具有被动奖励的众包感知社会系统中基于树状推荐的博弈论分析
计算机科学与博弈论
2016-04-01 v1 多智能体系统
社会与信息网络
物理与社会
摘要
参与式众包感知社会系统依赖于大量个体的参与。由于人类天生具有策略性，需要有效的激励机制来鼓励参与。一种流行的招募个体的机制是通过推荐和被动激励，例如2009年DARPA网络挑战赛获胜队伍所使用的几何激励机制以及多层次营销方案中的机制。此类招募方案对受招募的策略性个体所付出努力的影响尚不清楚。本文试图填补这一空白。给定推荐树以及直接与被动奖励机制，我们构建了一个网络博弈，其中智能体竞争完成众包感知任务。我们刻画了智能体所付出的纳什均衡努力，并推导出了相应的闭式表达式。我们发现了获得大量被动奖励的节点之间存在搭便车行为。该工作对设计有效的众包任务招募机制具有启示意义。例如，由于搭便车现象，使用几何激励机制招募大量个体可能不会导致成比例的努力。
引用
@article{arxiv.1601.07505,
title = {Game Theoretic Analysis of Tree Based Referrals for Crowd Sensing Social Systems with Passive Rewards},
author = {Kundan Kandhway and Bhushan Kotnis},
journal= {arXiv preprint arXiv:1601.07505},
year = {2016}
}
备注
6 pages, 3 figures. Presented in Social Networking Workshop at International Conference on Communication Systems and Networks (COMSNETS), Bangalore, India, January 2016