一种双目标群智感知激励机制方法技术

本发明专利技术公开了一种双目标群智感知激励机制方法，能够在成本或预算受限的场景下，有效激励工人参与群智感知任务；本发明专利技术提出的双目标群智感知成本受限和预算受限两种场景，能够有效体现群智感知平台的真实需求，并最大化平台的收益；本发明专利技术为两种场景分别提出相应的激励机制算法，能够有效提高群智感知平台的收益，算法包含用户招募和报酬计算两个阶段，用户招募阶段会选择合适的工人参与群智感知，报酬计算阶段会决定给予工人的奖励；本发明专利技术提出的激励机制算法具有计算有效性、个体理性、真实性和近似度，且取得的平台收益高于其他同类算法能够得到的结果。算法能够得到的结果。算法能够得到的结果。

【技术实现步骤摘要】
一种双目标群智感知激励机制方法


[0001]本专利技术涉及物联网应用和近似算法领域，特别涉及一种预算或成本受限的双目标群智感知激励机制方法。

技术介绍

[0002]近年来，随着移动设备的普及和互联网的飞速发展，群智感知作为一种有效采集感知数据的方式在各个领域得到广泛应用；群智感知系统在智能城市、环境检测、医疗健康等方面存在很多应用，针对Covid
‑
19病毒，群智感知也能够通过感知传播路径，对病毒爆发进行预防与控制；群智感知具有很强的灵活性，能够适用于各种系统，并为其提供大量感知数据；群智感知不需要数据收集者具有专业知识，只需要通过移动设备内置的传感器收集各种数据，并通过网络提交。
[0003]目前限制群智感知的主要问题是参与度不足和数据质量不稳定，因此为群智感知系统设计有效的激励机制，提高参与度，是至关重要的；激励机制的目标是选择合适的群智感知参与者，并根据他们的贡献支付一定的奖励，奖励主要是金钱的方式；目前主流的设计思路是，设定一个优化目标，例如最大化群智感知平台的收益，据此选择合适的群智感知参与者，并决定给予他们的支付报酬。
[0004]在群智感知的很多场景中，优化目标可能不止一个；例如，在基于位置的服务中，优化目标可能是覆盖率，而同时平台的收益也能够成为优化目标；在这种存在多目标的群智感知场景中，目前主流的做法是优化最重要的一个目标，并将其余目标转化为约束条件，从而转化成单目标优化问题；然而，这种做法强调了单一目标的重要性，而忽视了其余目标的优化价值。
[0005]在多目标优化问题的研究中，现有的方法并不适用于群智感知系统；群智感知系统中，多目标优化的目的在于使得多个目标之间保持平衡，而并非总体上的优秀表现；如果某一个优化目标表现很好，而其他目标表现较差，这样的结果对于群智感知系统来说是不成功的，因为在群智感知系统中设计激励机制的目的是解决参与度不足和数据质量不稳定的问题，也就是使得群智感知系统具有鲁棒性。

技术实现思路

[0006]针对上述问题，本专利技术设计了一种双目标群智感知激励机制方法，能够同时优化群智感知平台的收益以及区域覆盖两个目标，并最大化平台收益；本专利技术提出了预算受限和成本受限的两种场景；在预算受限场景下，本专利技术提出了一种激励机制算法，包含工人招募和报酬计算两个部分；在成本受限场景下，本专利技术提出了另一种激励机制算法；本专利技术提出的激励机制算法能够取得计算有效性、个体理性、真实性、近似度等一系列性质，且取得的平台收益高于其他同类算法能够得到的结果。
[0007]本专利技术的技术方案是：一种双目标群智感知激励机制方法，其包括以下步骤：
步骤1：对双目标群智感知系统进行数学建模，基于反向拍卖，建立群智感知平台、工人、群智感知任务、报酬和工人收益的数学模型；步骤2：基于双目标群智感知系统对于最大化平台收益的需求，建立两个平台优化目标，并据此构建平台收益函数；步骤3：根据真实需求并基于双目标群智感知系统，提出预算受限和成本受限两种场景，并分别构建两种不同的优化问题，包括预算受限双目标优化问题和成本受限双目标优化问题；步骤4：为预算受限场景设计激励机制算法，为成本受限场景设计激励机制算法，通过激励机制算法实现用户招募步骤和报酬计算步骤，从而求解对应优化问题；步骤5：根据激励机制算法运行结果，招募工人完成群智感知任务，并根据结果支付报酬。
[0008]进一步，所述步骤1中，双目标群智感知系统数学建模过程如下：群智感知系统包含群智感知平台、工人和激励机制算法三种实体，其中工人的集合用表示，工人数量为；群智感知平台将个任务分配给工人，表示任务的集合，每一个任务都有一个对应的价值，所有任务都发布在不同的区域里，用表示区域集合，对于每一个区域，都对应有一个权重表示该区域的重要性；每个工人提交一个三元组竞标，其中是的位置，是该工人的任务集合，包含其愿意执行的所有任务，是工人的报价，用表示的真实成本，是私密的只有本人知道；给定竞标档案，激励机制的目标是选择一个赢家集合，并决定给予每个赢家的报酬，赢家的报酬大小应取决于其对任务的贡献，用报酬档案，其中是工人的报酬，如果工人是输家，则；工人的收益能够通过报酬减去真实成本计算，即
ꢀꢀ
（1）。
[0009]进一步，所述步骤2中，平台优化目标和平台收益函数构建如下：平台有两个优化目标，分别是总价值和覆盖；总价值函数定义为所有赢家执行任务的价值之和，计算公式为
ꢀꢀ
（2）平台希望能够最大化价值函数，此外，平台同时也希望区域覆盖能够尽可能地大，覆盖函数
퐶표푣
定义为
ꢀꢀ
（3）其中是中赢家在区域执行任务的数量，参数用于平衡总价值函数和覆盖函数的值，是一个用于控制收益递减梯度的系统参数；平台的最终目的是最大化平台收益，将平台的收益函数定义为总价值函数和覆盖函数中的较小值，即
ꢀꢀ
（4）。
[0010]进一步，所述步骤3中，预算受限双目标优化问题构建如下：平台需要在给予赢家的报酬之和不超过给定预算的前提下，最大化平台的收益函数，该问题为预算受限双目标优化问题，形式化为
ꢀꢀ
（5）其中为给定的预算限额。
[0011]进一步，所述步骤4中，预算受限场景的激励机制算法BBOM，包含工人招募算法和报酬计算算法；进一步，定义如下函数
ꢀꢀ
（6）其中是激励机制中的搜索值；所述激励机制算法的目标是求解公式（5）所述的预算受限双目标优化问题，步骤如下：S1.1：初始化搜索的下界，初始化搜索的下界，初始化赢家集合；S1.2：如果执行S1.3，否则跳转到S1.13，其中是搜索精度；
S1.3：计算当前搜索值，并初始化临时赢家集合；S1.4：如果执行S1.5，否则跳转到S1.8；S1.5：找到最大的工人；S1.6：将工人添加到集合中；S1.7：返回S1.4；S1.8：调用报酬计算算法，并将和当前的搜索值作为输入，得到报酬档案；S1.9：如果执行步骤S1.10，否则跳转到步骤S1.11；S1.10：更新搜索上界，跳转到步骤S1.12；S1.11：更新搜索下界，更新赢家集合；S1.12：返回步骤S1.2；S1.13：调用报酬计算算法，并将和作为输入，得到最终报酬档案；S1.14：输出。
[0012]进一步，所述激励机制算法BBOM中的报酬计算算法步骤如下：S2.1：对于工人集合中的每个工人，执行报酬初始化；S2.2：对于赢家集合中的每个赢家，执行步骤S2.3
‑
S2.8；S2.3：初始化临时赢家集合；S2.4：如果执行S2.5，否则跳转到S2.2；S2.5：找到集合值最大的工人；
S2.6：更新赢家的报酬；S2.7：将工人添加到集合中；S2.8：返回S2.4；S2.9：输出报酬档案。
[0013]所述步骤3中，成本受限双目标优化问题构建如下：平台需要在选择赢家的成本之和不超过给定约束的前提下，最大化平台的收益函数，该问题为成本受限双目标优化问题，形式化为
ꢀꢀ
（本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种双目标群智感知激励机制方法，其特征在于，其包括以下步骤：步骤1：对双目标群智感知系统进行数学建模，基于反向拍卖，建立群智感知平台、工人、群智感知任务、报酬和工人收益的数学模型；步骤2：基于双目标群智感知系统对于最大化平台收益的需求，建立两个平台优化目标，并据此构建平台收益函数；步骤3：根据真实需求并基于双目标群智感知系统，提出预算受限和成本受限两种场景，并分别构建两种不同的优化问题，包括预算受限双目标优化问题和成本受限双目标优化问题；步骤4：为预算受限场景设计激励机制算法，为成本受限场景设计激励机制算法，通过激励机制算法实现用户招募步骤和报酬计算步骤，从而求解对应优化问题；步骤5：根据激励机制算法运行结果，招募工人完成群智感知任务，并根据结果支付报酬。2.根据权利要求1所述的一种双目标群智感知激励机制方法，其特征在于，所述步骤1中，双目标群智感知系统数学建模过程如下：群智感知系统包含群智感知平台、工人和激励机制算法三种实体，其中工人的集合用表示，工人数量为；群智感知平台将个任务分配给工人，表示任务的集合，每一个任务都有一个对应的价值，所有任务都发布在不同的区域里，用表示区域集合，对于每一个区域，都对应有一个权重表示该区域的重要性；每个工人提交一个三元组竞标，其中是的位置，是该工人的任务集合，包含其愿意执行的所有任务，是工人的报价，用表示的真实成本，是私密的只有本人知道；给定竞标档案，激励机制的目标是选择一个赢家集合，并决定给予每个赢家的报酬，赢家的报酬大小应取决于其对任务的贡献，用报酬档案，其中是工人的报酬，如果工人是输家，则；工人的收益能够通过报酬减去真实成本计算，即
ꢀꢀ
（1）。3.根据权利要求2所述的一种双目标群智感知激励机制方法，其特征在于，所述步骤2中，平台优化目标和平台收益函数构建如下：平台有两个优化目标，分别是总价值和覆盖；总价值函数定义为所有赢家执行任
务的价值之和，计算公式为
ꢀꢀ
（2）平台希望能够最大化价值函数，覆盖函数
퐶표푣
定义为
ꢀꢀꢀꢀꢀ
（3）其中是中赢家在区域执行任务的数量，参数用于平衡总价值函数和覆盖函数的值，是一个用于控制收益递减梯度的系统参数；平台的最终目的是最大化平台收益，将平台的收益函数定义为总价值函数和覆盖函数中的较小值，即
ꢀꢀꢀꢀꢀꢀ
（4）。4.根据权利要求3所述的一种双目标群智感知激励机制方法，其特征在于，所述步骤3中，预算受限双目标优化问题构建如下：平台需要在给予赢家的报酬之和不超过给定预算的前提下，最大化平台的收益函数，该问题为预算受限双目标优化问题，形式化为
ꢀꢀꢀꢀꢀꢀ
（5）其中为给定的预算限额。5.根据权利要求4所述的一种双目标群智感知激励机制方法，其特征在于，所述步骤4中，预算受限场景的激励机制算法BBOM包含工人招募算法和报酬计算算法；定义如下函数
ꢀꢀꢀꢀ
（6）其中是激励机制中的搜索值；所述激励机制算法的目标是求解公式（5）所述的预算受限双目标优化问题，步骤如下：S1.1：初始化搜索的下界，初始化搜索的下界，初始化赢家集合；S1.2：如果执行S1.3，否则跳转到S1.13，其中是搜索精度；
S1.3：计算当前搜索值，并初始化临时赢家集合；S...

【专利技术属性】
技术研发人员：童飞，周远航，
申请(专利权)人：东南大学，
类型：发明
国别省市：