[发明专利]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

权利要求书

1.一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，其特征在于，具体包括以下步骤：

步骤一：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；

A1:根据感知系统用户执行任务的历史记录，由感知平台对各个用户执行任务的历史记录进行分析，统计出较高访问次数的地理位置的集合，再进行整合得到感知地点集合P；基于地点对应用场景进行Markov建模，通过Markov模型来描述感知平台中用户执行感知任务的应用场景；并将感知地点集合P中的地点m定义为Markov模型中的第m个状态，则状态空间表示为{X₁,X₂,…,X_n}，X_n＝m表示在时间n对象处于状态m，其为一个数量有限并且取值为非负整数的向量集合；

A2:由感知平台将感知地点集合P中的用户执行任务的历史记录整理归类，并将这些记录按照时间条件约束进行离散化处理，再通过公式(1)计算出用户状态转移概率矩阵Mt；

式中，Value_ij表示用户u在地点i完成任务后再去地点j执行任务的情况下，在地点j执行任务所用的累计时间；Value表示用户u执行任务的总时间；

A3：由感知平台对感知系统中的用户集合U∈[u₁,u₂,…,u_n]中进行统计分析，得到每个用户的用户地点活跃向量V(u,i)，V(u,i)表示用户u在地点i处执行任务后，在下一个地点执行任务的总次数；

A4：通过公式(2)初始化用户在s时刻出现在地点集合P中的概率分布PA(s)；

PA(s)＝[PA₁(s),PA₂(s),…,PA_n(s)]   (2)；

式中，PA₁(s)表示s时刻处于状态X₁的概率；

步骤二：选取出感知系统中感知地点集合P中每个地点所对应的最佳管理者；

B1：由感知平台结合用户集合U和每个用户的用户地点活跃向量V(u,i)形成一个横轴为地理位置、纵轴为用户的关联矩阵MH，关联矩阵MH中的MH_ij表示第i个用户在地点j处的活跃程度，为V(i,j)的值；

B2：根据当前地点cp中的每个用户的V(u,i)的值MH_ij进行排序，选取MH_ij表最大的用户u作为当前地点cp的最佳管理者；依次选取出感知系统中感知地点集合P中每个地点所对应的最佳管理者，最佳管理者默认执行该地点的任务，其责任是处理一般用户执行任务的反馈结果，当某用户执行任务失败，最佳管理者接收到结果反馈，选择性的将任务分发给与其相似度更高的用户来重新执行，当有新任务需要执行时，把可能出现该地理位置的用户筛选出来，进行任务分发；

步骤三：对最佳管理者以外的用户，进行聚类操作；对于最佳管理者以外的用户，由感知平台计算出每个用户与各个地点的最佳管理者的行为特征相似度，把用户间的特征相似度的大小作为用户间关联关系的度量，并按照行为特征相似度的大小顺序，对用户进行划分，将与最佳管理者相似度高的用户归为一类，把行为特征相似的用户形成类簇CU，同一个类簇CU中的用户拥有高度相似的移动倾向；

步骤四：设定滑动窗口T,T为感知系统定义的一个有效时间长度，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，通过步骤三中的方法找出用户在该状态下形成的类簇CU；

步骤五：获取当前类簇CU中的可用用户集U{u₁,u₂,…,u_n}中每个用户的执行任务历史记录，根据设定滑动窗口T，算出每个用户u的阶数k，再根据用户执行任务记录算出在k阶内，每一阶所占的比重，并根据每一阶权重，进行加权Markov操作，获得每个用户状态M下概率分布PA；

步骤六：感知平台根据设定的概率阀值，选择推荐的用户进行任务分配。