[發(fā)明專利]一種基于特征信息的大規(guī)模群智感知任務(wù)分配方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110325065.3
• 申請(qǐng)日: 2021-03-26
• 公開（公告）號(hào): CN112990728A
• 公開（公告）日: 2021-06-18
• 發(fā)明（設(shè)計(jì)）人: 李峰;趙繼超;于東曉
• 申請(qǐng)（專利權(quán)）人: 山東大學(xué)
• 主分類號(hào): G06Q10/06
• 分類號(hào): G06Q10/06;G06Q10/10
• 代理公司: 青島華慧澤專利代理事務(wù)所(普通合伙) 37247
• 代理人: 劉娜

本發(fā)明公開了一種基于特征信息的大規(guī)模群智感知任務(wù)分配方法，包括如下步驟：搭建任務(wù)分配模型，并獲取相關(guān)信息，所述任務(wù)分配模型包括處理任務(wù)的預(yù)算，工人和特征空間；將特征空間進(jìn)行超矩陣劃分；從每個(gè)超矩陣中隨機(jī)抽取一個(gè)工人讓其處理任務(wù)，并觀察其所處理任務(wù)的質(zhì)量，根據(jù)質(zhì)量計(jì)算其上置信指數(shù)，將上置信指數(shù)作為對(duì)工人的評(píng)估，結(jié)合工人處理任務(wù)得到的報(bào)酬，計(jì)算其評(píng)估的質(zhì)量密度，根據(jù)評(píng)估的質(zhì)量密度以及處理任務(wù)的預(yù)算對(duì)工人進(jìn)行選擇；更新相關(guān)變量，重復(fù)該步驟，直到處理任務(wù)的預(yù)算花完為止。本發(fā)明所公開的方法能夠充分利用有限的預(yù)算，選擇質(zhì)量較高的工人，任務(wù)分配效率高。

技術(shù)領(lǐng)域

本發(fā)明屬于移動(dòng)眾感領(lǐng)域，特別涉及一種基于特征信息的大規(guī)模群智感知任務(wù)分配方法。

背景技術(shù)

近些年來，隨著個(gè)人移動(dòng)設(shè)備的不斷增加，移動(dòng)眾感(Mobile Crowdsensing)逐漸成為來獲取各種傳感信息的一種重要手段。通過雇傭工人來利用他們手上的移動(dòng)設(shè)備來獲取感知信息是移動(dòng)眾感獲取信息的一個(gè)重要手段。在邊緣端的工人由于個(gè)人及設(shè)備的原因，他們?cè)谔幚砀兄蝿?wù)的能力上也不盡相同。因此，如何找到能力較高的工人來提升感知任務(wù)處理的質(zhì)量是移動(dòng)眾感中的一個(gè)重要的課題。

工人的雇傭通常分為兩個(gè)過程，一是探索工人：通過雇傭每個(gè)工人來對(duì)工人進(jìn)行評(píng)估，從而找到質(zhì)量較高的工人；二是利用：使用在探索階段所得到的評(píng)估較高的工人。多臂老虎機(jī)是處理探索和利用問題的一個(gè)常用的技術(shù)，然而在現(xiàn)實(shí)中，邊緣端的工人的數(shù)量是巨大的，如果去探索每個(gè)工人的話造成的花費(fèi)往往也是巨大的，而且現(xiàn)實(shí)中，處理任務(wù)的預(yù)算往往也是十分有限的。因此，如何利用有限的預(yù)算從眾多的工人中找到質(zhì)量較高的工人并進(jìn)行雇用是一個(gè)需要解決的問題。

現(xiàn)實(shí)中，邊緣端的工人往往具有一些特征信息，工人處理任務(wù)的質(zhì)量往往與這些特征向量有著某種特定的關(guān)系。特征信息相近的工人他們往往處理任務(wù)的能力也相差不大，因此我們可以對(duì)一些特征信息相似的工人同時(shí)評(píng)估。

發(fā)明內(nèi)容

針對(duì)現(xiàn)有技術(shù)的以上缺陷和改進(jìn)需求，本發(fā)明提供了一種基于特征信息的大規(guī)模群智感知任務(wù)分配方法。該問題的主要難點(diǎn)在于如何在工人數(shù)量巨大和預(yù)算數(shù)量有限的情況下如何分配移動(dòng)任務(wù)。同時(shí)，我們將選擇一個(gè)工人的過程看作一輪，并將所有實(shí)際選用的工人的累積期望質(zhì)量與最優(yōu)的累積期望質(zhì)量的差值稱為累積遺憾(Regret)，我們用累積遺憾來衡量算法的優(yōu)劣。一般來說，累積遺憾應(yīng)該是隨著輪次的增長(zhǎng)呈線性或者亞線性增長(zhǎng)，累積遺憾的增長(zhǎng)速度越慢，算法效果越好，所以如何得到一個(gè)更緩慢的累積遺憾增長(zhǎng)曲線便成為本問題的主要目標(biāo)。

為解決上述技術(shù)問題，本發(fā)明提供了一種基于特征信息的大規(guī)模群智感知任務(wù)分配方法，以達(dá)到充分利用有限的預(yù)算，選擇質(zhì)量較高的工人的目的。

為達(dá)到上述目的，本發(fā)明的技術(shù)方案如下：

一種基于特征信息的大規(guī)模群智感知任務(wù)分配方法，包括如下步驟：

步驟一，搭建任務(wù)分配模型，并獲取相關(guān)信息，所述任務(wù)分配模型包括處理任務(wù)的預(yù)算，工人和特征空間；

步驟二，將特征空間進(jìn)行超矩陣劃分；

步驟三，從每個(gè)超矩陣中隨機(jī)抽取一個(gè)工人讓其處理任務(wù)，并觀察其所處理任務(wù)的質(zhì)量，根據(jù)質(zhì)量計(jì)算其上置信指數(shù)，將上置信指數(shù)作為對(duì)工人的評(píng)估，結(jié)合工人處理任務(wù)得到的報(bào)酬，計(jì)算其評(píng)估的質(zhì)量密度，根據(jù)評(píng)估的質(zhì)量密度以及處理任務(wù)的預(yù)算對(duì)工人進(jìn)行選擇；

步驟四，更新相關(guān)變量，重復(fù)步驟三，直到處理任務(wù)的預(yù)算花完為止。

上述方案中，步驟一中，處理任務(wù)的預(yù)算B，即處理任務(wù)付給工人的總報(bào)酬不得超過B；

設(shè)工人集合共包含N個(gè)工人，對(duì)于每個(gè)工人i，包含信息如下：特征信息φ_i，處理任務(wù)的質(zhì)量μ_i，處理一個(gè)任務(wù)的報(bào)酬c_i，處理任務(wù)的數(shù)量τ_i；