一种面向智能服务引擎的任务众包方法

1.一种面向智能服务引擎的任务众包方法，其特征在于，包括以下步骤：首先服务平台根据接收的服务请求将任务发布出去，各个服务节点若愿意接受任务则反馈各自的竞标因子用于竞争任务；其次，服务平台根据各个服务节点反馈的竞标因子和任务的初始收益，计算各个服务节点的基本收益；接下来服务平台计算各服务节点的服务因子和收益系数，并根据竞标因子和服务因子来权衡任务的分发目标，将任务分配给对应的目标节点；最后待任务完成后，服务平台评估本次任务完成情况，并提供给服务节点最终收益作为激励；
具体包括以下步骤：
步骤一：任务发布：服务平台给出任务Ti的初始收益S(Ti)，并将任务Ti及其初始收益S(Ti)发布至可能提供解决方案的潜在服务节点；使在智能服务引擎中，Ti表示任务，i∈U，U为任务集；
步骤二：各服务节点基本收益计算：服务引擎发布任务后，各服务节点如希望接受任务，即返回一个竞标因子Dj给服务平台；竞标因子用以影响任务的分发过程和最终收益的计算；
步骤三：服务平台根据任务Ti的初始收益S(Ti)和各服务节点提供的竞标因子Dj，计算各服务节点完成任务所得的基本收益Bj(Ti)；
步骤四：服务节点服务因子计算：服务平台根据服务节点Mj的历史服务情况，包括服务成功率Ssr(Mj)、服务及时率Sde(Mj)、服务满意度Ssd(Mj)来计算节点的服务因子R(Mj)；
步骤五：收益系数的计算：服务平台根据服务节点Mj的服务因子R(Mj)计算服务节点Mj在完成任务Ti时的收益系数Ai(Mj)；
步骤六：任务分发：服务平台根据服务节点的收益系数Ai(Mj)和各服务节点反馈的竞标因子Dj，计算任务Ti分配给服务节点Mj的权衡参考值Xi(Mj)，并以此权衡任务的分配目标；
步骤七：被分配任务的服务节点完成任务并提交给服务平台；
步骤八：计算最终受益：确认任务完成后，服务平台评估本次任务完成情况，计算并给予完成任务的服务节点Mk最终收益Fi(Mk)的激励。
2.根据权利要求1所述的一种面向智能服务引擎的任务众包方法，其特征在于，还包括以下步骤：
步骤九：服务平台记录下该服务节点完成本次任务的服务情况，用以在以后的任务分发过程中评估服务节点的服务因子。
3.根据权利要求1所述的一种面向智能服务引擎的任务众包方法，其特征在于，服务节点最终被分配到任务的概率与其反馈的竞标因子Dj正相关，而完成任务后该服务节点所得收益与竞标因子Dj负相关。
4.根据权利要求1所述的一种面向智能服务引擎的任务众包方法，其特征在于，步骤六中服务平台将权衡参考值Xi(Mj)的计算结果存入Xij集合中，取集合元素的最小值，将任务分配给对应的服务节点。
5.根据权利要求1所述的一种面向智能服务引擎的任务众包方法，其特征在于，步骤一中服务平台根据任务Ti的类别、难度系数、可提供解决方案的用户数量的相关信息给出任务Ti的初始收益S(Ti)。
6.根据权利要求1所述的一种面向智能服务引擎的任务众包方法，其特征在于，步骤三中基本收益Bj(Ti)的计算公式为：
步骤四中：服务成功率Ssr(Mj)、服务及时率Sde(Mj)、服务满意度Ssd(Mj)和服务因子R(Mj)的计算公式如下：
服务成功率Ssr(Mj)：
服务及时率Sde(Mj)：
服务满意度Ssd(Mj)：
服务因子R(Mj)：R(Mj)＝Psr*Ssr(Mj)+Pde*Sde(Mj)+Psd*Ssd(Mj)
其中：Ns为服务成功次数，Na为服务总次数；Nde为服务延迟次数；Ei为第i次服务的服务满意程度，由被服务用户给出，01；
步骤五中收益系数Ai(Mj)的计算公式为：Ai(Mj)＝Exp(R(Mj))；
步骤六中权衡参考值Xi(Mj)的计算公式为：
步骤八中完成任务的服务节点Mk最终收益Fi(Mk)的计算公式为：
Fi(Mk)＝Bj(Ti)·(1+Ai(Mj))。

一种面向智能服务引擎的任务众包方法\n【技术领域】\n[0001] 本发明属于物联网技术领域，特别涉及一种任务众包方法。\n【背景技术】\n[0002] 众包模式开启了一个微观参与的时代，大众的智慧日益凸显出巨大的商业价值。\n当互联网可通过云端计算实现端到端的连接方式而搭建大众参与的创新平台，实现协同自组织的新型网络工作环境，开放的在线环境将为实现对于个人潜能和个体价值的普遍再挖掘提供新的平台。\n[0003] 在移动互联网环境下，节点(人)作为新型感知服务节点的出现，其具有的移动性、认知性、社会性和时空复杂性等区别于传统网络的新特性将给服务模式带来新的挑战，引发新的变革。与此同时，伴随着Web 2.0和各种移动社交服务的兴起，如何在移动、动态和分布式环境下，基于社会网络、群智计算相关理论，以面向服务计算为理念，使用形式化语言进行语义描述，分析移动节点间的行为演化和社会网络结构，构建面向移动终端的智能引擎，将是移动互联网环境下智能服务面临的新的挑战，这在过去的研究中很少涉及，需要以全新的方式来开展研究。\n【发明内容】\n[0004] 本发明的目的在于提供一种面向智能服务引擎的任务众包方法，以改进和克服现有任务众包方法的缺点；本发明方法是当服务平台发布任务时，众多可提供服务的服务节点自发以竞争形式争取任务，服务平台根据各服务节点反馈的竞标因子Dj和由各服务节点以往服务情况所决定的服务因子R(Mj)，权衡任务的分配目标，再结合任务的初始收益，计算并赋予服务节点最终的收益。本发明方法可以在大规模任务众包环境下，通过服务平台与服务节点间的博弈，快速发现并选择最优的服务节点，帮助智能服务引擎在提供尽可能少的收益的情况下选择尽可能优的服务节点，即达到最高的“性价比”，从而提高任务众包的效率和合理性。\n[0005] 为了实现上述目的，本发明采用如下技术方案：\n[0006] 一种面向智能服务引擎的任务众包方法，包括以下步骤：首先服务平台根据接收的服务请求将任务发布出去，各个服务节点若愿意接受任务则反馈各自的竞标因子用于竞争任务；其次，服务平台根据各个服务节点反馈的竞标因子和任务的初始收益，计算各个服务节点的基本收益；接下来服务平台计算各服务节点的服务因子和收益系数，并根据竞标因子和服务因子来权衡任务的分发目标，将任务分配给对应的目标节点；最后待任务完成后，服务平台评估本次任务完成情况，并提供给服务节点最终收益作为激励。\n[0007] 优选的，具体包括以下步骤：\n[0008] 步骤一：任务发布：服务平台给出任务Ti的初始收益S(Ti)，并将任务Ti及其初始收益S(Ti)发布至可能提供解决方案的潜在服务节点；使在智能服务引擎中，Ti表示任务，i∈U，U为任务集；\n[0009] 步骤二：各服务节点基本收益计算：服务引擎发布任务后，各服务节点如希望接受任务，即返回一个竞标因子Dj给服务平台；竞标因子用以影响任务的分发过程和最终收益的计算；\n[0010] 步骤三：服务平台根据任务Ti的初始收益S(Ti)和各服务节点提供的竞标因子Dj，计算各服务节点完成任务所得的基本收益Bj(Ti)；\n[0011] 步骤四：服务节点服务因子计算：服务平台根据服务节点Mj的历史服务情况，包括服务成功率Ssr(Mj)、服务及时率Sde(Mj)、服务满意度Ssd(Mj)来计算节点的服务因子R(Mj)；\n[0012] 步骤五：收益系数的计算：服务平台根据服务节点Mj的服务因子R(Mj)计算服务节点Mj在完成任务Ti时的收益系数Ai(Mj)；\n[0013] 步骤六：任务分发：服务平台根据服务节点的收益系数Ai(Mj)和各服务节点反馈的竞标因子Dj，计算任务Ti分配给服务节点Mj的权衡参考值Xi(Mj)，并以此权衡任务的分配目标；\n[0014] 步骤七：被分配任务的服务节点完成任务并提交给服务平台；\n[0015] 步骤八：计算最终受益：确认任务完成后，服务平台评估本次任务完成情况，计算并给予完成任务的服务节点Mk最终收益Fi(Mk)的激励。\n[0016] 优选的，还包括以下步骤：\n[0017] 步骤九：服务平台记录下该服务节点完成本次任务的服务情况，用以在以后的任务分发过程中评估服务节点的服务因子。\n[0018] 优选的，服务节点最终被分配到任务的概率与其反馈的竞标因子Dj正相关，而完成任务后该服务节点所得收益与竞标因子Dj负相关。\n[0019] 优选的，步骤六中服务平台将权衡参考值Xi(Mj)的计算结果存入Xij集合中，取集合元素的最小值，将任务分配给对应的服务节点。\n[0020] 优选的，步骤一中服务平台根据任务Ti的类别、难度系数、可提供解决方案的用户数量的相关信息给出任务Ti的初始收益S(Ti)。\n[0021] 优选的，步骤三中基本收益Bj(Ti)的计算公式为：\n[0022] 步骤四中：服务成功率Ssr(Mj)、服务及时率Sde(Mj)、服务满意度Ssd(Mj)和服务因子R(Mj)的计算公式如下：\n[0023] 服务成功率Ssr(Mj)：\n[0024] 服务及时率Sde(Mj)：\n[0025] 服务满意度Ssd(Mj)：\n[0026] 服务因子R(Mj)：R(Mj)＝Psr*Ssr(Mj)+Pde*Sde(Mj)+Psd*Ssd(Mj)\n[0027] 其中：Ns为服务成功次数，Na为服务总次数；Nde为服务延迟次数；Ei为第i次服务的服务满意程度，由被服务用户给出，0