专利交易市场

本发明提供一种以最小化支付为目标的移动群智感知激励方法，解决在移动群智感知应用中，在完成所有任务的前提下最小化支付问题，从而为雇佣方节约感知成本。本发明首先提出了一个基于时间窗口的群智感知反向拍卖模型，在所提的模型下提出了一个多项式时间激励算法，该算法包含初步选择和权重竞争两个阶段，在初步选择阶段利用最小费用最大流算法获得两组不相交的用户，在权重竞争阶段，使用图理论寻找可互相替代的用户组，根据带权重的费用选取最终入选用户，并计算每个用户的报酬。相比其他激励机制，本发明所述方法具有更低的总支付额，并且仍然是个人理性和防欺骗的。

本发明涉及群智感知技术领域，尤其是涉及一种基于合作意愿预测的群智感知参与者选择方法及系统。包括获取参与者数据集，通过平台任务得到估计合作成本；构建多臂老虎机问题模型，对参与者数据集进行虚拟雇佣，计算参与者对探索率；设定所述参与者对探索率的阈值，利用链接预测模型对数据集进行处理得到预测合作成本，根据被雇佣的工人对数据和估计合作成本或预测合作成本得到趋准化合作成本；利用最小成本优先的参与者选择策略得到参与者集合；更新估计合作成本和被雇佣的工人对数据。解决了在参与者关系不完全可知或者没有大量参与者合作的历史数据的情况下的情况下，平台如何选择参与者以最小化任务完成成本的问题。

一种群智感知中基于关联关系和地理位置预测的任务分发方法，根据用户执行任务的历史记录，计算出感知地点集合P、用户状态转移概率矩阵Mt、用户地点活跃向量V，并初始化地点出现概率向量PA；选取出感知地点集合P中每个地点所对应的最佳管理者；对其他的用户，进行聚类操作；根据所设置的滑动窗口T及状态M下需要执行的感知任务，找出用户在该状态下形成的类簇CU；根据当前类簇CU中可用用户集每个用户的执行任务历史记录，获得每个用户状态M下概率分布PA；根据设定的概率阀值，选择用户进行任务分配。该算法能高质量地将任务信息分发给指定监测区域内能收集感知数据的移动用户，并能确保接受任务的用户有足够的能力去完成任务。

本发明提供了一种密集网络中基于公平性的分布式多任务群智感知方法，通过引入报酬率RoR，来描述每个用户所获得的报酬与成本之间的关系，并采用一种可应用于具有拓扑限制的密度网络的基于一致性的报酬分配算法CRA，根据每个用户的相应成本分配每个任务的报酬，使得用户的所有报酬率RoR趋于一致，各用户可以利用参与任务的邻居用户信息来更新其自身对任务的成本以及从服务器获得的资源分配，使得每个用户依据其贡献的大小获得相应的报酬，从而确保系统的公平有效。本发明所述方法可确保每个用户所得收益的公平有效及系统的快速收敛，实现了分布式多任务系统中报酬分配的公平性。

本发明提供了一种稀疏网络中基于公平性的分布式多任务群智感知方法，通过引入报酬率RoR，来描述每个用户所获得的报酬与成本之间的关系，并采用一种可应用于稀疏网络的基于八卦的报酬分配算法GRA，根据每个用户的相应成本分配每个任务的报酬，使得用户的所有报酬率RoR趋于一致，各用户可以利用参与任务的邻居用户信息来更新其自身对任务的成本以及从服务器获得的资源分配，使得每个用户依据其贡献的大小获得相应的报酬，从而确保系统的公平有效。本发明所述方法可确保每个用户所得收益的公平有效及系统的快速收敛，实现了分布式多任务系统中报酬分配的公平性。