基于个性化竞标激励的任务众包分配处理方法与流程

本发明涉及互联网络任务分配技术领域，特别涉及一种基于个性化竞标激励的任务众包分配处理方法。

背景技术：

随着移动智能设备感知功能日益强大和普及、以及互联网络和无线通信技术的快速发展，使群智感知的众包模式应运而生，并受到越来越多的关注，也产生了大量的群智感知系统和众包服务平台。众包模式通过整合移动智能设备和互联网络的群智感知用户完成待处理的工作任务，目前己经广泛应用于信息检索、人工智能、知识挖掘、城市交通、人机交互学习等技术服务领域。而对于一些研究工作相关的任务，为了提高群智感知的众包分配处理效率，非常有必要设计激励机制来激励用户的参与。

拍卖模型能够增加用户之间的竞争，因此，它被广泛用于当前群智感知众包模式的激励机制设计工作中。用户根据他们的偏好来对发布的任务进行投标，然后，基于各个用户的竞标，众包服务平台根据一定的任务分配规则确定将各个任务的分配并计算酬劳。

在实际应用中，由于不同用户所处环境、兴趣以及时间和地点都不相同，因此，他们在竞标任务选择时常常希望拥有自己多样化的选择。例如，例如在图2所示的交通路径工作任务中，用户bob可以同时完成任务1和任务2(task1和task2)，而用户lucy由于空闲时间有限却只想处理任务1和任务2(task1和task2)之中的一个。但是，当前大部分的研究主要站在平台的角度去设计任务和酬劳分配机制，从而忽略了从用户角度去考虑用户竞标的多样化偏好。适应用户个性化偏好的竞标策略，称之为个性化竞标(personalizedbidding，pb)，既有利于平台又利于广大用户。例如，一项对18至60岁的1500人的专业调查表明，超过56％的人群更加喜欢具有个性化体验的服务。因此，个性化竞标通过满足用户的个性化喜好提高他们心理学中的内部激励，从而能够更好地激励这些群智感知用户参与到众包任务的处理中。

因此，如何设计群智感知的个性化竞标激励机制，来实现众包任务的分配处理，对于众包服务平台而言尤为重要。

技术实现要素：

针对现有技术中存在的上述不足，本发明的目的在于提供一种基于个性化竞标激励的任务众包分配处理方法，以更好的满足用户对于任务众包分配的个性化、灵活性需求，用以帮助激励群智感知用户参与到众包任务的处理中，并兼顾任务分配的合理性。

为实现上述目的，本发明采用了如下技术方案：

基于个性化竞标激励的任务众包分配处理方法，包括如下步骤：

发布任务库中的待处理任务；

用户设定任务竞标书，每个用户设定的每个任务竞标书包括一个或多个竞标单元，以及竞标单元之间的竞标分配关系；每个竞标单元用于记录其对应用户所设置的一个或多个期望竞标任务以及相应的期望酬劳；

统计建立任务库中的待处理任务与用户设定的任务竞标书之间的竞标对应关系，并针对建立有竞标对应关系的每个待处理任务，从能够满足竞标分配关系要求的任务竞标书中选择出竞标单元的性价比最佳的一个作为中标竞标书，从任务库中提取待处理任务，组建满足所述中标竞标书中的竞标分配关系要求、且与所述性价比最佳的竞标单元中的期望竞标任务相匹配的任务包，分配给所述中标竞标书所对应的用户，从而实现对建立有竞标对应关系的各待处理任务的分配处理。

上述基于个性化竞标激励的任务众包分配处理方法中，具体而言，对于任意的第i个用户ui设定的任务竞标书右上角标*表示竞标分配关系标记，其中包含的任意第k个竞标单元表示为：

其中，n为用户总数，为任务竞标书中包含的竞标单元个数，ti,k、pi,k分别表示竞标单元中记录的期望竞标任务向量和期望酬劳总值，且有ti,k＝{τi,k,h|h∈{1,...,hi,k}}，τi,k,h、pi,k,h分别表示竞标单元中的第h个期望竞标任务和相应的期望酬劳，h∈{1,...,hi,k}，hi,k表示竞标单元中包含的期望竞标任务总个数，且期望竞标任务向量ti,k是任务库t的子集，即有τi,k,h∈t。

上述基于个性化竞标激励的任务众包分配处理方法中，具体而言，所述竞标分配关系包括子集选择分配关系，所述子集选择分配关系表示期望分配到任务竞标书中包含全部竞标单元之中的一个或互无交集的多个；即，子集选择分配关系的任务竞标书表示为：

其中，表示第i个用户ui所设定的子集选择分配关系的任务竞标书，右上角标o表示竞标分配关系为子集选择分配关系，∪表示子集选择分配关系运算符；表示任务竞标书中的第k个竞标单元，为用户ui所设定的任务竞标书中包含的竞标单元个数。

上述基于个性化竞标激励的任务众包分配处理方法中，具体而言，所述竞标分配关系包括择一选择分配关系，所述择一选择分配关系表示仅期望分配到任务竞标书中包含全部竞标单元之中的任意一个；即，择一选择分配关系的任务竞标书表示为：

其中，表示第i个用户ui所设定的择一选择分配关系的任务竞标书，右上角标o表示竞标分配关系为择一选择分配关系，为择一选择分配关系运算符，表示仅分配其连接对象之中的任意一个；表示任务竞标书中的第k个竞标单元，为用户ui所设定的任务竞标书中包含的竞标单元个数。

上述基于个性化竞标激励的任务众包分配处理方法中，具体而言，所述竞标分配关系包括混合选择分配关系，所述混合选择分配关系表示仅期望分配到所设定的多个竞标任务组之中的任意一个，所设定的每个竞标任务组中包含有一个或多个竞标单元，且每个竞标任务组中的各竞标单元之间互为子集选择分配关系，即每个竞标任务组表示期望分配到其中包含的全部竞标单元之中的一个或互无交集的多个；即，混合选择分配关系的任务竞标书表示为：

其中，表示第i个用户ui所设定的混合选择分配关系的任务竞标书，右上角标xo表示竞标分配关系为混合选择分配关系，为择一选择分配关系运算符，表示仅分配其连接对象之中的任意一个，∪表示子集选择分配关系运算符；表示混合选择分配关系的任务竞标书中所设定的第l个竞标任务组，且li任务竞标书中包含的竞标任务组总数，表示任务竞标书中所设定的第l个竞标任务组中的第n个竞标单元，n∈{1,...,ki,l}，且表示任务竞标书中的第k个竞标单元，为用户ui所设定的任务竞标书中包含的竞标单元个数。

上述基于个性化竞标激励的任务众包分配处理方法中，具体而言，针对建立有竞标对应关系的待处理任务，若对应有多个任务竞标书，则分别分解每个任务竞标书中包含的竞标单元，并根据分解得到每个竞标单元的期望竞标任务和期望酬劳分别确定各个竞标单元的性价比，选择出性价比最佳的竞标单元所在的任务竞标书作为中标竞标书，从任务库中提取相应的待处理任务，组建满足所述中标竞标书中的竞标分配关系要求、且与所述性价比最佳的竞标单元中的期望竞标任务相匹配的任务包，分配给所述中标竞标书所对应的用户。

上述基于个性化竞标激励的任务众包分配处理方法中，作为优选方案，所述竞标分配关系包括混合选择分配关系，所述混合选择分配关系表示仅期望分配到所设定的多个竞标任务组之中的任意一个，所设定的每个竞标任务组中包含有一个或多个竞标单元，且每个竞标任务组中的各竞标单元之间互为子集选择分配关系，即每个竞标任务组表示期望分配到其中包含的全部竞标单元之中的一个或多个；

在分解任务竞标书中包含的竞标单元时，针对混合选择分配关系的任务竞标书，分解方式具体为：

针对混合选择分配关系的任务竞标书中的每个竞标单元中添加至少一个带有标记的虚拟任务，确保每个竞标任务组包含的各个竞标单元中添加的虚拟任务的标记互不相同，且每两个属于不同竞标任务组的竞标单元中都包含有相同标记的虚拟任务，每个虚拟任务均为空任务，且标记相同的虚拟任务被视为同一个空任务，标记不同的虚拟任务被视为不同的空任务；由此分别将各个竞标单元转换为添加有虚拟任务的竞标选择单元，同时将各个竞标选择单元之间的竞标分配关系确定为子集选择分配关系，即表示期望分配到全部竞标选择单元之中的一个或互无交集的多个；

针对混合选择分配关系的任务竞标书所对应的用户，为每个竞标选择单元对应建立一个归属于所述用户的虚拟用户；

由此，将混合选择分配关系的任务竞标书分解为了多个各自对应有不同虚拟用户、且互为子集选择分配关系的竞标选择单元。

上述基于个性化竞标激励的任务众包分配处理方法中，作为优选方案，在选择确定中标竞标书时，针对混合选择分配关系的任务竞标书，选择确定方式为：根据各混合选择分配关系的任务竞标书中每个竞标选择单元的期望竞标任务和期望酬劳，分别确定各个竞标选择单元的性价比，选择出性价比最佳的竞标选择单元所在的任务竞标书作为中标竞标书，将所述性价比最佳的竞标选择单元对应的虚拟用户所归属的用户确定为中标用户，从任务库中提取相应的待处理任务，组建与所述性价比最佳的竞标选择单元中的期望竞标任务相匹配的任务包，配给所述中标用户。

上述基于个性化竞标激励的任务众包分配处理方法中，作为优选方案，确定竞标单元的性价比的具体方式为：对于任意的第i个用户ui设定的任务竞标书中包含的任意第k个竞标单元通过计算其支付效率确定相应竞标单元的性价比，支付效率εi,k的值越大则判定竞标单元的性价比越好；其中，ti,k表示竞标单元中记录的期望竞标任务向量，pi,k表示竞标单元中记录的期望酬劳总值，且有ti,k＝{τi,k,h|h∈{1,...,hi,k}}，τi,k,h、pi,k,h分别表示竞标单元中的第h个期望竞标任务和相应的期望酬劳，h∈{1,...,hi,k}，hi,k表示竞标单元中包含的期望竞标任务总个数；|ti,k|表示计算期望竞标任务向量ti,k中包含的期望竞标任务个数，即|ti,k|＝hi,k。

上述基于个性化竞标激励的任务众包分配处理方法中，具体而言，针对建立有竞标对应关系的待处理任务，若只对应有一个任务竞标书，则将该任务竞标书作为中标竞标书，从任务库中提取相应的待处理任务，分配给所述中标竞标书所对应的用户。

相比于现有技术，本发明具有以下有益效果：

1、本发明基于个性化竞标激励的任务众包分配处理方法，其任务分配原则的设计与用于设定的任务竞标书的描述方法设计存在对应关系；对于用于设定的任务竞标书的描述设计中，允许用户使用竞标分配关系来个性化的约束任务竞标书中包含的各个竞标单元之间的竞标分配原则；对于待处理任务的分配处理，则通过建立待处理任务与用户设定的任务竞标书之间的竞标对应关系，判断平台能否满足任务竞标书要求的竞标分配关系，并从能够满足竞标分配关系要求的任务竞标书中选择出竞标单元的性价比最佳的一个作为中标竞标书，提取待处理任务组建满足所述中标竞标书中的竞标分配关系要求、且与所述性价比最佳的竞标单元中的期望竞标任务相匹配的任务包分配给用户处理，由此使得待处理任务的分配依据于用于设定的任务竞标书，从而能够更好的满足用户对于任务竞标分配的个性化、灵活性需求，有助于激励群智感知用户参与到众包任务的处理中。

2、本发明基于个性化竞标激励的任务众包分配处理方法，其任务分配原则是将能够满足竞标分配关系要求的任务竞标书中具备性价比最佳的竞标单元的一个中标竞标书，来执行任务分配，即引入了性价比对比机制，以避免过度、盲目的抬高其期望酬劳的任务竞标书中标而影响平台和任务提供者的利益，更好的兼顾了任务分配的合理性。

3、本发明基于个性化竞标激励的任务众包分配处理方法中，还设计了xor-of-or竞标描述方法去描述用户任务竞标书的竞标分配关系，既能够用于表示用户所有的个性化竞标描述需求，很好的满足用户对于任务竞标分配的个性化、灵活性需求，同时又避免了竞标分配关系的逻辑描述过长、过于复杂的问题，便于用户使用，从而成功地实现了用户表达性以及用户使用友好性之间的折衷。

4、本发明基于个性化竞标激励的任务众包分配处理方法中，针对xor-of-or竞标分配关系的任务竞标书，在任务分配处理时通过联合地考虑任务竞标书的xor-of-or竞标分配关系中三种逻辑操作符之间的关系，将其分解为了多个各自对应有不同虚拟用户、且互为子集选择分配关系的竞标选择单元，这样将具有复杂的任务竞标分配关系依赖图的个性化竞标拆解成多个独立的、简单的单一想法竞标，使得任务分配原则从复杂的xor-of-or竞标分配关系转换为了相对简单的or依赖关系，降低了任务分配计算的复杂度和运算量，使任务分配更加易于处理，从而实现了用户表达性、用户友好性、计算有效性三者之间的折衷。

附图说明

图1为本发明基于个性化竞标激励的任务众包分配处理方法的流程图。

图2为一个交通路径工作任务示例图。

图3为基于二维空间的竞标描述和基于三维空间的竞标描述的描述维度空间示意图。

图4为用户个性化竞标任务依赖关系图的拆解和重组过程示意图。

图5为实验的汽车用户的真实轨迹数据图。

图6为实验中本发明基于个性化竞标激励的任务众包分配处理方法与现有任务众包分配处理方法的性能比较图。

图中涉及的英文信息说明如下：

图2中，task1～5分别表示任务1～5；jack,alice,lucy,bob分别表示参与用户的名称。

图3中，expressiveness指标书的表达描述能力；sxb指基于二维空间(2-dspace)描述的方法；prince指基于三维空间(3-dspace)描述的方法。

图4中：

pbofoneuserwithtaskdependencygraph：用户个性化竞标的任务依赖关系图；

decompose：任务依赖关系图分解；

greedilyselecting：基于贪婪法选择；

virtualuserswithindependentsmbs：包含独立单想法竞标的虚拟用户；

re-combine：任务依赖关系图重组；

anadaptivecritical-paymentcomputationscheme：基于关键价格的自适应酬劳计算方法。

图5中，latitude指维度；longitude指经度。

图6中，apt指平均每个执行任务的支付酬劳；anu指平均每个用户的竞标任务个数；adl指平均每个用户的竞标描述长度；ours指我们所提方法；smb，sob，sxb分别表示现有技术中的其它方法。

具体实施方式

下面结合附图和具体实施方式对本发明基于个性化竞标激励的任务众包分配处理方法进行进一步的说明。

在实际的群智感知的场景中，用户常常因具有不同的感知能力，兴趣爱好以及场景(如时间，空间以及当前事件等)，从而具有不同的竞标偏好。因此，他们期望能够根据他们自己的个人偏好来进行个性化的竞标(personalizedbidding)。以图2所示的交通路径工作任务为例，众包服务平台发布5个不同位置的任务，用τj，j＝{1，…，5}。有4个用户想参与和完成这5个群智感知任务。但是，他们由于不同的兴趣和背景，具有不同的偏好。例如，如图2中的深灰色线条所示，bob将要经过任务τ1和τ2所在的位置。因此，他想竞标完成任务τ1和τ2，分别以价格20元和30元。bob想要么做这两个任务，要么两个都不做。如图2的浅灰色线条所示，alice和lucy都要经过τ1，τ2和τ4。由于alice有充足的时间，她希望做任何其中几个或者全部的这三个任务，因此，她竞标任何τ1，τ2和τ4的一个子集，分别以50，10，10元的价格。但是，lucy却只有有限的时间，她期望只做τ1，τ2和τ4其中一个任务，分别10，30，10元的价格。jack有两个可选路径如图2所示的黑色实线和虚线。因此，他想要么做τ3和τ4分别以价格15和10元，要么做τ3和τ5分别以价格15和20元。

个性化竞标不仅能够满足用户的需求，也能够有利于群智感知平台。灵活的个性化竞标能够增加被竞标的任务个数，从而扩大了寻找最优任务分配的候选解的集合。因此，个性化竞标能够降低平台完成所有任务的总耗费(socialcost)和总支付(totalpayment)。下面用一个包含两个任务(τ1和τ2)的简单例子，来进一步说明个性化竞标对平台的好处。如图2所示，bob以价格50元一起竞标τ1和τ2。alice以价格50和10元分别竞标τ1和τ2的子集。lucy却以价格10和30元分别竞标τ1和τ2中的其中一个。

如果不考虑用户的个性化竞标，机制将仅仅采用最简单的竞标方式，如单想法的竞标(singlesingle-mindedbiddingmethod,ssb)(可参见文献“x.chen,x.wu,x.-y.li,y.he,andy.liu.privacy-preservinghigh-qualitymapgenerationwithparticipatorysensing.inproc.ieeeinfocom,2014.”；“h.jin,l.su,h.xiao,andk.nahrstedt.inception:incentivizingprivacy-preservingdataaggregationformobilecrowdsensingsystems.inproc.acmmobihoc,pages341–350,2016.”；“m.karaliopoulos,i.koutsopoulos,andm.titsias.firstlearnthenearn:optimizingmobilecrowdsensingcampaignsthroughdata-drivenuserproling.inproc.acmmobihoc,pages271–280,2016”)。假设alice和lucy想尽可能多地挣钱，她们将从她们的候选竞标方案中选择价格最高的单想法竞标方案。因此，bob，alice和lucy的标书分别为{(τ1，τ2，50)}，{(τ1，τ2，60)}和(τ2，30)}。基于这三个用户的投标，在单想法的竞标机制下，平台制定如下的最优分配方案以使总成本最小：bob完成τ1和τ2，其总成本为50元。然而，如果考虑用户的个性化竞标，bob、alice和lucy的标书分别为{(τ1，τ2，50)}、{(τ1，50)，(τ2，10)，(τ1，τ2，60)}和(τ1，10)，(τ2，30)}。那么，在个性化竞标机制下，平台的最优任务分配方案是：lucy和alice分别以10元的价格完成τ1和τ2，即，平台的总成本为20元。因此，如果考虑用户的个性化竞标，平台能将完成任务τ1和τ2的总成本从50元降低到20元。可见个性化竞标机制既有利于平台又利于广大用户。并且，个性化竞标通过满足用户的个性化喜好提高他们心理学中的内部激励，从而能够更好地激励这些群智感知用户参与到众包任务的处理中。

基于上述因素考虑，本发明提出一种基于个性化竞标激励的任务众包分配处理方法，如图1所示，包括如下步骤：

步骤一，任务发布：

群智感知平台向对感知任务感兴趣的用户发布任务库中的待处理任务。假设用t表示平台的任务库(或称为任务集合)，即t＝{τj|j∈{1,...,m}}，其中τj和m分别表示第j个任务和任务总个数。假设这里总共有n个用户对这些感知任务感兴趣，那么用户集合可以用u＝{ui|i∈{1,...,n}}表示，ui表示其中的第i个用户。

步骤二，任务竞标：

用户设定任务竞标书，每个用户设定的每个任务竞标书包括一个或多个竞标单元，以及竞标单元之间的竞标分配关系；每个竞标单元用于记录其对应用户所设置的一个或多个期望竞标任务以及相应的期望酬劳。

基于标书的描述方法，用户根据他们自己的偏好和当前场景来设定竞标书，包括他们想完成的任务以及期望的价格。在本发明方法中，用户可以设定个性化的任务竞标书，例如任意的第i个用户ui设定的任务竞标书可以表示为bi^*，每个任务竞标书包括一个或多个竞标单元，右上角标*表示竞标分配关系标记，采用不同的竞标分配关系，则竞标分配关系标记也相应不同，任务竞标书中的各个竞标单元之间的竞标分配原则通过竞标分配关系加以约束。在此，需要提出关于竞标单元的定义。

定义1：竞标单元(或称为原子竞标，atomicbid)，是用户设定的任务竞标书中的一个基本单元，可以被看做一个单想法竞标(single-mindedbid，smb)。任务竞标书中包含的任意第k个竞标单元可表示为：

其中，n为用户总数，为任务竞标书中包含的竞标单元个数，ti,k、pi,k分别表示竞标单元中记录的期望竞标任务向量和期望酬劳总值，且有ti,k＝{τi,k,h|h∈{1,...,hi,k}}，τi,k,h、pi,k,h分别表示竞标单元中的第h个期望竞标任务和相应的期望酬劳，h∈{1,...,hi,k}，hi,k表示竞标单元中包含的期望竞标任务总个数，且期望竞标任务向量ti,k是任务库t的子集，即有τi,k,h∈t。最后，这些用户可以将设定的所有个性化的竞标书提交到平台上。

对于平台而言，一个竞标单元表示这个用户可能以期望酬劳价格pi,k完成中期望竞标任务向量ti,k中的所有期望竞标任务，如果没有完成期望竞标任务则得不到相应的酬劳。

而对于用户ui而言，除了其期望的酬劳价格pi,k外，它还有一个执行任务ti,k的真实耗费ci,k。在实际中，这个真实耗费是用户的私有信息，因此只有用户他自己知道。值得说明的是，完成所有任务的真实耗费ci,k之和就是社会总成本(socialcost)。由于人类的自私和理性的本性，他们总是倾向于在竞标中报高于实际耗费的价格以期望获得更多的收益，因此，ci,k≤pi,k，用户ui的收益是这也是平台需要设计任务分配策略防范性的一个主要考虑因素。

步骤三，任务分配：

基于用户设定的任务竞标书，平台需要根据设计的任务分配原则为每个用户分配任务和酬劳每个用户ui通过感知来执行分配给他的任务并将感知结果上传到平台。

最后平台给该用户支付酬劳

在本发明方法中，设计的任务分配原则如下：

统计建立任务库中的待处理任务与用户设定的任务竞标书之间的竞标对应关系，并针对建立有竞标对应关系的每个待处理任务，从能够满足竞标分配关系要求的任务竞标书中选择出竞标单元的性价比最佳的一个作为中标竞标书，从任务库中提取待处理任务，组建满足所述中标竞标书中的竞标分配关系要求、且与所述性价比最佳的竞标单元中的期望竞标任务相匹配的任务包，分配给所述中标竞标书所对应的用户，从而实现对建立有竞标对应关系的各待处理任务的分配处理。

可以看到，在本发明基于个性化竞标激励的任务众包分配处理方法中，任务分配原则的设计，与用于设定的任务竞标书的描述方法设计存在对应关系。对于用于设定的任务竞标书的描述设计中，允许用户使用竞标分配关系来个性化的约束任务竞标书中包含的各个竞标单元之间的竞标分配原则；对于待处理任务的分配处理，则通过建立待处理任务与用户设定的任务竞标书之间的竞标对应关系，判断平台能否满足任务竞标书要求的竞标分配关系，并从能够满足竞标分配关系要求的任务竞标书中选择出竞标单元的性价比最佳的一个作为中标竞标书，提取待处理任务组建满足所述中标竞标书中的竞标分配关系要求、且与所述性价比最佳的竞标单元中的期望竞标任务相匹配的任务包分配给用户处理，由此使得待处理任务的分配依据于用于设定的任务竞标书，从而能够更好的满足用户对于任务竞标分配的个性化、灵活性需求，有助于激励群智感知用户参与到众包任务的处理中；同时，任务分配原则是将能够满足竞标分配关系要求的任务竞标书中具备性价比最佳的竞标单元的一个中标竞标书，来执行任务分配，即引入了性价比对比机制，以避免过度、盲目的抬高其期望酬劳的任务竞标书中标而影响平台和任务提供者的利益，更好的兼顾了任务分配的合理性。

然而，在基于竞标机制的众包任务的分配处理中，要提供个性化竞标的灵活性，如果竞标机制的建立不足够丰富，则难以满足用户个性化竞标的需求，但竞标机制丰富化，往往又容易使得众包服务系统中群智感知用户对竞标功能的设置更加复杂，导致用户设置竞标功能使用不便，降低用户使用的友好性；因此，在如何兼顾个性化竞标的需求和任务竞标功能使用的友好性上，现有的竞标机制难以很好的满足需要。另一方面，随着竞标个性化和灵活性的提升以及竞标功能设置的复杂化，也相应使得对待处理任务的众包分配处理变得复杂化，可能大幅增加任务分配的候选集合，从而大大地增加了众包服务系统执行任务分配时根据分配规则计算最优任务分配方式的时间复杂度和处理难度，甚至可能使得求解最优任务分配方式成为np-hard问题，导致执行任务分配需要耗费指数级时间的复杂度，从而使实现激励机制设计的任务众包分配计算有效性和可行性严重恶化。因此，如何设计任务众包分配处理机制，使其能够具备个性化竞标激励特性，更好的兼顾个性化竞标的需求和任务竞标功能使用的友好性，进一步更好的兼顾竞标机制下对于任务众包分配处理的有效性和可行性，又成为了众包任务分配技术领域研究的另一个新课题。

本发明的另一个侧重点，是考虑在用户的个性化竞标对激励机制设计的前提下，如何设计以更好的满足个性化竞标激励机制的表达充分性和用户友好性两个新特征，以及如何更好的实现激励机制设计中任务分配处理的计算有效性(computationefficiency)和策略防范性(strategy-proof)。但是，不幸的是，高度灵活的个性化竞标允许用户能够表达各种不同的竞标偏好，从而为他们带来丰富表达性的同时，但也为同时带来如下三个方面的技术挑战：

1、功能易用性：个性化竞标的灵活性使用户的竞标描述更长和更加复杂，从而容易导致用户使用很不方便。因此，个性化竞标使得竞标机制设计的功能易用性和用户友好性的特征较为困难。

2、分配处理有效性：个性化竞标由于增加了竞标数量，极大增加了任务分配的候选集合，从而大大地增加了计算最优任务分配的时间复杂度。第三章将证明这个问题是np-hard问题。更严重的是，即使得到常数因子的近似解也需要耗费指数级时间复杂度，从而使实现激励机制设计的计算有效性这个特征非常困难。

3、策略防范性：不同的竞标选择给任务的分配增加了复杂的约束，使任务分配问题更加困难，如图2所示的交通路径工作任务示例中，的bob需要将任务1和任务2同时分配给他。此外，任务分配之间的约束依赖关系能够被自私的用户有策略性地利用来获得更多的收益，使激励机制更难策略防范。

那么，基于前述三个方面的技术挑战，个性化竞标激励的设计问题主要包括：(i)如何设计个性化竞标描述方法，以使用户能够基于他们自己的偏好来描述标书，从而满足用户良好的表达性(expressiveness)和用户友好性(user-friendliness)；(ii)如何设计任务和酬劳分配规则，以使平台基于用户的个性化竞标将所有任务t分配给用户u，从而最小化完成所有任务的社会总成本(socialcost)，同时满足计算有效性(computationefficiency)和策略防范性(strategy-proof)。

下面就针对于如何解决上述三个方面的技术挑战，展开分析和说明。

a、基于三维表达空间的个性化竞标描述方法设计。

1、基于二维表达空间的竞标分配关系描述。

定义2：子集选择分配关系(也可称为or竞标分配关系，简称or竞标)描述；基于and和or逻辑操作符，遵循以下两个步骤：

(1)、构建and原子竞标：每个用户ui可以提交一个原子竞标，用表示，包括任意数量(即hi,k)的and任务对(τi,k,h,pi,k,h)，h∈(1,...,hi,k)。它表示用户期望完成所有任务ti,k＝{τi,k,h|h∈{1,...,hi,k}}以得到报酬否则不做任何任务和得到任务报酬。

所以，可将原子竞标表示为

(2)、构建or竞标：每个用户ui可以提交一个子集选择分配关系(即or竞标分配关系)的任务竞标书，所述子集选择分配关系表示期望分配到任务竞标书中包含全部竞标单元之中的一个或互无交集的多个(即相当于是任务竞标书中包含的竞标单元集合的子集)，并获得相应的期望酬劳；即，子集选择分配关系的任务竞标书可表示为：

其中，表示第i个用户ui所设定的子集选择分配关系的任务竞标书，右上角标o表示竞标分配关系为子集选择分配关系，∪表示子集选择分配关系运算符，时，有也就是说，在子集选择分配关系运算逻辑下期望分配到任务竞标书中的多个竞标单元时，该多个竞标单元互无交集；表示任务竞标书中的第k个竞标单元，为用户ui所设定的任务竞标书中包含的竞标单元个数。

命题1：当or竞标的操作符个数为x时，平均描述长度or竞标描述能力e^o(x)可以由公式(1)表示。但是，它不能表示用户所有的个性化竞标描述需求。

证明：首先，利用动态规划和组合数学中的包含排斥原理，可证明e^o(x)由公式(1)表示(可参见文献“r.l.graham.handbookofcombinatorics,volume1.elsevier,1995”)。然后，通过反证方法可以证明or竞标的描述不能表示所有的个性化竞标描述需求。也就是说，and和or逻辑组合描述的竞标分配关系虽然具备一定的个性化和灵活性，但并不能完全的满足所有的pb(personalizedbidding,个性化竞标)描述需求。因此，or竞标的描述不能容纳所有的表达空间。

为了解决这一不足，我们结合and和xor逻辑来补充表达竞标分配关系。

定义3：择一选择分配关系(也称为xor竞标分配关系，简称xor竞标)描述；基于and和xor操作符进行如下构建：

(1)、构建and原子竞标：如定义2中and原子竞标所示。

(2)、构建xor竞标：每个用户ui可以提交一个择一选择分配关系(即xor竞标分配关系)的任务竞标书，所述择一选择分配关系表示仅期望分配到任务竞标书中包含全部竞标单元之中的任意一个，并获得相应的期望酬劳；即，择一选择分配关系的任务竞标书表示为：

其中，表示第i个用户ui所设定的择一选择分配关系的任务竞标书，右上角标o表示竞标分配关系为择一选择分配关系，为择一选择分配关系运算符，表示仅分配其连接对象之中的任意一个；表示任务竞标书中的第k个竞标单元，为用户ui所设定的任务竞标书中包含的竞标单元个数。

命题2：当xor的操作符个数为x时，则平均描述长度为xor竞标描述能力e^x(x)可以由公式(2)表示。同时，它能表示用户所有的个性化竞标描述需求。

基于公式(2)，我们进一步得到了e^x(x)的增量为

根据公式(3)，我们可以构建如图3所示的2-d表达空间，其中x轴表示xors竞标的数量，y轴表示表达能力的增量δe^x(x)。因此，根据公式(2)和(3)，我们可以使用2维空间图去表示xor竞标描述的表达空间。xor操作符个数最大时(x＝2^m)的二维表达空间能够表达所有用户表达需求。因此，我们可以使用and和xor操作符的2维空间内表示所有用户竞标需求。

在实践中，为了在用户表达性和计算复杂性之间折衷，我们通过限制一维的长度(即xor的数量)来减小二维表达空间(用常数r表示)xor操作符的个数限制。在r空间使用xor操作符的xor竞标描述方法称为sxb方法，根据可得其表达能力为：

2、基于三维表达空间的描述。

xor竞标描述虽然具有充分的说服力，但仍存在描述长度长、描述效率低的缺点。基于上述二维表达空间，我们希望通过or操作符进一步扩展到三位空间。为此，基于and、xor和or的竞标分配关系描述定义如下。

定义4：混合选择分配关系(也称为xor-of-or竞标分配关系，简称xor-of-or竞标)描述；基于and、xor和or构建如下竞标：

(1)、构建原子竞标和or竞标：如定义2中or竞标描述所示。

(2)、构建xor-of-or竞标：每个用户ui可以提交一个混合选择分配关系(即or竞标分配关系)的任务竞标书，所述混合选择分配关系表示仅期望分配到所设定的多个竞标任务组之中的任意一个，所设定的每个竞标任务组中包含有一个或多个竞标单元，且每个竞标任务组中的各竞标单元之间互为子集选择分配关系，即每个竞标任务组表示期望分配到其中包含的全部竞标单元之中的一个或互无交集的多个；即，混合选择分配关系的任务竞标书表示为：

其中，表示第i个用户ui所设定的混合选择分配关系的任务竞标书，右上角标xo表示竞标分配关系为混合选择分配关系，为择一选择分配关系运算符，表示仅分配其连接对象之中的任意一个，∪表示子集选择分配关系运算符；表示混合选择分配关系的任务竞标书中所设定的第l个竞标任务组，且li任务竞标书中包含的竞标任务组总数，表示任务竞标书中所设定的第l个竞标任务组中的第n个竞标单元，n∈{1,...,ki,l}，且表示任务竞标书中的第k个竞标单元，为用户ui所设定的任务竞标书中包含的竞标单元个数。

命题3：用x和y分别表示xor和or操作符个数，xor-of-or竞标描述的平均描述长度为表达能力e^xo(x,y)可用公式(5)表示。同时，它能表示所有用户的竞标表达需求。

其中x∈{1,...,e^o(y)},y∈{1,...,m}。

根据公式(5)，e^xo(x,y)的增量可表示为

根据公式(5)和(6)，我们可以构建如图3所示的3-d表达空间，其中x轴和y轴分别表示xor操作符的数量(即x)和or操作符的数量(即y)，并且，z轴表示随着xor和or操作符个数的增加表达能力的增量e^xo(x,y)。因此，我们可以使用3维图去表示xor-of-or竞标描述方法的表达空间。当xor和or操作符个数最大时，该3维表达空间能够表示所有的用户竞标描述需求。因此，我们可以用基于and、or和xor的3维度空间来表示所有的用户个性化竞标。

类似于2维空间，我们通过限制一个维度(例如：xor或者or)的长度为常数r来缩小3维表达空间。根据公式(5)，整个表达空间中关于计算复杂度的主维度是xor。因此，我们用常数r约束xor操作符个数，则平均描述长度其表达能力可表示为

3、个性化竞标描述方法设计。

通过上述分析可以看到，采用xor-of-or竞标描述方法去描述用户任务竞标书的竞标分配关系是最优的选择方案。为了便于用户的操作和使用，可以采用如下的用户个性化竞标描述方法：

(1)描述一组任务：如果用户期望被分配一组任务，那么他(她)为这一组任务创建一个原子竞标，否则，他(她)为每个任务创建一个原子竞标。

(2)描述任务的结合：如果用户希望分配某些任务的任何子集，他(她)用or操作符基于这些原子竞标来创建计划。

(3)生成r独占计划：基于以上两个步骤，每个用户可以迭代地用xor操作符来创建具有最大数量限制r的独占计划。

采用xor-of-or竞标描述方法去描述用户任务竞标书的竞标分配关系，既能够用于表示用户所有的个性化竞标描述需求，很好的满足用户对于任务竞标分配的个性化、灵活性需求，同时又避免了竞标分配关系的逻辑描述过长、过于复杂的问题，便于用户使用，从而成功地实现了用户表达性以及用户使用友好性之间的折衷。

以图2所示的交通路径工作任务为例，用以上描述方法来描述各个用户的竞标需求。用户jack有两个独占计划。在他的第一个计划中，jack想要在第一步中，把τ1和τ3结合起来，并创建原子竞标{(τ1,$15)∧(τ3,$10)}。因为他没有任务的结合，则有{τ1∧τ3,$25}。在他的第二个计划中，jack不希望把τ1和τ2一起做，则为每个任务创建一个原子竞标，例如(τ1,$15),(τ2,$35)。在第二步中，jack想要这两个任务的任何子集,因此通过or操作符(即∪)得到{(τ1,$15)∪(τ2,$35)}。在这些独占计划中，jack可以使用xor-of-or描述他的个性化竞标为：

b、任务和酬劳分配规则设计。

任意的第i个用户ui设定的混合选择分配关系的任务竞标书可以进一步的形式化地表示为其中(τi,l,k,h,pi,l,k,h)表示任务，∧,∪,分别表示任务分配之间的3个不同的依赖逻辑关系的运算符(即and、or和xor)。例如，在jack的竞标描述中，如公式(8)，τ1和τ3有and的依赖关系，应该一起分配；τ1和τ2有or的依赖关系，它们的任何子集都可以被分配。(τ1∧τ3)和(τ1∪τ2)有xor的依赖关系，因此，至多其中一个可以分配。因此，用户的个性化竞标描述由许多不同类型的复杂任务依赖关系组成。我们用任务依赖关系图来表示，如图4所示，其中圆圈表示不同的任务，深灰色、浅灰色和黑色箭头分别表示and、or和xor依赖关系。在任务依赖关系图的基础上，通过分解并重新组合的任务依赖关系图，提出了一种基于依赖关系的任务分配方法和自适应的临界支付计算方法。

1、基于个性化竞标描述分解的任务分配方法。

由于个性化用户竞标描述的任务依赖关系通常很复杂，使得直接分配非常困难。为了解决这个问题，将竞标描述的任务依赖关系图分解成独立的竞标单元、甚至分解成独立的单想法竞标(smb)，然后由贪婪算法分配将这些任务分配给用户。也就是说，针对建立有竞标对应关系的待处理任务，在对应有多个任务竞标书的情况下，则分别分解每个任务竞标书中包含的竞标单元，并根据分解得到每个竞标单元的期望竞标任务和期望酬劳分别确定各个竞标单元的性价比，选择出性价比最佳的竞标单元所在的任务竞标书作为中标竞标书，从任务库中提取相应的待处理任务，组建满足所述中标竞标书中的竞标分配关系要求、且与所述性价比最佳的竞标单元中的期望竞标任务相匹配的任务包，分配给所述中标竞标书所对应的用户。

在本发明方法中，采用xor-of-or竞标描述方法去描述用户任务竞标书的竞标分配关系是最优的选择方案。在分解任务竞标书中包含的竞标单元时，针对混合选择分配关系的任务竞标书，其分解方式是：

首先，针对混合选择分配关系的任务竞标书中的每个竞标单元中添加至少一个带有标记的虚拟任务，确保每个竞标任务组包含的各个竞标单元中添加的虚拟任务的标记互不相同，且每两个属于不同竞标任务组的竞标单元中都包含有相同标记的虚拟任务，每个虚拟任务均为空任务，且标记相同的虚拟任务被视为同一个空任务，标记不同的虚拟任务被视为不同的空任务；由此分别将各个竞标单元转换为添加有虚拟任务的竞标选择单元，同时将各个竞标选择单元之间的竞标分配关系确定为子集选择分配关系，即表示期望分配到全部竞标选择单元之中的一个或互无交集的多个。

具体来说，通过对xor依赖关系进行分解，将用户的xor-of-or竞标描述转化为or竞标描述。例如，添加的虚拟任务用d表示。它表示不存在价值和成本的虚拟任务，间接地表达xor约束。对于用户ui的竞标描述中的我们为每一个添加一个虚拟任务例如，在公式(8)中，jack的竞标描述可被分解为：

{(τ1∧τ3∧d1,2∧d1,3,$25)∪(τ1∧d1,2,$15)∪(τ2∧d1,3,$35)}。

由于(τ1∧τ3∧d1,2∧d1,3)与(τ1∧d1,2)和(τ2∧d1,3)相交，因此，{(τ1∧τ3,$25)}和{(τ1,$15)∪(τ2,$35)}不能被共同分配。

其次，通过分解or依赖关系，需要进一步将or的竞标描述与独立smb进行转换。为此，可添加具有独立smb的虚拟用户来表示or依赖，即针对混合选择分配关系的任务竞标书所对应的用户，为每个竞标选择单元对应建立一个归属于所述用户的虚拟用户。

具体的说，例如，为用户ui的每个创建一个具有独立smb的虚拟用户vi,l,k。由于任务竞标书中包含的竞标单元个数为因此针对于用户ui，创建的虚拟用户的数量也为个。因此，用户ui对应的虚拟用户集则为vik表示对应于用户ui的第k个竞标单元的虚拟用户。例如，jack的竞标描述可被分解为三个独立的虚拟用户，即虚拟用户v1,1，其竞标描述smb为{τ1∧τ3∧d1,2∧d1,3,$25}的；虚拟用户v1,2，其竞标描述smb为{τ1∧d1,2,$15}；虚拟用户v1,3，其竞标描述smb为{τ2∧d1,3,$35}。这样的转换是利用了or依赖关系和任务分配之间相似属性。根据定义4，一个or竞标的原子竞标集具有独立的性质。换句话说，就像不同用户的任务分配一样，不同的原子竞标可以独立分配给这个用户。

由此，将混合选择分配关系的任务竞标书分解为了多个各自对应有不同虚拟用户、且互为子集选择分配关系的竞标选择单元。这样便通过联合地考虑任务竞标书的xor-of-or竞标分配关系中三种逻辑操作符之间的关系，将具有复杂的任务竞标分配关系依赖图(task-dependencygraph)的个性化竞标拆解成多个独立的、简单的单一想法竞标，使得任务分配原则从复杂的xor-of-or竞标分配关系转换为了相对简单的or依赖关系，降低了任务分配计算的复杂度和运算量，使任务分配更加易于处理，从而实现了用户表达性、用户友好性、计算有效性三者之间的折衷。

命题4：具有描述长度λ的用户个性化竞标，通过最多添加λ²个虚拟任务，可以等价转化为具有λ独立smb竞标描述的λ个虚拟用户。

基于上述转换，将用户个性化竞标描述的任务分配最优问题转化为smb竞标的任务分配问题。这个问题被证明是np难问题。因此，我们通过贪婪算法来得到近似最优的任务分配。

为了确定任务分配所评估的性价比，可以设计确定竞标单元的性价比的具体方式为：对于任意的第i个用户ui设定的任务竞标书中包含的任意第k个竞标单元通过计算其支付效率确定相应竞标单元的性价比，支付效率εi,k的值越大则判定竞标单元的性价比越好；其中，ti,k表示竞标单元中记录的期望竞标任务向量，pi,k表示竞标单元中记录的期望酬劳总值，且有ti,k＝{τi,k,h|h∈{1,...,hi,k}}，τi,k,h、pi,k,h分别表示竞标单元中的第h个期望竞标任务和相应的期望酬劳，h∈{1,...,hi,k}，hi,k表示竞标单元中包含的期望竞标任务总个数；|ti,k|表示计算期望竞标任务向量ti,k中包含的期望竞标任务个数，即|ti,k|＝hi,k。

形式化地，针对于具有smb竞标(ti,k,pi,k)的虚拟用户vi,k，其支付效率计算为其中|ti,k|是ti,k的任务数，且虚拟任务(即di,j)的贡献为0。

而在选择确定中标竞标书时，针对混合选择分配关系的任务竞标书，选择确定方式为：根据各混合选择分配关系的任务竞标书中每个竞标选择单元的期望竞标任务和期望酬劳，分别确定各个竞标选择单元的性价比，选择出性价比最佳的竞标选择单元所在的任务竞标书作为中标竞标书，将所述性价比最佳的竞标选择单元对应的虚拟用户所归属的用户确定为中标用户，从任务库中提取相应的待处理任务，组建与所述性价比最佳的竞标选择单元中的期望竞标任务相匹配的任务包，配给所述中标用户。具体地说，可以通过贪婪算法迭代地选择具有最大支付效率的虚拟用户vi,k，直到分配完所有任务为止。

2、基于个性化竞标描述组合的酬劳分配方法。

为了使得任务众包任务分配的酬劳分配能够具备一定的防策略性，需要考虑用户的酬劳分配因素，制定针对性的酬劳分配方案，例如可以采用临界支付方案来为每个虚拟用户计算具有防策略性的酬劳。具体地说，没有任务分配的虚拟用户应当得不到任何报酬。另一方面，在临界支付方案中，在计算分配了任务的虚拟用户vi,k所得到的酬劳总值时，需要考虑虚拟用户vi,k对应的关键竞争用户所带来的竞争，以提高任务分配的防策略性，即：

其中，虚拟用户vi,k对应的关键竞争用户由如下方式确定：

vi,k表示归属于用户ui的第k个虚拟用户；ti,k表示虚拟用户vi,k的期望竞标任务向量；|ti,k|表示期望竞标任务向量ti,k中包含的期望竞标任务个数；表示所确定的关键竞争用户；表示关键竞争用户的期望竞标任务向量；表示关键竞争用户的期望竞标任务向量中包含的期望竞标任务个数；表示关键竞争用户的期望酬劳总值；表示虚拟用户vi,k被支付的酬劳总值；εi,k表示虚拟用户vi,k的支付效率，且表示候选关键竞争用户；表示候选关键竞争用户的支付效率，且表示候选关键竞争用户的期望竞标任务向量；为第i个用户ui所设定的任务竞标书中包含的竞标单元个数；为第个用户所设定的任务竞标书中包含的竞标单元个数；n为用户总数；表示空集。

虽然基于关键竞争用户的酬劳分配保证了用户在smb竞标中的防策略性，但它对于用户的个性化竞标分配就不能满足。其原因如下：如前所述，具有个性化竞标的用户可以分解成多个虚拟用户。一个单独的虚拟用户不能通过虚假报告来直接提高自己的收益(如:金钱)，但是他可以通过虚假报告来策略地帮助其他虚拟用户提高收益，从而提高该用户的实际总收益。以jack为例，我们假设v1,1被选中，而v1,2是v1,1的关键竞争用户。根据公式(9)，jack的报酬为因此，jack可以从策略性地虚假报告p1,2来提高他自己的总收益。

为了解决这种联合虚假报告问题，可重新组合用户个性化竞标的任务分配依赖关系图，并设计自适应的临界报酬计算方法。具体来说，对于每个选定的用户，我们从不同于该实际用户的其它用户来选择关键竞争用户，从而根据公式(9)来计算该用户应该得到的报酬。形式化地，对于用户ui的第k个虚拟用户vi,k，可得关键竞争用户为：

其中，vi,k表示归属于用户ui的第k个虚拟用户；ti,k表示虚拟用户vi,k的期望竞标任务向量；|ti,k|表示期望竞标任务向量ti,k中包含的期望竞标任务个数；表示所确定的关键竞争用户；表示关键竞争用户的期望竞标任务向量；表示关键竞争用户的期望竞标任务向量中包含的期望竞标任务个数；表示关键竞争用户的期望酬劳总值；表示虚拟用户vi,k被支付的酬劳总值；εi,k表示虚拟用户vi,k的支付效率，且表示候选关键竞争用户；表示候选关键竞争用户的支付效率，且表示候选关键竞争用户的期望竞标任务向量；为第i个用户ui所设定的任务竞标书中包含的竞标单元个数；为第个用户所设定的任务竞标书中包含的竞标单元个数；n为用户总数；表示空集。

例如，基于公式(10)，任务依赖关系图重组后不会选择jack的v1,2作为关键竞争用户。因此，jack不能策略地提高他的效用。由此，采用上述基于临界支付的用户酬劳分配机制进一步限制任务分配之间的约束依赖关系，能够更好的避免自私的用户通过策略性的任务竞标书指定方式来不正当的获得更多收益而损害任务发布者和平台的利益，使得众包任务分配具备了更好的防策略性。

3、特殊情况的任务分配。

此外，作为一种特殊情况，针对建立有竞标对应关系的待处理任务，如果只对应有一个任务竞标书，则将该任务竞标书作为中标竞标书，从任务库中提取相应的待处理任务，分配给所述中标竞标书所对应的用户，并且支付相应的酬劳。只不过，这种只有一个用户竞标待处理任务的特殊情况实际相当于无竞标关系，而对于群智感知平台而言，常常包含有大量的用户，而这些用户具有多种多样的技能并分布非常广泛，因此只有一个用户竞标待处理任务的这种特殊情况是非常小概率的事件。

基于实际实验数据的评估。

为了评估本发明基于个性化竞标激励的任务众包分配处理方法的性能，我们基于实际采集的用户轨迹数据(可参见“https://archive.ics.uci.edu/ml/datasets/gps+trajectories,trajectorytraces.2015.”)，来模拟gigwalk应用。

实际用户轨迹数据和参与用户：如图5所示，我们用200个汽车的真实轨迹来模拟汽车用户的移动，并在这些轨迹中随机选取20个位置(由浅灰色三角形表示)。每个位置都有具有随机数量的任务u(1,5)。例如，在商店或社区中有多种不同的任务。我们模拟了500个群智感知参与者，他们期望在他们的驾驶路径上完成“gigwalk”任务。每个参与者随机选择一个起点，例如他(她)的家或工作地点。我们使用距离参与者的起点为3公里的真实驾驶路径作为他(她)的潜在路径，且他(她)们只会选择其中一条路径只有开车行驶。

时间和成本：每个参与者都需要一定时间来完成任务，因为一个人需要找停车场停车(可参见“https://blog.spothero.com/park-smarter-parking-search-time/.stopwastingtimesearchingforparking.”)，然后才能完成任务。根据“stopwastingtimesearchingforparking.https://blog.spothero.com/park-smarter-parking-search-time/.”的报告，我们设置每个地点的停留时间平均为10分钟。此外，不同的用户有不同的时间空闲限制，即u(10,120)(min)。每个用户在他(她)的路径上随机选择数量有限的位置，并且选择这些位置的任务集合中任何一个子集来完成。在每个地点，用户要么停车后选择任意数量的任务完成，要么不停车任何任务都不做。每个任务的竞标价格是根据用户、行驶路径和任务位置进行均匀分布设置，即u($1,$100)。在实际中，其价格还取决于任务类型、平台和区域。例如，如果平台设定的最高价格为10美元，那么投标价格从0.10美元随机变化到10美元。

评估指标与结果：我们将picasso与现有技术中的其它方法smb、sob和sxb进行比较。smb方法的竞标描述包含仅包含一个单原子竞标，也称为单一想法竞标(可参见文献“h.jin,l.su,h.xiao,andk.nahrstedt.inception:incentivizingprivacy-preservingdataaggregationformobilecrowdsensingsystems.inproc.acmmobihoc,pages341–350,2016.”以及“m.karaliopoulos,i.koutsopoulos,andm.titsias.firstlearnthenearn:optimizingmobilecrowdsensingcampaignsthroughdata-drivenuserproling.inproc.acmmobihoc,pages271–280,2016”)。sob方法的竞标描述包含多个互不相交的原子竞标(可参见文献“y.chen,b.li,andq.zhang.incentivizingcrowdsourcingsystemswithnetworkeffects.inproc.ieeeinfocom,pages1–9,2016”以及“l.duan,l.huang,c.langbort,a.pozdnukhov,j.walrand,andl.zhang.human-in-the-loopmobilenetworks:asurveyofrecentadvancements.ieeejournalonselectedareasincommunications,35(4):813–831,2017”)。sxb方法是指在r空间使用xor操作符的xor竞标描述方法。除了比较用户描述效率adl外，我们还比较这些方法完成任务的平台平均支付(apt)，以及每个用户平均竞标任务数(anu)来分别表示平台收益的最优性和用户竞标描述的表达能力。每个用户可以竞标的任务越多，这个机制的用户表达能力就越好。我们重复做了20实验，取其平均结果。如图6所示，与smb和sob相比，picasso的平台平均支付apt减少超过了61％，每个用户平均竞标任务数anu至少增加了9.7倍，因此，picasso能够极大地提高了用户的表达能力和降低平台支付报酬。另一方面，与sxb方法相比，尽管两者的平台平均支付apt和每个用户平均竞标任务数anu相似，但在用户描述效率adl上，picasso提升了74％，因此，picasso在不影响用户表达能力条件下，极大地提高了用户描述效率。综上所述，picasso不仅可以大幅度降低平台支付成本，而且还可以提高用户的内在动力来提高他们的表达能力，从而平台和用户都受益，实现了平台和用户的互利双赢的平衡。

综上所述，本发明基于个性化竞标激励的任务众包分配处理方法，其对于用于设定的任务竞标书的描述设计中，允许用户使用竞标分配关系来个性化的约束任务竞标书中包含的各个竞标单元之间的竞标分配原则；对于待处理任务的分配处理，则通过建立待处理任务与用户设定的任务竞标书之间的竞标对应关系，从能够满足竞标分配关系要求的任务竞标书中选择出竞标单元的性价比最佳的一个作为中标竞标书，组建满任务包分配给对应用户处理，由此使得待处理任务的分配依据于用于设定的任务竞标书，从而能够更好的满足用户对于任务竞标分配的个性化、灵活性需求，有助于激励群智感知用户参与到众包任务的处理中，并避免了过度、盲目的抬高其期望酬劳的任务竞标书中标而影响平台和任务提供者的利益，更好的兼顾了任务分配的合理性。此外，本发明的任务众包分配处理方法通过对任务竞标书的描述设计以及对任务分配处理的任务分解设计，在确保众包任务分配具备个性化竞标激励特性的同时，避免了竞标分配关系的逻辑描述过长、过于复杂的问题，便于用户使用，并且降低了任务分配计算的复杂度和运算量，使任务分配更加易于处理，从而实现了用户表达性、用户友好性、计算有效性三者之间的折衷，更好的兼顾了功能易用性以及任务分配处理的有效性和可行性。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。