基于Transformer的移动众包收益最优的反向拍卖任务分配方法组成比例

本发明专利技术公开了一种基于Transformer的移动众包收益最优的反向拍卖任务分配方法，获取移动众包数据搜集任务信息，然后收集若干信息相同的移动众包数据搜集任务的训练样本，每个训练样本的输入数据包括出价矩阵和价值矩阵，标签数据包括任务分配矩阵和用户支付向量；构建基于Transformer的反向拍卖模型，包括输入数据预处理模块，交互模块，全局特征图拆分模块，分配方案计算模块和支付方案计算模块，采用得到的训练样本对基于Transformer的反向拍卖模型进行训练；当需要进行移动众包数据搜集任务时，获取当前的出价矩阵和价值矩阵，输入训练好的反向拍卖模型中，得到任务分配矩阵和用户支付向量。本发明专利技术利用深度学习的方法来进行移动众包任务的分配和确定给予获胜用户的支付，以此寻求服务提供商数据收益的最大化。

【技术实现步骤摘要】

本专利技术属于移动众包服务，更为具体地讲，涉及一种基于transformer的移动众包收益最优的反向拍卖任务分配方法。

技术介绍

1、移动众包服务(mcss)利用大量无处不在的感知设备，通过有意识或无意识的用户参与协作，解决了单纯依靠传感器主动部署成本高的问题，实现了大规模低成本的物联网，同时大大拓展了应用的深度和广度。mcss在车联网、数字孪生等领域发挥了重要作用。早期的mcss大多采取自愿的方式，用户参与的积极性不高。因此，许多后续研究将机制设计理论与mcs相结合，通过给予用户一定的奖励或补偿来鼓励更多的用户加入mcs，以提高mcs的数据收集质量或服务质量。mcs下的机制设计类似于反向拍卖机制。服务提供商首先发布数据收集任务，用户根据自身情况向服务提供商声明自己可以完成的任务和期望获得的奖励。服务提供商根据用户提交的信息确定获奖者和支付的价格。同时，整体支付价格必须低于服务提供商的预算。

2、图1是基于兴趣点的移动的群体感知拍卖模型示意图。如图1所示，移动众包数据搜集的流程如下：

3、(1)移动众包服务提供商向用户发布数据采集的本文档来自技高网...

【技术保护点】

1.一种基于Transformer的移动众包收益最优的反向拍卖任务分配方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的反向拍卖任务分配方法，其特征在于，所述步骤S3中输入数据预处理模块中卷积模块包括第一卷积层，Relu激活层和第二卷积层，其中：

3.根据权利要求1所述的反向拍卖任务分配方法，其特征在于，所述步骤S3中Transformer交互单元中卷积模块包括第一卷积层，Relu激活层和第二卷积层，其中：

【技术特征摘要】

1.一种基于transformer的移动众包收益最优的反向拍卖任务分配方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的反向拍卖任务分配方法，其特征在于，所述步骤s3中输入数据预处理模块中卷积模块包括第...

【专利技术属性】
技术研发人员：张骥先，陈鹏，李伟东，武浩，柴晶，
申请(专利权)人：云南大学，
类型：发明
国别省市：