基于假设出价逆拍卖的移动人群感知激励机制
计算机科学与博弈论
2025-07-11 v1
摘要
移动人群感知（MCS）是一种机制，允许人们利用自身移动设备上的感知能力参与数据收集过程。在此框架下，激励措施是指个人为其提交的数据所获得的奖励。逆拍卖出价（RAB）是一个允许用户为其收集的数据出价的框架。任务提供者可以通过查看出价来选择从哪些用户处购买数据。利用 RAB 框架，MCS 系统可以针对更好的用户效用、任务提供者效用和平台效用进行优化。在本文中，我们提出了一种新方法，称为带假设出价成本的逆拍卖（RA-ABC），该方法允许用户在收集数据之前在系统中出价。我们认为，在赢得任务后才执行任务有助于减少资源消耗，而不是在出价之前执行任务。用户的投资回报率（ROI）是他们决定是否进一步参与的依据，他们可以通过增加或减少出价来实现这一点。我们还提出了 RA-ABC 的一种扩展，即带有动态招募的 RA-ABCDR，在该扩展中，我们允许在拍卖轮次期间随时加入新的用户。仿真结果表明，RA-ABC 和 RA-ABCDR 均优于广泛使用的 Tullock 最优奖励函数，其中 RA-ABCDR 在用户保留率上提高了最高可达 54.6%，并将拍卖成本降低 22.2%，从而确保了更高效和更可持续的系统性能。广泛的仿真结果确认，动态用户招募在稳定性、公平性和成本效益等指标上显著提升了性能。
引用
@article{arxiv.2507.07688,
title = {Incentive Mechanism for Mobile Crowd Sensing with Assumed Bid Cost Reverse Auction},
author = {Jowa Yangchin and Ningrinla Marchang},
journal= {arXiv preprint arXiv:2507.07688},
year = {2025}
}