[发明专利]一种基于工人忠诚度的空间众包任务分配方法

权利要求书

1.一种基于工人忠诚度的空间众包任务分配方法，其特征在于，包括以下步骤：

S10、根据作为连续时间序列数据的工人历史任务绩效数据，采用三路Prophet模型分别预测工人的三个绩效数据，该三个绩效数据为工人每日的任务完成数量、任务完成率和任务完成评价得分；

S20、采用熵权法评估预测得到的工人的三个绩效数据，并结合不同时间长度的工人历史任务绩效数据，获得工人的短期忠诚度和长期忠诚度；

S30、将短期忠诚度和长期忠诚度并联作为输入，通过一个全连接神经网络层，输出预测的工人忠诚度分数，获得工人忠诚度分数集；

S40、建立工人与任务的二部图，根据工人忠诚度分数和任务奖励确定边集权重，采用最佳权值匹配算法，利用一个递归地为工人寻找可匹配的任务的FindTask函数，将满足条件的任务分配给相应的工人，其中任务的满足条件为二部图中两个顶点相关联的边的权重与工人和任务的期望值之和的差值为零，工人和任务的期望值为与其关联的边中的最大权重值。

2.根据权利要求1所述的基于工人忠诚度的空间众包任务分配方法，其特征在于，所述步骤S10中采用的Prophet模型表示为：

y(t)＝g(t)+s(t)+h(t)+∈_t

式中，t表示时间，以一天作为单位，g(t)表示对时间序列中的非周期性变化进行建模的趋势函数，s(t)表示周期性变化函数，h(t)表示假期影响函数，∈_t为噪声项，表示模型无法拟合的任何特殊变化。

3.根据权利要求2所述的基于工人忠诚度的空间众包任务分配方法，其特征在于，所述趋势函数g(t)表示为：

式中，k表示基本增长率，δ表示增长率的变化量，m表示偏移参数，a(t)为包含了所有变点的一般表达式，变点为与基本增长率k变化相对应的点，a_j(t)表示对第j个变点的时间t_j是否发生在时刻t之前的判断，γ表示使函数连续的参数；

所述周期性变化函数s(t)表示为：

s(t)＝X(t)β

式中，X(t)表示基于傅里叶级数的周期性乘积模型，β～Normal(0,σ²)，服从正态分布；

所述假期影响函数h(t)表示为：

Z(t)＝[1(t∈D₁),…,1(t∈D_L)]

h(t)＝Z(t)κ

式中，D_i,i＝1,2,…L表示记录重复的假期和重要事件的集合，L为指定时间段内假期和重要事件的数量，并为每个假期和重要事件分配一个参数κ_i，κ～Normal(0,ν²)，服从正态分布。

4.根据权利要求3所述的基于工人忠诚度的空间众包任务分配方法，其特征在于，所述步骤S20中根据工人每日的任务完成数量、任务完成率和任务完成评价得分这三个绩效数据，采用熵权法计算每个工人的权重的过程为：

设定每个工人w_i都有一个特征集P{w_i}＝{p_i1,p_i2,p_i3}，其中p_ij,j＝1,2,3分别表示工人的三个绩效数据；

采用公式对绩效数据进行归一化处理；

采用公式计算工人w_i的第j个绩效数据的比重y_ij，m表示工人总数；

采用公式计算第j个绩效数据的信息熵e_j；

采用公式计算第j个绩效数据的相应权重k_j；

然后将比重和权重进行乘积，通过一个比例系数，得到单个工人的忠诚度数据；

将Prophet模型的输入配置为预设的短期时间长度的工人历史任务绩效数据，获得各工人的短期忠诚度l_s，

将Prophet模型的输入配置为预设的长期时间长度的工人历史任务绩效数据，获得各工人的长期忠诚度l_l。