群智感知通過將任務分配給大量普通用戶,能夠完成大規(guī)模、復雜的社會感知任務,受到了國內(nèi)外學者的廣泛關(guān)注.其中,如何激勵用戶參與感知任務是群智感知中的重要問題.現(xiàn)有激勵機制相關(guān)研究重點關(guān)注了如何設(shè)置任務的定價,從而激勵用戶提交高質(zhì)量感知數(shù)據(jù),但忽視了潛在的盲目報價問題;這極易導致參與任務執(zhí)行的用戶數(shù)量失衡,進而無法保證平臺得到最優(yōu)收益.為了解決這一問題,提出了完全競爭均衡的群智感知定價機制.該機制首先將平臺與用戶之間的多人博弈抽象為平臺與市場間的雙人博弈.再引入市場類型概率,通過海薩尼轉(zhuǎn)換,將雙人不完全信息博弈轉(zhuǎn)化為雙人完全不完美信息博弈.最后通過平臺多輪重復博弈,使平臺報價收斂到完全競爭均衡水平.理論分析和實驗結(jié)果表明所提激勵機制能夠收斂到完全競爭均衡狀態(tài). 

【文章來源】：中國科學技術(shù)大學學報. 2019,49(07)北大核心CSCD

【文章頁數(shù)】：8 頁

【部分圖文】：

任務數(shù)量與報價的關(guān)系

圖1中三條曲線分別為當買家數(shù)量為40,且任務數(shù)量為50時,稠密區(qū)域某一個任務的報價、稀疏區(qū)域某一個任務的報價和所有任務的平均報價.由算法2.2可知,第一輪任務分配時市場類型概率為0.5.由于pj=E(pj)=PMj×PHj+(1-PMj)×PLj,每個任務的報價均為11,因此第一輪任務分配中,稠密和稀疏區(qū)域以及平均情況下的任務報價均為11.由圖1可以看出,稀疏區(qū)域任務的價格波動上升直至收斂到均衡狀態(tài);這是由于稀疏區(qū)域用戶過少,用戶數(shù)量供不應求;而初始報價為市場概率為0.5時的報價,即任務和用戶數(shù)量相當時的報價.這種情況下,只有提高報價才能吸引到足夠數(shù)量的用戶來執(zhí)行感知任務.此外,稠密區(qū)域任務的價格波動下降直至收斂到均衡狀態(tài);這是由于稠密區(qū)域用戶過多,用戶數(shù)量供大于求,而初始報價為市場概率為0.5時的報價,即任務和用戶數(shù)量相當時的報價.此時,適當降低報價不僅能吸引到足夠數(shù)量的用戶,還能降低平臺的成本,提高平臺的收益.由于稀疏區(qū)域的任務數(shù)量較多,平均報價的趨勢與稀疏區(qū)域報價趨勢接近,呈上升趨勢.圖2為當用戶數(shù)量為100,每個用戶感興趣任務數(shù)量在區(qū)間[1,10]時收斂到均衡的報價與任務數(shù)量之間的關(guān)系圖.圖2中三條曲線分別為稠密區(qū)域某一個任務的報價、稀疏區(qū)域某一個任務的報價和所有任務的平均報價.從圖2中首先可以看出,隨著任務數(shù)量的增加,平臺報價呈上升趨勢,直至接近市場最高成交價20;這是由于在用戶數(shù)量一定時,隨著任務數(shù)量增多,任務間的競爭增大,任務的報價越高.然而平臺存在一個總預算,報價不可能無限增長,所以當任務數(shù)量達到一定值時,報價接近于20,趨于平緩.此外,稀疏區(qū)域的報價高于稠密區(qū)域報價;這是由于稀疏區(qū)域較稠密區(qū)域而言任務數(shù)量多,且用戶數(shù)量少,稀疏區(qū)域的任務間競爭大于稠密區(qū)域.所以,稀疏區(qū)域的平臺報價高于稠密區(qū)域的平臺報價.

圖3為當任務總數(shù)為50時,收斂到均衡的價格與用戶數(shù)量的關(guān)系.圖3中三條曲線分別為稠密區(qū)域某一個任務的報價、稀疏區(qū)域某一個任務的報價和所有任務的平均報價.從圖3可以看出,隨著用戶數(shù)量的增加,報價逐漸降低,直至報價接近6;這是因為隨著用戶數(shù)量的增加,用戶間的競爭逐漸激烈,而任務間競爭逐漸減少,報價逐漸降低.由于用戶執(zhí)行任務需要付出一定的成本,因此報價不會一直降低至0,而是在報價為6的地方趨于平緩.此外,稀疏區(qū)域的報價高于稠密區(qū)域的報價;這是由于稀疏區(qū)域較稠密區(qū)域而言任務數(shù)量多,且用戶數(shù)量少,稀疏區(qū)域的任務間競爭大于稠密區(qū)域,所以稀疏區(qū)域報價高于稠密區(qū)域.3.2 用戶滿意度的比較


本文編號：3573447