一种基于强化学习的群智感知平台任务捆绑优化方法技术

本发明专利技术公开了一种基于强化学习的群智感知平台任务捆绑优化方法，旨在提高群智感知平台的任务完成率和质量。首先，平台根据流行度对接收的任务进行预处理和分类；然后，利用深度强化学习算法，将不受欢迎任务与受欢迎任务进行捆绑组合，并依据工人意愿筛选捆绑包对应的工人集合；在任务执行过程中，平台以可信高质量工人数据为基准评估未知工人，并动态更新其质量和信誉；最后，将平台利润、任务完成率和质量联合构成奖励函数，持续优化任务捆绑策略。本发明专利技术能在最大化平台利润的同时提升任务完成率和质量。

【技术实现步骤摘要】

本专利技术属于群智感知领域，更具体而言，涉及一种基于强化学习的群智感知平台任务捆绑优化方法，旨在提高平台利润、任务完成率和质量。

技术介绍

1、随着移动互联网与智能设备的广泛普及，群智感知作为一种新兴计算模式迅速崛起。它借助普通用户智能设备的感知能力，实现对环境数据的收集，已在环境监测、交通流量监控、城市事件检测等诸多领域获得应用。在环境监测场景中，群智感知平台可通过大量用户手机上的传感器采集空气质量、噪音等数据；在交通流量监控方面，利用用户设备的定位信息分析道路拥堵情况。

2、然而，在实际应用过程中，面临着工人对任务的偏好问题，如部分不受欢迎任务，由于需要复杂操作、耗时较长或趣味性较低，常出现参与度低、完成质量差的情况。任务请求者由于无法及时、准确获取所需数据，导致自身利益受损，群智感知平台则面临任务完成率低、质量差等问题，降低了平台在市场中的竞争力。已有方法提出通过任务捆绑的方式，将不受欢迎任务与受欢迎任务组合，试图提高任务完成率和平台利润，但该方法仅关注任务完成率和平台利润，忽略了任务的完成质量，数据的准确性、完整性等质量指标难以保障，无本文档来自技高网...

【技术保护点】

1.一种基于强化学习的群智感知平台任务捆绑优化方法，其特征在于，所述方法至少包括以下步骤：

2.根据权利要求1所述的基于强化学习的群智感知平台任务捆绑优化方法，其特征在于，所述将平台利润、任务完成率和质量联合构成捆绑重组的奖励函数，将当前状态s(t)下采取动作ar、ae之后智能体所获得的奖励函数设计为若捆绑包内任务数量不超过阈值|b|时，采用效用函数u0＝以最大化平台效用，即其中，平台利润F(b)定义为工人完成捆绑包后平台所获得的平均收益，计算公式为其中K为总的捆绑包数，p(b)为工人完成捆绑包b所获得的报酬，由基本支付和距离补偿两部分组成，为任务请求者给予捆绑包的总价值；任...

【技术特征摘要】

1.一种基于强化学习的群智感知平台任务捆绑优化方法，其特征在于，所述方法至少包括以下步骤：

2.根据权利要求1所述的基于强化学习的群智感知平台任务捆绑优化方法，其特征在于，所述将平台利润、任务完成率和质量联合构成捆绑重组的奖励函数，将当前状态s(t)下采取动作ar、ae之后智能体所获得的奖励函数设计为若捆绑包内任务数量不超过阈值|b|时，采用效用函数u0＝以最大化平台效用，即其中，平台利润f(b)定义为工人完成捆绑包后平台所获得的平均收益，计算公式为其中k为总的捆绑包数，p(b)为工人完成捆绑包b所获得的报酬，由基本支付和距离补偿两部分组成...

【专利技术属性】
技术研发人员：邓清勇，欧阳泽，吴婷蓝，刘安丰，李先贤，
申请(专利权)人：广西师范大学，
类型：发明
国别省市：