[发明专利]一种双目标鲁棒移动群智感知系统及其激励方法

权利要求书

1.一种双目标鲁棒移动群智感知系统的激励方法，其特征在于，所述的双目标鲁棒移动群智感知系统由移动群智感知平台和n个用户组成；其中，用U表示n个用户的集合；

所述移动群智感知平台将t个任务分配给n个用户，用T表示任务的集合，

每个任务j∈T的价值是v^j，每一个用户i∈U收到任务列表后提交一个二元组B_i＝(T_i,b_i)到移动群智感知平台，

其中，T_i是用户i的任务集合，包括用户i愿意完成的所有任务，b_i是用户i的报价，每一个任务集T_i与用户i的成本c_i有关，c_i是用户i完成其任务集的成本，且仅对用户i已知，移动群智感知平台选择一组获胜者集合参与移动群智感知，其中获胜者的最大数量为m，即|S|≤m；

对于获胜者集合S，将期望收益函数定义为：

f(S)＝v(S)-∑_i∈Sb_i (1)

其中，是所有获胜者参与的任务价值总和；

每一个任务j∈T都对应一个任务所在区域，所有区域的集合为Z，

每一个区域l∈Z都有一个权重w_l＞0，表示该区域的重要性，权重越大表示该区域越重要，所有权重都由移动群智感知平台提前给定；

对于获胜者集合S，将覆盖函数定义为：

g(S)＝γ∑_l∈Zw_l·log(1+n_l(S)) (2)

其中，n_l(S)是区域l内获胜者参与任务数量的总和，γ是一个用于规范化期望收益函数和覆盖函数的规范系数；用f表示收益函数，用g表示覆盖函数；

所述期望收益函数f和覆盖函数g均为非负的、单调的、子模的；

定义所述双目标鲁棒移动群智感知系统中的鲁棒性目标为最大化两个不同目标函数之间的较小值，则移动群智感知平台的效用函数定义为：

u₀＝min{f(S),g(S)} (3)

给定任务集T，用户集U，每个用户i∈U的任务集T_i，获胜者最大数量m，报价集B＝(B₁,B₂,…,B_n)，规范系数γ，区域集Z以及每个区域j∈Z的权重w_j，移动群智感知平台计算得到获胜者集合和每个获胜者i∈S的报酬p_i；

将任意获胜者i的效用定义为报酬与其实际成本之间的差额，失败者的效用为0：

目标是使移动群智感知平台的效用函数最大化，同时获胜者数量不超过m，定义鲁棒用户选择问题为：

进一步的，定义如下函数：

其中k是二分搜索的搜索值。

2.根据权利要求1所述的一种双目标鲁棒移动群智感知系统的激励方法，其特征在于，所述移动群智感知平台和n个用户组成的工作流程：移动群智感知平台有一系列任务需要招募用户完成，平台先发布所有的任务内容并告知所有愿意参与的用户，用户阅读过任务的内容后提交他们感兴趣的任务集合，其中包含他们愿意参与任务的编号，并提交他们完成这些任务相应的报价，平台收到任务集合以及报价后通过激励方法选择出最终参与感知任务的用户，即获胜者，并通知他们开始进行感知任务，用户完成任务后将感知数据提交给平台，平台再通过激励方法决定给予每一个参与任务的用户的报酬。