CN110992121B - 群智感知中基于感知误差的感知任务信息分配系统及方法 - Google Patents
群智感知中基于感知误差的感知任务信息分配系统及方法 Download PDFInfo
- Publication number
- CN110992121B CN110992121B CN201911004340.0A CN201911004340A CN110992121B CN 110992121 B CN110992121 B CN 110992121B CN 201911004340 A CN201911004340 A CN 201911004340A CN 110992121 B CN110992121 B CN 110992121B
- Authority
- CN
- China
- Prior art keywords
- perception
- task
- user
- tasks
- sensing
- 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
Links
- 230000008447 perception Effects 0.000 title claims abstract description 165
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000008901 benefit Effects 0.000 claims abstract description 39
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 25
- 230000006870 function Effects 0.000 claims description 9
- 238000005457 optimization Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 8
- 238000005315 distribution function Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000000926 separation method Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 description 7
- 238000004088 simulation Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000013139 quantization Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000001953 sensory effect Effects 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
- 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)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明属于物联网群智感知技术领域，公开了一种群智感知中基于感知误差的感知任务信息分配系统及方法，首先建立感知任务拍卖模型，服务请求商想感知平台提交服务申请，感知平台根据请求的内容发布感知任务供移动设备用户竞标；然后所有竞标人提交执行任务所需要的费用，将所提交的费用作为竞标价格；拍卖师计算所有人的报价，结合竞标人的竞价信息及其误差概率，对竞标人和任务进行排序；最后选择Winner执行感知任务；设计计算报酬的算法，为所有的Winner计算报酬。本发明不仅可以实现个体理性和真实性，还可以在存在感知误差的情况下，最大化平台的利益；并实现良好的任务分配以最大化平台的利益，同时保证了竞标人的出现负收益。
Description
技术领域
本发明属于物联网群智感知技术领域，尤其涉及一种群智感知中基于感知误差的感知任务信息分配系统及方法。
背景技术
目前，最接近的现有技术：近年来，随着内嵌丰富传感器的移动设备越来越普及，移动群智感知(Mobile Crowdsensing)已经引起了业界的注意。与传统无线传感网络相比，得益于移动设备的机动性和大量的普及，移动群智感知可以减少购买传感器的成本以及部署的费用。典型的传群智感知系统包括一个管理系统和发布感知任务的平台、服务请求商，以及执行感知任务并分享他们感知数据的移动用户。这是一个三赢的方案：对于服务请求商，他们不需要花费高昂的费用购买传感器并维护它们，就可以获得所需的感知数据；对于移动设备用户，他们可以充分利用手中的移动设备中的空闲传感器去执行任务，从而获得收益；对于感知平台而言，它们接受请求商的报酬，发布任务给相应的移动用户并支付他们的酬劳，从中获得差价作为利润。为了招募到更多移动设备用户参与到群智感知中，设定一个合适的报酬是十分重要的。目前的技术在设定价格时，兼顾到的方面有最小化社会成本，最大化感知质量，最大化平台利益等。然而，现存的大多数群智感知模型都假设感知数据都是有效的，而实际上，这是很难做到的。由于基于能量的检测很容易被外界条件所影响，加上执行任务的过程中人类的行为会对结果产生影响，执行任务时产生的感知数据是无可避免地带有误差的。显然，这种误差会对最后的感知质量产生影响，并且可能因无法达到服务请求方的要求而进一步影响平台的收益。此外，在拍卖机制中还涉及到了个人理性(Individual rationality)以及真实性(Truthfulness)等拍卖的基本特征，这些特征保证了参与拍卖的所有个体的利益，但无疑增加了拍卖算法的设计难度。所以，如何在考虑感知误差的情况下，设计一个分配任务的方案，以最大化平台的利益，是群智感知中一个重要的问题。
综上所述，现有技术存在的问题是：现有的基于拍卖的感知任务分配机制没有考虑到用户感知误差对感知结果的影响，影响感知平台从服务请求商处获得的利益，无法在考虑不同用户的感知误差的基础上，最大化平台的利益。上述问题的出现是因为，在设计payment算法时没有考虑到不同用户感知错误率的差异化，直接假设所有的用户都不存在感知错误率，或是拥有相同的感知能力。目前没有能解决以上问题的感知任务分配方法。
解决上述技术问题的难度：在选择移动设备用户作为winner执行任务和决定其报酬时，需要方法量化其感知误差对感知结果的影响。除此之外，还需要根据不同场景将任务分为可分与不可分两种情形，这要求了前面提到的量化方法应该是适用于不同的情形的，而且由于两种情形所列出的最优化问题并不归一到同一个问题，代表着，两种情形实际上是在解决两个不同的数学问题。此外，由于用户选择问题和payment决定问题是一个NP难的问题，将实际问题量化后，还需要通过多种方法去解决所列出的最优化问题，
解决上述技术问题的意义：误差量化问题是该系统的一个基础，只有量化之后，才能作为一个指标去选择用户，去研究其对感知结果的影响，去决定不同winner的报酬。通过对可分任务和不可分任务所提出的最优化问题进行研究之后，可从中得出如何更好地选择移动设备用户并计算其payment。这样，首先，感知平台可以通过付出更合理的报酬来最大化自己的收益；其次，服务请求商在使用相同的成本的情况下，可以获得更精确的感知结果；最后，移动设备用户可以通过设计出来的算法最大的保证了自己的利益，并且提高其参加群智感知的积极性。
发明内容
针对现有技术存在的问题，本发明提供了一种群智感知中基于感知误差的感知任务信息分配系统及方法。
本发明是这样实现的，一种群智感知中基于感知误差的感知任务信息分配方法，所述群智感知中基于感知误差的感知任务信息分配方法首先建立感知任务拍卖模型，服务请求商想感知平台提交服务申请，感知平台根据请求的内容发布感知任务供移动设备用户竞标；然后所有竞标人提交执行任务所需要的费用，将所提交的费用作为竞标价格；拍卖师计算所有人的报价，结合竞标人的竞价信息及其误差概率，对竞标人和任务进行排序；最后选择Winner执行感知任务；设计计算报酬的算法，为所有的Winner计算报酬。
进一步，所述群智感知中基于感知误差的感知任务信息分配方法包括以下步骤：
步骤一，服务需求商向感知平台发出感知需求，感知平台向移动设备用户发布感知任务，以获得感知数据，得出感知结果并完成需求商的需求；
步骤二，跟据不同的需求，确定感知任务T＝{t1，t2，...，tm}，完成任务tj，感知平台可以获得收益vj；按照不同的应用情景，将感知任务分为可分任务以及不可分任务两种；
步骤三，移动设备用户阅读感知任务，结合自身情况决定是否参加群智感知；若参加，则用户上传其执行费用ci给平台，作为其执行任务的报价；待公示期结束之后，平台确定所有参与群智感知的移动设备用户集合U＝(u1，u2，...，un)，并根据用户的报价建立拍卖模型，平台为执行拍卖的拍卖师，用户为竞标者；
步骤四，根据历史记录或不同的计算方法，计算用户集中每一个用户的感知误差率qi；
步骤五，根据最优化理论所推导的结果，设计排序算法，将用户根据特殊的排序算法进行排序；
步骤六，若感知任务为不可分的情形，则将所有的感知任务分配给排序最优的用户；若感知任务为可分的情形，则将感知任务按照报酬排序，为每一个任务分配当前最优的用户；分配到任务的用户即为winner，否则为loser；
步骤七，设计计算价格的算法，为每一个winner计算其报酬，loser无任何报酬。
进一步，所述步骤二中感知任务T根据不同情形分为不可分与可分两种；当为不可分任务时，移动设备用户的报价即为他执行全部任务的费用；当为可分任务时，每个任务都有其执行代价权重λj，并用λjci来表示用户i对任务j的执行代价；在可分任务的情形下，用户同时执行多个任务的费用将大于单独执行这些任务的费用的叠加。
进一步，所述步骤三中的用户费用ci的概率密度函数与概率分布函数能够被平台，根据历史记录或不同方法计算得出。
进一步，所述步骤四中定义用户的感知可靠率为θi＝1-qi，则用户的预期收益为pi-θiψici；其中，ψi在任务不可分的情形中作为用户获得所有任务的概率；在任务可分的情形中，ψi是用户执行任务占所有任务的比重。
进一步，所述步骤五中的用户排序算法应结合用户的感知误差率，报价，执行费用的概率密度函数以及概率分布函数，具体表述为：
上述函数根据最优化理论得出，感知平台通过选择wi(ci)最小的用户作为winner来达到最大化自己利益的目的；误差率越大的用户，则wi(ci)值越大，被选为winner的概率也越低。
进一步，所述步骤六中，在任务为不可分的情况下，平台选择wi(ci)值最小的用户作为winner，将所有任务交予他执行；当任务为可分的情形，平台将任务按照报酬进行排序，优先分配报酬高的，每次选择任务的执行者时，选择wi(ci)最小的，分配一个任务之后，更新当前winner的wi(ci)值，重复次过程，直至所有的任务被分配完；
所述步骤七中，用户的报酬通过下述的表达式进行算；
其中，W(c)为winner的集合，c*为wi(ci)第二低的用户，zi为用户i的最大报价，
本发明的另一目的在于提供一种基于所述群智感知中基于感知误差的感知任务信息分配方法的群智感知中基于感知误差的感知任务信息分配系统，所述群智感知中基于感知误差的感知任务信息分配系统包括：
服务申请提交模块，用于建立感知任务拍卖模型，服务请求商想感知平台提交服务申请；感知平台根据请求的内容发布感知任务供移动设备用户竞标；
竞标人和任务排序模块，用于对所有竞标人提交执行任务所需要的费用，将所提交的费用作为竞标价格；拍卖师计算所有人的报价，结合竞标人的竞价信息及其误差概率，对竞标人和任务进行排序；
感知任务处理模块，用于选择Winner执行感知任务；设计计算报酬的算法，为所有的Winner计算报酬。
本发明的另一目的在于提供一种实现所述群智感知中基于感知误差的感知任务信息分配方法的信息数据处理终端。
本发明的另一目的在于提供一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行所述群智感知中基于感知误差的感知任务信息分配方法。
综上所述，本发明的优点及积极效果为：针对感知误差对群智感知平台带来的收益损失，以动态地对应灵活真实估值进行报价的放策略操纵任务分配模型，在模型中讨论移动设备用户之间的竞标关系，通过设计特定的竞标策略进行任务分配；针对不同情形将感知任务分成可分与不可分两种类型，并以此设计最大化平台利益的任务分配方法；采用拍卖理论与机制，在分配过程中考虑感知误差对平台对来的影响，通过竞标策略在线进行任务拍卖。本发明的任务分配方法不仅可以实现个体理性和真实性，还可以在存在感知误差的情况下，最大化平台的利益；根据评估结果，本发明可以防止竞标人操纵拍卖，并实现良好的任务分配以最大化平台的利益，同时保证了竞标人的出现负收益。本发明提出的方法容易实现，便于拓展，与已经提出的群智感知任务分配方法相比更贴近实际应用。通过使用本发明，感知平台可以通过付出更合理的报酬来最大化自己的收益；其次，服务请求商在使用相同的成本的情况下，可以获得更精确的感知结果；最后，移动设备用户可以通过设计出来的算法最大的保证了自己的利益，并且提高其参加群智感知的积极性。
本发明现有基于拍卖的感知任务的分配方放没有考虑到用户感知误差对感知结果造成的影响，无法为平台提供更加灵活的感知任务分配方法。本发明整合经济学中的拍卖模型，设计了一个能够让平台根据用户感知误差和不同任务报价进行灵活任务分配的感知任务拍卖机制。通过该机制，感知平台可以在分配感知任务的过程中考虑不同用户的潜在感知误差对感知结果造成的影响，从而在分配过程中提供更加灵活的任务分配方法。本发明的任务分配方法不仅可以实现个体理性和真实性，还可以在存在感知误差的情况下，最大化平台的利益；根据评估结果，本发明可以防止竞标人操纵拍卖，并实现良好的任务分配以最大化平台的利益，同时保证了竞标人的出现负收益。本发明提出的方法容易实现，便于拓展，与已经提出的群智感知任务分配方法相比更贴近实际应用。
附图说明
图1是本发明实施例提供的群智感知中基于感知误差的感知任务信息分配方法的流程图。
图2是本发明实施例提供的群智感知中基于感知误差的感知任务信息分配系统的结构示意图；
图中：1、服务申请提交模块；2、竞标人和任务排序模块；3、感知任务处理模块。
图3是本发明实施例提供的群智感知系统模型图。
图4是本发明实施例提供的系统模块图。
图5是本发明实施例提供的群智感知中基于感知误差的感知任务信息分配方法的实现流程图。
图6是本发明实施例提供的本发明(OISER)、现有技术(SPIM)和随机选择的在各方面的仿真实验的结果示意图；
图中：(a)和(b)为在任务可分的情形和任务不可分的情形下，平台收益与感知任务数量的关系；(c)和(d)为在任务可分的情形和任务不可分的情形下，平台收益和用户数量的关系；上述结果表明，本发明在各种情形下，均能使得感知平台获得更高的收益；(e)和(f)为本发明在两种情形下使用真实报价和非真实报价，移动设备用户所获得的收益。可以看出，用户不能通过非真实报价提高自己的收益；(g)和(h)为现有技术在两种情形下使用真实报价和非真实报价，移动设备用户所获得的收益。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
针对现有技术存在的问题，本发明提供了一种群智感知中基于感知误差的感知任务信息分配系统及方法，下面结合附图对本发明作详细的描述。
如图1所示，本发明实施例提供的群智感知中基于感知误差的感知任务信息分配方法包括以下步骤：
S101：建立感知任务拍卖模型，服务请求商想感知平台提交服务申请。感知平台根据请求的内容发布感知任务供移动设备用户竞标；
S102：所有竞标人(Bidders)提交执行任务所需要的费用，将所提交的费用作为竞标价格。拍卖师计算所有人的报价，结合竞标人的竞价信息及其误差概率，对竞标人和任务进行排序；
S103：设计Winner选择算法，选择Winner执行感知任务；设计计算报酬的算法，为所有的Winner计算报酬。
如图2所示，本发明实施例提供的群智感知中基于感知误差的感知任务信息分配系统包括：
服务申请提交模块1，用于建立感知任务拍卖模型，服务请求商想感知平台提交服务申请；感知平台根据请求的内容发布感知任务供移动设备用户竞标。
竞标人和任务排序模块2，用于对所有竞标人提交执行任务所需要的费用，将所提交的费用作为竞标价格；拍卖师计算所有人的报价，结合竞标人的竞价信息及其误差概率，对竞标人和任务进行排序。
感知任务处理模块3，用于选择Winner执行感知任务；设计计算报酬的算法，为所有的Winner计算报酬。
下面结合附图对本发明的技术方案作进一步的描述。
如图5所示，本发明实施例提供的群智感知中基于感知误差的感知任务信息分配方法具体包括以下步骤：
(1)服务需求商向感知平台发出感知需求，感知平台向移动设备用户发布感知任务，以获得感知数据，得出感知结果并完成需求商的需求。
(2)跟据不同的需求，确定感知任务T＝{t1，t2，...，tm}，完成任务tj，感知平台可以获得收益vj。按照不同的应用情景，将感知任务分为可分任务以及不可分任务两种。当为不可分任务时，移动设备用户的报价即为他执行全部任务的费用；当为可分任务时，每个任务都有其执行代价权重λj，并用λjci来表示用户i对任务j的执行代价。在可分任务的情形下，用户同时执行多个任务的费用将大于单独执行这些任务的费用的叠加。
(3)移动设备用户阅读感知任务，结合自身情况决定是否参加群智感知。若参加，则用户上传其执行费用ci给平台，作为其执行任务的报价。待公示期结束之后，平台确定所有参与群智感知的移动设备用户集合U＝(u1，u2，...，un)，并根据用户的报价建立拍卖模型。平台为执行拍卖的拍卖师，用户为竞标者。用户费用ci的概率密度函数与概率分布函数能够被平台，根据历史记录或不同方法计算得出，并应用于后面的步骤之中。
(4)根据历史记录或不同的计算方法，计算用户集中每一个用户的感知误差率qi。感知误差率qi各会影响移动设备用户的报酬，进而影响平台的收益。定义用户的感知可靠率为θi＝1-qi，则用户的预期收益为pi-θiψici。其中，ψi在任务不可分的情形中作为用户获得所有任务的概率；在任务可分的情形中，ψi是用户执行任务占所有任务的比重。
(5)根据最优化理论所推导的结果，设计排序算法，将用户根据特殊的排序算法进行排序。用户排序算法应结合用户的感知误差率，报价，执行费用的概率密度函数以及概率分布函数，其具体表述为：
上述函数根据最优化理论得出，感知平台可通过选择wi(ci)最小的用户作为winner来达到最大化自己利益的目的。误差率越大的用户，则wi(ci)值越大，被选为winner的概率也越低。
(6)若感知任务为不可分的情形，则将所有的感知任务分配给排序最优的用户。若感知任务为可分的情形，则将感知任务按照报酬排序，为每一个任务分配当前最优的用户。分配到任务的用户即为winner，否则为loser。在任务为不可分的情况下，平台选择wi(ci)值最小的用户作为winner，将所有任务交予他执行；当任务为可分的情形，平台将任务按照报酬进行排序，优先分配报酬高的，每次选择任务的执行者时，选择wi(ci)最小的，分配一个任务之后，更新当前winner的wi(ci)值，重复次过程，直至所有的任务被分配完。
(7)设计计算价格的算法，为每一个winner计算其报酬，loser无任何报酬。用户的报酬可通过下述的表达式进行算；
其中，W(c)为winner的集合，c*为wi(ci)第二低的用户，zi为用户i的最大报价，
为了检验本发明的性能，进行了仿真实验。在1000×1000m2的区域中，随机分布了若干个移动设备用户和感知任务。在不可分任务的情形中，区域中的所有用户都是有效用户，当用户被选为winner时，他执行该区域的所有感知任务；在可分任务的情形中，只有在任务所在地距离300m之内才会当作有效用户，并且winner只需要执行相应的任务。用户的执行成本最小值区间为[1，2]，最大值区间为[3，4]，用户的执行成本随机分布于其最小值和最大值之间。实验对比了本发明以及现存技术在不同情形下的平台收益和是否能保证报价的真实性。通过实验仿真结果证明了本发明比现存的机制在平台利益上平均提高了7％，并且在不同的情形下都能够保证移动用户报价的真实性。这说明，在考虑感知误差的情况下，不仅实现了个人理性，保证了各用户的基本利益，还保证了报价的真实性，使得拍卖算法更加地安全。此外，本发明还显著地提高了平台的利润，实现了更好的任务分配机制。
图6给出了本发明(OISER)、现有技术(SPIM)和随机选择的在各方面的仿真实验的结果。图6(a)和图6(b)为在任务可分的情形和任务不可分的情形下，平台收益与感知任务数量的关系。图6(c)和图6(d)为在任务可分的情形和任务不可分的情形下，平台收益和用户数量的关系。上述结果表明，本发明在各种情形下，均能使得感知平台获得更高的收益。图6(e)和6(f)为本发明在两种情形下使用真实报价和非真实报价，移动设备用户所获得的收益。可以看出，用户不能通过非真实报价提高自己的收益。图6(g)和6(h)为现有技术在两种情形下使用真实报价和非真实报价，移动设备用户所获得的收益。可以看出，在任务不可分的情形下，移动设备用户可以通过非真实报价提高自己的报酬，证明现有技术不能在全部场景下都让用户提交真实报价。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (8)
1.一种群智感知中基于感知误差的感知任务信息分配方法，其特征在于，所述群智感知中基于感知误差的感知任务信息分配方法首先建立感知任务拍卖模型，服务请求商向感知平台提交服务申请，感知平台根据请求的内容发布感知任务供移动设备用户竞标；然后所有竞标人提交执行任务所需要的费用，将所提交的费用作为竞标价格；拍卖师计算所有人的报价，结合竞标人的竞价信息及其误差概率，对竞标人和任务进行排序；最后选择Winner执行感知任务；设计计算报酬的算法，为所有的Winner计算报酬；
所述群智感知中基于感知误差的感知任务信息分配方法包括以下步骤：
步骤一，服务需求商向感知平台发出感知需求，感知平台向移动设备用户发布感知任务，以获得感知数据，得出感知结果并完成需求商的需求；
步骤二，跟据不同的需求，确定感知任务T＝{t1，t2，...，tm}，完成任务tj，感知平台可以获得收益vj；按照不同的应用情景，将感知任务分为可分任务以及不可分任务两种；
步骤三，移动设备用户阅读感知任务，结合自身情况决定是否参加群智感知；若参加，则用户上传其执行费用ci给平台，作为其执行任务的报价；待公示期结束之后，平台确定所有参与群智感知的移动设备用户集合U＝(u1，u2，...，un)，并根据用户的报价建立拍卖模型，平台为执行拍卖的拍卖师，用户为竞标者；
步骤四，根据历史记录或不同的计算方法，计算用户集中每一个用户的感知误差率qi；
步骤五，根据最优化理论所推导的结果，设计排序算法，将用户根据特殊的排序算法进行排序；
步骤六，若感知任务为不可分的情形，则将所有的感知任务分配给排序最优的用户；若感知任务为可分的情形，则将感知任务按照报酬排序，为每一个任务分配当前最优的用户；
分配到任务的用户即为winner，否则为loser；
步骤七，设计计算价格的算法，为每一个winner计算其报酬，loser无任何报酬；
所述步骤二中感知任务T根据不同情形分为不可分与可分两种；当为不可分任务时，移动设备用户的报价即为他执行全部任务的费用；当为可分任务时，每个任务都有其执行代价权重λj，并用λjci来表示用户i对任务j的执行代价；在可分任务的情形下，用户同时执行多个任务的费用将大于单独执行这些任务的费用的叠加。
2.如权利要求1所述的群智感知中基于感知误差的感知任务信息分配方法，其特征在于，所述步骤三中的用户费用ci的概率密度函数与概率分布函数能够被平台，根据历史记录或不同方法计算得出。
3.如权利要求1所述的群智感知中基于感知误差的感知任务信息分配方法，其特征在于，所述步骤四中定义用户的感知可靠率为θi＝1-qi，则用户的预期收益为pi-θiψici；其中，ψi在任务不可分的情形中作为用户获得所有任务的概率；在任务可分的情形中，ψi是用户执行任务占所有任务的比重。
4.如权利要求1所述的群智感知中基于感知误差的感知任务信息分配方法，其特征在于，所述步骤五中的用户排序算法应结合用户的感知误差率，报价，执行费用的概率密度函数以及概率分布函数，具体表述为：
上述函数根据最优化理论得出，感知平台通过选择wi(ci)最小的用户作为winner来达到最大化自己利益的目的；误差率越大的用户，则wi(ci)值越大，被选为winner的概率也越低。
5.如权利要求1所述的群智感知中基于感知误差的感知任务信息分配方法，其特征在于，所述步骤六中，在任务为不可分的情况下，平台选择wi(ci)值最小的用户作为winner，将所有任务交予他执行；当任务为可分的情形，平台将任务按照报酬进行排序，优先分配报酬高的，每次选择任务的执行者时，选择wi(ci)最小的，分配一个任务之后，更新当前winner的wi(ci)值，重复次过程，直至所有的任务被分配完；
所述步骤七中，用户的报酬通过下述的表达式进行算；
其中，W(c)为winne r的集合，c*为wi(ci)第二低的用户，zi为用户i的最大报价，
6.一种基于权利要求1～5任意一项所述群智感知中基于感知误差的感知任务信息分配方法的群智感知中基于感知误差的感知任务信息分配系统，其特征在于，所述群智感知中基于感知误差的感知任务信息分配系统包括：
服务申请提交模块，用于建立感知任务拍卖模型，服务请求商想感知平台提交服务申请；感知平台根据请求的内容发布感知任务供移动设备用户竞标；
竞标人和任务排序模块，用于对所有竞标人提交执行任务所需要的费用，将所提交的费用作为竞标价格；拍卖师计算所有人的报价，结合竞标人的竞价信息及其误差概率，对竞标人和任务进行排序；
感知任务处理模块，用于选择Winner执行感知任务；设计计算报酬的算法，为所有的Winner计算报酬。
7.一种实现权利要求1～5任意一项所述群智感知中基于感知误差的感知任务信息分配方法的信息数据处理终端。
8.一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行如权利要求1～5任意一项所述群智感知中基于感知误差的感知任务信息分配方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911004340.0A CN110992121B (zh) | 2019-10-22 | 2019-10-22 | 群智感知中基于感知误差的感知任务信息分配系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911004340.0A CN110992121B (zh) | 2019-10-22 | 2019-10-22 | 群智感知中基于感知误差的感知任务信息分配系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110992121A CN110992121A (zh) | 2020-04-10 |
| CN110992121B true CN110992121B (zh) | 2024-03-22 |
Family
ID=70082269
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911004340.0A Active CN110992121B (zh) | 2019-10-22 | 2019-10-22 | 群智感知中基于感知误差的感知任务信息分配系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110992121B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111562972A (zh) * | 2020-04-24 | 2020-08-21 | 西北工业大学 | 一种面向群智感知的泛在操作系统 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20010000515A (ko) * | 2000-10-04 | 2001-01-05 | 박찬희 | 인터넷을 이용한 건설공사 및 건설기술용역에 관한 입찰형역경매 방법 |
| WO2001011517A1 (en) * | 1999-08-05 | 2001-02-15 | Online! Financial Solutions, Inc. | Online quotation system allowing for partial results viewing and full results viewing |
| CN103533502A (zh) * | 2013-10-15 | 2014-01-22 | 上海交通大学 | 一种群智感知系统中的防欺骗拍卖方法及系统 |
| CN103546583A (zh) * | 2013-11-12 | 2014-01-29 | 上海交通大学 | 群智感知系统及群智感知方法 |
| 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 |
| CN104657133A (zh) * | 2015-01-28 | 2015-05-27 | 南京邮电大学 | 移动群智感知中一种用于单时间窗口任务的激励方法 |
| CN104657893A (zh) * | 2014-11-25 | 2015-05-27 | 无锡清华信息科学与技术国家实验室物联网技术中心 | 一种满足匹配约束的群智感知激励方法 |
| 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 |
| CN108269129A (zh) * | 2018-01-23 | 2018-07-10 | 重庆邮电大学 | 一种基于逆向拍卖的移动群智感知网络中用户激励方法 |
| CN108776863A (zh) * | 2018-05-25 | 2018-11-09 | 华南理工大学 | 一种基于用户基数最大化的群智感知激励方法 |
| CN109978353A (zh) * | 2019-03-14 | 2019-07-05 | 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 |
| CN109978352A (zh) * | 2019-03-14 | 2019-07-05 | 南京邮电大学 | 一种面向时空大数据群智感知任务的激励方法 |
| CN110189174A (zh) * | 2019-05-29 | 2019-08-30 | 南京工业大学 | 一种基于数据质量感知的移动群智感知激励方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110295722A1 (en) * | 2010-06-09 | 2011-12-01 | Reisman Richard R | Methods, Apparatus, and Systems for Enabling Feedback-Dependent Transactions |
| WO2016063092A1 (en) * | 2014-10-23 | 2016-04-28 | Dele Atanda | Intelligent personal information management system |
-
2019
- 2019-10-22 CN CN201911004340.0A patent/CN110992121B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2001011517A1 (en) * | 1999-08-05 | 2001-02-15 | Online! Financial Solutions, Inc. | Online quotation system allowing for partial results viewing and full results viewing |
| KR20010000515A (ko) * | 2000-10-04 | 2001-01-05 | 박찬희 | 인터넷을 이용한 건설공사 및 건설기술용역에 관한 입찰형역경매 방법 |
| CN103533502A (zh) * | 2013-10-15 | 2014-01-22 | 上海交通大学 | 一种群智感知系统中的防欺骗拍卖方法及系统 |
| CN103546583A (zh) * | 2013-11-12 | 2014-01-29 | 上海交通大学 | 群智感知系统及群智感知方法 |
| 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 |
| CN104657893A (zh) * | 2014-11-25 | 2015-05-27 | 无锡清华信息科学与技术国家实验室物联网技术中心 | 一种满足匹配约束的群智感知激励方法 |
| CN104657133A (zh) * | 2015-01-28 | 2015-05-27 | 南京邮电大学 | 移动群智感知中一种用于单时间窗口任务的激励方法 |
| 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 |
| CN108269129A (zh) * | 2018-01-23 | 2018-07-10 | 重庆邮电大学 | 一种基于逆向拍卖的移动群智感知网络中用户激励方法 |
| CN108776863A (zh) * | 2018-05-25 | 2018-11-09 | 华南理工大学 | 一种基于用户基数最大化的群智感知激励方法 |
| CN109978353A (zh) * | 2019-03-14 | 2019-07-05 | 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 |
| CN109978352A (zh) * | 2019-03-14 | 2019-07-05 | 南京邮电大学 | 一种面向时空大数据群智感知任务的激励方法 |
| CN110189174A (zh) * | 2019-05-29 | 2019-08-30 | 南京工业大学 | 一种基于数据质量感知的移动群智感知激励方法 |
Non-Patent Citations (1)
| Title |
|---|
| Dongbo Liu.ERROR DISTRIBUTION MODELING OF EMBEDDED SENSORS ON SMARTPHONES BY USING LASER RANGER.《Proceedings of the IEEE International Conference on Multimedia and Expo Workshops》.2017,正文第387页-392页. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110992121A (zh) | 2020-04-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108269129B (zh) | 一种基于逆向拍卖的移动群智感知网络中用户激励方法 | |
| Zaman et al. | Combinatorial auction-based allocation of virtual machine instances in clouds | |
| CN109068288B (zh) | 一种基于多属性用户选择移动群智感知激励机制的方法及系统 | |
| CN108182112A (zh) | 基于组合拍卖的以人为中心的感知网络的资源分配机制 | |
| CN106817401B (zh) | 一种云环境中的资源配置方法 | |
| CN102710746A (zh) | 一种基于序贯博弈的虚拟机竞价分配方法 | |
| CN108335182A (zh) | 一种基于双边拍卖机制的云平台Web服务交易系统及方法 | |
| CN107103408A (zh) | 一种众包环境下复杂任务分配方法 | |
| Yang et al. | Envy-free auction mechanism for VM pricing and allocation in clouds | |
| CN115358831A (zh) | 基于多智能体强化学习算法在联邦学习下的用户竞价方法及装置 | |
| CN110992121B (zh) | 群智感知中基于感知误差的感知任务信息分配系统及方法 | |
| Qiu et al. | Auction method to prevent bid-rigging strategies in mobile blockchain edge computing resource allocation | |
| Xiong et al. | MAIM: A novel incentive mechanism based on multi-attribute user selection in mobile crowdsensing | |
| CN115796952A (zh) | 一种基于区块链智能合约的分布式能源交易激励方法 | |
| Danak et al. | Efficient bidding in dynamic grid markets | |
| CN117793104A (zh) | 一种算力网络场景下最大利润的资源分配方法 | |
| Wang et al. | Incentive mechanism for mobile devices in dynamic crowd sensing system | |
| Tan et al. | A novel experience-based incentive mechanism for mobile crowdsensing system | |
| Zhang et al. | Balancing trust and incentive in peer-to-peer collaborative system. | |
| Xue et al. | All-pay Auction Based Profit Maximization in End-to-End Computation Offloading System | |
| CN115271092A (zh) | 一种面向室内定位联邦学习的群智众筹激励方法 | |
| CN109410014A (zh) | 卫星网络下基于定价机制的虚拟资源共享分配方法及应用 | |
| Liu et al. | A truthful online mechanism for virtual machine provisioning and allocation in clouds | |
| Zhao et al. | Efficient grid task-bundle allocation using bargaining based self-adaptive auction | |
| CN113077327A (zh) | 一种去中心化群智感知系统中的分布式最优拍卖方法 |
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 |