使移动群智感知系统趋于稳定的方法

摘要

本发明提供了一种使移动群智感知系统趋于稳定的方法，通过调整所述数据贡献者选择感知平台的情况至稳定，并计算稳定后每个感知平台的收益，根据所述每个感知平台的收益，调整预设的每个感知平台的预算，最终使移动群智感知系统达到稳定。整个过程不仅考虑了若干数据贡献者行为的调整，还考虑到若干感知平台行为的调整各对移动群智感知系统的影响，较好地匹配移动群智感知系统中所有感知平台及所有数据贡献者的需求，使得移动群智感知系统快速趋于稳定。

说明书

技术领域

本发明涉及通信技术领域，特别涉及一种使移动群智感知系统趋于稳定的 方法。

背景技术

近年来，随着智能手机用户急剧增长，由于每个智能手机中均嵌入了丰富 的传感器，这使得智能手机用户能方便地收集并分享周围环境的感知数据。因 此，基于智能手机的移动群智感知应运而生，并应用在很多方面，比如，应用 于道路交通状况监测、室内地图构建等。每个感知平台在发布任务，而手机用 户通过收集感知数据上传给感知平台完成每个平台的任务。当然，智能手机作 为数据贡献者，考虑在收集数据过程中会有电量消耗及时间成本，感知平台会 给数据贡献者支付报酬。

不同应用的多个感知平台和智能手机群体构成了一个移动群智感知系统。 而一个感知平台能支付的总报酬是有限的，而且由其所有数据贡献者分享。每 个贡献数据者精力有限，所能收集的数据也是有限的。移动群智感知系统中的 贡献数据者及感知平台各有利益追求，系统资源又有限，现有的方法仅仅考虑 了数据贡献者群体调整各自的行为，很少考虑，多个感知平台调整各自的行为 对移动群智感知系统稳定的影响。如何调整移动群智感知系统中的贡献数据者 及多个感知平台的行为，使得各自的收益均达到最大，这是事关移动群智感知 系统稳定运行的重要问题，也是更好地匹配其中感知平台的需求和数据贡献者 的能力需要解决的问题。

发明内容

本发明的目的在于提供一种使移动群智感知系统趋于稳定的方法，以解决 使用现有技术中的方法，仅考虑数据贡献者群体调整各自的行为，而没考虑多 个感知平台调整各自的行为对移动群智感知系统稳定的影响，导致移动群智感 知系统运行稳定性差的问题。

为解决上述技术问题，本发明提供一种使移动群智感知系统趋于稳定的方 法，所述移动群智感知系统包括若干数据贡献者和若干感知平台，所述使移动 群智感知系统趋于稳定的方法包括：

S1：在所述若干感知系统中发布感知任务，并预设每个感知平台的预算， 所述数据贡献者选择感知平台完成感知任务；

S2：调整所述数据贡献者选择感知平台的情况至稳定，并计算稳定后每个 感知平台的收益；

S3：根据所述每个感知平台的收益，调整预设的每个感知平台的预算；

S4：判断每个感知平台的预算在调整前后是否一致；若一致，则移动群智 感知系统达到稳定，反之，则在调整后的预设的每个感知平台的预算下，执行 步骤S2。

可选的，在所述的使移动群智感知系统趋于稳定的方法中，步骤S2中，所 述调整所述数据贡献者选择感知平台的情况至稳定包括：

S20：统计参加每个感知平台的数据贡献者数量及数据贡献者在各个感知平 台分布；

S21：以时槽为单位，计算移动群智感知系统中数据贡献者的报酬平均值及 每个感知平台下每个数据贡献者所获得的报酬；

S22：判断每个数据贡献者所获得的报酬是否大于或等于所述报酬平均值， 若是，则数据贡献者在下一时槽坚持选择当前时槽所选择的感知平台，反之， 则数据贡献者在下一时槽按照一定的概率改选为其它感知平台；

S23：反复执行步骤S20～S22，直至每个数据贡献者所获得的所述报酬均大 于或等于报酬平均值为止。

可选的，在所述的使移动群智感知系统趋于稳定的方法中，步骤S20中， 计算移动群智感知系统中数据贡献者的报酬的平均值采用如下公式：

其中，x(t)为第t个时槽中，数据贡献者在各个感知平台的分布， x(t)＝(x₁(t)，...，x_i(t)...，x_M(t))，$x_i\left(t\right)=\frac{N_i\left(t\right)}{N},$

可选的，在所述的使移动群智感知系统趋于稳定的方法中，步骤S21中， 计算每个感知平台下每个数据贡献者所获得的报酬采用如下公式：

N_i(t)为第t个时槽结束时加入序号为i的感知平台的数据贡献者的数量， B_i(s)为第s轮调整预设的每个感知平台的预算后，序号为 i的感知平台的预算。

可选的，在所述的使移动群智感知系统趋于稳定的方法中，步骤S22中， 当数据贡献者所获得的报酬是小于所述报酬平均值时，数据贡献者在下一时槽 按照一定的概率改选为其它感知平台，计算所述一定的概率采用如下公式：

$E_m=\frac{x_m\left(t\right)\max \{({\pi }_m\left(t\right)-\bar{\pi }\left(x\left(t\right)\right)),0\}}{{\Sigma }_{i=1}^M{x}_i\left(t\right)\max \{({\pi }_i\left(t\right)-\bar{\pi }\left(x\left(t\right)\right)),0\}},$

E_m为数据贡献者在下一时槽改选为序号为m的感知平台的概率。

可选的，在所述的使移动群智感知系统趋于稳定的方法中，步骤S2中，所 述数据贡献者选择感知平台的情况稳定后，各个感知平台的数据贡献者分布采 用如下式子表征：

可选的，在所述的使移动群智感知系统趋于稳定的方法中，步骤S2中，计 算稳定后每个感知平台的收益采用如下公式：

U_i(s)表示经过s轮调整预设的每个感知平台的预算后，序号为i的感知平台 的收益，σ_i为收益系数。

可选的，在所述的使移动群智感知系统趋于稳定的方法中，步骤S3中，计 算调整后的预设的每个感知平台的预算采用如下公式：

$B_i(s+1)=\frac{1}{2}(-\Sigma B_{-i}\left(s\right)+\sqrt{{\left(\Sigma B_{-i}\left(s\right)\right)}^2+4{\sigma }_i\Sigma B_{-i}\left(s\right)}),$

其中，σ_i为收益系数。

可选的，在所述的使移动群智感知系统趋于稳定的方法中，步骤S4中，所 述移动群智感知系统达到稳定时，计算各个感知平台的预算采用如下公式：

其中，σ_i为收益系数；

各个感知平台的数据贡献者分布采用如下式子表征：

计算各个感知平台的收益采用如下公式：

在本发明所提供的使移动群智感知系统趋于稳定的方法中，通过调整所述 数据贡献者选择感知平台的情况至稳定，并计算稳定后每个感知平台的收益， 根据所述每个感知平台的收益，调整预设的每个感知平台的预算，最终使移动 群智感知系统达到稳定。整个过程不仅考虑了若干数据贡献者行为的调整，还 考虑到若干感知平台行为的调整各对移动群智感知系统的影响，较好地匹配移 动群智感知系统中所有感知平台及所有数据贡献者的需求，使得移动群智感知 系统快速趋于稳定。

附图说明

图1是本发明一实施例中使移动群智感知系统趋于稳定的方法的流程图；

图2是本发明一实施例中调整所述数据贡献者选择感知平台的情况至稳定 的流程图。

具体实施方式

以下结合附图和具体实施例对本发明提出的使移动群智感知系统趋于稳定 的方法作进一步详细说明。根据下面说明和权利要求书，本发明的优点和特征 将更清楚。需说明的是，附图均采用非常简化的形式且均使用非精准的比例， 仅用以方便、明晰地辅助说明本发明实施例的目的。

请参考图1，其为本发明一实施例中使移动群智感知系统趋于稳定的方法的 流程图，如图1所示，所述的使移动群智感知系统趋于稳定的方法，包括如下 步骤：

首先，执行步骤S1，在所述若干感知系统中发布感知任务，并预设每个感 知平台的预算，所述数据贡献者选择感知平台完成感知任务。初始时，在每个 感知平台的预设预算，这里的预算相当于每个感知平台愿意支付各自感知平台 发布的感知任务所支付的总报酬，这里为了较好了理解整个方案，将步骤S1中 预设每个感知平台的预算作为第s轮调整，此时s＝1。

接着，执行步骤S2，调整所述数据贡献者选择感知平台的情况至稳定，并 计算稳定后每个感知平台的收益；步骤S2设定的目的就是确保第s轮调整预设 每个感知平台的预算后，实现数据贡献者调整各自的行为(即数据贡献者选择 感知平台)稳定，满足数据贡献者的收益最大化的同时还降低了数据贡献者调 整各自的行为对使移动群智感知系统趋于稳定所造成的影响。

请参考图2，其为本发明一实施例中调整所述数据贡献者选择感知平台的情 况至稳定的流程图。如图2所示，所述调整所述数据贡献者选择感知平台的情 况至稳定包括如下步骤：

首先，执行步骤S20，统计参加每个感知平台的数据贡献者数量及数据贡献 者在各个感知平台分布；其中统计参加每个感知平台的数据贡献者数量及数据 贡献者在各个感知平台分布是通过第三方机构(例如移动群智感知系统的监管 者)完成的，为后续执行步骤S21，从而计算每个感知平台下每个数据贡献者所 获得的报酬及移动群智感知系统中数据贡献者的报酬平均值奠定基础。

接着，执行步骤S21，计算移动群智感知系统中数据贡献者的报酬平均值及 每个感知平台下每个数据贡献者所获得的报酬；其中，计算移动群智感知系统 中数据贡献者的报酬的平均值采用如下公式：

其中，x(t)为第t个时槽中，数据贡献者在各个感知平台的分布， x(t)＝(x₁(t)，...，x_i(t)...，x_M(t))，$x_i\left(t\right)=\frac{N_i\left(t\right)}{N},$

计算每个感知平台下每个数据贡献者所获得的报酬采用如下公式：

N_i(t)为第t个时槽结束时加入序号为i的感知平台的数据贡献者的数量， B_i(s)为第s轮调整预设的每个感知平台的预算后，序号为 i的感知平台的预算。

接着，执行步骤S22，判断每个数据贡献者所获得的报酬是否大于或等于所 述报酬平均值，若是，则数据贡献者在下一时槽坚持选择当前时槽所选择的感 知平台，反之，则数据贡献者在下一时槽按照一定的概率改选为其它感知平台；

其中，当数据贡献者所获得的报酬是小于所述报酬平均值时，数据贡献者 在下一时槽按照一定的概率改选为其它感知平台，计算所述一定的概率采用如 下公式：

$E_m=\frac{x_m\left(t\right)\max \{({\pi }_m\left(t\right)-\bar{\pi }\left(x\left(t\right)\right)),0\}}{{\Sigma }_{i=1}^M{x}_i\left(t\right)\max \{({\pi }_i\left(t\right)-\bar{\pi }\left(x\left(t\right)\right)),0\}},$

E_m为数据贡献者在下一时槽改选为序号为m的感知平台的概率，计算的 E_m值越大，表示数据贡献者群体改选为感知平台m的概率越大。

接着，执行步骤S23，反复执行步骤S20～S22，直至每个数据贡献者所获得 的所述报酬均大于或等于报酬平均值为止。此时，当每个数据贡献者所获得的 所述报酬均大于或等于报酬平均值时，说明所有数据贡献者都能获得满足自身 需求的报酬，数据贡献者在下次时槽时不会改选其它感知平台，数据贡献者选 择感知平台的情况处于稳定状态。

进一步地，步骤S2中，所述数据贡献者选择感知平台的情况稳定后，各个 感知平台的数据贡献者分布采用如下式子表征：

计算稳定后每个感知平台的收益采用如下公式：

U_i(s)表示经过s轮调整预设的每个感知平台的预算后，序号为i的感知平台 的收益，σ_i为收益系数。

接着，执行步骤S3，根据所述每个感知平台的收益，调整预设的每个感知 平台的预算；其中，计算调整后的预设的每个感知平台的预算采用如下公式：

$B_i(s+1)=\frac{1}{2}(-\Sigma B_{-i}\left(s\right)+\sqrt{{\left(\Sigma B_{-i}\left(s\right)\right)}^2+4{\sigma }_i\Sigma B_{-i}\left(s\right)}),$

其中，σ_i为收益系数。

在经过步骤S2后，数据贡献者对于第s轮调整预定的每个感知平台的预算 应对趋于稳定后，以使下一轮(即第s+1轮)每个感知平台的收益最大化为原 则，通过根据第s轮计算的每个感知平台的第s+1轮预算，调整在第s+1轮预设 的每个感知平台的预算。

接着，执行步骤S4，判断每个感知平台的预算在调整前后是否一致；若一 致，则移动群智感知系统达到稳定，反之，则在调整后的预设的每个感知平台 的预算下，执行步骤S2。事实上，在每个感知平台的预算在调整前后一致时， 等同于第s轮中每个感知平台支付给数据贡献者的报酬等于第s+1轮中每个感知 平台支付给数据贡献者的报酬，此时，每个感知平台在第s+1轮的收益和第s 轮比较，也是一样的；这样一来，移动群智感知系统达到唯一的稳定点，满足 了移动群智感知系统中所有数据贡献者及所有感知平台的收益目标。

具体的，执行步骤S4过程中，所述移动群智感知系统达到稳定时，计算各个感 知平台的预算采用如下公式：

其中，σ_i为收益系数；

各个感知平台的数据贡献者分布采用如下式子表征：

计算各个感知平台的收益采用如下公式：

本申请的整体思想在于针对任意一次感知平台预算调整，所有数据贡献者 的选择，调整有限次后，会趋于稳定，而且该选择结果对于任意程度的数据贡 献者的扰动都是健壮的；所有感知平台的预算调整，也会在有限次内稳定。实 验结果表明：针对任意一次感知平台的预算调整，所有数据贡献者的选择，以 及任意程度的扰动之后的选择，会在20次之内，会趋于稳定；所有感知平台的 预算调整，会在10次之内稳定，由此可见，本申请的所提供的使移动群智感知 系统趋于稳定的方法能够高效的实现移动群智感知系统稳定。

综上，在本发明所提供的使移动群智感知系统趋于稳定的方法中，通过调 整所述数据贡献者选择感知平台的情况至稳定，并计算稳定后每个感知平台的 收益，根据所述每个感知平台的收益，调整预设的每个感知平台的预算，最终 使移动群智感知系统达到稳定。整个过程不仅考虑了若干数据贡献者行为的调 整，还考虑到若干感知平台行为的调整各对移动群智感知系统的影响，较好地 匹配移动群智感知系统中所有感知平台及所有数据贡献者的需求，使得移动群 智感知系统快速趋于稳定。

上述描述仅是对本发明较佳实施例的描述，并非对本发明范围的任何限定， 本发明领域的普通技术人员根据上述揭示内容做的任何变更、修饰，均属于权 利要求书的保护范围。