CN111027917A - 一种基于NetLogo的多Agent众包设计平台建模方法 - Google Patents
一种基于NetLogo的多Agent众包设计平台建模方法 Download PDFInfo
- Publication number
- CN111027917A CN111027917A CN201911066737.2A CN201911066737A CN111027917A CN 111027917 A CN111027917 A CN 111027917A CN 201911066737 A CN201911066737 A CN 201911066737A CN 111027917 A CN111027917 A CN 111027917A
- Authority
- CN
- China
- Prior art keywords
- platform
- design
- crowdsourcing
- task
- resource
- 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.)
- Pending
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
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/101—Collaborative creation, e.g. joint development of products or services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/20—Software design
- G06F8/24—Object-oriented
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于NetLogo的多Agent众包设计平台建模方法,该方法提出了一种众包设计生态系统模型。该模型既考虑了不同设计资源间的能力差异、属性差异和竞争关系,也考虑了不同需求的能力要求差异和属性差异。通过向该输入“平台‑任务‑设计资源”相关参数,可获得对应参数下众包设计平台发展的仿真结果。同时,通过调节相关参数可获得众包设计平台最优配置策略。本发明能够动态展示众包设计平台设计资源行为过程及平台任务与设计资源比例关系给众包设计平台带来的影响,为众包设计平台提供新的管理思路。
Description
技术领域
本发明涉及众包设计平台技术领域,尤其涉及一种基于NetLogo的多Agent众包设计平台建模方法。
背景技术
近十年来,互联网技术的蓬勃发展使得人们可以通过互联网随时随地相互沟通协作。同时互联网对制造模式的推动作用使得以自由、开放、平等、协作为主要特点的众包越来越受到企业特别是大型企业和跨国公司的欢迎。民主化创新已经成为时代的潮流,而以民主化创新为主要内容的众包越来越受到人们的关注。因此国内外成立了许多来自不同背景不同领域的众包设计平台,诸如Amazon Mechanical Turk(AMT)、Local Motors、猪八戒等网站。目前众包已经被广泛应用在图像识别、图像采集、文本翻译、头脑风暴、创意采集、意见征询、人工智能等领域。
众包设计平台的设计资源和任务的平衡对于众包设计平台的可持续发展至关重要。现有对众包模式的研究主要关注众包设计资源参与行为影响因素、任务推荐及定价机制等领域,但对众包设计平台中设计资源和任务间的关系研究较少。同时设计资源通过简单个体交互实现能力增长形成群体涌现等新特性的过程尚未被建模,因此亟需系统性的众包模型帮助平台管理者深入认识该涌现过程,更加科学合理地管理众包设计平台。
基于此,本发明设计了一种基于NetLogo的多众包设计平台动态仿真模型,来模拟众包设计平台中不同设计资源/任务数量比例间的关系,设计资源的成长,以及众包设计平台要素间的关系对众包设计平台的影响并进行展示。
发明内容
鉴于现有技术对众包设计平台研究的局限性,本发明的目的在于提供一种基于NetLogo的多Agent众包设计平台建模方法,从而在多主体建模软件平台NetLogo上建立一种多Agent众包设计平台模型,来模拟众包设计平台中设计资源和任务的行为状态。通过调节设计资源与任务的数量比例来实时动态展示变化给众包设计平台带来的影响,帮助众包设计平台管理员更好管理和发展众包设计平台。
为实现本发明的目的,本发明提供了一种基于NetLogo的多Agent众包设计平台建模方法,包括以下步骤:
(1)提取众包平台的平台指标保存为环境参数;
(2)建立众包平台中设计资源和任务属性列表;
(3)构建众包设计平台Agent行为映射;
(4)将众包平台的实际环境参数和Agent实际属性输入模型,执行设定仿真周期后得到仿真结果;
(5)众包平台评价指标分析及优化策略判断;
(6)调节模型参数;
(7)停止仿真,输出仿真结果。
其中,
步骤(1)具体指,众包设计平台涉及多个技术领域,根据网站目前状态提取各类技术领域的技术属性,保存为相关参数。
其中,
步骤(2)具体指,
1)根据以下维度建立众包设计平台中设计资源属性列表:设计资源状态S、设计资源能量E、设计资源消耗率C、设计资源能力向量UV、设计资源学习能力L;
2)根据以下维度建立众包设计平台中任务属性列表:任务状态S、任务能力要求向量PV、任务收益PM。
其中,
步骤(3)中,使用多Agent建模软件NetLogo构建众包平台Agent行为策略,对众包平台Agent的行为进行定义:
1)设计资源周期消耗;
2)设计资源寻找合适任务;
3)设计资源学习任务;
4)设计资源处理任务;
5)任务孵化。
其中,
步骤(5)中,通过NetLogo仿真得到的结果,能够得到平台评价指标,包括各技术领域任务闲置率PA、设计资源空闲率UA以及用户流失率UD;
步骤(5)中,优化策略判断:众包平台管理者认为众包平台评价指标是否需要改善,是则进入步骤(6),否则进入步骤(7)。
与现有技术相比,本发明的有益效果为,
1、本发明能够在快速动态的展示基于众包设计平台现有数据和参数,在未来时间阶段内的变化模拟,观察设计资源整体的行为策略和任务对平台整体的影响;
2、通过调节该模型中相关参数(如任务收益、任务孵化率等),可以模拟众包设计平台针对现有状况采取的若干措施,帮助平台管理者识别并优化众包设计平台关键参数,并再此基础上更主动地管理众包设计平台设计资源和任务,实现众包设计平台更好的发展。
附图说明
图1所示为本申请的方法步骤示意图;
图2所示为本申请的设计资源的行为策略方法步骤示意图。
具体实施方式
以下结合附图和具体实施例对本发明作进一步详细说明。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。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用属于“包含”和/或“包括”时,其指明存在特征、步骤、操作、部件或者模块、组件和/或它们的组合。
本发明提供一种基于多Agent的众包设计平台动态仿真工具,如图1所示,包括以下步骤:
步骤1:提取众包平台的平台指标保存为环境参数。
1)众包设计平台涉及多个技术领域,根据网站目前状态提取各类技术领域的技术属性,保存为相关参数,如表1所示;
表1
(1)设计资源数量UN:在单类技术领域内掌握该项技术的设计资源数量;
(2)技术领域任务数量PN:单类技术领域内的任务数;
(3)技术领域最高收益M:技术领域内最高收益的任务收益记作技术领域最高收益;
(4)技术领域最长处理时间T:技术领域内处理时间最长的任务处理时间记作技术领域最长处理时间;
(5)技术领域任务分布函数F(x):利用现有技术领域内的任务分布求得任务的分布函数;
(6)技术领域孵化率R:单位时间内技术领域产生新任务的概率,且分布遵循技术领域任务分布函数F(x);
(7)技术领域最高收益向量MV:根据(1)中设定,技术领域最高收益向量如式(1)所示。
MV=[M1,M2,...,Mn] (1)
(8)技术领域最长处理时间向量TV:根据(2)中设定,技术领域最长处理时间向量如式(2)所示。
TV=[T1,T2,...,Tn] (2)
步骤2:建立众包平台中设计资源和任务属性列表。
1)根据以下维度建立众包设计平台中设计资源属性列表,具体如表2所示。
表2(1)设计资源状态S:众包设计平台的设计资源是否正在工作。设计资源状态S取值为0或1,0表示空闲,1表示忙碌;
(2)设计资源能量E:进入众包设计平台的设计资源拥有一定的能量。设计资源在平台中的任何行为都会消耗能量,设计资源只有处理完任务后才能将任务收益转化为设计资源能量;
(3)设计资源消耗率C:设计资源单位时间内寻找任务以消耗自身资源为代价。设计资源消耗率C的值根据众包平台数据设定;
(4)设计资源能力向量UV:本模型设定设计资源i在第n项技术的能力系数为uin,则设计资源i的学习能力向量如式(3)所示。
UVi=[ui1,ui2,...,uin] (3)
(5)设计资源学习能力L:当环境中没有可处理或正在处理的任务时,设计资源会主动学习其最擅长领域的任务。通过学习任务,设计资源在任务所在技术领域的能力将会得到能力增长。参考文献[7],设计资源能力系数成长与设计资源学习能力L的关系如式(4)所示,其中t为上一仿真循环,t+1为现仿真循环。
2)根据以下维度建立众包设计平台中任务属性列表,具体如表3所示。
表3(1)任务状态S:众包设计平台的任务是否闲置。任务状态S取值为0或者1,0表示闲置,1表示处理中;
(2)任务能力要求向量PV:本模型设定设计资源i在第n项技术的能力系数为uin,则设计资源i的学习能力向量如式(5)所示。
UVi=[ui1,ui2,...,uin] (5)
(3)任务收益PM:任务包含一定收益。任务收益PM与任务能力要求向量PV和技术领域最高收益向量MV有关,具体计算方式如式(6)所示;
步骤3:在NetLogo上构建众包平台Agent行为策略映射。
对众包平台中设计资源参与动机和平台任务的分析,由于平台内的合作与竞争的关系,不同能力的设计资源会倾向于去寻找相对应能力要求的平台任务以实现利益最大化。这里的利益是对设计资源参与动机的综合表述。使用多Agent建模软件NetLogo构建众包平台Agent行为策略,对众包平台Agent的行为进行定义:
1)设计资源周期消耗。设计资源单个仿真循环需要消耗相应设计资源消耗率的能量,当设计资源能量降低到0以下则表示设计资源处于非活跃状态即离开众包设计平台;
2)设计资源寻找合适任务。根据步骤1中设计资源能力系数向量确定设计资源寻找任务策略,从能力系数向量中最大项的技术领域中寻找合适任务。若该领域中无合适任务则寻找能力系数向量中第二大项的技术领域,以此类推直至能力系数向量中的最小非零项的技术领域中无合适任务;
3)设计资源学习任务。无合适任务供设计资源处理时,设计资源主动从能力系数向量中最大项的技术领域中寻找技术能力要求最高的任务学习。若该领域中无任务则从能力系数向量中第二大项的技术领域中寻找技术能力要求最高的任务,以此类推直至能力系数向量中的最小非零项的技术领域中无任务供设计资源学习时,设计资源停止学习;
4)设计资源处理任务。设计资源处在忙碌状态时无法处理其他任务,直到其完成该任务,该任务所包含收益会转移到设计资源已有的能量中;
5)任务孵化。每个技术领域在相应周期内根据孵化率孵化出相应数量任务。
设计资源的行为策略如图2所示:
步骤4:将众包平台的实际环境参数和Agent实际属性输入模型,执行设定仿真周期后得到仿真结果。
仿真阶段,众包平台管理者根据模型设定的环境参数输入实际环境参数值和设计资源属性以及任务属性。执行设定仿真周期(默认1tick为1天,运行365tick后停止仿真)后得到众包平台的仿真结果。
步骤5:众包平台评价指标分析及优化策略判断。
通过NetLogo仿真得到的结果,可以得到各技术领域任务闲置率PA、设计资源空闲率UA以及用户流失率UD等平台评价指标,计算公式如式(7)(8)(9)所示。
其他评价指标可以通过步骤1、2、3中相关参数组合计算得到,如设计资源能力成长曲线、某领域任务闲置率、设计资源空闲率、平台任务难度、领域难度分布等,这里不做赘述。
优化策略判断:众包平台管理者认为众包平台评价指标是否需要改善。是则进入步骤6,否则进入步骤7。
步骤6:调节模型参数。
当仿真结果不符合众包平台管理者预期时,则需要修改众包设计平台模型参数。管理者通过结合众包理论与平台实际情况,修改平台环境参数模拟众包设计平台管理措施(如修改技术领域任务孵化率模拟平台提高任务投放等),修改参数后进入步骤4重新模拟。
步骤7:停止仿真,输出仿真结果。
当仿真结果符合众包平台管理者预期时,停止平台仿真并以表格形式输出众包设计平台环境参数、Agent属性列表以及评价指标供管理者进行平台管理措施的制定。
以上所述仅是本发明的优选实施方式,应当指出的是,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (5)
1.一种基于NetLogo的多Agent众包设计平台建模方法,其特征在于,包括以下步骤:
(1)提取众包平台的平台指标保存为环境参数;
(2)建立众包平台中设计资源和任务属性列表;
(3)构建众包设计平台Agent行为映射;
(4)将众包平台的实际环境参数和Agent实际属性输入模型,执行设定仿真周期后得到仿真结果;
(5)众包平台评价指标分析及优化策略判断;
(6)调节模型参数;
(7)停止仿真,输出仿真结果。
2.根据权利要求1所述的一种基于NetLogo的多Agent众包设计平台建模方法,其特征在于,
步骤(1)具体指,众包设计平台涉及多个技术领域,根据网站目前状态提取各类技术领域的技术属性,保存为相关参数。
3.根据权利要求1所述的一种基于NetLogo的多Agent众包设计平台建模方法,其特征在于,
步骤(2)具体指,
1)根据以下维度建立众包设计平台中设计资源属性列表:设计资源状态S、设计资源能量E、设计资源消耗率C、设计资源能力向量UV、设计资源学习能力L;
2)根据以下维度建立众包设计平台中任务属性列表:任务状态S、任务能力要求向量PV、任务收益PM。
4.根据权利要求1所述的一种基于NetLogo的多Agent众包设计平台建模方法,其特征在于,
步骤(3)中,使用多Agent建模软件NetLogo构建众包平台Agent行为策略,对众包平台Agent的行为进行定义:
1)设计资源周期消耗;
2)设计资源寻找合适任务;
3)设计资源学习任务;
4)设计资源处理任务;
5)任务孵化。
5.根据权利要求1所述的一种基于NetLogo的多Agent众包设计平台建模方法,其特征在于,
步骤(5)中,通过NetLogo仿真得到的结果,能够得到平台评价指标,包括各技术领域任务闲置率PA、设计资源空闲率UA以及用户流失率UD;
步骤(5)中,优化策略判断:众包平台管理者认为众包平台评价指标是否需要改善,是则进入步骤(6),否则进入步骤(7)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911066737.2A CN111027917A (zh) | 2019-11-04 | 2019-11-04 | 一种基于NetLogo的多Agent众包设计平台建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911066737.2A CN111027917A (zh) | 2019-11-04 | 2019-11-04 | 一种基于NetLogo的多Agent众包设计平台建模方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111027917A true CN111027917A (zh) | 2020-04-17 |
Family
ID=70200840
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911066737.2A Pending CN111027917A (zh) | 2019-11-04 | 2019-11-04 | 一种基于NetLogo的多Agent众包设计平台建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111027917A (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150242798A1 (en) * | 2014-02-26 | 2015-08-27 | Xerox Corporation | Methods and systems for creating a simulator for a crowdsourcing platform |
CN106708600A (zh) * | 2016-12-12 | 2017-05-24 | 大连理工大学 | 一种基于多智能体建模和专家系统的众包平台最优投放策略生成器 |
-
2019
- 2019-11-04 CN CN201911066737.2A patent/CN111027917A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150242798A1 (en) * | 2014-02-26 | 2015-08-27 | Xerox Corporation | Methods and systems for creating a simulator for a crowdsourcing platform |
CN106708600A (zh) * | 2016-12-12 | 2017-05-24 | 大连理工大学 | 一种基于多智能体建模和专家系统的众包平台最优投放策略生成器 |
Non-Patent Citations (1)
Title |
---|
郭伟 等: ""基于多Agent的众包任务推荐系统建模与仿真"", 《计算机工程与科学》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gao et al. | Collaborative learning-based industrial IoT API recommendation for software-defined devices: the implicit knowledge discovery perspective | |
Ozturk et al. | Extracting priority rules for dynamic multi-objective flexible job shop scheduling problems using gene expression programming | |
Li et al. | Consensus, polarization and clustering of opinions in social networks | |
US20170126816A1 (en) | Methods for dynamically generating an application interface for a modeled entity and devices thereof | |
US20090099920A1 (en) | Data Mining | |
Cotes-Ruiz et al. | Dynamic voltage frequency scaling simulator for real workflows energy-aware management in green cloud computing | |
CN110827120A (zh) | 基于gan网络的模糊推荐方法、装置、电子设备及存储介质 | |
CN115686846B (zh) | 边缘计算中融合图神经网络和强化学习的容器集群在线部署方法 | |
CN114706840A (zh) | 面向负载感知的多模数据库ArangoDB参数调优的方法 | |
Zhang et al. | A novel large group decision-making method via normalized alternative prediction selection | |
CN117436679B (zh) | 一种元宇宙资源匹配方法及其系统 | |
Chunpir et al. | Using soft systems methodology (SSM) in understanding current user-support scenario in the climate science domain of cyber-infrastructures | |
CN110971683B (zh) | 基于强化学习的服务组合方法 | |
Xiao et al. | Research and implementation of hybrid recommendation algorithm based on collaborative filtering and word2vec | |
CN111027917A (zh) | 一种基于NetLogo的多Agent众包设计平台建模方法 | |
Wu | [Retracted] A Model‐Driven Analysis of the Relationship between Innovation and Growth in a Green Low‐Carbon Economy Based on Open Public Data | |
CN114238741A (zh) | 一种兼容性与质量感知的api服务组合搜索方法及装置 | |
Schneider et al. | A network science approach to the Internet | |
CN112257977A (zh) | 模糊工时下资源受限的物流项目工期优化方法及系统 | |
Zhou | Knowledge dichotomy and semantic knowledge management | |
Mok et al. | Scaling understanding up to mental spaces | |
Lin et al. | Nonprogressive diffusion on social networks: Approximation and applications | |
Mayerhoffer et al. | A Network Approach to Consumption | |
Ivezic et al. | Towards a road-mapping ontology for open innovation in smart manufacturing | |
CN117573904B (zh) | 基于识别分析的多媒体教学资源知识图谱生成方法及系统 |
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 |