-
公开(公告)号：CN116821522B
公开(公告)日：2023-12-01
申请号：CN202311099016.8
申请日：2023-08-30
Applicant: 暨南大学
IPC: G06F16/9536 , G06F16/9535
Abstract: 本发明公开了一种基于群组的合作性群智感知任务推荐方法及系统，包括以下步骤：确定角色类型，其中，角色类型包括：合作性群智感知平台、参与者和参与者群组；通过合作性群智感知平台，根据参与者和任务的信息构建参与者群组；根据参与者群组，设计双重注意力机制，聚合组成员偏好，得到群组和任务的嵌入表示；根据群组和任务的嵌入表示，利用基于神经网络的协同过滤算法，设计协同神经网络结构，为参与者群组生成个性化的top‑K任务推荐列表。本发明解决合作性群智感知中个人推荐方法无法应用在群组中的问题，综合考虑参与者能力和偏好差异，使用双重注意力机制提高了任务和群组嵌入表示的准确度，进而增强了任务推荐算法的性
-
公开(公告)号：CN116663855B
公开(公告)日：2024-02-06
申请号：CN202310911532.X
申请日：2023-07-25
Applicant: 暨南大学
IPC: G06Q10/0631 , G06Q10/047
Abstract: 本发明公开了一种群智感知中的双边满意在线任务匹配方法及系统，属于计算机网络技术和移动群智感知技术领域，包括以下步骤：任务请求者发布具有若干个属性约束的感知任务，并集合具有若干个属性约束的工人，构建群智感知系统模型；构建目标函数和双边多约束条件，基于目标函数和双边多约束条件，构建任务匹配模型；基于群智感知系统模型定义工人和任务请求者的双边满意度，构建工人的任务子集满意列表及任务集的工人满意列表；基于任务匹配模型和满意列表，获得多工人多任务的最佳匹配方案。本发明能够在多约束条件下，实现任务请求者和工人双边满意下的实现最大化任务完成率和最小化总移动距离双目标优化的任务匹配。
-
Patent Agency Ranking
公开(公告)号：CN115629885B
公开(公告)日：2023-04-07
申请号：CN202211644417.2
申请日：2022-12-21
Applicant: 暨南大学
Abstract: 本申请公开了群智感知中基于局部预算共享的多源任务分配方法及系统，其中方法包括：确定角色类型；角色类型包括：任务请求者、移动群智感知平台和移动群智感知参与者；通过移动群智感知平台收集感知任务；根据感知任务，建立多源感知任务分配模型；基于多源感知任务分配模型来获取最佳分配方案。本申请采用聚合的思想，通过将位置相近且相似的感知任务聚合并使他们共享预算。并设计一种路径规划方法帮助参与者在任务截止日期前以较低的成本完成任务。最后迭代地为每个感知任务分配合适的参与者，以实现任务分配的目标：最大化任务完成质量和最小化总的移动距离。解决移动群智感知中感知任务与参与者双重异构的多任务分配问题。
-
公开(公告)号：CN116821522A
公开(公告)日：2023-09-29
申请号：CN202311099016.8
申请日：2023-08-30
Applicant: 暨南大学
IPC: G06F16/9536 , G06F16/9535
Abstract: 本发明公开了一种基于群组的合作性群智感知任务推荐方法及系统，包括以下步骤：确定角色类型，其中，角色类型包括：合作性群智感知平台、参与者和参与者群组；通过合作性群智感知平台，根据参与者和任务的信息构建参与者群组；根据参与者群组，设计双重注意力机制，聚合组成员偏好，得到群组和任务的嵌入表示；根据群组和任务的嵌入表示，利用基于神经网络的协同过滤算法，设计协同神经网络结构，为参与者群组生成个性化的top‑K任务推荐列表。本发明解决合作性群智感知中个人推荐方法无法应用在群组中的问题，综合考虑参与者能力和偏好差异，使用双重注意力机制提高了任务和群组嵌入表示的准确度，进而增强了任务推荐算法的性能。
-
公开(公告)号：CN116663855A
公开(公告)日：2023-08-29
申请号：CN202310911532.X
申请日：2023-07-25
Applicant: 暨南大学
IPC: G06Q10/0631 , G06Q10/047
Abstract: 本发明公开了一种群智感知中的双边满意在线任务匹配方法及系统，属于计算机网络技术和移动群智感知技术领域，包括以下步骤：任务请求者发布具有若干个属性约束的感知任务，并集合具有若干个属性约束的工人，构建群智感知系统模型；构建目标函数和双边多约束条件，基于目标函数和双边多约束条件，构建任务匹配模型；基于群智感知系统模型定义工人和任务请求者的双边满意度，构建工人的任务子集满意列表及任务集的工人满意列表；基于任务匹配模型和满意列表，获得多工人多任务的最佳匹配方案。本发明能够在多约束条件下，实现任务请求者和工人双边满意下的实现最大化任务完成率和最小化总移动距离双目标优化的任务匹配。
-
公开(公告)号：CN116502862A
公开(公告)日：2023-07-28
申请号：CN202310684913.9
申请日：2023-06-09
Applicant: 暨南大学
IPC: G06Q10/0631 , G06Q10/047
Abstract: 本发明提出移动群智感知中基于社会福利进行任务分配的方法，包括：基于广义最短路径算法，获取任务的候选工人集合，基于所述候选工人集合，获取执行任务的候选工人；基于鲁宾斯坦讨价还价博弈模型，获取多约束条件下云平台与所述候选工人博弈的任务价格的最优解；基于所述最优解，完成任务分配，获取最大化后的社会福利。本发明可以在完成任务分配的同时实现社会福利的最大化，提升群智感知的感知质量。
-
公开(公告)号：CN115629885A
公开(公告)日：2023-01-20
申请号：CN202211644417.2
申请日：2022-12-21
Applicant: 暨南大学
Abstract: 本申请公开了群智感知中基于局部预算共享的多源任务分配方法及系统，其中方法包括：确定角色类型；角色类型包括：任务请求者、移动群智感知平台和移动群智感知参与者；通过移动群智感知平台收集感知任务；根据感知任务，建立多源感知任务分配模型；基于多源感知任务分配模型来获取最佳分配方案。本申请采用聚合的思想，通过将位置相近且相似的感知任务聚合并使他们共享预算。并设计一种路径规划方法帮助参与者在任务截止日期前以较低的成本完成任务。最后迭代地为每个感知任务分配合适的参与者，以实现任务分配的目标：最大化任务完成质量和最小化总的移动距离。解决移动群智感知中感知任务与参与者双重异构的多任务分配问题。
-
-
-
-
-
-
Search Results
7
records
(took 0.016 seconds)
