一種基于移動社交網(wǎng)絡(luò)的群智計算在線任務(wù)分配方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及移動技術(shù)領(lǐng)域，特別是設(shè)及一種基于移動社交網(wǎng)絡(luò)的群智計算在線任 務(wù)分配方法。
【背景技術(shù)】
[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(fù)雜的大規(guī)模的計算任務(wù)。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(wù)量大而難W獨(dú)立完成的任務(wù)，劃分 為不同小任務(wù)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(shè)備的用戶看作是一個獨(dú)立的傳感器，并利用他們協(xié)助 完成大規(guī)模、復(fù)雜的社會感知任務(wù)。簡單來說，群智計算就是利用多個用戶通過任務(wù)分解、 分布式執(zhí)行、結(jié)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(fù)雜任務(wù)的一種計算 模式。隨著今年來移動終端技術(shù)的發(fā)展，移動終端如手機(jī)，平板，掌上電腦等早已成為人們 的生活必備品。運(yùn)些移動終端配備有強(qiáng)大的計算內(nèi)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(shè)備的計算能力甚至超過了某些PC機(jī)，因此，移動 終端能在一定程度上替代原有的傳感設(shè)備，完成某些傳感任務(wù)。此外，搭載在移動社交網(wǎng)絡(luò) 上的群智計算系統(tǒng)，能夠利用移動社交網(wǎng)絡(luò)的移動特性，減少任務(wù)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(yīng)對的、與人類生活密切相關(guān)的復(fù)雜感知 任務(wù)，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(yīng)用前景。

【發(fā)明內(nèi)容】

[0003] 本發(fā)明主要解決的技術(shù)問題是提供一種基于移動社交網(wǎng)絡(luò)的群智計算在線任務(wù) 分配方法，通過將群智計算系統(tǒng)搭載在移動網(wǎng)絡(luò)中，利用移動網(wǎng)絡(luò)進(jìn)行任務(wù)的分配，任務(wù)處 理W及結(jié)果回收的系統(tǒng)，除了發(fā)揮出移動網(wǎng)絡(luò)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(shè)備難W完成的人工任務(wù)，系統(tǒng)中的任務(wù)分配關(guān)乎任務(wù)完成的速度 W及用戶的利益，自適應(yīng)群智計算任務(wù)分配算法能夠根據(jù)當(dāng)前的情況，尋找出當(dāng)前最佳的 分配方案分配出去，具有很高的實(shí)用價值，在基于移動社交網(wǎng)絡(luò)的群智計算在線任務(wù)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(shù)問題，本發(fā)明提供一種基于移動社交網(wǎng)絡(luò)的群智計算在線任務(wù)分 配方法，包括W下步驟： (1)任務(wù)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(wù)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(guān)
其中T為最后有效時間、I自為當(dāng)前時間，每個任務(wù)完 成的可能性為◎二其中C為用戶完成任務(wù)的歷史成功率； (2) 當(dāng)任務(wù)發(fā)布者通過移動社交網(wǎng)絡(luò)平臺與某個移動社交網(wǎng)絡(luò)用戶建立連接時，實(shí)時 更新和重新計算該移動社交網(wǎng)絡(luò)用戶完成任務(wù)的期望值： 調(diào)整之前計算的完成任務(wù)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(yīng)的每個任務(wù)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(wù)，將所有計算到的不同用戶完成任務(wù)的成功率進(jìn)行排序； (3) 用調(diào)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(jìn)行在線任務(wù)分 配： 對每一個任務(wù)，取最大的用戶完成任務(wù)的可能性與任務(wù)的闊值比較，任務(wù)的闊值是任 務(wù)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(wù)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(yùn)些用戶組成 用戶組，合作完成運(yùn)個任務(wù)，如果此刻正建立連接的用戶在運(yùn)個用戶組中，我們將任務(wù)分配 給運(yùn)個用戶，否則不進(jìn)行分配。
[0005] 在本發(fā)明一個較佳實(shí)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(shí)施例中，所述參數(shù)包括用戶完成任務(wù)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(shí)施例中，用戶在第一次建立連接時決定是否分配任務(wù)，如果 第一次連接時分配了任務(wù)并且被分配的用戶在下次連接前完成了任務(wù)，那么用戶在再次建 立連接時，回收任務(wù)的結(jié)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(luò)的群智計算在線任務(wù)分配方法在 改變用戶任務(wù)數(shù)量W及網(wǎng)絡(luò)中用戶數(shù)量的情況下，使用本發(fā)明尋找到的完成任務(wù)的用戶數(shù) 量均小于一般的建立連接即分配和隨機(jī)分配算法，從而能夠很好地節(jié)省開銷，具有很強(qiáng)的 實(shí)用價值，在基于移動社交網(wǎng)絡(luò)的群智計算在線任務(wù)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(shí)施例中的技術(shù)方案，下面將對實(shí)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(shí)施例，對于 本領(lǐng)域普通技術(shù)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(yùn)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(luò)的群智計算在線任務(wù)分配方法一較佳實(shí)施例的硬 件設(shè)備結(jié)構(gòu)示意圖； 圖2是本發(fā)明的基于移動社交網(wǎng)絡(luò)的群智計算在線任務(wù)分配方法一較佳實(shí)施例的網(wǎng) 絡(luò)中用戶數(shù)量對仿真結(jié)果的影響示意圖； 圖3是本發(fā)明的基于移動社交網(wǎng)絡(luò)的群智計算在線任務(wù)分配方法一較佳實(shí)施例的用 戶群智計算任務(wù)數(shù)量對仿真結(jié)果的影響示意圖； 圖4是本發(fā)明的基于移動社交網(wǎng)絡(luò)的群智計算在線任務(wù)分配方法一較佳實(shí)施例的流 程圖。
【具體實(shí)施方式】
[0010] 下面將對本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施 例僅是本發(fā)明的一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通 技術(shù)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(shí)施例，都屬于本發(fā)明保護(hù)的范 圍。
[0011] 請參閱圖1-圖4,本發(fā)明實(shí)施例包括： 一種基于移動社交網(wǎng)絡(luò)的群智計算在線任務(wù)分配方法，包括W下步驟： (1) 任務(wù)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(wù)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(guān)
，其中X為最后有效時間、;|^為當(dāng)前時間，每個任務(wù)完 成的可能性為@ = 其中C為用戶完成任務(wù)的歷史成功率； (2) 當(dāng)任務(wù)發(fā)布者通過移動社交網(wǎng)絡(luò)平臺與某個移動社交網(wǎng)絡(luò)用戶建立連接時，實(shí)時 更新和重新計算該移動社交網(wǎng)絡(luò)用戶完成任務(wù)的期望值： 調(diào)整之前計算的完成任務(wù)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(yīng)的每個任務(wù)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(wù)，將所有計算到的不同用戶完成任務(wù)的成功率進(jìn)行排序； (3) 用調(diào)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(jìn)行在線任務(wù)分 配： 對每一個任務(wù)，取最大的用戶完成任務(wù)的可能性與任務(wù)的闊值比較，任務(wù)的闊值是任 務(wù)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(wù)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(yùn)些用戶組成 用戶組，合作完成運(yùn)個任務(wù)，如果此刻正建立連接的用戶在運(yùn)個用戶組中，我們將任務(wù)分配 給運(yùn)個用戶，否則不進(jìn)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(wù)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(wù)，如果第一次連接時分配了 任務(wù)并且被分配的用戶在下次連接前完成了任務(wù)，那么用戶在再次建立連接時，回收任務(wù) 的結(jié)果。
[0015] 圖1給出了基于本發(fā)明的相關(guān)系統(tǒng)的功能實(shí)現(xiàn)結(jié)構(gòu)圖，從圖1中我們可W看出，實(shí) 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(wù)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(guān)信息，包括本機(jī)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(nèi)容主要包括：用戶姓名，用戶id(識別用戶身份的 唯一標(biāo)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(yīng)參數(shù) 信息，包括：用戶完成任務(wù)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(yùn)些信息的實(shí)時跟新(具體的實(shí)施方式在下面會提到）W及與 任務(wù)管理模塊的相互通信，w便用戶管理模塊能夠及時的調(diào)用運(yùn)些相關(guān)信息。任務(wù)管理模 塊的主