[发明专利]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

摘要

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。

主权项

1.一种稀疏网络中基于公平性的分布式多任务群智感知方法,其特征在于：包括如下步骤：S1：建立移动众包系统模型：服务器将任务集Γ分配至n个用户，每个用户可同时参与并执行多个任务以获得报酬，且每个用户i具备由于感知而产生的成本C_i，i＝1，…，n；所述任务集Γ具有m个任务，每个任务l具有总报酬R^l,l＝1,…,m；定义表示在k时刻用户i完成任务l所得到的报酬率RoR，其中和分别表示相应的报酬和成本，当时，第i个用户不能执行第l个任务，不存在相应的RoR值；S2：服务器与用户之间进行交互：S21，服务器将任务集Γ发送给所有用户节点，同时得到参与每个任务所对应的用户数N^l；S22，服务器将报酬R^l/N^l,l＝1,…,m发送给所有用户节点；S23，每个用户通过局部交流通信进行信息交换；S24，完成局部交流通信后，所有用户将收集到的数据上传至服务器；S3：用户之间进行交互：S31，采用GRA算法从所有用户中随机选取两个具有共同任务l的邻居用户i和用户j进行交互；S32，选取的两个邻居用户彼此交换任务l下的RoR值和成本值，然后分别根据邻居及其自身的RoR信息，采用一致性策略更新其报酬率值，使该任务下新的RoR值趋于相等；S33，所选择的用户i和用户j将他们自己的成本重新分配给他们参与的所有任务，使其参与的每个任务的RoR值趋于相等；S34，重复步骤S31至S33，以使所有用户参与的每个任务的RoR值一致。