一种面向合作性任务的移动群智感知激励方法与流程

本发明属于移动互联网和算法博弈论的交叉领域，尤其涉及一种面向合作性任务的移动群智感知激励方法。

背景技术：

随着移动互联网、嵌入式传感器等技术的发展，智能手机已经十分普及。利用普遍存在的智能手机用户感知和收集大规模的数据是一种新型的感知方式。移动群智感知由于其广泛的时空覆盖、低廉的成本、优秀的可扩展性以及普遍存在的应用场景而被认为是一种具有巨大潜力的新型数据感知和收集模式。目前已有一些项目基于移动群智感知实现了健康护理、智能交通、社交网络、环境监控等领域中的不同应用。

但目前的这些应用都是假设参与者能自愿地积极的参加数据感知，这往往不切实际。因为参与者需要消耗设备的能量、计算能力、存储空间、数据流量等完成群智感知任务，参与者需要得到一定数量的激励以抵消这些损失。群智感知应用的成功实施取决于参与者数量以及数据质量，没有激励上述两点都得不到保证。因此，激励机制的设计在群智感知应用中十分重要。

构建指纹数据库，收集较大范围内的地理数据等，均需要手机用户相互合作去完成任务。面对这些合作性任务，用户更希望和信任的人去共同完成任务，这样可以更好的去分配任务，提高服务的质量以及对个人隐私的保护，而现有的技术中并没有允许用户自行选择信任的用户去共同完成任务，用户之间的兼容性被忽略。

本发明考虑在一个在线社区中发布一个存在多合作任务的移动群智感知活动。在线社区中的用户对参与感知任务有兴趣。每个合作任务需要一定数量的兼容用户来完成。本发明从在线社区中用户之间的社交关系挖掘用户之间的兼容性。用户根据所在社区中的社交关系向社交网络应用平台提交一个含有兼容用户集的标书，社交网络应用平台根据用户提交的兼容用户集，将用户分成多个兼容用户组。然后选择入选者和计算每个用户的报酬。本发明所提的移动群智感知激励方法满足计算有效性、个人理性和防欺骗性。

技术实现要素：

本发明所要解决的技术问题是针对背景技术中所存在到的缺陷，提供一种面向合作性任务的移动群智感知激励方法。

本发明的技术解决方案是：

考虑一个移动群智感知系统包括一个社交网络应用平台和一个在线社区，该在线社区中存在一批用户。

本发明所述一种面向合作性任务的移动群智感知激励方法，社交网络应用平台和用户之间体现为一个反向拍卖过程，步骤如下：

步骤201：社交网络应用平台发布一个任务集合t＝{t1,...,tm}，对于每个任务tj∈t需要至少rj个人去完成；

步骤202：设在线社区中的用户集合为u＝{1,2,...,n}，每个用户i∈u提交一个标书bi＝(βi,bi,ξi)，其中为ki个任务的集合，bi为用户i执行任务集βi想要获得的最少报酬，ξi为用户i可以合作的一组用户的集合，称为用户i的兼容用户集；

步骤203：社交网络应用平台对所有用户执行兼容用户分组过程，产生g1,g2,...,gd共d个兼容用户组，设为d个兼容用户组的集合；

步骤204：社交网络应用平台根据g计算入选者集合s；

步骤205：计算每个用户i∈u的报酬pi；

步骤206：社交网络应用平台通知入选者，入选者执行感知任务，将感知数据提交社交网络应用平台；

步骤207：社交网络应用平台向入选者支付报酬。

在步骤203中，社交网络应用平台对所有用户执行兼容用户分组过程的步骤如下：

步骤301：初始化用户集合其中δ是一个常数，δ＜n；

步骤302：利用兼容用户集构造一个关于所用用户的有向图g：对任意两个用户i,j∈u,i≠j，如果用户j在用户i的兼容用户集中，则增加一条从用户i到用户j的有向边；

步骤303：令将有向图g中的每个用户随机分配到χ个用户子集中，设χ个用户子集分别为u1,u2,...,uχ，设a＝{u1,u2,...,uχ}是χ个用户子集的集合；

步骤304：从a中随机选择个用户子集，设aδ为个用户子集的集合；

步骤305：对每一个用户子集ui∈a，如果ui∈aδ，则执行步骤305，否则执行步骤306；

步骤306：如果则将ui中的所有用户并入用户集合sδ；否则从ui中选择始点为非ui中用户的入边最多的前个用户，将该个用户并入用户集合sδ；

步骤307：如果则将ui中的所有用户并入用户集合sδ；否则从ui中选择始点为非ui中用户的入边最多的前个用户，将该个用户并入用户集合sδ；

步骤308：若|sδ|＜δ，则从不在sδ中的用户中随机选取δ-|sδ|个用户并入sδ；

步骤309：从有向图g中删除不在sδ中的用户以及与sδ中用户相关联的边，求出更新后的图g中的所有强连通分量，将每个强连通分量中的用户放入一个兼容用户组中，设共计产生g1,g2,...,gd共d个兼容用户组，设为d个兼容用户组的集合；

步骤310：返回结束。

在步骤204中，社交网络应用平台根据g计算入选者集合s的步骤如下：

步骤401：初始化入选者集合

步骤402：对所有兼容用户组gk∈g，执行步骤403到步骤404；

步骤403：令sk为已经从兼容用户组gk中选择出的入选者集合，初始化sk＝φ；

步骤404：对于所有的任务tj∈t，令为兼容用户组gk完成任务tj所需花费的最小的边际成本；

步骤405：对所有的任务tj∈t执行步骤406到步骤409；

步骤406：对所有兼容用户组gk∈g，令sk为已经从兼容用户组gk中选择出的入选者集合，s'k为拟从兼容用户组gk中选择的入选者集合，初始化sk＝φ，s'k＝φ，令qk＝{i|i∈sk,tj∈βi}，其中qk为sk中为任务tj报价的用户集合；

步骤407：如果gk中提交标书中含有任务tj的用户数不少于rj，并且rj多于集合qk的用户数，则从gk\sk中选择报价最低的且提交标书中含有任务tj的前rj-|qk|个用户，将这rj-|qk|个用户并入集合s'k中，并将s'k用户的报价相加得到值赋给

步骤408：对所有兼容用户组gk∈g，找出的值最小的兼容用户组，设该兼容用户组为gk'，k'∈{1,2,...,d}；

步骤409：令sk'＝sk'∪s'k'，s＝s∪sk'；

步骤410：返回入选者集合s，结束。

在步骤205中，社交网络应用平台计算每个用户i∈u的报酬pi的步骤如下：

步骤501：对任意用户i∈u，令其报酬pi＝0；

步骤502：对所有的入选者i∈s执行步骤503到步骤506；

步骤503：对所有的任务tj∈t执行步骤504到步骤506；

步骤504：根据步骤401到步骤410所述方法从用户集ug\{i}中为任务tj选择入选者集合，其中ug为g中所有用户的集合；

步骤505：根据步骤401到步骤410所述方法计算和其中为在没有用户i的情况下执行任务tj所需的最小边际成本，为在有用户i的情况下执行任务tj所需的最小边际成本；

步骤506：如果则令用户i的报酬

步骤507：返回所有用户的报酬向量p＝(p1,p2,...,pn)，结束。

有益效果

本发明采用以上技术方案与现有技术相比，具有以下技术效果：

1.首次在移动群智感知系统的激励机制设计中考虑用户之间的兼容性，使得用户可以更高效地完成合作性的任务；

2.计算时间复杂度低，该激励方法总的时间复杂度为是一个完全多项式时间方法，具有计算有效性；

3.该激励方法是个人理性的，即平台支付给每个入选者的报酬数额一定大于等于该用户所需耗费的真实代价，因此对于吸引大量用户以及提高数据质量有积极作用；

4.该激励方法是防欺骗的，当其他用户都提交自身的真实的报价和兼容用户集时，即使用户采取某种策略虚报报价和兼容用户集，也不会使得该用户的效用变高，因此用户倾向于提交自身的真实的报价和兼容用户集。防欺骗性对于防止市场垄断或者串通具有重要作用。

附图说明

图1是本发明中社交网络应用平台和用户之间反向拍卖执行流程；

图2是本发明中社交网络应用平台对所有用户执行兼容用户分组执行流程；

图3是本发明中社交网络应用平台选择入选者集合的执行流程；

图4是本发明中社交网络应用平台计算入选者报酬的执行流程。

具体实施方式

下面结合附图对本发明的技术方案做进一步的详细说明：

本发明中社交网络应用平台根据用户提交的兼容用户集，将用户分成多个兼容用户组。然后选择入选者和计算每个入选者的报酬。

名词说明：

移动群智感知系统：一种利用大量智能手机感知数据的大型数据采集系统，移动群智感知系统由处于云端的移动群智感知平台和一批智能手机用户组成。本发明中处于云端的移动群智感知平台是一个社交网络应用平台；智能手机用户处于一个在线社区中。

入选者：由本发明基所提激励方法选择出来的用户，是移动群智感知的最终参与者。

用户的效用：用户获得的报酬与付出的成本的差值。在防欺骗的激励方法中，用户的成本等于用户的报价。

本发明所述一种面向合作性任务的移动群智感知激励方法，社交网络应用平台和用户之间体现为一个反向拍卖过程，执行流程如图1所示，步骤如下：

步骤201：社交网络应用平台发布一个任务集合t＝{t1,...,tm}，对于每个任务tj∈t需要至少rj个人去完成；

步骤202：设在线社区中的用户集合为u＝{1,2,...,n}，每个用户i∈u提交一个标书bi＝(βi,bi,ξi)，其中为ki个任务的集合，bi为用户i执行任务集βi想要获得的最少报酬，ξi为用户i可以合作的一组用户的集合，称为用户i的兼容用户集；

步骤203：社交网络应用平台对所有用户执行兼容用户分组过程，产生g1,g2,...,gd共d个兼容用户组，设为d个兼容用户组的集合；

步骤204：社交网络应用平台根据g计算入选者集合s；

步骤205：计算每个用户i∈u的报酬pi；

步骤206：社交网络应用平台通知入选者，入选者执行感知任务，将感知数据提交社交网络应用平台；

步骤207：社交网络应用平台向入选者支付报酬。

在步骤203中，社交网络应用平台对所有用户执行兼容用户分组的流程如图2所示，步骤如下：

步骤301：初始化用户集合其中δ是一个常数，δ＜n；

步骤302：利用兼容用户集构造一个关于所用用户的有向图g：对任意两个用户i,j∈u,i≠j，如果用户j在用户i的兼容用户集中，则增加一条从用户i到用户j的有向边；

步骤303：令将有向图g中的每个用户随机分配到χ个用户子集中，设χ个用户子集分别为u1,u2,...,uχ，设a＝{u1,u2,...,uχ}是χ个用户子集的集合；

步骤304：从a中随机选择个用户子集，设aδ为个用户子集的集合；

步骤305：对每一个用户子集ui∈a，如果ui∈aδ，则执行步骤305，否则执行步骤306；

步骤306：如果则将ui中的所有用户并入用户集合sδ；否则从ui中选择始点为非ui中用户的入边最多的前个用户，将该个用户并入用户集合sδ；

步骤307：如果则将ui中的所有用户并入用户集合sδ；否则从ui中选择始点为非ui中用户的入边最多的前个用户，将该个用户并入用户集合sδ；

步骤308：若|sδ|＜δ，则从不在sδ中的用户中随机选取δ-|sδ|个用户并入sδ；

步骤309：从有向图g中删除不在sδ中的用户以及与sδ中用户相关联的边，求出更新后的图g中的所有强连通分量，将每个强连通分量中的用户放入一个兼容用户组中，设共计产生g1,g2,...,gd共d个兼容用户组，设为d个兼容用户组的集合；

步骤310：返回结束。

在步骤204中，社交网络应用平台根据g计算入选者集合s的执行流程如图3所示，步骤如下：

步骤401：初始化入选者集合

步骤402：对所有兼容用户组gk∈g，执行步骤403到步骤404；

步骤403：令sk为已经从兼容用户组gk中选择出的入选者集合，初始化sk＝φ；

步骤404：对于所有的任务tj∈t，令为兼容用户组gk完成任务tj所需花费的最小的边际成本；

步骤405：对所有的任务tj∈t执行步骤406到步骤409；

步骤406：对所有兼容用户组gk∈g，令sk为已经从兼容用户组gk中选择出的入选者集合，s'k为拟从兼容用户组gk中选择的入选者集合，初始化sk＝φ，s'k＝φ，令qk＝{i|i∈sk,tj∈βi}，其中qk为sk中为任务tj报价的用户集合；

步骤407：如果gk中提交标书中含有任务tj的用户数不少于rj，并且rj多于集合qk的用户数，则从gk\sk中选择报价最低的且提交标书中含有任务tj的前rj-|qk|个用户，将这rj-|qk|个用户并入集合s'k中，并将s'k用户的报价相加得到值赋给

步骤408：对所有兼容用户组gk∈g，找出的值最小的兼容用户组，设该兼容用户组为gk'，k'∈{1,2,...,d}；

步骤409：令sk'＝sk'∪s'k'，s＝s∪sk'；

步骤410：返回入选者集合s，结束。

在步骤205中，社交网络应用平台计算每个用户i∈u的报酬pi的执行流程如图4所示，步骤如下：

步骤501：对任意用户i∈u，令其报酬pi＝0；

步骤502：对所有的入选者i∈s执行步骤503到步骤506；

步骤503：对所有的任务tj∈t执行步骤504到步骤506；

步骤504：根据权利要求3步骤401到步骤410所述方法从用户集ug\{i}中为任务tj选择入选者集合，其中ug为g中所有用户的集合；

步骤505：根据权利要求3步骤401到步骤410所述方法计算和其中为在没有用户i的情况下执行任务tj所需的最小边际成本，为在有用户i的情况下执行任务tj所需的最小边际成本；

步骤506：如果则令用户i的报酬

步骤507：返回所有用户的报酬向量p＝(p1,p2,...,pn)，结束。

本技术领域技术人员可以理解的是，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。