位置感知任务,所述T为在线拍卖总时隙。
综上所述,在本申请实施例中,可以在接收到多个投标者的投标信息时,基于该多个投标者的投标信息,从该多个投标者中确定满足投标条件的目标投标者,然后基于该目标投标者的投标信息,通过任务覆盖模型确定每一轮拍卖成功的参与投标者,并基于参与投标者的投标信息通过任务分配模型进行位置感知任务的分配。由于任务覆盖模型为在任一时刻进行的一轮拍卖中使社会成本最小化的模型,任务分配模型为位置感知任务的拍卖中使社会成本最小化的模型,从而通过任务覆盖模型和任务分配模型极性位置感知任务的分配可以使社会成本最小化,同时保证了位置感知任务的准确性和价值。
需要说明的是:上述实施例提供的位置感知任务的分配装置在分配位置感知任务时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的位置感知任务的分配装置与位置感知任务的分配方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
图15示出了本申请一个示例性实施例提供的云平台1500的结构框图。
通常,云平台1500包括有:处理器1501和存储器1502。
处理器1501可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。处理器1501可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)、PLA(Programmable Logic Array,可编程逻辑阵列)中的至少一种硬件形式来实现。处理器1501也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(Central ProcessingUnit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器1501可以在集成有GPU(Graphics Processing Unit,图像处理器),GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中,处理器1501还可以包括AI(Artificial Intelligence,人工智能)处理器,该AI处理器用于处理有关机器学习的计算操作。
存储器1502可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的。存储器1502还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中,存储器1502中的非暂态的计算机可读存储介质用于存储至少一个指令,该至少一个指令用于被处理器1501所执行以实现本申请中方法实施例提供的位置感知任务的分配方法。
在一些实施例中,云平台1500还可选包括有:外围设备接口1503和至少一个外围设备。处理器1501、存储器1502和外围设备接口1503之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口1503相连。具体地,外围设备包括:射频电路1504、触摸显示屏1505、摄像头1506、音频电路1507、定位组件1508和电源1509中的至少一种。
外围设备接口1503可被用于将I/O(Input/Output,输入/输出)相关的至少一个外围设备连接到处理器1501和存储器1502。在一些实施例中,处理器1501、存储器1502和外围设备接口1503被集成在同一芯片或电路板上;在一些其他实施例中,处理器1501、存储器1502和外围设备接口1503中的任意一个或两个可以在单独的芯片或电路板上实现,本实施例对此不加以限定。
射频电路1504用于接收和发射RF(Radio Frequency,射频)信号,也称电磁信号。射频电路1504通过电磁信号与通信网络以及其他通信设备进行通信。射频电路1504将电信号转换为电磁信号进行发送,或者,将接收到的电磁信号转换为电信号。在一些实施例中,射频电路1504包括:天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路1504可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于:城域网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity,无线保真)网络。在一些实施例中,射频电路1504还可以包括NFC(Near Field Communication,近距离无线通信)有关的电路,本申请对此不加以限定。
显示屏1505用于显示UI(User Interface,用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏1505是触摸显示屏时,显示屏1505还具有采集在显示屏1505的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器1501进行处理。此时,显示屏1505还可以用于提供虚拟按钮和/或虚拟键盘,也称软按钮和/或软键盘。在一些实施例中,显示屏1505可以为一个,设置云平台1500的前面板;在另一些实施例中,显示屏1505可以为至少两个,分别设置在云平台1500的不同表面或呈折叠设计。
摄像头组件1506用于采集图像或视频。在一些实施例中,摄像头组件1506包括前置摄像头和后置摄像头。通常,前置摄像头设置在终端的前面板,后置摄像头设置在终端的背面。在一些实施例中,后置摄像头为至少两个,分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种,以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality,虚拟现实)拍摄功能或者其它融合拍摄功能。
音频电路1507可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波,并将声波转换为电信号输入至处理器1501进行处理,或者输入至射频电路1504以实现语音通信。出于立体声采集或降噪的目的,麦克风可以为多个,分别设置在云平台1500的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器1501或射频电路1504的电信号转换为声波。扬声器可以是传统的薄膜扬声器,也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时,不仅可以将电信号转换为人类可听见的声波,也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中,音频电路1507还可以包括耳机插孔。
定位组件1508用于定位云平台1500的当前地理位置,以实现导航或LBS(LocationBased Service,基于位置的服务)。定位组件1508可以是基于美国的GPS(GlobalPositioning System,全球定位系统)、中国的北斗系统、俄罗斯的格雷纳斯系统或欧盟的伽利略系统的定位组件。
电源1509用于为云平台1500中的各个组件进行供电。电源1509可以是交流电、直流电、一次性电池或可充电电池。当电源1509包括可充电电池时,该可充电电池可以支持有线充电或无线充电。该可充电电池还可以用于支持快充技术。
在一些实施例中,云平台1500还包括有一个或多个传感器1510。
也即是,本申请实施例不仅提供了一种云平台,包括处理器和用于存储处理器可执行指令的存储器,其中,处理器被配置为执行图1和图2所示的实施例中的方法,而且,本申请实施例还提供了一种计算机可读存储介质,该存储介质内存储有计算机程序,该计算机程序被处理器执行时可以实现图1和图2所示的实施例中的位置感知任务的分配方法。
本领域技术人员可以理解,图15中示出的结构并不构成对云平台1500的限定,可以包括比图示更多或更少的组件,或者组合某些组件,或者采用不同的组件布置。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本申请的较佳实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种位置感知任务的分配方法,其特征在于,所述方法包括:
当接收到多个投标者的投标信息时,基于所述多个投标者的投标信息,从所述多个投标者中确定满足投标条件的目标投标者;
基于所述目标投标者的投标信息,通过任务覆盖模型确定每一轮拍卖成功的参与投标者,所述任务覆盖模型为在任一时刻进行的一轮拍卖中使社会成本最小化的模型;
基于所述参与投标者的投标信息,通过任务分配模型对所述参与投标者进行位置感知任务的分配,所述任务分配模型为位置感知任务的拍卖中使社会成本最小化的模型。
2.如权利要求1所述的方法,其特征在于,所述投标信息包括每个投标者执行所投标的投标项的执行时间和所述每个投标者在所述执行时间内的任务容量;
所述基于所述多个投标者的投标信息,从所述多个投标者中确定满足投标条件的目标投标者,包括:
当所述当前时刻位于所述执行时间内,且所述任一投标者执行所投标的投标项时所占容量与允许所述任一投标者所投标的投标项数量τi的容量之和小于或等于所述任一投标者的任务容量时,确定所述任一投标者满足所述投标条件;
将满足所述投标条件的投标者确定为所述目标投标者。
3.如权利要求1所述的方法,其特征在于,所述方法还包括:
当通过所述任务覆盖模型确定的参与投标者的参与人数小于预设执行人数时,根据临界值规则确定所述参与投标者针对目标投标项的支付价格;
将所述参与投标者所投标的投标项中未中标的投标项从可选标集合中移除,并向所述目标投标项添加至中标项集合中,并将所述目标投标项从投标项集合中移除。
4.如权利要求3所述的方法,其特征在于,所述根据临界值规则确定所述参与投标者针对目标投标项的支付价格,包括:
当所述参与投标者中任一参与投标者的投标价格小于或等于临界价格时,通过如下第一公式确定所述任一参与投标者针对所述目标投标项的支付价格;
其中,所述(i-,j-)为可选标集合中的任一可选标,所述C(t)为可选标集合,所述Uij(A(t))为执行目标投标项j的参与投标者的参与人数,所述为投标者i在时刻t处理第j个投标项的费用,所述为所述任一参与投标者的所投标的目标投标项j*的支付价格,所述为执行目标投标项j*的参与投标者的参与人数,所述为执行目标投标项j-的参与投标者的参与人数,所述为投标者i-在时刻t处理第j-个投标项的费用。
5.如权利要求3所述的方法,其特征在于,所述将所述参与投标者所投标的投标项中未中标的投标项从可选标集合中移除,并向所述目标投标项添加至中标项集合中,并将所述目标投标项从投标项集合中移除之后,还包括:
通过下述第二公式确定所述任务覆盖模型或所述任务分配模型中的对偶变量
∈=maxk∈[K]∈k
其中,所述为对偶变量。
6.如权利要求3-5任一权利要求所述的方法,其特征在于,所述将所述参与投标者所投标的投标项中未中标的投标项从可选标集合中移除,并向所述目标投标项添加至中标项集合中,并将所述目标投标项从投标项集合中移除之后,还包括:
对于所述中标项集合中的每个目标投标项,通过下述第三公式更新每个目标投标项在所述任务分配模型中对应的对偶变量和τi;
其中,所述用于控制所述投标者i的允许所述任一投标者所投标的投标项数量,所述随着允许所述任一投标者所投标的投标项数量的减少而增大,所述α为辅助变量,所述Γi为投标者i的容量,所述为位置感知任务集合,所述为投标者i在时刻t处理第j个投标项的费用,所述τi为允许所述任一投标者所投标的投标项数量。
7.如权利要求1所述的方法,其特征在于,所述基于所述目标投标者的投标信息,通过任务覆盖模型确定任务分配方式之前,还包括:
基于所述多个投标者的投标信息,将当前时刻进行的一轮拍卖的社会福利最大化的拍卖机制通过整数线性规划的方式进行处理,得到如下任务覆盖模型;
其中,所述为投标者i在时刻t的第j个投标项是否中标,所述为投标者i在时刻t处理第j个投标项的费用,所述I为投标者的数量,所述J为投标者所投标的投标项的数量,所述i为所述I个投标者中的任一投标者,所述j为所述任一投标者所投标的J个投标项中任一投标项,所述为执行位置感知任务sk的投标者的数量,所述为位置感知任务集合,所述sk为所述位置感知任务集合中的任一位置感知任务,所述K为位置感知任务的个数,所述k为所述K个位置感知任务中任一位置感知任务。
8.如权利要求7所述的方法,其特征在于,所述基于所述多个投标者的投标信息,将当前时刻进行的一轮拍卖的社会福利最大化的拍卖机制通过整数线性规划的方式进行处理之后,还包括:
对所述任务覆盖模型进行简化处理并加入对偶变量,得到如下对偶的任务覆盖模型;
其中,所述为所述对偶变量,所述为投标者i在时刻t处理第j个投标项的费用,所述I为投标者的数量,所述J为投标者所投标的投标项的数量,所述i为所述I个投标者中的任一投标者,所述j为所述任一投标者所投标的J个投标项中任一投标项,所述为执行位置感知任务sk的投标者的数量,所述为位置感知任务集合,所述sk为所述位置感知任务集合中的任一位置感知任务,所述K为位置感知任务的个数,所述k为所述K个位置感知任务中任一位置感知任务。
9.如权利要求1所述的方法,其特征在于,所述基于所述参与投标者的投标信息,通过任务分配模型对所述参与投标者进行位置感知任务的分配之前,还包括:
将位置感知任务的拍卖中使社会成本最小化的拍卖机制通过整数线性规划的方式进行处理,得到如下任务分配模型;
其中,所述为投标者i在时刻t处理第j个投标项的费用,所述为投标者i在时刻t的第j个投标项是否中标,所述为位置感知任务集合,所述Γi为投标者i的容量,所述I为投标者的数量,所述J为投标者所投标的投标项的数量,所述i为所述I个投标者中的任一投标者,所述j为所述任一投标者所投标的J个投标项中任一投标项,所述sk为所述位置感知任务集合中的任一位置感知任务,所述K为位置感知任务的个数,所述k为所述K个位置感知任务中任一位置感知任务,所述T为在线拍卖总时隙。
10.如权利要求9所述的方法,其特征在于,所述将位置感知任务的拍卖中使社会成本最小化的拍卖机制通过整数线性规划的方式进行处理之后,还包括:
对所述任务处理模型进行松弛处理并加入对偶变量,得到如下对偶的任务分配模型;
其中,所述λi为所述对偶变量,所述为执行位置感知任务sk的投标者的数量,所述Γi为投标者i的容量,所述为投标者i在时刻t处理第j个投标项的费用,所述为位置感知任务集合,所述I为投标者的数量,所述J为投标者所投标的投标项的数量,所述i为所述I个投标者中的任一投标者,所述j为所述任一投标者所投标的J个投标项中任一投标项,所述sk为所述位置感知任务集合中的任一位置感知任务,所述K为位置感知任务的个数,所述k为所述K个位置感知任务中任一位置感知任务,所述T为在线拍卖总时隙。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910442171.2A CN110163513B (zh) | 2019-05-24 | 2019-05-24 | 位置感知任务的分配方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910442171.2A CN110163513B (zh) | 2019-05-24 | 2019-05-24 | 位置感知任务的分配方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110163513A true CN110163513A (zh) | 2019-08-23 |
CN110163513B CN110163513B (zh) | 2023-11-03 |
Family
ID=67632685
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910442171.2A Active CN110163513B (zh) | 2019-05-24 | 2019-05-24 | 位置感知任务的分配方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110163513B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090177555A1 (en) * | 2008-01-02 | 2009-07-09 | Milgrom Paul R | Assignment exchange and auction |
CN103870990A (zh) * | 2014-03-31 | 2014-06-18 | 上海交通大学 | 移动群智感知系统中覆盖问题的激励机制实现方法 |
CN106651553A (zh) * | 2017-01-23 | 2017-05-10 | 武汉万般上品信息技术有限公司 | 一种基于云容器服务的批处理拍卖机制 |
-
2019
- 2019-05-24 CN CN201910442171.2A patent/CN110163513B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090177555A1 (en) * | 2008-01-02 | 2009-07-09 | Milgrom Paul R | Assignment exchange and auction |
CN103870990A (zh) * | 2014-03-31 | 2014-06-18 | 上海交通大学 | 移动群智感知系统中覆盖问题的激励机制实现方法 |
CN106651553A (zh) * | 2017-01-23 | 2017-05-10 | 武汉万般上品信息技术有限公司 | 一种基于云容器服务的批处理拍卖机制 |
Non-Patent Citations (1)
Title |
---|
项金鑫: ""社会成本最小化移动群智感知激励机制研究"", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Also Published As
Publication number | Publication date |
---|---|
CN110163513B (zh) | 2023-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109740068B (zh) | 媒体数据推荐方法、装置及存储介质 | |
Wang et al. | Quality-aware and fine-grained incentive mechanisms for mobile crowdsensing | |
CN113038152B (zh) | 直播数据处理方法、装置、终端及存储介质 | |
CN108304265A (zh) | 内存管理方法、装置及存储介质 | |
CN109800877A (zh) | 神经网络的参数调整方法、装置及设备 | |
CN110097019A (zh) | 字符识别方法、装置、计算机设备以及存储介质 | |
CN110460909B (zh) | 内容交互方法、装置、服务器、终端及存储介质 | |
JP2021528131A (ja) | バーチャルペットの繁殖方法、装置、機器及びコンピュータプログラム | |
CN110751539B (zh) | 物品信息处理方法、装置、终端、服务器及存储介质 | |
CN104205157A (zh) | 合作媒体收集系统和方法 | |
CN111144822A (zh) | 出库时长确定方法、装置、计算机设备及存储介质 | |
CN110162393B (zh) | 任务调度方法、装置及存储介质 | |
CN106815744A (zh) | 一种电子资源发放方法、设备和系统 | |
CN109346111A (zh) | 数据处理方法、装置、终端及存储介质 | |
CN109275013A (zh) | 虚拟物品展示的方法、装置、设备及存储介质 | |
CN109887268A (zh) | 车辆调度方法、装置及存储介质 | |
CN110490389A (zh) | 点击率预测方法、装置、设备及介质 | |
CN108965770A (zh) | 图像处理模板生成方法、装置、存储介质及移动终端 | |
CN109889858A (zh) | 虚拟物品的信息处理方法、装置及计算机可读存储介质 | |
CN110166275A (zh) | 信息处理方法、装置及存储介质 | |
CN110163513A (zh) | 位置感知任务的分配方法、装置及存储介质 | |
CN110020926A (zh) | 资源分配方法、装置及存储介质 | |
CN109977120A (zh) | 资源信息展示方法、装置及存储介质 | |
CN109102007A (zh) | 基于标签的交互方法、装置、终端及存储介质 | |
CN111062709B (zh) | 资源转移方式推荐方法、装置、电子设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |