本發(fā)明涉及一種群智感知系統(tǒng)，尤其是一種群智感知分配系統(tǒng)及其任務(wù)分配方法。

背景技術(shù)：

近年來，針對群智感知中的最優(yōu)任務(wù)分配問題的相關(guān)研究已經(jīng)取得了一定的進展，但仍存在諸多問題，例如，在實際的群智感知系統(tǒng)中不同任務(wù)可能對用戶的要求不同，而每個用戶完成任務(wù)的質(zhì)量也是不同的，存在任務(wù)的異質(zhì)性和用戶的可靠性問題，同時，同一個用戶完成不同類型任務(wù)的可靠性可能也是不同的，也就是說用戶的可靠性實際上是一種分類可靠性，然而，現(xiàn)有研究并未充分考慮這些問題，設(shè)計出高效的群智感知任務(wù)分配系統(tǒng)。

技術(shù)實現(xiàn)要素：

本發(fā)明的技術(shù)任務(wù)是針對以上現(xiàn)有技術(shù)的不足，而提供一種群智感知分配系統(tǒng)及其任務(wù)分配方法。

本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是：一種群智感知分配系統(tǒng)，包括數(shù)據(jù)消費者、平臺和用戶，其中在所述平臺內(nèi)分別設(shè)有任務(wù)發(fā)布模塊、任務(wù)收集模塊、任務(wù)分配模塊、數(shù)據(jù)提交模塊和支付模塊，所述任務(wù)發(fā)布模塊與所述數(shù)據(jù)消費者連接，所述任務(wù)收集模塊與用戶連接，所述任務(wù)發(fā)布模塊與任務(wù)收集模塊均與分配模塊連接，所述任務(wù)發(fā)布模塊通過數(shù)據(jù)提交模塊和支付模塊與任務(wù)收集模塊連接，數(shù)據(jù)消費者通過任務(wù)發(fā)布模塊將任務(wù)發(fā)到平臺上，用戶通過任務(wù)收集模塊自己選擇任務(wù)，接著任務(wù)分配模塊根據(jù)數(shù)據(jù)消費者發(fā)布的任務(wù)，以及用戶選擇的情況，對用戶進行分配，用戶在得到分配的任務(wù)后將任務(wù)完成，通過數(shù)據(jù)提交模塊提交給數(shù)據(jù)消費者，最后數(shù)據(jù)消費者通過支付模塊向用戶支付費用。

具體步驟如下：

步驟一：每個i在每輪任務(wù)分配開始時，通過任務(wù)發(fā)布模塊向平臺內(nèi)提交一個期望完成的T_i，以及一個與之相對應(yīng)的B_i，其中i表示數(shù)據(jù)消費者，T_i表示任務(wù)集合，B_i表示任務(wù)預(yù)算；

步驟二：平臺在收到數(shù)據(jù)消費者提交的需求后，會將其發(fā)布給j，每個j將通過任務(wù)收集模塊向平臺提交自身感興趣的T_i，j和與T_i，j相對應(yīng)的若t_i，k∈T_i，j則表示用戶對t_i，k感興趣，其中j表示用戶，T_i，j表示任務(wù)子集，表示報價，t_i，k表示任務(wù)集合中的某一個任務(wù)；

步驟三：首先S_i表示分配集合，而分配集合指的是能夠完成任務(wù)集合內(nèi)任務(wù)的用戶集合，接著可以用V_i(S_i)來表示選擇分配集合來完成任務(wù)集合給數(shù)據(jù)消費者所帶來的收益，因此任務(wù)篩選模塊就可以根據(jù)預(yù)算的限制，對完成任務(wù)的用戶數(shù)量進行限定；因為在滿足每個數(shù)據(jù)消費者預(yù)算限制的前提下，通過調(diào)研發(fā)現(xiàn)，在用戶數(shù)量沒有超過限定值時V_i(S_i)首先隨著S_i中用戶數(shù)量的增大而提高，但當(dāng)S_i的用戶達到一定規(guī)模后，增加用戶數(shù)量意味著更多的支付，因此V_i(S_i)會隨著S_i中用戶的繼續(xù)增加而下降；

步驟四：任務(wù)分配模塊根據(jù)最大最小公平原則，完成用戶和任務(wù)之間的最優(yōu)匹配，在分配時，平臺會遍歷所有的用戶和任務(wù)組合，選擇一個任務(wù)分配給一個用戶，使得前收益最低的數(shù)據(jù)消費者的收益提高，當(dāng)最低收益的數(shù)據(jù)消費者已經(jīng)無法繼續(xù)提高收益時，說明此時該數(shù)據(jù)消費者的用戶已到達上限，不能再增加用戶數(shù)量，則繼續(xù)判斷是否可以使收益第二低的數(shù)據(jù)消費者的收益提高，直到所有數(shù)據(jù)消費者的收益都無法繼續(xù)提高為止；

步驟五：用戶完成任務(wù)后，將采集到的數(shù)據(jù)提交給數(shù)據(jù)消費者，數(shù)據(jù)消費者在收到數(shù)據(jù)后，根據(jù)完成任務(wù)用戶的報價支付該用戶，至此，一個任務(wù)分配周期結(jié)束。

其中步驟四包括以下分步驟：

S21：初始化，平臺在初始化階段，將所有參與分配的用戶加入到U，所有的數(shù)據(jù)消費者加入到B，并設(shè)置V_i(S_i)＝0且S_i＝φ，其中U表示用戶集合，B數(shù)據(jù)消費者集合；

S22：判斷U或B是否為空，若U或B已經(jīng)是空集，則跳轉(zhuǎn)至S217，分配結(jié)束；

S23：通過對比，找到數(shù)據(jù)消費者集合中收益最小的數(shù)據(jù)消費者，如果存在多個數(shù)據(jù)消費者的收益相同且最小，則從這些消費者中任選一個作為當(dāng)前集合收益最小的數(shù)據(jù)消費者；例如，在初始狀態(tài)下，所有消費者的收益均為0，此時只要隨機選取一個消費者作為收益最小的數(shù)據(jù)消費者即可。

S24：設(shè)置max_profit＝0；

S25：設(shè)置j＝1；

在我們的模型里面，我們假設(shè)在每輪分配中只會給每個用戶分配一個任務(wù)，而平臺在給數(shù)據(jù)消費者分配用戶時，會選擇一個能為數(shù)據(jù)消費者帶來最大收益的用戶進行任務(wù)分配。所以我們需要從j＝1遍歷所有用戶，分別求出每個用戶所能帶來的最大收益增量，依此來確定將數(shù)據(jù)消費者的任務(wù)分配給哪個用戶。

S26：選取一個任務(wù)，滿足t_i，k∈T_i，j；

由于我們只會給每個用戶分配不超過一個任務(wù)，因此在計算每個用戶可能會給數(shù)據(jù)消費者i帶來的最大收益時，需要遍歷數(shù)據(jù)消費者i所發(fā)布的每個任務(wù)，其中t_i，k∈T_i，j，將計算得到將該任務(wù)分配給用戶j所能帶來的收益。在本發(fā)明所設(shè)計的方法中，在每次遍歷時會隨機從T_i選取一個任務(wù)，直到所有任務(wù)被遍歷完為止。

S27：設(shè)置ΔV_i(S_i)為將任務(wù)分配給用戶所能帶來的收益增量。

S28：判斷ΔV_i(S_i)＞max_profit是否成立，若成立，則執(zhí)行S29；否則。則跳轉(zhuǎn)至S211；

S29：設(shè)置max_orofit＝ΔV_i(S_i)；

S210：設(shè)置max_user＝j(luò)，max_task＝t_i，k；

在這里，max_user用于記錄下能帶來最大收益增量的用戶，而max_task則用來記錄能帶來最大收益增量的任務(wù)，這樣，等遍歷完成后，就可以據(jù)此來決定應(yīng)該把哪個任務(wù)分配給哪個用戶了。

S211：判斷是否還有任務(wù)未被遍歷到，若否，則繼續(xù)執(zhí)行S212；否則，則跳轉(zhuǎn)至S216，繼續(xù)選取下一個任務(wù)，其中t_i，k∈T_i；

S212：判斷是否還有用戶未被遍歷到，若否，則繼續(xù)執(zhí)行S213；否則，跳轉(zhuǎn)至S217；

S213：判斷max_profit＞0是否成立？若成立，則跳轉(zhuǎn)至S214；否則，跳轉(zhuǎn)至S218；

如果max_profit＞0成立，說明當(dāng)前收益最小的數(shù)據(jù)消費者的收益還能繼續(xù)提高，則將按照步驟S210所記錄下來的能帶來最大收益增量的用戶和任務(wù)進行任務(wù)分配(步驟S214)；否則，說明數(shù)據(jù)消費者的收益已經(jīng)無法繼續(xù)提高，則將這個數(shù)據(jù)消費者從數(shù)據(jù)消費者從集合中刪除(步驟S218)，繼續(xù)判斷新得到的集合中收益最低的數(shù)據(jù)消費者的收益是能夠繼續(xù)提高。

S214：將max_task分配給max_user；

S215：將用戶max_user從集合中刪除，并跳轉(zhuǎn)至S22；

將已經(jīng)分配到任務(wù)的用戶從用戶集合中刪除，以保證每個用戶分配不超過一個任務(wù)；

S216：繼續(xù)選取下一個任務(wù)，其中t_i，k∈T_i，并跳轉(zhuǎn)至S27；

S217：設(shè)置j＝j(luò)+1,并跳轉(zhuǎn)至S26；

S218：將數(shù)據(jù)消費者從B中刪除，并跳轉(zhuǎn)至S22；

S219：分配結(jié)束。

本發(fā)明的優(yōu)點：本發(fā)明提出了一種實現(xiàn)最大最小公平的群智感知任務(wù)分配方法，所設(shè)計的方法在綜合考慮群智感知任務(wù)的異質(zhì)性以及用戶完成任務(wù)的分類可靠性的基礎(chǔ)上，以滿足最大最小公平性為分配原則，給出了一種最優(yōu)的任務(wù)分配技術(shù)，與已有的群智感知任務(wù)分配相比，所設(shè)計的方法更符合實際群智感知系統(tǒng)的特點，可以有效提高群智感知分配機制的綜合性能。

附圖說明

圖1是本發(fā)明結(jié)構(gòu)框架圖。

圖2是本發(fā)明任務(wù)分配方法的流程圖。

具體實施方式

下面結(jié)合說明書附圖對本發(fā)明做以下詳細說明。

如圖所示，S1:通過任務(wù)發(fā)布模塊與任務(wù)收集模塊分別對數(shù)據(jù)消費者和用戶信息進行采集，在分配周期開始時，平臺根據(jù)集數(shù)據(jù)消費者的任務(wù)需求，即每個數(shù)據(jù)消費者所期望完成的任務(wù)集合，其中T_i＝{t_i，1，...，t_i，n}，以及與之相對應(yīng)的任務(wù)預(yù)算，然后，平臺將收集到的所有數(shù)據(jù)消費者所提交的任務(wù)需求發(fā)布到任務(wù)收集模塊，此時用戶在讀取任務(wù)需求后，每個用戶會針對每個任務(wù)集合，提交一個自身感興趣的任務(wù)子集和與該任務(wù)子集相對應(yīng)的報價。

S2:平臺根據(jù)最大最小公平原則(即：使收益最小的數(shù)據(jù)消費者的收益最大化)完成用戶和任務(wù)之間的最優(yōu)匹配，具體實現(xiàn)步驟如下。

S21：初始化，平臺在初始化階段，將所有參與分配的用戶加入到U，所有的數(shù)據(jù)消費者加入到B，并設(shè)置V_i(S_i)＝0且S_i＝φ，其中U表示用戶集合，B數(shù)據(jù)消費者集合；

S22：判斷U或B是否為空，若U或B已經(jīng)是空集，則跳轉(zhuǎn)至S217，分配結(jié)束；

S23：通過對比，找到數(shù)據(jù)消費者集合中收益最小的數(shù)據(jù)消費者，如果存在多個數(shù)據(jù)消費者的收益相同且最小，則從這些消費者中任選一個作為當(dāng)前集合收益最小的數(shù)據(jù)消費者；例如，在初始狀態(tài)下，所有消費者的收益均為0，此時只要隨機選取一個消費者作為收益最小的數(shù)據(jù)消費者即可。

S24：設(shè)置max-profit＝0；

S25：設(shè)置j＝1；

在我們的模型里面，我們假設(shè)在每輪分配中只會給每個用戶分配一個任務(wù)，而平臺在給數(shù)據(jù)消費者分配用戶時，會選擇一個能為數(shù)據(jù)消費者帶來最大收益的用戶進行任務(wù)分配。所以我們需要從j＝1遍歷所有用戶，分別求出每個用戶所能帶來的最大收益增量，依此來確定將數(shù)據(jù)消費者的任務(wù)分配給哪個用戶。

S26：選取一個任務(wù)，滿足t_i，k∈T_i，j；

由于我們只會給每個用戶分配不超過一個任務(wù)，因此在計算每個用戶可能會給數(shù)據(jù)消費者i帶來的最大收益時，需要遍歷數(shù)據(jù)消費者i所發(fā)布的每個任務(wù)，其中t_i，k∈T_i，j，將計算得到將該任務(wù)分配給用戶j所能帶來的收益。在本發(fā)明所設(shè)計的方法中，在每次遍歷時會隨機從T_i選取一個任務(wù)，直到所有任務(wù)被遍歷完為止。

S27：設(shè)置ΔV_i(S_i)為將任務(wù)分配給用戶所能帶來的收益增量。

S28：判斷ΔV_i(S_i)＞max_profit是否成立，若成立，則執(zhí)行S29；否則。則跳轉(zhuǎn)至S211；

S29：設(shè)置max_profit＝ΔV_i(S_i)；

S210：設(shè)置max_user＝j(luò)，max_task＝t_i，k；

在這里，max_user用于記錄下能帶來最大收益增量的用戶，而max_task則用來記錄能帶來最大收益增量的任務(wù)，這樣，等遍歷完成后，就可以據(jù)此來決定應(yīng)該把哪個任務(wù)分配給哪個用戶了。

S211：判斷是否還有任務(wù)未被遍歷到，若否，則繼續(xù)執(zhí)行S212；否則，則跳轉(zhuǎn)至S216，繼續(xù)選取下一個任務(wù)，其中t_i，k∈T_i；

S212：判斷是否還有用戶未被遍歷到，若否，則繼續(xù)執(zhí)行S213；否則，跳轉(zhuǎn)至S217；

S213：判斷max_profit＞0是否成立？若成立，則跳轉(zhuǎn)至S214；否則，跳轉(zhuǎn)至S218；

如果max_profit＞0成立，說明當(dāng)前收益最小的數(shù)據(jù)消費者的收益還能繼續(xù)提高，則將按照步驟S210所記錄下來的能帶來最大收益增量的用戶和任務(wù)進行任務(wù)分配(步驟S214)；否則，說明數(shù)據(jù)消費者的收益已經(jīng)無法繼續(xù)提高，則將這個數(shù)據(jù)消費者從數(shù)據(jù)消費者從集合中刪除(步驟S218)，繼續(xù)判斷新得到的集合中收益最低的數(shù)據(jù)消費者的收益是能夠繼續(xù)提高。

S214：將max_task分配給max_user；

S215：將用戶max_user從集合中刪除，并跳轉(zhuǎn)至S22；

將已經(jīng)分配到任務(wù)的用戶從用戶集合中刪除，以保證每個用戶分配不超過一個任務(wù)；

S216：繼續(xù)選取下一個任務(wù)，其中t_i，k∈T_i，并跳轉(zhuǎn)至S27；

S217：設(shè)置j＝j(luò)+1,并跳轉(zhuǎn)至S26；

S218：將數(shù)據(jù)消費者從B中刪除，并跳轉(zhuǎn)至S22；

S219：分配結(jié)束。

S3:分配到任務(wù)的用戶在完成任務(wù)后，將采集到的數(shù)據(jù)提交給數(shù)據(jù)消費者。

S4：數(shù)據(jù)消費者在收到數(shù)據(jù)后，根據(jù)完成任務(wù)用戶的報價支付該用戶，至此，一個任務(wù)分配周期結(jié)束。

以上所述僅為本發(fā)明的實施例，并非因此限制本發(fā)明的專利范圍，凡是利用本發(fā)明說明書及附圖內(nèi)容所作的等效結(jié)構(gòu)或等效流程變換，或直接或間接運用在其他相關(guān)的技術(shù)領(lǐng)域，均同理包括在本發(fā)明的專利保護范圍內(nèi)。