买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉烟台大学申请的专利一种基于多目标优化的移动众包策略优化方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119204625B 。

龙图腾网通过国家知识产权局官网在2025-09-02发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411729922.6，技术领域涉及：G06Q10/0631；该发明授权一种基于多目标优化的移动众包策略优化方法及系统是由王莹洁;骆弟洪;滕浩钧;孙美美;潘庆先;童向荣;马文明设计研发完成，并于2024-11-29向国家知识产权局提交的专利申请。

本一种基于多目标优化的移动众包策略优化方法及系统在说明书摘要公布了：本发明涉及群智感知技术与人工智能技术交叉领域，尤其涉及一种基于多目标优化的移动众包策略优化方法及系统，所述方法，包括利用众包平台进行任务信息发布，包括发布任务类型、最高预算和设备要求；根据任务信息的发布位置进行信息推送，基于发布的任务信息计算工人信息属性并上传至众包平台，根据工人信息属性和任务信息进行任务‑工人匹配，利用初始定价模型根据当前任务和工人的实际情况进行实时动态定价，包括结合工人当天的任务完成数量、当前声誉值，加密机构当前声誉和当前评分，本发明对所有上传信息的工人进行初步筛选得到工人候选列表并生成初始解集，这一过程缩小了搜索范围，减少了不必要的计算量。

本发明授权一种基于多目标优化的移动众包策略优化方法及系统在权利要求书中公布了：1.一种基于多目标优化的移动众包策略优化方法，其特征在于，包括： 利用众包平台进行任务信息发布，包括发布任务类型、最高预算和设备要求； 根据任务信息的发布位置进行信息推送，包括提取任务信息发布的地理位置，根据预设的广播范围进行任务推送； 基于发布的任务信息计算工人信息属性并上传至众包平台，其中，计算工人信息包括计算任务的距离属性、声誉属性、最低收益和能力值属性，所述基于发布的任务信息计算工人信息属性并上传至众包平台，包括根据任务信息中的地理信息与工人当前所在地理信息计算距离属性，并对计算得到的距离属性进行归一化处理，所述计算距离属性公式为： ， 其中，是地球半径，是工人所在位置和任务发布位置之间的维度差，是工人当前所在地理信息的维度，是任务发布位置的维度，是工人所在位置和任务发布位置之间的经度差； 还包括工人根据任务要求和自身的设备等情况，计算自己对于感兴趣任务的能力值属性计算如下: ， 其中，是工人的声誉信息，是工人的最大工作距离，、和分别代表不同项的权重系数，是Jaccard相似度，用来评价工人设备情况与任务完成设备需求的相似度，其中，表示为： ， 其中，表示任务完成所需要的设备需求集合，这个集合包含了完成特定任务所需的各类设备特征、性能要求等要素，表示工人所拥有的设备情况集合，涵盖了该工人实际配备的设备的各种特性； 根据最近N次任务的完成情况，计算出自己的声誉属性，声誉属性的计算如下所示： ， 其中，是一个声誉基础值，是所有工人的平均声誉值，是该工人最近N次任务中的声誉分数的和； 根据工人信息属性和任务信息进行任务-工人匹配，包括利用EH-STLS算法进行任务-工人匹配，生成最佳任务分配信息表，所述利用EH-STLS算法进行任务-工人匹配，包括根据任务信息和工人信息属性对所有上传信息的工人信息属性进行初步筛选，得到工人候选列表，并基于工人候选列表生成初始解集，在初始解集中利用EH-STLS算法进行综合评估，使得每个任务在该阶段仅与一个工人匹配，从而生成初步的全局最优解集，还包括在初始解集基础上并满足要求和约束下，进行动态交叉变异迭代，通过多样性的操作机制来增加解的探索能力，并基于迭代次数动态调整的概率策略，使得交叉和变异概率能够随着迭代的进行而动态变化，具体如下公式所示： ， ， 其中，g是当前迭代次数，N是总的迭代次数，是交叉概率，是变异概率，在经过一定的迭代轮次后通过变领域局部搜索进一步寻找优质帕累托解，生成最佳任务分配信息表； 将最佳任务分配信息表输入KDQN动态定价模型，通过Stackelberg博弈进行动态定价操作，得到初始定价模型，包括运用逆向归纳法求解追随者最优策略，分别求解工人和加密机构的最优工作努力程度和定价策略，再求解平台的最优定价策略，进而确定Stackelberg均衡解，基于均衡解构建初始定价模型，通过拟合定价策略与任务要求和预算的关系得到模型函数；所述将最佳任务分配信息表输入KDQN动态定价模型，包括对任务分配信息表中的数据进行解析和预处理，并构建任务-工人分配矩阵，之后提取任务分配信息表的任务特征和工人详细属性，对提取的数值型数据进行归一化操作； 所述KDQN动态定价模型包括引入KAN来替代替换DQN中的MLP层，KAN使用可学习的激活函数，使其在逼近复杂函数关系时更加灵活，从而能更好地拟合Q值，此时Q函数被改为： ， 其中，是一个可学习的激活函数，是KAN的参数； 此外，KAN的结构使得其在训练过程中能够根据输入数据的复杂性调整激活函数的形式，从而提高了模型的收敛速度，收敛速度改进为： ， 其中，α表示的是与模型参数数量N相关的收敛速率指数，表示为KAN网络的收敛速度，表示复杂度； 利用初始定价模型根据当前任务和工人的实际情况进行实时动态定价，包括结合工人当天的任务完成数量、当前声誉值，加密机构当前声誉和当前评分，对于工人，实时获取当天任务完成数量和当前声誉值，与初始定价模型中的工人能力信息整合为工人实时状态向量，对于任务，结合初始定价模型中的任务类型、最高预算和设备要求形成任务实时状态向量，最后汇总成完整实时状态向量用于定价计算。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人烟台大学，其通讯地址为：264003 山东省烟台市莱山区清泉路30号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。