群智感知不对称信息场景中的激励方法技术

本发明专利技术涉及一种群智感知不对称信息场景中的激励方法，步骤如下：对群智感知场景进行特征提取并构建为数学模型，量化定义抽象概念，进行研究分析；再利用契约理论，将群智感知转换为契约关系，在不同场景中根据代理人存在的努力不可观测情况分析道德风险问题并求解契约，即给出最优报酬、最优努力方案。本发明专利技术利用契约理论设计群智感知下的激励机制，克服了在不对称信息场景中努力不可观测的现象，由于代理人与委托人利益相冲突，代理人容易伪装信息来使自身利益增大，从而使委托人利益减小，本发明专利技术设计出最优的报酬方案，有效地激励代理人按照契约执行任务，让委托人在群智感知中获得最大收益，具有一定的参考价值和实际经济效益。

Swarm intelligence, asymmetric information, scene, incentive method

The invention relates to a method of incentive, the population of asymmetric information in scene perception intelligence comprises the following steps: extracting feature of swarm intelligent scene perception and construct the mathematical model, the abstract concept of quantitative definition, research and analysis; then use the contract theory, the swarm intelligence perception into contract relationship in different scenarios according to the agent efforts can not be observed of the moral hazard problem and solving the optimal contract, namely, the optimal effort reward scheme. The design of incentive mechanism of crowdsourcing under contract theory, overcomes the asymmetric information in scene to unobservable phenomenon, because of the conflicts between the interests of the client and agent, agent easy to camouflage information to their own interests increased, so that the interests of the client is reduced, the invention designs the optimal compensation plan, effectively in accordance with the contract incentive agents to perform tasks, let client get the maximum profit in crowdsourcing, has certain reference value and actual economic benefit.

【技术实现步骤摘要】
群智感知不对称信息场景中的激励方法
本专利技术涉及一种群智感知不对称信息场景中的激励方法。
技术介绍
移动群智感知是一种新的感知模式，它给人们的生活带来了更多的合作与收益，利用空闲的社会资源创造了新的利润。它的运用范围十分广泛，通过大众的智慧利用传感等技术获取知识。受限于感知任务参与者数量不足和提供数据质量不高，群智感知的发展受到了严重的影响。因此需要设计激励机制让代理人有所付出有所收获，在参与感知任务时享受到互帮互助的乐趣。激励方式可分为多种，例如从回报方式上可以分为金钱式的激励和非金钱式的激励。基于契约的激励机制是金钱式激励中较为典型的一个方法，它针对群智感知中存在的某些信息不可被观测的特征，代理人与委托人的利益相冲突，代理人为了增大自己的利益而伪装隐瞒真实信息，这使得委托人的权益受限制并且利益被削减。为了更好地解决这个问题，契约理论可通过多个约束条件来设计方案，有效地解决了委托人对于金钱激励的规划，达到更优越的激励效果，让代理人和委托人双方均获利。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种群智感知不对称信息场景中的激励方法，以提高群智感知中经济效益与传感质量。为实现上述目的，本专利技术采用如下技术方案：一种群智感知不对称信息场景中的激励方法，其特征在于，包括以下步骤：步骤S1：对群智感知场景进行特征提取并构建为数学模型；步骤S2：利用契约理论，将群智感知转换为契约关系，并求出委托人和代理人相应的期望效益函数；步骤S3：针对对称信息场景以及不对称信息场景求解契约，给出最优报酬方案；步骤S4：根据所述最优报酬方案计算委托人在选择不同努力程度时的期望效益，比较不同努力程度时的期望效益，并给出最优努力的判别不等式及最优努力的选择方案；步骤S5：激励代理人按照契约执行任务并根据最优报酬方案得到报酬，使委托人在群智感知中获得最大收益。进一步的，所述群智感知场景的信息采集过程如下：步骤S11：在信息传输采集系统中，由一个委托人公布一个采集任务，介绍任务内容并公布不同质量的结果相对应的报酬；步骤S12：代理人接受所述采集任务，使用手机采集信息并将结果递交给委托人；步骤S13：代理人完成任务后就会得到相对应的报酬，用于支付完成任务的物质损耗和的贡献信息的奖赏。进一步的，代理人递交的结果好坏取决于代理人用以传输数据所用的信息传输速率，其表达式如下：其中，Xi为信息传输速率，B为带宽，S为代理人的移动设备的传输功率，N为高斯噪声的功率；设置一阈值X，若信息传输速率Xi大于阈值X，则将对应的结果定义为好结果X1，对应的代理人为高努力代理人；否则对应的结果定义为坏结果X0，对应的代理人为低努力代理人；高努力代理人达到好结果和坏结果的概率分别为和低努力代理人达到好结果和坏结果的概率分别为和进一步的，所述步骤S2中委托人和代理人相应的期望效益函数如下：其中，EV为委托人的期望收益，EU为代理人的期望收益；w(Xi)为代理人的报酬，u(w(Xi))为代理人的收益，v(e)为代理人的支出；k为数据和金额的转换系数；pi为代理人达到好结果和坏结果的概率，为了最大化委托人的效益，并让代理人按照契约执行，设计契约形式为进一步的，所述步骤S3的具体内容如下：在对称信息场景，即委托人知道所有代理人信息的情况下，最大化问题为：其中下式为个体理性约束，代表代理人在此契约下的收益必须大于其保留收益U；将最大化问题求解得出契约方案，对于低努力则C＝{Xi,u-1(U)},对于高努力则C＝{Xi,u-1(v(eH)+U)},在不对称信息场景，即委托人无法观测代理人信息的情况下，最大化问题为：其中最后一式为激励约束，代表若代理人提升努力所增加的收益若大于所增加的成本，则他会选择提升努力，反之代理人会选择使用低努力；将最大化问题求解得出契约方案，对于低努力则C＝{Xi,u-1(U)},对于高努力则进一步的，步骤S4中，所述最优努力为当委托人偏好这种努力时，可以获得更高的收益的努力，根据步骤S3中计算的契约，在对称信息情境下，委托人选择高努力和地努力的收益分别为：当EUH≥EUL时，即得到最优努力判别不等式：同样地，在不对称信息情境下得到最优努力判别不等式：当其成立时，则最优努力为高努力，反之为低努力。本专利技术与现有技术相比具有以下有益效果：本专利技术利用契约理论设计群智感知下的激励机制，克服了在不对称信息场景中努力不可观测的现象，由于代理人与委托人利益相冲突，代理人容易伪装信息来使自身利益增大，从而使委托人利益减小，本专利技术设计出最优的报酬方案，有效地激励代理人按照契约执行任务，让委托人在群智感知中获得最大收益，具有一定的参考价值和实际经济效益。附图说明图1是本专利技术一实施例的群智感知场景的信息采集过程示意图。图2是本专利技术的信息传输速率密度分布图。图3是本专利技术的契约方案即最优报酬示意图。具体实施方式下面结合附图及实施例对本专利技术做进一步说明。本实施例提供一种群智感知不对称信息场景中的激励方法，包括以下步骤：步骤S1：对群智感知场景进行特征提取并构建为数学模型；于本实施例中，所述群智感知场景的信息采集过程包括以下三步，具体如下：步骤S11：在信息传输采集系统中，由一个委托人公布一个采集任务，介绍任务内容并公布不同质量的结果相对应的报酬；步骤S12：有一些代理人响应，表示对所述采集任务感兴趣，该代理人接收所述采集任务，使用手机采集信息并将结果递交给委托人；步骤S13：代理人完成任务后就会得到相对应的报酬，用于支付完成任务的物质损耗和的贡献信息的奖赏；该报酬实际上与代理人递交的结果相挂钩。于本实施例中，所述代理人递交的结果好坏取决于步骤S12中代理人用以传输数据所用的信息传输速率，其表达式如下：其中，Xi为信息传输速率，B为带宽，S为代理人的移动设备的传输功率，代理人可自行选择高功率传输或低功率传输，相应地将这两种行为定义为高努力eH和低努力eL，N为高斯噪声的功率；设置一阈值X，若信息传输速率Xi大于阈值X，则将对应的结果定义为好结果X1，对应的代理人为高努力代理人；否则对应的结果定义为坏结果X0，对应的代理人为低努力代理人；高努力代理人达到好结果和坏结果的概率分别为和低努力代理人达到好结果和坏结果的概率分别为和且以及步骤S2：利用契约理论，将群智感知转换为契约关系，并求出委托人和代理人相应的期望效益函数；步骤S1中的信息采集过程存在1个委托人和n个代理人，效益函数定义为收入减去成本，委托人和代理人相应的期望效益函数分别如下：其中，EV为委托人的期望收益，EU为代理人的期望收益；w(Xi)为代理人的报酬，u(w(Xi))为代理人的收益；v(e)为代理人的支出，其努力程度挂钩，高努力成本为v(eH)，低努力成本为v(eL)＝0；k为数据和金额的转换系数，可默认为1；pi为代理人达到好结果和坏结果的概率，通过上两式的对比，发现委托人和代理人之间存在效益冲突，为了最大化委托人的效益，并让代理人按照契约执行，需要设计一个契约形式为步骤S3：针对对称信息场景以及不对称信息场景求解契约，给出最优报酬方案；为了最大化委托人的效益，并让代理人按照契约执行，在计算契约的最优合约时，可将问题构造成一个带有约束的最大化问题，可使用朗格朗日乘子法来求解；在对称信息场景，即委托人知道本文档来自技高网...

【技术保护点】
一种群智感知不对称信息场景中的激励方法，其特征在于，包括以下步骤：步骤S1：对群智感知场景进行特征提取并构建为数学模型；步骤S2：利用契约理论，将群智感知转换为契约关系，并求出委托人和代理人相应的期望效益函数；步骤S3：针对对称信息场景以及不对称信息场景求解契约，给出最优报酬方案；步骤S4：根据所述最优报酬方案计算委托人在选择不同努力程度时的期望效益，比较不同努力程度时的期望效益，并给出最优努力的判别不等式及最优努力的选择方案；步骤S5：激励代理人按照契约执行任务并根据最优报酬方案得到报酬，使委托人在群智感知中获得最大收益。

【技术特征摘要】
1.一种群智感知不对称信息场景中的激励方法，其特征在于，包括以下步骤：步骤S1：对群智感知场景进行特征提取并构建为数学模型；步骤S2：利用契约理论，将群智感知转换为契约关系，并求出委托人和代理人相应的期望效益函数；步骤S3：针对对称信息场景以及不对称信息场景求解契约，给出最优报酬方案；步骤S4：根据所述最优报酬方案计算委托人在选择不同努力程度时的期望效益，比较不同努力程度时的期望效益，并给出最优努力的判别不等式及最优努力的选择方案；步骤S5：激励代理人按照契约执行任务并根据最优报酬方案得到报酬，使委托人在群智感知中获得最大收益。2.根据权利要求1所述的群智感知不对称信息场景中的激励方法，其特征在于：所述群智感知场景的信息采集过程如下：步骤S11：在信息传输采集系统中，由一个委托人公布一个采集任务，介绍任务内容并公布不同质量的结果相对应的报酬；步骤S12：代理人接受所述采集任务，使用手机采集信息并将结果递交给委托人；步骤S13：代理人完成任务后就会得到相对应的报酬，用于支付完成任务的物质损耗和的贡献信息的奖赏。3.根据权利要求2所述的群智感知不对称信息场景中的激励方法，其特征在于：代理人递交的结果好坏取决于代理人用以传输数据所用的信息传输速率，其表达式如下：其中，Xi为信息传输速率，B为带宽，S为代理人的移动设备的传输功率，N为高斯噪声的功率；设置一阈值X，若信息传输速率Xi大于阈值X，则将对应的结果定义为好结果X1，对应的代理人为高努力代理人；否则对应的结果定义为坏结果X0，对应的代理人为低努力代理人；高努力代理人达到好结果和坏结果的概率分别为和低努力代理人达到好结果和坏结果的概率分别为和4.根据权利要求3所述的群智感知不对称信息场景中的激励方法，其特征在于：所述步骤S2中委托人和代理人相应的期望效益函数如下：其中，EV为委托人的期望收益，EU为代理人的期望收益；w(Xi)为代理人的报酬，u(w(Xi))为代理人的收益，v(e)为代理人的支出；k为数据和金额的转换系数，可默认为1；pi为代理人达到好结果和坏结果的概率，为了最大化委托人的效益，并让代理人按照契约执行，设计契约形式为5.根据权利要求4所述的群智感知不对称信息场...

【专利技术属性】
技术研发人员：冯心欣，林烨婷，凌献尧，陈忠辉，
申请(专利权)人：福州大学，
类型：发明
国别省市：福建,35