群智感知中一种基于Shapley值和多臂赌博机的工人招募方法技术

本发明专利技术公开了群智感知中一种基于Shapley值和多臂赌博机的工人招募方法。该方法首先考虑到现实MCS中的PUWR问题，通过在为任务分配高质量工人的同时，引入一定数量的待评估工人，基于他们提交的数据质量对比，运用质量对比机制动态更新评估工人的质量水平。然后，本方法提出基于shapley值的工人协作质量获得算法，以量化工人之间的协作紧密程度与对服务质量重要程度的拓扑关系，即计算工人的协作质量，从而更全面地评估工人的综合能力。最后，结合工人的质量与工人的协作质量，设计了一种结合2者的置信区间上界算法(UCB)函数,提出了有效的基于多臂赌博机(MAB)的工人招募算法来以低成本获得高质量服务，进而提升平台收益。经过模拟实验分析,本发明专利技术方法相比一般的方法能够以低成本获得更高质量的数据，为群智感知中的工人招募问题提供了有效的解决方案。

【技术实现步骤摘要】

本专利技术涉及群智感知、机器学习及优化算法等多个，特别是一种基于shapley值和多臂赌博机的工人招募方法。该方法通过结合博弈论中的shapley值理论来度量工人在群智感知任务中的贡献，并利用强化学习中的多臂赌博机算法来优化工人招募策略，从而实现在群智感知任务中高效且精准地招募工人。

技术介绍

1、随着物联网技术的飞速发展和智能设备的普及，群智感知作为一种新兴的感知模式，利用大量普通用户或传感器节点(即“工人”)的协同工作来完成复杂的感知任务，从而实现了对大规模数据的收集、处理和分析，具有广泛的应用前景，如环境监测、交通监控、城市规划等。然而，尽管群智感知具有诸多优势，但在实际应用中，工人招募问题一直是制约其发展的关键因素之一。

2、平台收集数据的目的都是为了构造某一特定的服务或应用，高质量的数据构造的服务质量高，因而受到用户的欢迎而使平台获得高的收益。而低质量的数据例如虚假数据或者恶意数据会使得服务质量低下，在用户的使用过程中有可能造成财产甚至生命危险，导致用户拒绝使用平台的服务，从而使得mcs平台因没有收益而灭亡。由于低质量数据在mcs平台本文档来自技高网...

【技术保护点】

1.群智感知中一种基于Shapley值和多臂赌博机的工人招募方法，其特征在于：包含以下步骤：

2.根据权利要求1所述的群智感知中一种基于Shapley值和多臂赌博机的工人招募方法，其特征在于，步骤二中计算工人的协作质量的具体步骤为：

3.根据权利要求1所述的群智感知中一种基于Shapley值和多臂赌博机的工人招募方法，其特征在于，步骤三中计算选择任务数据收集者的具体方法为：

4.根据权利要求1所述的群智感知中一种基于Shapley值和多臂赌博机的工人招募方法，其特征在于，步骤四中计算选择工人数据质量的具体方法为：

【技术特征摘要】

1.群智感知中一种基于shapley值和多臂赌博机的工人招募方法，其特征在于：包含以下步骤：

2.根据权利要求1所述的群智感知中一种基于shapley值和多臂赌博机的工人招募方法，其特征在于，步骤二中计算工人的协作质量的具体步骤为：

3.根据权利要求1所...

【专利技术属性】
技术研发人员：马明珠，刘安丰，
申请(专利权)人：中南大学，
类型：发明
国别省市：