一種基于多智能體建模和專家系統的眾包平臺最優投放策略生成器技術方案

本發明專利技術屬于計算機應用技術領域，本發明專利技術建立一個與眾包平臺同步進化的多智能體仿真模型，并根據仿真模型提供一個在各種不確定條件下依然能達到預期目標的具有魯棒性的眾包任務設計策略生成器。通過結合專家系統，和基于智能體的仿真建立一個與眾包平臺同步進化的計算機仿真模型，并依據此模型構建一個在各種不確定條件下具有魯棒性的眾包任務設計生成器。基于遺傳算法的任務設計生成器生成的任務設計方案可以在各種不確定情況下達到預期的目標，具有很高的魯棒性。以這種方式設計的任務不僅滿足公司對于質量和進度的要求，同時維持了一個可持續發展的在線工作者群體，促進眾包業務的興盛繁榮，更好的為社會經濟服務。

An optimal delivery strategy generator for crowdsourcing platform based on multi-agent modeling and expert system

The invention belongs to the technical field of computer application, a multi-agent simulation model of the invention to create a platform with Crowdsourcing synchronous evolution, and provide a variety of in uncertain conditions can still meet the expectations of the generator has Crowdsourcing task design strategy robustness according to the simulation model. Through the combination of expert system, and establish a computer simulation model and Crowdsourcing platform synchronous evolution simulation based on agent, and on the basis of the construction of a model in a variety of uncertain conditions Crowdsourcing task design generator with robustness. A task design scheme based on genetic algorithm (task generator) can achieve the desired goal under various uncertainties, and has high robustness. In this way the design task is not only to meet the requirements of the company for quality and progress, while maintaining a sustainable development of online workers groups, promote prosperity Crowdsourcing business, better for the social and economic services.

【技術實現步驟摘要】
一種基于多智能體建模和專家系統的眾包平臺最優投放策略生成器
本專利技術屬于計算機應用
，涉及一種基于多智能體建模和專家系統的眾包平臺最優投放策略生成器
技術介紹
眾包是一種通過互聯網把工作分發給分布于全球的大量的在線工作者來完成的新型商業模式。然而不同于傳統的外包業務，眾包業務中任務需求者和在線工作者之間沒有契約約束，而且在線工作者是完全匿名的，這就給質量控制和進度控制帶來了巨大的挑戰。同一件任務在眾包平臺上的不同設置和不同的投放策略會產生不同的完成質量和完成時間。因此，在給定目標質量和目標進度的前提下，如何設計與如何投放任務是擺在每一個想利用眾包平臺的決策者所不能回避的問題。目前關于眾包平臺的研究，多是根據平臺上的全部任務數據擬合出任務完成質量和完成時間的概率密度。而眾包任務設計也多是根據經驗進行參數設定，或是根據酬勞與任務質量之間的關系進行定價，沒有把任務參數和在線工作者的特征作為一個整體來研究眾包平臺。同時，眾包平臺隨著在線工作者的動態變化而日新月異。新來者加入進來，有些人離開，已有的在線工作者工作技能不斷提高而成為高級工作者，從而有更高的薪酬預期。因此，如何制定出在各種不確定條件下依然可以實現既定目標的具有魯棒性的任務設計策略是擺在每一個想利用眾包平臺的決策者不得不面對的挑戰。國內關于眾包的研究集中在商業模式上的創新，高校管理，以及信息收集，并衍生出一些新的詞匯如威客與眾籌。這些都是眾包在某一領域的具體應用，從政策及理論層面的定性研究，而沒有提出可以量化的計算模型。另外也有使用改進的期望最大化法對任務質量進行評估的研究。但都沒有考慮到眾包業務中任務需求者、任務、以及在線工作者本身的特性以及相互之間的聯系對整個系統的影響。同時，基于統計數據和經驗所設計的眾包任務無法在多種不確定條件下實現預期的性能指標。另一方面，考慮到國內有大量的互聯網用戶和手機上網用戶，國內的眾包業務前景十分廣闊。為了進行眾包任務設計，本專利技術使用專家系統(ExpertSystem)以便任務設計生成器基于已有的知識而不斷進化。專家系統是一個利用已有相似問題的解決方案來解決新問題的過程。與醫生看病的過程相似，專家系統在已有的案例庫中搜索與新問題相似的問題，進而重用已有的醫療方案。專家系統可以總結為四個步驟：查詢，重用，修改，和保留。查詢指根據新問題的特征在已有案例庫中查詢相似案例的過程；重用指把已有解決方案應用到新問題的過程；修改指如果應用已有解決方案的預期與實際結果相差較大從而修改已有解決方案的過程；保留指把能達到預期的解決方案存入到案例庫的過程。眾包平臺是一個復雜自適應系統，這是因為沒有中央控制，其整體特性是由分布于全球的在線工作者的個人行為以及相互間的聯系所決定的。因為基于智能體的仿真模型(Agent-basedModel)是由大量的相互聯系的具有自主決策的個體組成，所以基于智能體建模是從復雜自適應系統的角度來研究眾包平臺最為合適的方法。本專利技術利用基于智能體的眾包平臺模型來生成、測試任務設計方案，配合智能優化算法以期獲得最優設計方案。
技術實現思路
為了解決現有技術中存在的問題，本專利技術建立一個與眾包平臺同步進化的多智能體仿真模型，并根據仿真模型提供一個在各種不確定條件下依然能達到預期目標的具有魯棒性的眾包任務設計策略生成器。本專利技術的技術方案是通過結合專家系統(ExpertSystem)，和基于智能體的仿真(Agent-basedModeling)建立一個與眾包平臺同步進化的計算機仿真模型，并依據此模型構建一個在各種不確定條件下具有魯棒性的眾包任務設計生成器。一種基于多智能體建模和專家系統的眾包平臺最優投放策略生成器，如圖1所示。1)根據搜索關鍵字，在專家系統的案例庫內搜索相似的案例；如果其相似度大于一個預先設定的閾值，則直接使用已有案例的解決方案作為眾包任務設計方案；如果其相似度達不到預先設定的閾值，則通過基于智能體的眾包平臺仿真模型生成一個新的眾包任務設計方案。2)根據新的設計方案設計的眾包任務投放到眾包平臺上；如果眾包任務的性能指標達到預期，則把相應的眾包任務設計方案存入專家系統的案例庫中；如果眾包任務的性能指標達不到預期，則丟棄這個設計方案。3)如果此丟棄的解決方案來自于專家系統的案例庫，則通過基于智能體的眾包平臺仿真模型重新生成新的眾包任務設計方案，并投放到眾包平臺上；如果此丟棄的方案來自于基于智能體的眾包平臺仿真模型的輸出，則說明此仿真模型已經過時，需要重新進行校準驗證。上述專家系統的案例庫中的每一個案例都包括三部分信息：任務類型、任務設置參數和預期的性能指標；其中任務類型與預期的性能指標構成案例庫的搜索關鍵字；任務設置參數為任務設計方案。上述任務類型包括視頻、音頻、文本、圖像、手寫識別；預期的性能指標包括任務完成率、任務完成質量和任務完成時間，即表示在眾包平臺上投放的任務在多長時間以多好的質量完成。當有一個新的任務要發布在眾包平臺上，根據任務的類型和預期的性能指標在案例庫中搜索相似的案例，已有的相似的案例的任務設置參數就是任務設計方案。任務設置參數因任務和眾包平臺的不同而不同。在系統運行之初，專家系統的案例庫為空。隨著系統的不斷運行，不斷在眾包平臺上投放任務，越來越多的案例加入到案例庫中，整個眾包任務設計生成器也就隨著眾包平臺不斷進化。當專家系統的案例庫中找不到相似的案例，或者已有的案例無法實現預期的目標時，基于智能體的眾包平臺仿真模型被用來生成新的任務設計方案。基于智能體的眾包平臺仿真模型包括任務需求者，在線工作者和任務；其中任務具有設置參數；任務需求者和在線工作者作為眾包平臺的參與者，各自具有自己的行為規則。關于眾包平臺仿真模型的細節，參見文獻(GuangyuZou,AlvaroGil,andMarinaTharayil.Anagent-basedmodelforcrowdsourcingsystems.ProceedingsoftheIEEE/ACMWinterSimulationConference,December7-10,2014.Savannah,GA.)和(GuangyuZou,MarinaTharayil,AlvaroE.Gil,DeepthiChander,LauraElisaCelis.SystemandMethodtoAnalyzeandOptimizeCrowdsourcingSystems.US.ApplicationNo:14/190205.Feb.2014.)。上述眾包平臺包括可控參數和不可控參數：可控參數為決策變量，即任務設置參數；不可控參數為環境參數。對于不可控參數，在不同情況下可能符合不同的概率分布。為了生成在各種不確定環境下都能實現預期目標的具有魯棒性的眾包任務設計方案，基于智能優化算法，將所有的任務設置參數進行編碼，而后把各編碼所對應的任務放到眾包平臺仿真模型，并在各種可能環境參數下進行測試，找到在所有可能情況下均表現出色的任務設置參數，得到進一步優化的任務設計方案。進一步限定，上述的智能優化算法為遺傳算法。任務設置參數作為遺傳算法中的染色體，與環境參數合成仿真模型的設置參數構成的眾包任務設計方案在遺傳算法中不斷進化成更好的解決方案。因此，通過如圖2所示的基于本文檔來自技高網...

【技術保護點】
一種基于多智能體建模和專家系統的眾包平臺最優投放策略生成器，其特征在于，1)根據搜索關鍵字，在專家系統的案例庫內搜索相似的案例；如果其相似度大于一個預先設定的閾值，則直接使用已有案例的解決方案作為眾包任務設計方案；如果其相似度達不到預先設定的閾值，則通過基于智能體的眾包平臺仿真模型生成一個新的眾包任務設計方案；2)根據新的設計方案設計的眾包任務投放到眾包平臺上；如果眾包任務的性能指標達到預期，則把相應的眾包任務設計方案存入專家系統的案例庫中；如果眾包任務的性能指標達不到預期，則丟棄這個設計方案；3)如果此丟棄的解決方案來自于專家系統的案例庫，則通過基于智能體的眾包平臺仿真模型重新生成新的眾包任務設計方案，并投放到眾包平臺上；如果此丟棄的方案來自于基于智能體的眾包平臺仿真模型的輸出，則說明此仿真模型已經過時，需要重新進行校準驗證。

【技術特征摘要】
1.一種基于多智能體建模和專家系統的眾包平臺最優投放策略生成器，其特征在于，1)根據搜索關鍵字，在專家系統的案例庫內搜索相似的案例；如果其相似度大于一個預先設定的閾值，則直接使用已有案例的解決方案作為眾包任務設計方案；如果其相似度達不到預先設定的閾值，則通過基于智能體的眾包平臺仿真模型生成一個新的眾包任務設計方案；2)根據新的設計方案設計的眾包任務投放到眾包平臺上；如果眾包任務的性能指標達到預期，則把相應的眾包任務設計方案存入專家系統的案例庫中；如果眾包任務的性能指標達不到預期，則丟棄這個設計方案；3)如果此丟棄的解決方案來自于專家系統的案例庫，則通過基于智能體的眾包平臺仿真模型重新生成新的眾包任務設計方案，并投放到眾包平臺上；如果此丟棄的方案來自于基于智能體的眾包平臺仿真模型的輸出，則說明此仿真模型已經過時，需要重新進行校準驗證。2.根據權利要求1所述的一種基于多智能體建模和專家系統的眾包平臺最優投放策略生成器，其特征在于，所述專家系統的案例庫中的每一個案例都包括三部分信息：任務類型、任務設置參數和預期的性能指標；其中任務類型與預期的性能指標構成案例庫的搜索關鍵字；任務設置參數為任務設計方案。3.根據權利要求2所述的基于多智能體建模和專家系統的眾包平臺最優投放策略生成器，其特征在于，所述任務類型包括視頻、音頻、文本、圖像、手寫識別；預期的性能指標包括任務完成率、任務完成質量和任務完成時間；任務設置參數因任務和眾包平臺的不同而不同。4.根據權利要求1或2...

【專利技術屬性】
技術研發人員：鄒廣宇，李彤，
申請(專利權)人：大連理工大學，
類型：發明
國別省市：遼寧,21