一种面向群智感知的多人协作任务分配方法组成比例

本发明专利技术涉及一种面向群智感知的多人协作任务分配方法，属于移动群智感知领域。涉及基于用户社交网络和图神经网络的任务分配方法，挖掘群智感知用户之间潜在的合作关系及用户和任务之间的潜在关系，提高群智感知用户协作执行任务的质量。本发明专利技术方法包括两个阶段：首先，为了获取协作偏好和能力，分别学习组和任务的嵌入；其次，为每个任务搜索最优组，使整体效用最大化。通过上述方法，有效地挖掘任务和用户之间交互的潜在信息，为后续的任务分配提供支撑，提高分配后的任务执行质量。提高分配后的任务执行质量。提高分配后的任务执行质量。

【技术实现步骤摘要】
一种面向群智感知的多人协作任务分配方法


[0001]本专利技术属于移动群智感知领域，涉及一种面向群智感知的多人协作任务分配方法，具体为基于用户社交网络和图神经网络的任务分配方法。

技术介绍

[0002]随着智能移动设备(如手机、平板、智能手环、智能手表等)的普及，移动群智感知近年来受到越来越多的关注。很多移动群智感知平台已被提出并应用于科学研究、工业生产以及日常生活中，这些平台招募移动员工从事各种工作，如环境感知、收集交通信息和室内定位。然而，工作人员在选择他们能够执行和偏好的任务之前，往往需要长时间的筛选，这导致他们在选择任务上浪费了大量的时间和精力。因此，任务分配是移动群智感知的一个关键的研究问题，它通过任务分配算法自动为工人分配合适的任务。近年来，关于移动群智感知任务分配的研究很多，按照任务之间的依赖性，将任务分配工作分为单任务分配和多任务分配。我们关注的是多任务分配，在多任务分配中，不同的任务相互关联，因为它们共享一个有限的资源池(例如，共享的工作池或总预算)。现有的多任务分配工作可以根据每个任务需要的工人数量和工人是否协作分为三类：独立多任务分配、非协作多任务分配和多人协作多任务分配。1)在独立多任务分配中，每个任务只需要雇佣一个工人。这些工作解决了具有不同目标和约束的独立多任务分配问题。2)在非协作多任务分配中，每个任务都需要雇佣多名工人，其中工人以非协作的方式独立完成任务。为了保证任务能够成功执行，一个任务以冗余的方式被分配给多个群智感知用户，平台最终综合多个用户的任务执行结果。3)在多人协作多任务分配中，由于任务的复杂性，每个任务都需要雇佣多个工人协作执行任务。然而，这三个工作采用了一种集中的方法(首先选择一个领导者，然后相应地选择剩余的工人)来组成一个群体，限制了可能的群体的搜索空间。

技术实现思路

[0003]要解决的技术问题
[0004]为了避免现有技术的不足之处，本专利技术提供一种面向群智感知的多人协作任务分配方法。
[0005]技术方案
[0006]一种面向群智感知的多人协作任务分配方法，其特征在于步骤如下：
[0007]步骤1：用户团队表示
[0008]用户团队指的是协作执行某一个任务的多个群智感知用户组成的团队，用户团队表示旨在学习用户的潜在因素，将用户组合G
i
学习到的潜在因素表示为h
i
∈R
d
；
[0009]步骤2：任务表示
[0010]任务表示的目的是学习任务z
i
中的潜在因素，将其表示为z
i
∈R
d
；用户任务二部图包含团队和任务的交互以及团队的任务执行质量；因此，应该共同捕获团队和任务的交互信息以及任务执行质量中的信息，以学习任务的潜在因素；
[0011]步骤3：任务执行质量预测
[0012]将团队和任务的潜在表示h
j
和z
i
连接起来，然后将它们输入一个三层的神经网络进行如下预测：
[0013][0014]步骤4：组合优化求解
[0015]以预测的任务执行质量作为常量，可以通过寻找最优的团队组合来解决总任务执行质量最大化的任务分配问题；首先根据候选团队对每个任务的任务执行质量进行排序，然后选择任务执行质量得分最高的团队作为每个任务的候选团队。
[0016]本专利技术进一步的技术方案：步骤1所述的用户团队表示包括以下三部分：
[0017]第一部分：聚合团队内成员自身的信息，由于团队中的每一个群智感知用户都拥有不同的置信度、专业知识和社会关系，团队中的成员对于任务执行的贡献程序是不同的，因此我们给不同的用户分配不同的权重来准确地表示用户对于团队的贡献；
[0018]第二部分：团队和任务的交互信息，由于用户任务二部图不仅包含团队和任务的交互，还包含团队的任务执行质量；为了挖掘能够反映团队兴趣和能力的信息，考虑聚合与目标团队G
i
交互的任务信息和团队的任务执行质量信息；
[0019]第三部分：团队和团队之间的信息交互；在任务用户二部图中聚合团队G
j
的2阶邻居团队信息，并用C2‑
hop
(j)表示为G
j
的2阶邻居集合；邻居团队的成员通常位于与G
j
交互的任务附近；直观地说，邻居团队成员和目标团队之间的对于任务选择会有相似之处；因此，学习C2‑
hop
(j)中的团队的信息。
[0020]本专利技术进一步的技术方案：步骤2中任务表示具体如下：
[0021]对于每个任务t
i
，需要从与任务t
i
交互的团队的集合B(i)中聚合信息，使用f
il
来描述目标任务t
i
和集合B(i)中的团队G
l
之间的交互作用，并通过将团队G
l
的表示g
l
和该团队执行任务t
i
的质量的向量表示e
′
p
进行级联并输入一个三层的神经网络得到：
[0022][0023]为了学习z
i
，还提出了B(i)中团队和目标任务t
i
之间的交互；团队聚合函数被描述为Aggre
groups
，它类似于聚合任务函数Aggre
tasks
，z
i
表示为：
[0024][0025]在其中引入了注意力机制，为集合B(i)中不同的团队分配不同的权重u
il
，注意力网络的输入是团队交互嵌入f
il
和目标任务t
i
的嵌入，表示为q
i
，
[0026][0027][0028][0029]一种计算机系统，其特征在于包括：一个或多个处理器，计算机可读存储介质，用
于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现上述的方法。
[0030]一种计算机可读存储介质，其特征在于存储有计算机可执行指令，所述指令在被执行时用于实现上述的方法。
[0031]有益效果
[0032]本专利技术提供的一种面向群智感知的多人协作任务分配方法，通过用户的社交网络和用户与任务的二部图挖掘群智感知用户之间潜在的合作关系及用户和任务之间的潜在关系，为新出现的任务分配合适的用户，从而提高群智感知用户协作执行任务的质量。
[0033]本专利技术在两个真实世界的数据集上进行了广泛的实验。结果表明，与四个基线方法相比，本专利技术所实现的方法的平均任务执行质量提高了155.26％。
附图说明
[0034]附图仅用于示出具体实施例的目的，而并不认为是对本专利技术的限制，在整个附图中，相同的参考符号表示相同的部件。
[0035]图1为本专利技术实例中任务分配整体框架图；
[0036本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向群智感知的多人协作任务分配方法，其特征在于步骤如下：步骤1：用户团队表示用户团队指的是协作执行某一个任务的多个群智感知用户组成的团队，用户团队表示旨在学习用户的潜在因素，将用户组合G
i
学习到的潜在因素表示为h
i
∈R
d
；步骤2：任务表示任务表示的目的是学习任务z
i
中的潜在因素，将其表示为z
i
∈R
d
；用户任务二部图包含团队和任务的交互以及团队的任务执行质量；因此，应该共同捕获团队和任务的交互信息以及任务执行质量中的信息，以学习任务的潜在因素；步骤3：任务执行质量预测将团队和任务的潜在表示h
j
和z
i
连接起来，然后将它们输入一个三层的神经网络进行如下预测：步骤4：组合优化求解以预测的任务执行质量作为常量，可以通过寻找最优的团队组合来解决总任务执行质量最大化的任务分配问题；首先根据候选团队对每个任务的任务执行质量进行排序，然后选择任务执行质量得分最高的团队作为每个任务的候选团队。2.根据权利要求1所述的向群智感知的多人协作任务分配方法，其特征在于：步骤1所述的用户团队表示包括以下三部分：第一部分：聚合团队内成员自身的信息，由于团队中的每一个群智感知用户都拥有不同的置信度、专业知识和社会关系，团队中的成员对于任务执行的贡献程序是不同的，因此我们给不同的用户分配不同的权重来准确地表示用户对于团队的贡献；第二部分：团队和任务的交互信息，由于用户任务二部图不仅包含团队和任务的交互，还包含团队的任务执行质量；为了挖掘能够反映团队兴趣和能力的信息，考虑聚合与目标团队G
i
交互的任务信息和团队的任务执行质量信息；第三部分：团队和团队之间的信息交互；在任务用户二部图中聚合团队G
j
的2阶邻居团队信息，并用C2‑
hop
(j)表示为G

【专利技术属性】
技术研发人员：杜娟娟，刘佳琪，於志文，郭斌，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：