一種基于移動社交網(wǎng)絡的群智計算在線任務分配方法
【技術領域】
[0001] 本發(fā)明設及移動技術領域，特別是設及一種基于移動社交網(wǎng)絡的群智計算在線任 務分配方法。
【背景技術】
[0002] 群智計算是近年來興起的一種計算模式，主要是通過用戶之間相互協(xié)助，共同完 成復雜的大規(guī)模的計算任務。其主要的代表性系統(tǒng)包括眾包系統(tǒng)和群智感知系統(tǒng)。其中， 眾包指的是一種分布式的問題解決方法，即將一個任務量大而難W獨立完成的任務，劃分 為不同小任務并通過互聯(lián)網(wǎng)將其分配給多個用戶協(xié)助完成。群智感知則是一種多用戶的 協(xié)作感知模式，即將每個帶有感知設備的用戶看作是一個獨立的傳感器，并利用他們協(xié)助 完成大規(guī)模、復雜的社會感知任務。簡單來說，群智計算就是利用多個用戶通過任務分解、 分布式執(zhí)行、結果匯聚的方式來共同處理單個用戶難W完成的大規(guī)模復雜任務的一種計算 模式。隨著今年來移動終端技術的發(fā)展，移動終端如手機，平板，掌上電腦等早已成為人們 的生活必備品。運些移動終端配備有強大的計算內核W及各種各樣的傳感器，如溫度傳感 器，GPS，重力加速器等，一些高端的移動設備的計算能力甚至超過了某些PC機，因此，移動 終端能在一定程度上替代原有的傳感設備，完成某些傳感任務。此外，搭載在移動社交網(wǎng)絡 上的群智計算系統(tǒng)，能夠利用移動社交網(wǎng)絡的移動特性，減少任務數(shù)據(jù)傳輸?shù)拇鷥r，能夠充 分利用人的移動性、智能性來完成傳統(tǒng)系統(tǒng)難W應對的、與人類生活密切相關的復雜感知 任務，具有低成本、普遍適用性、高度靈活性的優(yōu)勢，因而有著廣泛的應用前景。

【發(fā)明內容】

[0003] 本發(fā)明主要解決的技術問題是提供一種基于移動社交網(wǎng)絡的群智計算在線任務 分配方法，通過將群智計算系統(tǒng)搭載在移動網(wǎng)絡中，利用移動網(wǎng)絡進行任務的分配，任務處 理W及結果回收的系統(tǒng)，除了發(fā)揮出移動網(wǎng)絡中用戶移動的特性外，還利用了移動用戶人 的特性，完成一些傳統(tǒng)設備難W完成的人工任務，系統(tǒng)中的任務分配關乎任務完成的速度 W及用戶的利益，自適應群智計算任務分配算法能夠根據(jù)當前的情況，尋找出當前最佳的 分配方案分配出去，具有很高的實用價值，在基于移動社交網(wǎng)絡的群智計算在線任務分配 方法的普及上有著廣泛的市場前景。
[0004] 為解決上述技術問題，本發(fā)明提供一種基于移動社交網(wǎng)絡的群智計算在線任務分 配方法，包括W下步驟： (1)任務的發(fā)布者對所存儲的用戶信息，根據(jù)存儲的歷史參數(shù)，分別計算所存儲的用戶 在未來完成此任務的成功概率的期望值： 不同用戶之間的建立連接的概率服從指數(shù)分布，則兩用戶在將來兩次建立連接的概率 關
其中T為最后有效時間、I自為當前時間，每個任務完 成的可能性為◎二其中C為用戶完成任務的歷史成功率； (2) 當任務發(fā)布者通過移動社交網(wǎng)絡平臺與某個移動社交網(wǎng)絡用戶建立連接時，實時 更新和重新計算該移動社交網(wǎng)絡用戶完成任務的期望值： 調整之前計算的完成任務的成功概率，根據(jù)參數(shù)計算未來建立連接一次的概率為
，相應的每個任務將來完成的可能性為I:二t載i;?，將新計算的成功率I替 代原有的I，對每個任務，將所有計算到的不同用戶完成任務的成功率進行排序； (3) 用調整后的新的期望值代替原有期望值，并根據(jù)新計算的期望值進行在線任務分 配： 對每一個任務，取最大的用戶完成任務的可能性與任務的闊值比較，任務的闊值是任 務值得完成的最低可能性，如果最大的可能性低于闊值，則需要分配多人完成此任務直到 聯(lián)合的可能性大于闊值，而選擇的用戶則優(yōu)先從完成率次大的用戶中選取，運些用戶組成 用戶組，合作完成運個任務，如果此刻正建立連接的用戶在運個用戶組中，我們將任務分配 給運個用戶，否則不進行分配。
[0005] 在本發(fā)明一個較佳實施例中，所述用戶信息包括用戶姓名和用戶ID。
[0006] 在本發(fā)明一個較佳實施例中，所述參數(shù)包括用戶完成任務的歷史成功率C和不 同用戶間的建立連接的概率系數(shù)入。
[0007] 在本發(fā)明一個較佳實施例中，用戶在第一次建立連接時決定是否分配任務，如果 第一次連接時分配了任務并且被分配的用戶在下次連接前完成了任務，那么用戶在再次建 立連接時，回收任務的結果。
[0008] 本發(fā)明的有益效果是：本發(fā)明基于移動社交網(wǎng)絡的群智計算在線任務分配方法在 改變用戶任務數(shù)量W及網(wǎng)絡中用戶數(shù)量的情況下，使用本發(fā)明尋找到的完成任務的用戶數(shù) 量均小于一般的建立連接即分配和隨機分配算法，從而能夠很好地節(jié)省開銷，具有很強的 實用價值，在基于移動社交網(wǎng)絡的群智計算在線任務分配方法的普及上有著廣泛的市場前 景。
【附圖說明】
[0009] 為了更清楚地說明本發(fā)明實施例中的技術方案，下面將對實施例描述中所需要使 用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于 本領域普通技術人員來講，在不付出創(chuàng)造性勞動的前提下，還可W根據(jù)運些附圖獲得其它 的附圖，其中： 圖1是本發(fā)明的基于移動社交網(wǎng)絡的群智計算在線任務分配方法一較佳實施例的硬 件設備結構示意圖； 圖2是本發(fā)明的基于移動社交網(wǎng)絡的群智計算在線任務分配方法一較佳實施例的網(wǎng) 絡中用戶數(shù)量對仿真結果的影響示意圖； 圖3是本發(fā)明的基于移動社交網(wǎng)絡的群智計算在線任務分配方法一較佳實施例的用 戶群智計算任務數(shù)量對仿真結果的影響示意圖； 圖4是本發(fā)明的基于移動社交網(wǎng)絡的群智計算在線任務分配方法一較佳實施例的流 程圖。
【具體實施方式】
[0010] 下面將對本發(fā)明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施 例僅是本發(fā)明的一部分實施例，而不是全部的實施例。基于本發(fā)明中的實施例，本領域普通 技術人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其它實施例，都屬于本發(fā)明保護的范 圍。
[0011] 請參閱圖1-圖4,本發(fā)明實施例包括： 一種基于移動社交網(wǎng)絡的群智計算在線任務分配方法，包括W下步驟： (1) 任務的發(fā)布者對所存儲的用戶信息，根據(jù)存儲的歷史參數(shù)，分別計算所存儲的用戶 在未來完成此任務的成功概率的期望值： 不同用戶之間的建立連接的概率服從指數(shù)分布，則兩用戶在將來兩次建立連接的概率 關
，其中X為最后有效時間、;|^為當前時間，每個任務完 成的可能性為@ = 其中C為用戶完成任務的歷史成功率； (2) 當任務發(fā)布者通過移動社交網(wǎng)絡平臺與某個移動社交網(wǎng)絡用戶建立連接時，實時 更新和重新計算該移動社交網(wǎng)絡用戶完成任務的期望值： 調整之前計算的完成任務的成功概率，根據(jù)參數(shù)計算未來建立連接一次的概率為
相應的每個任務將來完成的可能性為將新計算的成功率皆替 代原有的I，對每個任務，將所有計算到的不同用戶完成任務的成功率進行排序； (3) 用調整后的新的期望值代替原有期望值，并根據(jù)新計算的期望值進行在線任務分 配： 對每一個任務，取最大的用戶完成任務的可能性與任務的闊值比較，任務的闊值是任 務值得完成的最低可能性，如果最大的可能性低于闊值，則需要分配多人完成此任務直到 聯(lián)合的可能性大于闊值，而選擇的用戶則優(yōu)先從完成率次大的用戶中選取，運些用戶組成 用戶組，合作完成運個任務，如果此刻正建立連接的用戶在運個用戶組中，我們將任務分配 給運個用戶，否則不進行分配。
[0012] 優(yōu)選地，所述用戶信息包括用戶姓名和用戶ID。
[0013] 優(yōu)選地，所述參數(shù)包括用戶完成任務的歷史成功率C和不同用戶間的建立連接 的概率系數(shù)入。
[0014] 優(yōu)選地，用戶在第一次建立連接時決定是否分配任務，如果第一次連接時分配了 任務并且被分配的用戶在下次連接前完成了任務，那么用戶在再次建立連接時，回收任務 的結果。
[0015] 圖1給出了基于本發(fā)明的相關系統(tǒng)的功能實現(xiàn)結構圖，從圖1中我們可W看出，實 現(xiàn)本發(fā)明大體需要幾個模塊，其最主要包括：用戶信息模塊W及任務管理模塊。其中用戶信 息模塊的主要功能是管理用戶的相關信息，包括本機用戶W及從前已經(jīng)建立過連接的用戶 (即未來可能建立連接的用戶）。信息的內容主要包括：用戶姓名，用戶id(識別用戶身份的 唯一標識）等用于描述用戶身份的信息，此外還包含有未來可能建立連接用戶的相應參數(shù) 信息，包括：用戶完成任務的歷史成功率C，不同用戶間的建立連接的概率系數(shù)A等。用戶 信息模塊主要管理的是用戶運些信息的實時跟新(具體的實施方式在下面會提到）W及與 任務管理模塊的相互通信，w便用戶管理模塊能夠及時的調用運些相關信息。任務管理模 塊的主