移動群智感知中混合激勵的博弈融合與最佳化研究

《移動群智感知中混合激勵的博弈融合與最佳化研究》是依託浙江師範大學，由魯劍鋒擔任項目負責人的面上項目。

基本介紹

• 中文名：移動群智感知中混合激勵的博弈融合與最佳化研究
• 項目類別：面上項目
• 項目負責人：魯劍鋒
• 依託單位：浙江師範大學

項目摘要

如何激勵參與者積極參與感知任務並貢獻高質可靠的感知數據是移動群智感知亟需解決的關鍵問題。然而，作為被激勵對象的參與者往往具有理性、自私性、移動性、自主性等特徵給激勵機制的設計帶來了諸多挑戰。本項目擬基於博弈論研究移動群智感知中混合激勵的博弈融合與最佳化問題。主要內容包括：首先，分析任務感知與博弈模型之間的映射關係，構建基於多目標決策的不完全信息有限次重複任務感知博弈模型；其次，設計基於混合激勵方式的信譽評級協定，分析協定對博弈局中人行為決策的影響，計算激勵一致性條件；再次，分析任務感知決策過程的合作演化穩定性，採用複製動態方程驗證社會最優策略的魯棒性，制定任務感知決策過程的最佳化調整方案；最後，設計面向移動群智感知激勵機制混合與最佳化實驗平台，從實踐層面檢驗混合激勵機制的正確性和有效性。本項目的開展將為激勵自私參與者採取合作行為的研究提出科學有效的解決方案，促進移動群智感知快速可持續性發展。

結題摘要

如何有效激勵移動群智感知用戶積極參與感知任務並貢獻高質可靠的感知數據，是當前移動群智感知亟需解決的關鍵問題。本課題基於博弈論實現混合激勵的博弈融合與最佳化，規範和引導自私參與者的合作行為，克服單一激勵方式的局限性，以滿足多樣化的系統訴求。課題主要從博弈模型構建、激勵方式混合設計、合作演化與系統最佳化、實驗平台搭建四個方面開展研究，主要成果包括：（1）分析了任務感知過程中參與者與感知平台/發布者，以及參與者之間的競爭與合作關係，構建了不完全信息靜態博弈模型，基於重複博弈理論將一系列相互對立的靜態博弈模型擴展到多對多的有限次重複博弈模型，分析和量化了各激勵子目標之間的內在聯繫，設計了關聯各子目標的決策變數及其權重係數，制定出全局統一的多激勵目標函式，分析了博弈雙方的預期收益及最優策略，並計算出精煉貝葉斯均衡。（2）設計了激勵方式的混合設計與博弈融合算法，將信譽的更新與參與水平和質量評級相結合，遴選出最優的參與者子集，設定了感知數據的報酬支付級別，分析了信譽的穩態分布以及混合激勵方式對博弈局中人個體行為決策的影響，計算出激勵一致性條件，驗證了混合激勵方式對任務感知過程中合作性最佳化問題的可行性，並計算出滿足合作均衡最大值的社會最優合作解。（3）分析了感知決策過程的合作演化穩定性，構造了協作參與者和自私參與者的策略選取複製動態方程組，計算演化穩定均衡解並對其進行穩定性分析，通過解析獲得合作湧現對應的損益比，驗證了系統期望的最優合作策略的魯棒性，設計了最優協作策略選取算法，分析了各策略對應的收益及策略選取隨時間演化的狀態變化，實現了對最優協作策略選取的分析和預測。（4）構建了面向移動群智感知的基礎實驗平台，模擬了感知任務發布、參與、完成全過程，針對任務參與者的參與度與所提供的感知數據質量兩大衡量激勵機制實用價值的重要指標，對混合激勵機制進行了驗證和評估。