[发明专利]一种基于行为经济学偏好理论的群智感知系统的激励方法

权利要求书

1.一种基于行为经济学偏好理论的群智感知系统的激励方法，其特征在于，包括如下步骤：

步骤1、根据以平台为中心的群智感知模型的定义，对系统进行建模，分为平台端和用户端；

步骤2、将群智感知系统的工作流程抽象为6个步骤：1)平台发布任务；2)用户选择任务；3)决定参与计划；4)平台选择参与用户；5)用户报告感知数据；6)报酬支付；

步骤3、针对平台端，将行为经济学中的情境效应引入任务发布机制，设计新的任务发布机制，建立群智感知系统中任务对用户吸引程度的函数，进而提高用户的积极性；

步骤4、针对用户端，考虑用户基于行为经济学中的公平偏好理论，通过设计新的报酬支付机制，修正基于传统经济学的效用函数，提高用户的效用；

步骤5、根据行为经济学中关于情境效应以及公平偏好的理论和实验，对模型进行参数调试，使其符合行为经济学中的实际情况；

步骤6、进行实验仿真，得到相关参数的实验结果，并对数据进行分析，评估各机制所起到的效果；

所述步骤1中的建模包括：平台端每一轮发布两个类型的任务，任务集合为S＝{s_low,s_high}，编号为i的参与用户根据任务s_ty，对自身的吸引值以及自身阈值ψ_i来决定参与任务的类型，其中，i∈{1,2,3,.....l}，l为参与用户总数，ty∈{low,high}，具体表示为：

为ty类任务的参与时间吸引值，为报酬吸引值、α_i和β_i为用户i对参与时间的以及报酬的偏好因子，A,B,C三个参数为无差异曲线的一般表达式的系数，无差异曲线是用来表示两种商品或两组商品的不同数量的组合对消费者所提供的效用是相同的，使用二元一次函数近似替代无差异曲线，表示为令ψ_i＝C；

根据以平台为中心的模型定义，参与用户i获得的报酬Q_i表示为：

其中，W代表任务的总报酬，t_i为用户i的参与时间，E代表所有参与者集合j∈E；另外，用户的效用函数P_i表示如下：

c_i表示用户i的单位参与时间开销；

平台的总报酬M表示为：

M＝g(t₁，t₂，…t_l；n₁，n₂，…，n_l)-W (4)

其中，g(t₁，t₂，…t_l；n₁，n₂，…，n_l)为关于自变量单调递增的严格凹函数，表示用户的参与时间对使得平台能够得到的效益，n₁，n₂，…，n_l分别表示参与时间为t₁，t₂，…t_l的参与者数量；所述步骤3中的设计新的任务发布机制包括，首先根据对群智感知模型的描述，对任务相关属性以及用户的行为模式进行建模：

(1)对任务建模；

ty类型任务s_ty的属性：参与时间吸引值与参与时间成反比、报酬吸引值与报酬成正比，注：ty∈{low,high,decoy}；

用户选择s_low类任务时，时间成本低，得到的报酬也少，即高/低；

用户若选择s_high类任务时，时间成本高，得到的报酬也高，即低/高；

(2)对用户分类；

首先，用户分为3类：1.时间偏好用户(Time-Prefer User)TPU，这一类用户对时间的敏感程度高；2.报酬偏好用户(Payment-Prefer User)PPU，该类用户对报酬的敏感程度较高；3.无偏好用户(Non-Prefer User)NPU，该类用户不会因为报酬或者时间的增加而对其相对的属性有更高的预期要求，对用户i来说，这三类不同类型有着不同的α_i和β_i，对于TPU，有α_iβ_i，对于PPU，有α_iβ_i，对于NPU，有α_i＝β_i；

(3)用户选择任务；

令ψ_i表示用户i决定是否参与任务的阈值，当时，用户i才会考虑参与ty类型的任务，否则用户i一定不参与，令表示为：

在这个前提下，用户参与哪一类任务的概率P_ty表示如下：

其中，ty∈{low,high,decoy}。