[發明專利]一種基于特征信息的大規模群智感知任務分配方法

在審

• 申請號: 202110325065.3
• 申請日: 2021-03-26
• 公開（公告）號: CN112990728A
• 公開（公告）日: 2021-06-18
• 發明（設計）人: 李峰;趙繼超;于東曉
• 申請（專利權）人: 山東大學
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q10/10
• 代理公司: 青島華慧澤專利代理事務所(普通合伙) 37247
• 代理人: 劉娜

1.一種基于特征信息的大規模群智感知任務分配方法，其特征在于，包括如下步驟：

步驟一，搭建任務分配模型，并獲取相關信息，所述任務分配模型包括處理任務的預算，工人和特征空間；

步驟二，將特征空間進行超矩陣劃分；

步驟三，從每個超矩陣中隨機抽取一個工人讓其處理任務，并觀察其所處理任務的質量，根據質量計算其上置信指數，將上置信指數作為對工人的評估，結合工人處理任務得到的報酬，計算其評估的質量密度，根據評估的質量密度以及處理任務的預算對工人進行選擇；更新相關變量，重復該步驟，直到處理任務的預算花完為止。

2.根據權利要求1所述的一種基于特征信息的大規模群智感知任務分配方法，其特征在于，步驟一中，處理任務的預算B，即處理任務付給工人的總報酬不得超過B；

設工人集合共包含N個工人，對于每個工人i，包含信息如下：特征信息φ_i，處理任務的質量μ_i，處理一個任務的報酬c_i，處理任務的數量τ_i；

特征空間其中，M為特征空間的維度，對于工人i，其特征信息

3.根據權利要求1所述的一種基于特征信息的大規模群智感知任務分配方法，其特征在于，步驟二中，將特征空間劃分為一個個超矩陣，將在同一個超矩陣中的工人視為一類，并且假設在同一個超矩陣中的工人具有相同的處理任務的質量。

4.根據權利要求2所述的一種基于特征信息的大規模群智感知任務分配方法，其特征在于，步驟二具體方法如下：

(1)假設工人i處理任務的質量μ_i和其特征向量滿足函數形式μ_i＝f(φ_i)，且函數f(·)滿足HolderCondition：對于任意兩個工人i，j，其特征向量分別為φ_i，φ_j，存在常數L0，α0，使得

|μ_i-μ_j|＝|f(φ_i)-f(φ_j)|≤L||φ_i-φ_j||^α

(2)將特征空間的每一維平均劃分成份，因此，特征空間被劃分為了h_B^M個超矩陣，用表示超矩陣的集合。

5.根據權利要求2所述的一種基于特征信息的大規模群智感知任務分配方法，其特征在于，步驟三具體方法如下：

(1)模型初始化：Γ_i,t表示工人i在t時刻還可以處理任務的數量，Γ_i,0＝τ_i；表示在t輪超矩陣Q中的工人處理任務的平均質量，λ_Q(t)表示截止到第t輪超矩陣Q中的工人一共被選擇的次數；對于每個超矩陣Q，隨機從中抽取一個工人讓其處理任務，并觀察其所處理任務的質量r_Q(0)，從而初始化參數：λ_Q(0)＝1，

(2)更新對超矩陣和工人評估：對于超矩陣Q中的工人，視為一類工人，對他們同時進行評估，對于每一個工人i∈Q，其上置信指數為

(3)根據對工人評估獲得近似最優解：在第t輪時，令B_t為當前剩余的預算，對于每個工人i，將其上置信指數U_i作為當前對其的評估，處理任務得到的報酬為c_i，此時每個工人還可以處理任務的數量為Γ_i,t；令表示其評估的質量密度，把每個工人按照其評估的質量密度從高到低排序，然后從排名第一的工人依次選擇，直到剩余的預算不足以再選擇一個工人，在這個過程中，假設工人i被選擇了m_i,t次；

(4)工人選擇：對于每一個工人i，其在第t輪被選擇的概率為

(5)更新相關變量：假設在第t輪選擇工人為i(t)，其所在的矩陣為Q，其所產生的獎勵為r(t)；那么λ_Q(t+1)＝λ_Q(t)+1，Γ_i(t),t+1＝Γ_i(t),t-1，B_t+1＝B_t-c_i(t)；

(6)重復步驟(2)-(5)過程，直到預算不足以再選擇任何一個工人。