買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉煙臺大學申請的專利一種基于多目標優化的移動眾包策略優化方法及系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119204625B 。

龍圖騰網通過國家知識產權局官網在2025-09-02發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202411729922.6，技術領域涉及：G06Q10/0631；該發明授權一種基于多目標優化的移動眾包策略優化方法及系統是由王瑩潔;駱弟洪;滕浩鈞;孫美美;潘慶先;童向榮;馬文明設計研發完成，并于2024-11-29向國家知識產權局提交的專利申請。

本一種基于多目標優化的移動眾包策略優化方法及系統在說明書摘要公布了：本發明涉及群智感知技術與人工智能技術交叉領域，尤其涉及一種基于多目標優化的移動眾包策略優化方法及系統，所述方法，包括利用眾包平臺進行任務信息發布，包括發布任務類型、最高預算和設備要求；根據任務信息的發布位置進行信息推送，基于發布的任務信息計算工人信息屬性并上傳至眾包平臺，根據工人信息屬性和任務信息進行任務?工人匹配，利用初始定價模型根據當前任務和工人的實際情況進行實時動態定價，包括結合工人當天的任務完成數量、當前聲譽值，加密機構當前聲譽和當前評分，本發明對所有上傳信息的工人進行初步篩選得到工人候選列表并生成初始解集，這一過程縮小了搜索范圍，減少了不必要的計算量。

本發明授權一種基于多目標優化的移動眾包策略優化方法及系統在權利要求書中公布了：1.一種基于多目標優化的移動眾包策略優化方法，其特征在于，包括： 利用眾包平臺進行任務信息發布，包括發布任務類型、最高預算和設備要求； 根據任務信息的發布位置進行信息推送，包括提取任務信息發布的地理位置，根據預設的廣播范圍進行任務推送； 基于發布的任務信息計算工人信息屬性并上傳至眾包平臺，其中，計算工人信息包括計算任務的距離屬性、聲譽屬性、最低收益和能力值屬性，所述基于發布的任務信息計算工人信息屬性并上傳至眾包平臺，包括根據任務信息中的地理信息與工人當前所在地理信息計算距離屬性，并對計算得到的距離屬性進行歸一化處理，所述計算距離屬性公式為： ， 其中，是地球半徑，是工人所在位置和任務發布位置之間的維度差，是工人當前所在地理信息的維度，是任務發布位置的維度，是工人所在位置和任務發布位置之間的經度差； 還包括工人根據任務要求和自身的設備等情況，計算自己對于感興趣任務的能力值屬性計算如下: ， 其中，是工人的聲譽信息，是工人的最大工作距離，、和分別代表不同項的權重系數，是Jaccard相似度，用來評價工人設備情況與任務完成設備需求的相似度，其中，表示為： ， 其中，表示任務完成所需要的設備需求集合，這個集合包含了完成特定任務所需的各類設備特征、性能要求等要素，表示工人所擁有的設備情況集合，涵蓋了該工人實際配備的設備的各種特性； 根據最近N次任務的完成情況，計算出自己的聲譽屬性，聲譽屬性的計算如下所示： ， 其中，是一個聲譽基礎值，是所有工人的平均聲譽值，是該工人最近N次任務中的聲譽分數的和； 根據工人信息屬性和任務信息進行任務-工人匹配，包括利用EH-STLS算法進行任務-工人匹配，生成最佳任務分配信息表，所述利用EH-STLS算法進行任務-工人匹配，包括根據任務信息和工人信息屬性對所有上傳信息的工人信息屬性進行初步篩選，得到工人候選列表，并基于工人候選列表生成初始解集，在初始解集中利用EH-STLS算法進行綜合評估，使得每個任務在該階段僅與一個工人匹配，從而生成初步的全局最優解集，還包括在初始解集基礎上并滿足要求和約束下，進行動態交叉變異迭代，通過多樣性的操作機制來增加解的探索能力，并基于迭代次數動態調整的概率策略，使得交叉和變異概率能夠隨著迭代的進行而動態變化，具體如下公式所示： ， ， 其中，g是當前迭代次數，N是總的迭代次數，是交叉概率，是變異概率，在經過一定的迭代輪次后通過變領域局部搜索進一步尋找優質帕累托解，生成最佳任務分配信息表； 將最佳任務分配信息表輸入KDQN動態定價模型，通過Stackelberg博弈進行動態定價操作，得到初始定價模型，包括運用逆向歸納法求解追隨者最優策略，分別求解工人和加密機構的最優工作努力程度和定價策略，再求解平臺的最優定價策略，進而確定Stackelberg均衡解，基于均衡解構建初始定價模型，通過擬合定價策略與任務要求和預算的關系得到模型函數；所述將最佳任務分配信息表輸入KDQN動態定價模型，包括對任務分配信息表中的數據進行解析和預處理，并構建任務-工人分配矩陣，之后提取任務分配信息表的任務特征和工人詳細屬性，對提取的數值型數據進行歸一化操作； 所述KDQN動態定價模型包括引入KAN來替代替換DQN中的MLP層，KAN使用可學習的激活函數，使其在逼近復雜函數關系時更加靈活，從而能更好地擬合Q值，此時Q函數被改為： ， 其中，是一個可學習的激活函數，是KAN的參數； 此外，KAN的結構使得其在訓練過程中能夠根據輸入數據的復雜性調整激活函數的形式，從而提高了模型的收斂速度，收斂速度改進為： ， 其中，α表示的是與模型參數數量N相關的收斂速率指數，表示為KAN網絡的收斂速度，表示復雜度； 利用初始定價模型根據當前任務和工人的實際情況進行實時動態定價，包括結合工人當天的任務完成數量、當前聲譽值，加密機構當前聲譽和當前評分，對于工人，實時獲取當天任務完成數量和當前聲譽值，與初始定價模型中的工人能力信息整合為工人實時狀態向量，對于任務，結合初始定價模型中的任務類型、最高預算和設備要求形成任務實時狀態向量，最后匯總成完整實時狀態向量用于定價計算。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人煙臺大學，其通訊地址為：264003 山東省煙臺市萊山區清泉路30號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。