空间众包中在线路径规划算法

工作者的路径规划问题是空间众包中一个重要的研究内容。当前路径规划问题的研究主要集中在离线情形下,然而在线情形下的路径规划更符合现实需求。因此,该文从众包物流和共享巴士等典型空间众包平台中提取出了一个在线路径规划问题——空间众包中终点固定的在线路径规划问题。首先研究了Euclidean空间上的路径规划问题,提出了基于粒子群的在线粒子群路径规划算法,该算法通过在线追踪最优解来进行路径规划,同时,提出了基于k近邻的在线局部粒子群路径规划算法。还研究了面向路网的路径规划问题,提出了加权最短路径边界索引和路网上的在线局部粒子群路径规划算法。最后,通过真实数据上的大量实验验证了上述算法的有效性和高效性,其中在线局部粒子群路径规划算法拥有更好的效果。     

基于多智能体深度强化学习的空间众包任务分配

针对现有空间众包中的任务分配大多只考虑单边、 短期利益和单一场景的问题, 提出一种基于多智能体深度强化学习的空间众包任务分配算法. 首先定义一种新的空间众包场景, 其中工人可以自由选择是否与他人合作; 然后设计基于注意力机制和A2C(advantage actor-critic)方法的多智能体深度强化学习模型进行新场景下的任务分配; 最后进行仿真实验, 并将该算法与其他最新的任务分配算法进行性能对比. 仿真实验结果表明, 该算法能同时实现最高的任务完成率和工人收益率, 证明了该算法的有效性和鲁棒性.     

基于最大匹配的移动众包任务分配研究

通过在piFogBedII中引入移动众包资源,解决了雾计算实验平台用户层设备多样性和移动性问题,但也带来移动众包任务分配的问题,而现有移动众包任务分配机制不适合该平台。基于双向拍卖机制,设计了基于最大匹配的任务(MTM)分配算法,考虑移动用户的偏好,以最大化任务匹配数为目标,并满足诚实性、个体理性和预算平衡性。实验表明,该算法在任务匹配数上有很大提高,同时,具有计算高效性。     

基于声誉系统的软件众测任务分配机制

为了提高软件众测的质量和吸引长期高质量的众测工人,提出了一种基于声誉系统的软件众测任务分配机制。提出了基于对等预测的声誉系统,通过引入外部评价者对众测工人的能力进行评分,并通过对数奖励规则保证外部评价者的真实性。通过拍卖根据工人的报价和工人能力来选择胜利者和确定报酬。通过严格的理论分析和模拟试验,证明所提出的机制具有计算有效、个体理性、真实性、防洗白攻击以及近似度保证等性质,在社会成本和平均数据质量方面具有显著优势。     

用于空间众包任务匹配的未知工人效用估计方法

为了解决在未知工人效用情况下提高任务完成质量的问题,提出带有效用的最高分数匹配模型.该模型包含两个阶段:阶段一利用多臂老虎机模型计算工人效用值;阶段二利用更改了加分规则后的带有效用的基本方法(U-Basic)、带有效用的最小位置熵方法(U-LLEP)、带有效用的近距离优先方法(U-CDP)进行分配.在MovieLens...     

公共图书馆引入众包模式的探讨

阐述了众包作为一种全新的理念和运作模式应用到公共图书馆所产生的效能,从资源采购、参考咨询、数字资源加工和文献编目等方面,探讨了众包模式在公共图书馆的应用。     

基于众包的高校社团管理系统初探

针对传统的社团管理模式效率低,已有的高校社团管理系统集成度不高以及当前在高校社团中普遍存在的会员参加活动积极性不高,社团活动单一等问题,设计了基于众包的高校社团管理系统。众包模式的运用,使得高校社团之间的横向联系不断增强,给予学生充分的发挥空间,激发了学生的创造精神,推动了社团的健康发展。     

众包商业模式特殊性的理论诠释

众包作为一种创新商业模式,虽然存在任务定价、悬赏金分配、用人制度等问题,某种程度上损害了参与众包活动的劳动者的劳动积极性,但是众包商业模式能够节约企业运营成本,拓宽企业的创新源,有其存在的合理性。众包特殊性体现着价格理论、广义价值论和以交易形成作为标准的分配制度。     

劳务众包任务定价模型研究

以拍照赚钱APP的平台数据为例,建立Logit模型提升众包平台任务完成率,使用PageRank排序算法建立多任务打包定价模型,解决众包平台的多任务打包问题,并用Logistic回归模型进行检验.     

基于演化博弈视角的企业自建平台众包策略分析

文章以基于企业自建平台的众包项目为对象,从演化博弈视角分析了发包企业的任务群体和接包参与者群体之间众包行为的动态演化和相互作用过程,构建了发包企业的任务群体和接包参与者群体的演化博弈模型,分析了演化稳定策略及系统演化均衡问题,在此基础上分析众包策略的选择问题。结果表明:参与者的准备成本越低、专业程度越高、相关经验越丰富、付出程度越高,越利于众包成功;合理的任务难易度、相对宽松的期限、越低的企业众包成本、预期收益越高,越利于众包成功。最后给出若干举措以促进参与者和企业的良好合作。     

把青少年科学调查体验活动“众包”出去

介绍了众包(Crowdsourcing)项目和该项目所采用的媒介——大型多人在线角色游戏(严肃游戏),并通过历年青少年科学调查体验活动主题与国外主题相似的大型在线多人角色游戏对比、解析,提出了应该用互联网时代的理念和思维重新审视青少年科学调查体验活动。     

空间众包中基于位置预测的任务分配

随着移动设备的普及和O2O(Online-To-Offline)商业模式的快速发展,越来越多的空间众包平台融入人们的日常生活中,例如滴滴出行、饿了么等等.空间众包中的一个核心问题是任务分配,主要研究如何将空间任务分配给合适的众包工人.任务分配方式主要分为服务器分配模式(Server Assigned Task,SAT)和用户选择模式(Worker Selected Task,WST)两种模式,目前多数统一规范化的众包服务采用SAT模式,即系统主动将任务分配给任务请求位置附近的众包工人.在此任务分配模式下,众包工人和任务之间的旅行成本变得至关重要,较少的旅行成本意味着较少的响应时间和较高的任务接受率.因此提出了基于位置预测的任务分配方式,该方式不仅考虑任务和众包工人的当前位置,还考虑未来任务可能出现的位置,从而降低旅行成本和相应时间.首先设计了贪婪方法(Greedy Approach),然后在贪婪方法的基础上通过贝叶斯、支持向量机、决策树等方法预测未来任务的分布来辅助分配任务,最后在真实数据上进行的实验表明,该方法减小了在长时间内的总旅行成本,具有较好的性能.     

众包中基于博弈论的牛顿冷却定律应用

众包是一种可以高效解决复杂且困难问题的方法,但工人的恶意攻击行为会严重阻碍该方法的高效应用。为此,基于博弈理论,提出一种新的时衰收益策略模型来防止用户的恶意攻击行为。将参与者之间的交互建模为重复囚徒困境博弈,分析众包过程中的恶意攻击问题;使用基于牛顿冷却定律的时衰收益策略模型动态调节博弈双方的收益,改变博弈的纳什均衡;最后,使用股息贴现模型证明该策略模型的正确性。研究结果表明,该方案提高了合作用户的比例,降低了网络用户提供服务的成本,促进了网络用户之间的合作,解决了工人的恶意攻击问题。     

基于SWOT的档案众包理论应用分析

介绍了众包理论和SWOT分析方法的概念,采用SWOT方法分析在档案开发利用中应用众包理论的优势、劣势以及面临的机遇和挑战,提出了我国档案机构推行档案众包的建议.     

科研众包——科研合作的新模式

将众包作为一种新型的科技合作形态,首先论述了它的出现及其必然性,然后详细分解了这种新型科研合作形态的运行模式,并论及它的影响、优势和目前存在的主要问题。最后,结合我国的具体科研环境,提出4点具体的政策建议。     

一种考虑兴趣偏好的Top-k众包开发者推荐方法

随着云开发技术的不断发展,以众包软件平台为代表的在线开发者社区成为软件工程领域一个新的研究热点.如何为平台中的任务发布者及时、准确地推荐开发者是具有现实意义的重要问题.本研究提出一种考虑兴趣偏好的Top-k众包开发者推荐方法,改变传统Top-k推荐列表的生成模式,有针对性地为任务推荐符合条件的开发者.首先结合平台丰富的...     

集成加权软投票的众包真值推理方法

为了提高众包的质量并获取高质量的标注数据,已有许多基于真值推理的众包标注方法被提出.传统真值推理利用多噪声标签作为输入,通过聚合策略推断出真实标签,该过程只考虑了实例的标签而忽略了实例的特征,且忽略了不同工人对不同实例的标注质量.该文引入实例的特征以最大程度地挖掘实例中蕴含的有用信息.通过计算众包实例属于每一个类别的概...     

基于互联网的企业众包战略分析——以土豆网为例

在互联网产业发展越来越迅速,产品越来越丰富的今天,利用大众智慧解决商业难题的方式:“众包”,已经应用得越来越广泛.土豆网作为中国最早的视频分享网站,其成功在于众包战略的运用,产对其影响十分巨大.现将以土豆网为例,对基于互联网的企业众包战略做一个简要分析.     

科研众包平台的发展现状与演变趋势分析

主要研究了科研众包平台的发展现状,并通过对不同类型平台案例的分析,总结其运营模式。在上述分析基础上,提出了科研众包平台未来发展的四大趋势,并总结科研众包平台对未来科技创新的影响以及科技众包平台所存在的隐患。