一种基于多阶段采样的任务分配与定价方法技术

本发明专利技术公开了一种基于多阶段采样的任务分配与定价方法，将整个任务分配时段分成不同大小的子阶段，为每个子阶段分配一定的预算额度，按照每个子阶段的时间持续长度，将预算额度按比例进行；将出现在每个子阶段的任务执行人员建立合适的采样集合，根据之前阶段构建的采样集合计算出如何使用预算对任务执行人员进行支付；将每个工作者给出的结果进行整合，得出最后的结果。本发明专利技术对在线任务分配进行了分阶段决策，可更加合理地使用预算，相比于传统的定价当时，本发明专利技术采用的定价方法可以有效应对工作者自私性报价的问题。应对工作者自私性报价的问题。应对工作者自私性报价的问题。

【技术实现步骤摘要】
一种基于多阶段采样的任务分配与定价方法


[0001]本专利技术涉及众包中的任务定价，主要应用于互联网众包中，具体涉及对基于多阶段采样的任务分配定价方法。

技术介绍

[0002]众包是指一个企业(或者组织)通过互联网把过去由内部员工执行的工作任务，以自由自愿的形式外包给非特定的大众，从而达到多边共赢。众包这一概念自2006年由Howe Jeff提出后，已经成功应用在人机交互、数据库、自然语言处理、机器学习和人工智能、信息检索、计算机理论等学科领域。总体而言，众包具有以下优点：寻找不同寻常的解决方案、减少管理成本、思维多样性、更快的问题解决方式、富集更多的用户数据等。上述这些优点使得众包技术得到了学术界和工业界的广泛关注，广大研究人员密切关注众包的理论和方法，同时也涌现了许多众包的商业平台，例如猪八戒、阿里众包等。
[0003]互联网众包平台中，工作者到达平台的时间会存在不确定性。平台在发布任务时，会给出一个任务关闭时间，工作者动态到来时会向平台提交报价，平台需要立刻决定是否雇佣此工作者，并且不能修改。本章研究在线场景的众包机制设计问题。和离线场景相比，在线模型会考虑额外的时间属性。
[0004]用于处理在线模型的在线算法是计算机科学中是一种可以按串行方式逐段处理其输入的算法，即按顺序将输入馈送到算法，而无需从一开始就获得全部输入。相比之下，离线算法从开始就提供整个问题求解所需的数据，并且需要输出一个解决当前问题的答案。
[0005]在线机制设计需要在信息不完整的情况下作出决策，所以会面临如下的诸多挑战：
[0006]1)在既定的优化目标下，平台并不知道需要采购多少服务数量；
[0007]2)平台需要在工作者到来时，立刻作出决定，无法与其他工作者进行比较，也无法撤销决定；
[0008]3)机制需要考虑如何激励工作者，在到达时就给出如实的报价信息。

技术实现思路

[0009]专利技术目的：为了克服现有技术中存在的不足，本专利技术提供一种基于多阶段采样的任务分配与定价方法，本专利技术基于互联网平台中的任务和潜在工作者的不确定性，将问题建模为在线任务的机制设计问题。针对预算限制两种场景，基于在线采样和最优利润预估的思想，提出用于拓展离线机制到在线机制的多阶段采样框架。
[0010]技术方案：为实现上述目的，本专利技术采用的技术方案为：
[0011]一种基于多阶段采样的任务分配与定价方法，包括以下步骤：
[0012]步骤1，时间分配：将整个任务分配时间分成两个以上的子阶段。
[0013]步骤2，预算分配：为每个子阶段分配相应的预算额度，按照每个子阶段的时间持
续长度，将预算额度按比例进行。
[0014]步骤3，分阶段决策：构建采样集合与计算支付价格，将出现在每个子阶段的任务执行人员建立当前子阶段的采样集合，根据上一个子阶段构建的采样集合计算支付价格对任务执行人员进行支付。
[0015]步骤4，整合结果：将每个子阶段的支付价格进行整合，得出最后的结果。
[0016]优选的：步骤1中将整个任务分配时段分成两个以上的子阶段的方法：
[0017]步骤1a)，将整个任务分配时间T切分为(log2T+1)个子阶段：{1,2,...,log2T,(log2T)+1}。
[0018]步骤1b)，第i个子阶段结束时间T0＝(2i
‑
1)/(2log2T)，然后第i+1阶段开始。
[0019]步骤1c)，在每个子阶段结束时，激励机制会更新采样集合和计算新的出清价格，以用于下一阶段的任务分配。
[0020]优选的：所述步骤2中为每个子阶段分配相应的预算额度的方法：
[0021]步骤2a)，第i个子阶段，激励机制会对其分配大小为B*(2
i
‑1)/(log2B)。
[0022]步骤2b)，如果第i个子阶段的预算额度Bi被用完，则第i个子阶段不会再采购任何单位。
[0023]优选的：所述步骤3中根据上一个子阶段构建的采样集合计算支付价格对任务执行人员进行支付的方法：
[0024]工作者j到达平台时，若第i个子阶段还有预算额度会给工作者j分配相应的任务，结算价格是预先计算的出清价格P
i
，代表支付给每个任务的支付价格为P
i
。同时机制将到来的工作者信息，添加到采样集合S0。采样集合S0将用于计算下一阶段出清价格P
i+1
和下一阶段采购数量K。
[0025]优选的：步骤3中将下一子阶段出清价格P
i+1
设置如下：80％P
i
P
i+1
P
i
。
[0026]本专利技术相比现有技术，具有以下有益效果：
[0027]本专利技术中任务分配额外考虑时间的属性，借鉴在线机器学习的思想，针对有预算的在线众包任务分配场景，设计有预算的利润提取算法，并专利技术的算法满足博弈论与机制设计理论中的如实性、个体理性等性质。利用多阶段采样算法，将离线的预算限制的预算使用方法平均分配到在线的场景。实验结果表明，提出的机制产生的效用大幅度高于现在的随机使用方法。
附图说明
[0028]图1为本专利技术的方法整体流程图。
具体实施方式
[0029]下面结合附图和具体实施例，进一步阐明本专利技术，应理解这些实例仅用于说明本专利技术而不用于限制本专利技术的范围，在阅读了本专利技术之后，本领域技术人员对本专利技术的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
[0030]一种基于多阶段采样的任务分配与定价方法，如图1所示，包括以下步骤：
[0031]步骤1，时间分配：将整个任务分配时间分成两个以上的不同大小的子阶段，将时间分配成不同的子阶段方便后续对于每个阶段进行不同的操作，具体如下：
[0032]步骤1a)，将整个任务分配时间T切分为(log2T+1)个子阶段：{1,2,...,log2T,(log2T)+1}。
[0033]步骤1b)，第i个子阶段结束时间T0＝(2i
‑
1)/(2log2T)，然后第i+1阶段开始。
[0034]步骤1c)，在每个子阶段结束时，激励机制会更新采样集合和计算新的出清价格，以用于下一阶段的任务分配。
[0035]步骤2，预算分配：为每个子阶段分配相应的预算额度，按照每个子阶段的时间持续长度，将预算额度按比例进行，具体如下：
[0036]步骤2a)，第i个子阶段，激励机制会对其分配大小为B*(2
i
‑1)/(log2B)。
[0037]步骤2b)，如果第i个子阶段的预算额度Bi被用完，则第i个子阶段不会再采购任何单位。
[0038]步骤3，分阶段决策：构建采样集合与计算支付价格，将出现在每个子阶段的任务执行人员建立当前子阶段的采样集合，根据上一个子阶段构建的采样集合计算支付价格对任务执行人员进行支付，具体如下：
[0039本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多阶段采样的任务分配与定价方法，其特征在于，包括以下步骤：步骤1，时间分配：将整个任务分配时间分成两个以上的子阶段；步骤2，预算分配：为每个子阶段分配相应的预算额度，按照每个子阶段的时间持续长度，将预算额度按比例进行；步骤3，分阶段决策：构建采样集合与计算支付价格，将出现在每个子阶段的任务执行人员建立当前子阶段的采样集合，根据上一个子阶段构建的采样集合计算支付价格对任务执行人员进行支付；步骤4，整合结果：将每个子阶段的支付价格进行整合，得出最后的结果。2.根据权利要求1所述基于多阶段采样的任务分配与定价方法，其特征在于：步骤1中将整个任务分配时段分成两个以上的子阶段的方法：步骤1a)，将整个任务分配时间T切分为(log2 T+1)个子阶段：{1,2,...,log2 T,(log2 T)+1}；步骤1b)，第i个子阶段结束时间T0＝(2i
‑
1)/(2log2T)，然后第i+1阶段开始；步骤1c)，在每个子阶段结束时，激励机制会更新采样集合和计算新的出清价格，以用于下一阶段的任务分配。3.根据权利要求2所述基于多阶段采样的任务分配与定价方法，其特征在于：所述...

【专利技术属性】
技术研发人员：王崇骏，乔羽，程浩，张锐汀，谢俊元，
申请(专利权)人：南京大学，
类型：发明
国别省市：