一种基于感知效用最大化的群智感知激励方法技术

本发明专利技术公开了一种基于感知效用最大化的群智感知激励方法，包括：S1、任务发布者将感知任务集合发送给感知服务平台；S2、感知服务平台收到感知任务集合后，将消息发布到感知区域内目标用户端集合中的每个用户；S3、用户判断是否能够完成该任务，若能完成，则向感知服务平台返回自己的竞标价格；S4、感知服务平台基于激励模型选择中标的用户，并将所述感知任务集合分配给对应的中标用户；S5、中标用户执行感知任务并将感知结果发送给感知服务平台；S6、感知服务平台整合收到的感知结果并返回感知结果给任务发布者，支付报酬给中标用户。所述方法能够在预算约束、用户成本分布不均的条件下，招募更多、范围更广的用户，提高了感知服务的整体质量。

A Group Intelligence Perception Incentive Method Based on Maximizing Perception Utility

The invention discloses a group intelligence perception incentive method based on maximizing perceived utility, which includes: S1, task publisher sends perceptual task set to perceptual service platform; S2, after receiving perceptual task set, the perceptual service platform publishes the message to each user in the target user set in the perceptual area; S3, uses. Users decide whether they can complete the task, and if they can, they return their bidding price to the perception service platform; S4, the perception service platform selects the winning user based on the incentive model, and assigns the set of perception tasks to the corresponding winning user; S5, the winning user performs the perception task and sends the perception results to the winning user. The perception service platform; S6, the perception service platform integrates the perception results received and returns the perception results to the task publisher, and pays the reward to the winning bidder. The method can recruit more and wider users under the condition of budget constraints and uneven distribution of user costs, and improve the overall quality of perceived services.

【技术实现步骤摘要】
一种基于感知效用最大化的群智感知激励方法
本专利技术涉及群智感知领域，具体涉及一种基于感知效用最大化的群智感知激励方法。
技术介绍
近年来，随着群智感知(Mobilecrowdsensing，MCS)这种新兴技术的不断发展，越来越多的基于群智感知的应用涌现。群智感知通过大量普通手机用户采集数据(比如图片、声音、位置等)，从而完成感知任务。利用采集的感知数据，研究人员能够实现满足人们生活需求的多种多样的感知应用，包括交通监控，环境监控，基于位置的服务，以及室内定位等。然而实现群智感知依赖于大量的手机用户，以及手机感知与通信技术的提高。一方面，根据国际著名数据统计公司IDC的统计，2013年智能手机销量已达到十亿，这意味着有大量的手机用户成为潜在的感知人员。另一方面，当前的智能手机拥有强大的计算和通讯能力，并且集成了越来越多的传感器，成为用户与环境之间的多功能接口。只有这两方面的元素能够有效的结合起来，群智感知应用才能有效地运行，给人们生活带来便利。为了确保这些应用能够提供高质量服务，其关键因素在于智能手机用户的充分参与。然而，对于MCS应用程序，执行感知任务可能会对正常的智能手机用户造成多方面的损失。例如，完成传感任务可能消耗大量的电池电量和额外的数据传输成本。收集的感官数据也可能显示用户的私人信息。因此，必须向用户提供足够的激励，使他们愿意贡献他们的感知资源，最后使得MCS应用程序可以提供高质量的传感服务。在最新的研究中，许多研究人员做了大量工作，设计了各种激励机制来激励用户参与，来保障MCS应用程序可以提供高质量的传感服务。而在这些传统的方法中，大多假设用户与整个感知区域的同质成本相关联，并在此基础上提出了多种效用优化模型。设计基于反向拍卖来提供奖励的激励机制是一个很有前途的方法来激励用户参与。而MCS的现有工作大多假定在感知区域有一个全局效用函数来优化平台，这种优化忽略了不同区域的用户可能具有异质性成本。在这种情况下，如果采用传统的机制，试图根据单位边际贡献方面的目标函数招募一组用户，招募的用户在不同地区之间可能有高度的不均衡分布。在这些地区缺乏收集的数据限制了MCS应用程序的总体服务质量，即使其他区域可以接收足够的数据。因此考虑到智能手机用户在感知区域有异质性成本，例如，不同地区的用户有不同的成本分布，传统的机制可能会产生感知漏洞，并在某些地区招募到的用户是不足够的，从而导致服务质量不理想。在新的情况下，传统的方法已经不适用了，所以急需设计出新的激励机制来解决这种情况。
技术实现思路
本专利技术的目的是针对现有技术的不足，提供了一种基于感知效用最大化的群智感知激励方法，所述方法能够在预算约束的条件下，在用户成本分布不均的地区，招募到感知效用更高的用户，来提高感知服务的整体质量。本专利技术的目的可以通过如下技术方案实现：一种基于感知效用最大化的群智感知激励方法，所述方法包括以下步骤：S1、任务发布者将由感知任务内容、任务地理位置和任务预算组成的感知任务集合发送给感知服务平台，等待感知服务平台招募用户完成；S2、感知服务平台接收到感知任务集合后，将消息发布到感知区域内目标用户端集合中的每个用户；S3、用户接收到发布的感知任务集合后，根据任务内容、任务地理位置和成本因素判断是否能够完成该任务，若能完成，则向感知服务平台返回自己的竞标价格；S4、感知服务平台接收到所有用户的竞标价格，基于激励模型选择中标的用户，并将所述感知任务集合分配给对应的中标用户；S5、中标用户得到感知服务平台的确认及分配到感知任务后，执行所述感知任务，并将感知结果发送给感知服务平台；S6、感知服务平台整合收到的感知结果并检查结果，然后返回感知结果给任务发布者，并支付报酬给中标用户。进一步地，考虑一个感知任务，该感知任务包含L个感兴趣的感知区域，第l个感知区域与一系列候选用户Rl相关联，其中l＝1、2……L，所有候选用户集合对于每一个感知区域，招聘者都用一个单调子模效用函数来评估对应感知区域的感知效用，最终建立的激励模型中感知效用最大化目标函数如下：其中，fl(·)代表Rl集合中的单调子模效用函数，是第l个感知区域对应候选用户Rl中的中标用户集合，pi表示中标用户i的报酬，B表示任务发布者总的任务预算，[L]＝{1,2,…,L}，在上述感知效用最大化目标函数中，每个用户的感知效用函数定义如下：其中，bi表示用户i的竞标价格，表示所选用户集。进一步地，所述激励模型中感知效用最大化目标函数采用基于贪心算法的求解方法，用δi(S)＝f(S∪{i})-f(S)表示所选用户集S里的一个中标用户i的边缘效用增量,根据与每一个中标用户i的竞标价格bi相关的非增边缘效用增量来对所有所选用户进行排序，排序表示为：其中n表示中标用户i的数量，从上述排序中按顺序挑选用户i直到不成立，选择的用户就是最终的中标用户。进一步地，所述激励模型的具体建立方法为：1)、平均分配预算给每个感兴趣的感知区域，然后通过贪心算法获得初始效用值；2)、定义一个效用阈值ε，是给定的单调子模效用函数的最大边缘效用增量；3)、当感兴趣的感知区域的最大效用和感兴趣的感知区域的最小效用相差大于ε时，从转移数量为的预算到中，其中是一个预设的常数，小于用户的竞标价格；4)、如此重复步骤3)，直至任何两个感兴趣的感知区域之间的效用差异在阈值ε里。本专利技术与现有技术相比，具有如下优点和有益效果：本专利技术能够在感知区域中用户成本存在差异的情况下，在预算的限制下，选择效用高的用户，来提高感知区域感知任务的整体质量；解决了传统的激励机制在手机用户在感知区域的不同地区有着不同的成本分布时可能会产生感知漏洞，并在某些地区招募到的用户是不足够的，从而导致服务质量不理想的问题。附图说明图1为本专利技术实施例基于感知效用最大化的群智感知激励方法的流程图。图2为本专利技术实施例中用户成本均匀分布下，MCM、EBGreedy和UGreedy三种算法的平均效益性能比较图。图3为本专利技术实施例中用户成本均匀分布下，MCM、EBGreedy和UGreedy三种算法的最小效益性能比较图。图4为本专利技术实施例中用户成本正态分布下，MCM、EBGreedy和UGreedy三种算法的平均效益性能比较图。图5为本专利技术实施例中用户成本正态分布下，MCM、EBGreedy和UGreedy三种算法的最小效益性能比较图。具体实施方式下面结合实施例及附图对本专利技术作进一步详细的描述，但本专利技术的实施方式不限于此。实施例：本实施例提供了一种基于感知效用最大化的群智感知激励方法，所述方法的流程图如图1所示，包括以下步骤：S1、任务发布者将由感知任务内容、任务地理位置和任务预算组成的感知任务集合发送给感知服务平台，等待感知服务平台招募用户完成；S2、感知服务平台接收到感知任务集合后，将消息发布到感知区域内目标用户端集合中的每个用户；S3、用户接收到发布的感知任务集合后，根据任务内容、任务地理位置和成本因素判断是否能够完成该任务，若能完成，则向感知服务平台返回自己的竞标价格；S4、感知服务平台接收到所有用户的竞标价格，基于激励模型选择中标的用户，并将所述感知任务集合分配给对应的中标用户；S5、中标用户得到感知服务平台的确认及分配到感知任务后，执行所述感知任务，并将感知本文档来自技高网...

【技术保护点】
1.一种基于感知效用最大化的群智感知激励方法，其特征在于，所述方法包括以下步骤：S1、任务发布者将由感知任务内容、任务地理位置和任务预算组成的感知任务集合发送给感知服务平台，等待感知服务平台招募用户完成；S2、感知服务平台接收到感知任务集合后，将消息发布到感知区域内目标用户端集合中的每个用户；S3、用户接收到发布的感知任务集合后，根据任务内容、任务地理位置和成本因素判断是否能够完成该任务，若能完成，则向感知服务平台返回自己的竞标价格；S4、感知服务平台接收到所有用户的竞标价格，基于激励模型选择中标的用户，并将所述感知任务集合分配给对应的中标用户；S5、中标用户得到感知服务平台的确认及分配到感知任务后，执行所述感知任务，并将感知结果发送给感知服务平台；S6、感知服务平台整合收到的感知结果并检查结果，然后返回感知结果给任务发布者，并支付报酬给中标用户。

【技术特征摘要】
1.一种基于感知效用最大化的群智感知激励方法，其特征在于，所述方法包括以下步骤：S1、任务发布者将由感知任务内容、任务地理位置和任务预算组成的感知任务集合发送给感知服务平台，等待感知服务平台招募用户完成；S2、感知服务平台接收到感知任务集合后，将消息发布到感知区域内目标用户端集合中的每个用户；S3、用户接收到发布的感知任务集合后，根据任务内容、任务地理位置和成本因素判断是否能够完成该任务，若能完成，则向感知服务平台返回自己的竞标价格；S4、感知服务平台接收到所有用户的竞标价格，基于激励模型选择中标的用户，并将所述感知任务集合分配给对应的中标用户；S5、中标用户得到感知服务平台的确认及分配到感知任务后，执行所述感知任务，并将感知结果发送给感知服务平台；S6、感知服务平台整合收到的感知结果并检查结果，然后返回感知结果给任务发布者，并支付报酬给中标用户。2.根据权利要求1所述的一种基于感知效用最大化的群智感知激励方法，其特征在于：考虑一个感知任务，该感知任务包含L个感兴趣的感知区域，第l个感知区域与一系列候选用户Rl相关联，其中l＝1、2……L，所有候选用户集合对于每一个感知区域，招聘者都用一个单调子模效用函数来评估对应感知区域的感知效用，最终建立的激励模型中感知效用最大化目标函数如下：其中，fl(·)代表Rl集合中的单调子模效用函数，...

【专利技术属性】
技术研发人员：张幸林，李鑫，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东,44