(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211004808.8 (22)申请日 2022.08.22 (71)申请人 陕西师范大学 地址 710062 陕西省西安市长安 南路199号 (72)发明人 马苗　申琪琪　杨波　裴炤　 宁晗阳　 (74)专利代理 机构 西安永生专利代理有限责任 公司 61201 专利代理师 申忠才 (51)Int.Cl. G06Q 30/02(2012.01) G06Q 50/26(2012.01) (54)发明名称 基于有限理性决策模型的群智感知噪声监 测任务推荐方法 (57)摘要 一种基于有限理性决策模型的群智感知噪 声监测任务推荐方法， 由初始化参与者决策模型 及信誉度、 发布任务读取参与者信息、 匹配参与 者并推荐任务、 选择任务完成并更新信誉度、 更 新参与者决策模 型组成。 本发明构建参与者有限 理性的决策模型， 定期更新参与者决策模型， 减 少了费用确保任务 ‑参与者匹配准确性， 为任务 提供满足要求的高质量数据， 避免参与者做无用 功， 减少资源浪费， 对新加入的参与者用其注册 提交任务偏好信息与社交好友任务信息初始化 参与者决策模 型和信誉度， 保证新参与者可以得 到适合推荐， 促进噪声监测任务更好 地完成。 权利要求书3页 说明书13页 附图3页 CN 115358781 A 2022.11.18 CN 115358781 A 1.一种基于有限理性决策模型的群智感知噪声监测任务推荐方法， 其特征在于由下述 步骤组成： (1)初始化 参与者决策模型及信誉度 平台参与者pm信息如下： pm＝{Dec， Cr， St， L o}               (1) 其中， m为平台参与者个数， Dec为参与者决策模型， Cr表示信誉度， Cr∈[0， 1]， St为当 前状态， 有空 闲和忙碌 两种状态， L o为当前位置； 按式(2)确定信誉度Cr初始值： 其中， Cri为参与者第i个好友的信誉度， s为 参与者好友数量； 新加入参与者pn用新加入参与 者pn注册时提交的任务信息以及新加入参与者pn社交好 友的历史任务信息来构建参与者决策模型Dec， 新加入参与者pn的初始任务信息为新加入 参与者pn注册时提交的任务信息与新加入参与者pn社交好友历史任务信息的加权平均， 按 式(3)确定新加入参与者pn任务特征k第j个取值的初始任务信息I nfik， j： 其中， Infrk， j为新加入参与者pn注册时提交的任务特征k第j个取值的信息， k∈{t， l， pr}， t、 l、 pr表示任务特征， 分别为任务时间、 任务地点、 任务收益， m1为新加入参与者pn执行 任务的总数， Vkj表示任务特征k的取值结果， α、 β 为参数， α ∈[0.3， 1.0]， β ∈[0， 0.7]， 且α +β 为1， kj为任务特 征k的第j个取值； 构建参与者决策模型Dec的方法如下： 1)按式(4)确定任务特 征信息熵Entk： 其中， n1表示任务特征k的取值个数， Pkj表示任务特征k第j个取值的概率； Infk， j任务特 征k第j个取值的为任务信息， m2为参与者决策模型Dec的参与者执 行任务的总数； 2)按式(5)确定参与者决策模型Dec的决策 结果Res： Br＝Dt+DI+Dr 其中， Br为各任务特征偏好程度之和， Q为结果阈值， Q∈[3， 6]， 1表示适合于该任务， 0 表示不适合该任务； Dt 为任务时间的偏好程度， Dl为任务地点的偏好程度， Dr 为任务收益的 偏好程度； 每个任务特征代表参与者决策模型Dec中一层的非叶子结点， 由式(4)得到的任务特征权　利　要　求　书 1/3 页 2 CN 115358781 A 2信息熵Entk由小到大分层， 任务 特征信息熵Entk小的在上层， 将任务 特征的偏好程度取值作 为每个非叶子结点的分支， 取值相同为同一分支； 2)步骤中的决策结果 Res为参与者决策模 型Dec的叶子结点， 每个非叶子结点的分支与参与者决策模型Dec中一层的非叶子结点或叶 子结点相连， 重复操作， 直至每个非叶子结点的分支与参与者决策模型Dec中一层的叶子结 点相连， 构建成参与者决策模型Dec； (2)发布任务读取参与者信息 按式(6)发布群智任务T： T＝{Ti， L oc， Rew， Num， Cre}               (6) 其中， Ti为任务时间， Loc为任务地点， Rew为该任务的报酬， Num为所需参与者的人数， Cre为任务 参与者所需信誉度； 从平台读取 所有参与者决策模型Dec及信誉度Cr； (3)匹配参与者并推荐任务 新任务发布时， 根据任务特 征依次与参与者 集合P中参与者决策模型Dec进行匹配： P＝{p1， p2， ...， pm}              (7) 其中， m为有限正整数； 预测平台参与者pm是否适合于此任务， 若平台参与者pm适合于此 任务， 则将平台参与者pm按式(8)加入参与者预选集 合Pp： Pp＝{pp1， pp2， ...， ppn}               (8) 其中， ppn表示预选参与者， n 为有限正整数， 且n≤m； 判断预选参与者ppn是否满足任务参与者所需信誉度Cre要求， 将预选参与者ppn满足要 求的任务按式(9)添加到预选参与者ppn的任务推荐列表Tk： Tk＝{t1， t2， ...， ta}                  (9) 其中， ta为适合预选参与者ppn的任务， a为有限正整数； 预选参与 者ppn任务推荐列表Tk按照收益由多到少进行排序， 按式(10)确定预选参与 者 ppn收益Propn， a： cpn， a＝ λ1ctpn， a+λ2clpn， a 其中， Rewa为任务ta的报酬， cpn， a为预选参与者ppn执行任务ta所消耗的成本， ctpn， a为预 选参与者ppn执行任务ta所用时间， clpn， a为预选参与者ppn执行任务ta所用距离成本， λ1、 λ2为 成本估算参数， λ1∈[0， 1]， λ2∈[0， 1]， 且λ1+λ2为1， lonpn、 lona分别为预选参与者ppn和任务 ta的位置经度， latpn、 lata分别表示预选参与者ppn和任务ta的位置纬度； (4)选择任务完成并更新信誉度 平台参与者pm根据自身当前状态St选择任务完成， 按式(11)更新平台参与者pm的信誉 度Cr′m： 权　利　要　求　书 2/3 页 3 CN 115358781 A 3