一种基于移动社交网络的群智计算在线任务分配方法
【技术领域】
[0001] 本发明设及移动技术领域，特别是设及一种基于移动社交网络的群智计算在线任 务分配方法。
【背景技术】
[0002] 群智计算是近年来兴起的一种计算模式，主要是通过用户之间相互协助，共同完 成复杂的大规模的计算任务。其主要的代表性系统包括众包系统和群智感知系统。其中， 众包指的是一种分布式的问题解决方法，即将一个任务量大而难W独立完成的任务，划分 为不同小任务并通过互联网将其分配给多个用户协助完成。群智感知则是一种多用户的 协作感知模式，即将每个带有感知设备的用户看作是一个独立的传感器，并利用他们协助 完成大规模、复杂的社会感知任务。简单来说，群智计算就是利用多个用户通过任务分解、 分布式执行、结果汇聚的方式来共同处理单个用户难W完成的大规模复杂任务的一种计算 模式。随着今年来移动终端技术的发展，移动终端如手机，平板，掌上电脑等早已成为人们 的生活必备品。运些移动终端配备有强大的计算内核W及各种各样的传感器，如溫度传感 器，GPS，重力加速器等，一些高端的移动设备的计算能力甚至超过了某些PC机，因此，移动 终端能在一定程度上替代原有的传感设备，完成某些传感任务。此外，搭载在移动社交网络 上的群智计算系统，能够利用移动社交网络的移动特性，减少任务数据传输的代价，能够充 分利用人的移动性、智能性来完成传统系统难W应对的、与人类生活密切相关的复杂感知 任务，具有低成本、普遍适用性、高度灵活性的优势，因而有着广泛的应用前景。
【发明内容】
[0003] 本发明主要解决的技术问题是提供一种基于移动社交网络的群智计算在线任务 分配方法，通过将群智计算系统搭载在移动网络中，利用移动网络进行任务的分配，任务处 理W及结果回收的系统，除了发挥出移动网络中用户移动的特性外，还利用了移动用户人 的特性，完成一些传统设备难W完成的人工任务，系统中的任务分配关乎任务完成的速度 W及用户的利益，自适应群智计算任务分配算法能够根据当前的情况，寻找出当前最佳的 分配方案分配出去，具有很高的实用价值，在基于移动社交网络的群智计算在线任务分配 方法的普及上有着广泛的市场前景。
[0004] 为解决上述技术问题，本发明提供一种基于移动社交网络的群智计算在线任务分 配方法，包括W下步骤： (1)任务的发布者对所存储的用户信息，根据存储的历史参数，分别计算所存储的用户 在未来完成此任务的成功概率的期望值： 不同用户之间的建立连接的概率服从指数分布，则两用户在将来两次建立连接的概率 关
其中T为最后有效时间、I自为当前时间，每个任务完 成的可能性为◎二其中C为用户完成任务的历史成功率； (2) 当任务发布者通过移动社交网络平台与某个移动社交网络用户建立连接时，实时 更新和重新计算该移动社交网络用户完成任务的期望值： 调整之前计算的完成任务的成功概率，根据参数计算未来建立连接一次的概率为
，相应的每个任务将来完成的可能性为I:二t載i;?，将新计算的成功率I替 代原有的I，对每个任务，将所有计算到的不同用户完成任务的成功率进行排序； (3) 用调整后的新的期望值代替原有期望值，并根据新计算的期望值进行在线任务分 配： 对每一个任务，取最大的用户完成任务的可能性与任务的阔值比较，任务的阔值是任 务值得完成的最低可能性，如果最大的可能性低于阔值，则需要分配多人完成此任务直到 联合的可能性大于阔值，而选择的用户则优先从完成率次大的用户中选取，运些用户组成 用户组，合作完成运个任务，如果此刻正建立连接的用户在运个用户组中，我们将任务分配 给运个用户，否则不进行分配。
[0005] 在本发明一个较佳实施例中，所述用户信息包括用户姓名和用户ID。
[0006] 在本发明一个较佳实施例中，所述参数包括用户完成任务的历史成功率C和不 同用户间的建立连接的概率系数入。
[0007] 在本发明一个较佳实施例中，用户在第一次建立连接时决定是否分配任务，如果 第一次连接时分配了任务并且被分配的用户在下次连接前完成了任务，那么用户在再次建 立连接时，回收任务的结果。
[0008] 本发明的有益效果是：本发明基于移动社交网络的群智计算在线任务分配方法在 改变用户任务数量W及网络中用户数量的情况下，使用本发明寻找到的完成任务的用户数 量均小于一般的建立连接即分配和随机分配算法，从而能够很好地节省开销，具有很强的 实用价值，在基于移动社交网络的群智计算在线任务分配方法的普及上有着广泛的市场前 景。
【附图说明】
[0009] 为了更清楚地说明本发明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发明的一些实施例，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W根据运些附图获得其它 的附图，其中： 图1是本发明的基于移动社交网络的群智计算在线任务分配方法一较佳实施例的硬 件设备结构示意图； 图2是本发明的基于移动社交网络的群智计算在线任务分配方法一较佳实施例的网 络中用户数量对仿真结果的影响示意图； 图3是本发明的基于移动社交网络的群智计算在线任务分配方法一较佳实施例的用 户群智计算任务数量对仿真结果的影响示意图； 图4是本发明的基于移动社交网络的群智计算在线任务分配方法一较佳实施例的流 程图。
【具体实施方式】
[0010] 下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施 例仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通 技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范 围。
[0011] 请参阅图1-图4,本发明实施例包括： 一种基于移动社交网络的群智计算在线任务分配方法，包括W下步骤： (1) 任务的发布者对所存储的用户信息，根据存储的历史参数，分别计算所存储的用户 在未来完成此任务的成功概率的期望值： 不同用户之间的建立连接的概率服从指数分布，则两用户在将来两次建立连接的概率 关
，其中X为最后有效时间、;|^为当前时间，每个任务完 成的可能性为@ = 其中C为用户完成任务的历史成功率； (2) 当任务发布者通过移动社交网络平台与某个移动社交网络用户建立连接时，实时 更新和重新计算该移动社交网络用户完成任务的期望值： 调整之前计算的完成任务的成功概率，根据参数计算未来建立连接一次的概率为
相应的每个任务将来完成的可能性为将新计算的成功率皆替 代原有的I，对每个任务，将所有计算到的不同用户完成任务的成功率进行排序； (3) 用调整后的新的期望值代替原有期望值，并根据新计算的期望值进行在线任务分 配： 对每一个任务，取最大的用户完成任务的可能性与任务的阔值比较，任务的阔值是任 务值得完成的最低可能性，如果最大的可能性低于阔值，则需要分配多人完成此任务直到 联合的可能性大于阔值，而选择的用户则优先从完成率次大的用户中选取，运些用户组成 用户组，合作完成运个任务，如果此刻正建立连接的用户在运个用户组中，我们将任务分配 给运个用户，否则不进行分配。
[0012] 优选地，所述用户信息包括用户姓名和用户ID。
[0013] 优选地，所述参数包括用户完成任务的历史成功率C和不同用户间的建立连接 的概率系数入。
[0014] 优选地，用户在第一次建立连接时决定是否分配任务，如果第一次连接时分配了 任务并且被分配的用户在下次连接前完成了任务，那么用户在再次建立连接时，回收任务 的结果。
[0015] 图1给出了基于本发明的相关系统的功能实现结构图，从图1中我们可W看出，实 现本发明大体需要几个模块，其最主要包括：用户信息模块W及任务管理模块。其中用户信 息模块的主要功能是管理用户的相关信息，包括本机用户W及从前已经建立过连接的用户 (即未来可能建立连接的用户）。信息的内容主要包括：用户姓名，用户id(识别用户身份的 唯一标识）等用于描述用户身份的信息，此外还包含有未来可能建立连接用户的相应参数 信息，包括：用户完成任务的历史成功率C，不同用户间的建立连接的概率系数A等。用户 信息模块主要管理的是用户运些信息的实时跟新(具体的实施方式在下面会提到）W及与 任务管理模块的相互通信，w便用户管理模块能够及时的调用运些相关信息。任务管理模 块的主