基于双向拍卖的移动群智感知及其资源分配及激励机制方法技术

本发明专利技术基于双向拍卖的移动群智感知及其资源分配及激励机制方法适用于移动群智感知中，一些用户受限于自身设备的感知资源与数据采集条件，无法提供高速率以及具有多样性的高质量数据资源，需要借助其他设备的资源参与移动群智感知的场景。在该场景下，一方面，智能设备可以借助微云的强大计算能力，提供更丰富的资源，另一方面可以借助于其他有着良好性能状态高信誉度的智能设备，建立设备与设备之间的数据往来网络。此过程涉及到智能设备与微云或者智能设备与智能设备之间的双向拍卖，为此可以运用拍卖理论，研究其资源分配以及激励机制设计。

【技术实现步骤摘要】
基于双向拍卖的移动群智感知及其资源分配及激励机制方法
本专利技术涉及移动群智感知中智能设备之间的双向资源分配及激励算法
，特别是涉及基于双向拍卖的移动群智感知及其资源分配及激励机制方法。
技术介绍
移动群智感知中，主要的参与方是用户携带的智能设备。尽管当前的智能设备更新换代较快，但在传输高速数据以及一些有更高质量要求的感知任务中，一般的智能设备仍然面临着因其配置和性能的相对低端，从而不能胜任某些高端要求的任务的问题，此时性能较差的智能设备需要寻求高性能的资源补给提升自身的性能，从而更好的参与到想要参与的移动群智感知任务中去，高性能的资源补给方可以是活跃的其他高信誉智能设备，也可以是移动群智计算中的微云。当智能设备的性能受到自身配置的制约时，一方面可以寻求微云进行资源的申请与分配，利用微云的强大计算能力提高自身参与移动群智感知的计算性能。整个过程可以看成是移动云计算在群智感知中的应用，故属于移动群智感知和计算(MobileCrowdSensingandComputing,MCSC)的范畴。另一方面可以向在感知任务中获得良好信誉的用户申请数据分配。同时，对于频繁在移动群智感知任务中获得良好信誉的用户，其自身的数据采集能力以及提供高质量数据的能力也具备一定的竞争力，所以当其他低信誉用户想要快速提升信誉，并且不希望通过费用较高的微云提升自身性能，可以选择费用略低的其他高信誉智能设备提供良好的数据资源。这是一个互惠的过程，设计好相应的激励分配制度，对双方的资源共享和分配都有着很大的激励。
技术实现思路
为了解决以上问题，本专利技术提供一种基于双向拍卖的移动群智感知及其资源分配及激励机制方法，针对上述所描述的场景，将该场景抽象建模成双向拍卖交易的过程，并运用双向拍卖的模型进行资源分配以及激励机制的设计，为达此目的，本专利技术基于双向拍卖的移动群智感知及其资源分配及激励机制方法，具体步骤如下：(1)系统建模；考虑有m个可以提供资源的资源补给方即卖家，以及n个智能设备携带用户即买家，两者之间的资源分配问题可以建模成一个单向多物品双向拍卖模型，每一位买家私密的提供他们的报价，每一位卖家私密的提交他们的索价给拍卖商，也即参与拍卖的每一位完全不知道其他任何人的信息；对于每一个买家bi∈B，B＝{b1,b2,...,bn}来说，每一个买家bi对卖方的报价向量可以表示为这里表示买家bi对卖家sj∈S,S＝{s1,s2,...,sm}的报价，报价的矩阵包含了所有买家的报价向量，记为R＝(R1；R2；...；Rn)，对于S中的每一个卖家来说，卖家的索价向量表示为A＝(A1,A2,...,Am)，这里Aj表示卖家sj∈S的索价，买家对于不同的卖家而言，由于买家会针对不同的任务需求对卖家有自己的偏好，因此对不同的卖家有着不同的报价，而卖家由于只关注与分享自身的资源并从中收集报酬，因此卖家的索价是不会区分买家的，尽管买家的报价对卖家来说是保密的，但是资源补给方在进行拍卖之前，还是需要给出一些特定的信息例如计算容量、数据信誉质量以及网络带宽等，以便于用户根据这些特性对所选的资源补给方进行估值，资源补给方的成本信息是绝对保密的；给定向量B,S,R,A，拍卖商决定获胜买家以及获胜卖家WS和WB之间的匹配关系γ:{j:sj∈WS}→{i:bi∈WB}、选取出获胜的买卖双方之后拍卖商和获胜买家bi∈WB之间的结算价格PBi、拍卖商支付给获胜卖家sj∈WS的报酬PSj，为了强调获胜买卖双方之间的匹配，在特定情形下也使用PBij和PSij表示买家需支付的结算价格和卖家得到的报酬；除了上述的买家结算价格和卖家报酬之外，买卖双方的效用还取决于买家对卖家提供的服务所需要的其他服务以及成本的估值，令Vij表示买家bi从卖家sj得到服务的价值，Cj表示卖家si提供服务的成本，买家bi的价值向量可以表示为Vi＝(Vi1,Vi2,...,Vim)，对于一个买-卖匹配i＝γ(j)，买家bi和卖家sj的效用如下表示：也用UBij和USij表示买家bi和卖家sj之间的匹配成功之后的效用，显然，需要保证效用UBi＞0，也即智能设备携带用户作为买家收集到来自资源补给方的资源之后得到的价值要高于其支付给拍卖商的结算价格，所以，UBi表明了智能设备携带用户对收集到的资源的满意程度，对于卖家来说，作为卖家的资源补给方的效用USi代表的是其得到的报酬超过其本身成本的程度，也即资源补给方的效用表示其分享资源之后所能得到的利润；(2)算法设计；双向拍卖中操纵整个拍卖的是第三方可信的拍卖商，该拍卖商在拍卖中，需要根据拍卖的约定机制决定获胜的买方集合WB、获胜的卖方集合WS、买卖双方之间的匹配关系、获胜买方之间的结算价格集合PBw和支付给获胜卖方的报酬PSw，其数学表达式为Ψ＝(B,S,R,A)，提出了一种基于双向拍卖的资源分配机制DAIM；DAIM算法由两个子算法组成，即粗略候选人匹配算法和一对一匹配算法，在粗略候选人匹配算法中，得到粗略的获胜候选集合，并将这些集合作为输入，在一对一匹配算法中得到最终的一对一匹配获胜结果；在粗略候选匹配算法中，首先拍卖商为每一个参与卖家sj决定买家的候选，接着决定需要向买家收取的结算价格和支付给卖家的报酬，这里，有一个很关键的比较基准，报价和索价需要与该基准benchmark进行比较，从而进行选择，用A-j表示所有卖家索价中去除卖家sj之后的索价向量。每一次比较的基准，由向量A-j中去除最大值和最小值之后得到的平均数表示；为卖家sj决定获胜的买家候选，根据Bj中元素的个数有两种情形；当Bj中的元素仅有一个的时候，也即只有一个买家bi的报价不少于Aj：如果r并k且Aj≤benchmark同时满足时，则将买家加入到买家的候选集合WB，同时价格定为benchmark；其他情况下，买家不能和卖家达成成功的交易；当Bj中的元素有两个或者更多的时候，也即有超过一个买家bi的报价不少于Aj：如果这当中最高的报价小于benchmark的话，没有买家bi可以取得卖家sj的服务；其他情况下，有着最高报价的买家或者如果最高报价的买家不止一个随机选择其中之一，会被加入到买家候选集合WB，同时sj被加入到卖家候选集合WS，选择的买家所需支付的结算价格和相应的卖家的报酬为benchmark与第二高报价中的最大值；寻找基准算法是选择获胜买卖方的重要依据，同时也是确定买方结算价格以及给予卖方报酬的重要依据，对于基准的选择，为了避免极端卖方索价数据对基准的影响，同时借鉴其它卖家的索价信息，选择除去卖家索价向量中当前卖家索价数据之后的数据向量，剔除该向量中的最大最小值之后的平均数作为基准benchmark；在粗略候选匹配算法中，由于买家候选集合WB中的买家可能会匹配两个或者多个卖家候选集合WS中的卖家，因此需要执行算法3.4一对一匹配算法，为买家确定唯一一个最优的卖方，拍卖商选择可以让相应买家达到最大效用的卖家，同样的，如果有多个卖家可以让效用达到最大，则随机选择其中之一卖家，执行完一对一匹配算法之后，每一个买家bo(j)WB都有与之一一对应匹配的获胜卖家sj∈WS。作为本专利技术进一步改进，所述步骤二算法设计中DAIM算法如下所示：输入：买家集合B，卖家集合S，买家报价矩阵R，卖家索价向本文档来自技高网...

【技术保护点】
1.基于双向拍卖的移动群智感知及其资源分配及激励机制方法，具体步骤如下，其特征在于：(1)系统建模；考虑有m个可以提供资源的资源补给方即卖家，以及n个智能设备携带用户即买家，两者之间的资源分配问题可以建模成一个单向多物品双向拍卖模型，每一位买家私密的提供他们的报价，每一位卖家私密的提交他们的索价给拍卖商，也即参与拍卖的每一位完全不知道其他任何人的信息；对于每一个买家bi∈B，B＝{b1,b2,...,bn}来说，每一个买家bi对卖方的报价向量可以表示为

【技术特征摘要】
1.基于双向拍卖的移动群智感知及其资源分配及激励机制方法，具体步骤如下，其特征在于：(1)系统建模；考虑有m个可以提供资源的资源补给方即卖家，以及n个智能设备携带用户即买家，两者之间的资源分配问题可以建模成一个单向多物品双向拍卖模型，每一位买家私密的提供他们的报价，每一位卖家私密的提交他们的索价给拍卖商，也即参与拍卖的每一位完全不知道其他任何人的信息；对于每一个买家bi∈B，B＝{b1,b2,...,bn}来说，每一个买家bi对卖方的报价向量可以表示为这里表示买家bi对卖家sj∈S,S＝{s1,s2,...,sm}的报价，报价的矩阵包含了所有买家的报价向量，记为R＝(R1；R2；...；Rn)，对于S中的每一个卖家来说，卖家的索价向量表示为A＝(A1,A2,...,Am)，这里Aj表示卖家sj∈S的索价，买家对于不同的卖家而言，由于买家会针对不同的任务需求对卖家有自己的偏好，因此对不同的卖家有着不同的报价，而卖家由于只关注与分享自身的资源并从中收集报酬，因此卖家的索价是不会区分买家的，尽管买家的报价对卖家来说是保密的，但是资源补给方在进行拍卖之前，还是需要给出一些特定的信息例如计算容量、数据信誉质量以及网络带宽等，以便于用户根据这些特性对所选的资源补给方进行估值，资源补给方的成本信息是绝对保密的；给定向量B,S,R,A，拍卖商决定获胜买家以及获胜卖家WS和WB之间的匹配关系γ:{j:sj∈WS}→{i:bi∈WB}、选取出获胜的买卖双方之后拍卖商和获胜买家bi∈WB之间的结算价格PBi、拍卖商支付给获胜卖家sj∈WS的报酬PSj，为了强调获胜买卖双方之间的匹配，在特定情形下也使用PBij和PSij表示买家需支付的结算价格和卖家得到的报酬；除了上述的买家结算价格和卖家报酬之外，买卖双方的效用还取决于买家对卖家提供的服务所需要的其他服务以及成本的估值，令Vij表示买家bi从卖家sj得到服务的价值，Cj表示卖家si提供服务的成本，买家bi的价值向量可以表示为Vi＝(Vi1,Vi2,...,Vim)，对于一个买-卖匹配i＝γ(j)，买家bi和卖家sj的效用如下表示：也用UBij和USij表示买家bi和卖家sj之间的匹配成功之后的效用，显然，需要保证效用UBi＞0，也即智能设备携带用户作为买家收集到来自资源补给方的资源之后得到的价值要高于其支付给拍卖商的结算价格，所以，UBi表明了智能设备携带用户对收集到的资源的满意程度，对于卖家来说，作为卖家的资源补给方的效用USi代表的是其得到的报酬超过其本身成本的程度，也即资源补给方的效用表示其分享资源之后所能得到的利润；(2)算法设计；双向拍卖中操纵整个拍卖的是第三方可信的拍卖商，该拍卖商在拍卖中，需要根据拍卖的约定机制决定获胜的买方集合WB、获胜的卖方集合WS、买卖双方之间的匹配关系、获胜买方之间的结算价格集合PBw和支付给获胜卖方的报酬PSw，其数学表达式为Ψ＝(B,S,R,A)，提出了一种基于双向拍卖的资源分配机制DAIM；DAIM算法由两个子算法组成，即粗略候选人匹配算法和一对一匹配算法，在粗略候选人匹配算法中，得到粗略的获胜候选集合，并将这些集合作为输入，在一对一匹配算法中得到最终的一对一匹配获胜结果；在粗略候选匹配算法中，首先拍卖商为每一个参与卖家sj决定买家的候选，接着决定需要向买家收取的结算价格和支付给卖家的报酬，这里，有一个很关键的比较基准，报价和索价需要与该基准benchmark进行比较，从而进行选择，用A-j表示所有卖家索价中去除卖家sj之后的索价向量。每一次比较的基准，由向量A-j中去除最大值和最小值之后得到的平均数表示；为卖家sj决定获胜的买家候选，根据Bj中元素的个数有两种情形；当Bj中的元素仅有一个的时候，也即只有一个买家bi的报价不少于Aj：如果r并k且Aj≤benchmark同时满足时，则将买家加入到买家的候选集合WB，同时价格定为benchmark；其他情况下，买家不能和卖家达成成功的交易；当Bj中的元素有两个或者更...

【专利技术属性】
技术研发人员：杨绿溪，杨堤，李卓青，徐琴珍，李春国，黄永明，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏,32