一种基于双向觅食理论的众包设计过程仿真方法

1.本发明属于众包设计技术领域，涉及一种基于双向觅食理论的众包设计过程仿真方法。


背景技术：

2.众包概念由howe在2006年提出，指大型公司或机构将在过去由一群特定的人完成的工作以公开的方式外包给非特定的一群人的方式。这种方式所选择的可能会是非专业的爱好者，这使得这些公司能够发掘更多的潜在人才，同时需要的人工成本相比于使用传统员工也会有所降低。众包模式最大的特点在于发现和利用互联网上群体的创新潜力，将互联网中闲置的智力资源转化为有效的生产力。
3.众包设计依托分布式互联网智能群体解决产品创新设计难题，一方面实现闲置资源有效利用与生产力转化，另一方面帮助企业快速实现产品创新设计、更新迭代，满足用户个性化需求。众包设计是指将众包模式应用于产品创新设计，企业或者个人将个性化的设计需求以设计任务的形式发布在众包设计平台上，由互联网用户完成设计过程、形成设计方案。众包设计利用互联网大规模群体的设计能力，以满足个性化的产品设计需求，是现代设计理论的继承和发展，最大的特点在于发现和利用大规模互联网群体的创新潜力，将互联网中闲置的智力资源转化为有效的生产力。
4.众包设计作为典型的群智设计模式，具有开放性、多样性、不确定性、动态演化性等特征，国内外学者从众包设计的多个维度开展了研究，例如众包设计模式在产品设计中的应用、众包任务推荐、众包参与者建模等等，然而对于众包设计过程定量仿真分析缺乏足够的研究，众包设计仍存在参与者众多、角色模糊，同质低端设计能力过度竞争，众包生态趋于恶化等问题。因此，本发明提出一种基于双向觅食理论的众包设计过程仿真方法，采用仿真的方式定量地描述众包设计设计者参与过程以及交易过程，为探索众包设计过程一般规律、促进众包设计生态良性发展奠定基础。


技术实现要素：

5.本发明的目的是提供一种基于双向觅食理论的众包设计过程仿真方法，能有效地解决众包设计过程仿真技术问题。
6.为实现上述发明目的，本发明技术方案如下：一种基于双向觅食理论的众包设计过程仿真方法，包括设计者觅食和需求者觅食两个过程：
7.一、设计者觅食设计任务：设计者从众包设计平台的海量设计任务中选择适合自身条件的设计任务，形成设计方案并提交给发布该设计任务的需求者；具体包含以下四个步骤：
8.①
确定捕食范围，在众包设计平台中搜寻捕食范围内的设计任务；
9.②
确定捕食范围内新的设计任务数量n，计算设计任务相遇率λ
des
；
10.③
计算设计任务分析时间r
des
和设计任务执行时间h
des
；
11.④
计算设计任务广义收益率p
des
，形成捕食序列；
12.二、需求者觅食设计方案：需求者从设计者提交的众多设计方案中选择满足个性化需求的设计方案作为最终的解决方案；具体包含以下三个步骤：
13.⑤
选择设计者提交的设计方案，计算设计方案相遇率λ
dem
；
14.⑥
分析设计方案，计算设计方案分析时间r
dem
；
15.⑦
计算设计方案满意度，选择最终解决方案；
16.若设计者的捕食序列包含某设计任务，同时发布该设计任务的需求者选择设计者提交的设计方案，则设计者与需求者双方交易成功、完成整个众包设计过程。
17.所述确定捕食范围是设计者根据历史交易记录确定当前能够参与的设计任务特征，包括：任务类型typei、任务价值ei、众包形式tci，其中，i＝1,2,
…
；设计者根据个人登录众包设计平台、查看设计任务的习惯行为，确定搜寻时间周期t
des
。
18.所述设计任务相遇率λ
des
的计算公式为：
[0019][0020]
所述设计方案分析时间r
dem
的计算公式为：
[0021][0022]
其中，dei表示需求者发布设计任务时的描述详细程度，dei＝n
word
10n
picture
，n
word
表示文字数量，n
picture
表示图片数量；tyi表示设计任务的类型，取值为：
[0023]
所述设计任务执行时间h
des
计算公式为：
[0024][0025]
其中，a为常量系数；设计任务复杂度dii根据其描述信息熵计算 p(xi)表示设计任务中描述特征词xi出现的概率，n表示设计任务中描述特征词的数量，由信息熵计算公式可知，描述设计任务的内容越多，所包含的信息量越大，设计任务的难度越大； bi表示提交该方案的设计者在该类型设计任务的生态位宽度。
[0026]
所述设计任务广义收益率p
des
计算公式为：
[0027][0028]
将设计任务按照广义收益率从高到低排序，广义收益率最高的设计任务在捕食序列中，按照以下公式依次判断其他设计任务是否在捕食序列：
[0029][0030]
式中，k＝1,2,...。
[0031]
所述计算设计方案相遇率λ
dem
，需求者选择方案的时间相同，每个设计方案的搜寻时间设为t
dem
＝1；设计方案的相遇率λ
dem
计算公式为：
[0032][0033]
其中，r
des_i
表示提交该方案的设计者分析设计任务时间，h
des_i
表示提交该方案的设计者执行设计任务时间；设计者的生态位宽度越大，响应设计任务的时间越短，则需求者对该设计方案的相遇率越高。
[0034]
所述计算设计方案分析时间r
dem
是需求者对设计方案的分析时间r
dem
，计算公式为：
[0035][0036]
其中qui表示设计方案的描述详细程度，计算方式与设计任务描述详细程度计算公式相同。
[0037]
所述需求者对设计方案的满意度计算公式为：
[0038][0039]
其中h
dem_i
表示选择设计方案的时间，取值为0；
[0040][0041]
至此，需求者从中选择满意度最高的一个或多个设计方案作为最终解决方案。
[0042]
若设计者历史参与的每个类型设计任务价值区间为[e
min
,e
max
]，则当前的捕食范围内设计任务价值区间为[αe
min
,βe
max
]，其中α,β为捕食范围调整系数，根据设计者的收益期望确定，个体的收益期望越高，捕食范围越大。
[0043]
所述提交该方案的设计者在该类型设计任务的生态位宽度bi计算公式为：
[0044][0045]
其中，ni表示设计者历史中标的设计任务类型数量，n
ij
表示设计者历史中标的第i类设计任务数量，n
ij
表示设计者历史中标的设计任务金额；设计者历史中标设计任务类型越多、数量越多、金额越大，生态位宽度也越大。
[0046]
本发明的有益效果为：该方法将众包设计看作是一个双向选择过程，采用最优觅食理论能够判断捕食者是否捕食的依据，利用双向觅食过程对众包设计过程进行仿真。设计者觅食过程为：设计者搜寻食物，设计者根据自身能力，以及众包设计任务特性识别食物
的潜在收益率；设计者处理食物，设计者选择接单后，开始设计任务，提出解决方案，设计者生态位与设计任务需求的匹配度越高、处理食物越容易，用时越短。需求者觅食：需求者搜寻食物，需求者根据设计任务的需求特性，分析设计者生态位与需求的匹配程度，识别食物的潜在收益率；需求者处理食物，查看设计者提交的设计方案。该方法能能够准确描述众包设计过程，实现众包设计的仿真分析，为探索众包设计的一般规律提供方法支撑。
附图说明
[0047]
图1为本发明的流程图；
[0048]
图2为本发明设计者觅食设计任务的流程图；
[0049]
图3为本发明设计者的任务收益柱状示意图；
[0050]
图4为本发明需求者觅食设计方案的流程图。
具体实施方式
[0051]
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。
[0052]
实施例1
[0053]
本实施例以某设计平台为例，简述本发明设计流程：
[0054]
一、众包设计数获取
[0055]
为获取本实施例所需要的需求者、设计任务、设计者、设计方案等和交互历史等数据，采用python编写爬虫程序，自动从猪八戒网爬取相关信息，利用selenium和lxml模块打开并解析页面。编写程序时根据页面结构设置判断，为不同的页面结构设置不同的解析规则，对于爬取中特殊的问题进行特殊处理。通过数据爬取的方式采集猪八戒网的众包设计数据，共采集到约70万条设计任务的相关数据，数据时间跨度从2015年1月起到2020年12月止，包含招标、比稿、计件、大赛等多种众包形式的设计任务。
[0056]
每个设计任务相关的数据内容包括：任务id、发布时间、任务金额、任务类型、众包形式、需求者id、提交的设计方案、被采纳的设计方案、参与的设计者id。为了计算设计者的生态位，以设计者id为索引，进一步爬取设计者的历史参与设计任务数据，每条设计任务数据包括任务id、发布时间、任务金额、任务类型、任务众包形式等内容。
[0057]
所选取的数据主要是2020年6月到2020年9月间的产品设计任务数据，共计25个需求者、25个设计任务、83个设计者、102个设计方案，设计任务包括7种任务类型、2种众包形式、任务金额范围从100到7500元，部分设计任务如表1所示：
[0058]
表1众包设计任务数据(部分)
[0059][0060][0061]
二、设计者觅食设计任务
[0062]
设计者觅食过程如图2所示：
[0063]
首先，分析设计者在众包设计平台上的历史参与的众包设计任务，确定最大任务金额和最小任务金额，在本实施例中捕食范围调整系数取值如下：α＝β＝1。根据设计任务数据的时间跨度，本实施例中，设计者搜寻设计任务的周期均为t
des
＝90。
[0064]
对每一个设计者，根据捕食范围，确定捕食范围内的各类型设计任务数量，采用公式(1) 计算设计任务相遇率λ
des
。
[0065]
根据设计任务的众包类型，设计任务的描述方式，采用公式(2)计算每个设计任务的分析时间r
des
。
[0066]
分析设计者在众包设计平台上的历史中标的众包设计任务，采用公式(10)计算设计者在每个类型的生态位。分析捕食范围内每个设计任务的难度，采用公式(3)计算每个设计任务的执行时间h
des
。
[0067]
采用公式(4)计算每个设计任务的广义收益率(p
des
)。
[0068]
设计者“信**科技”的觅食过程各参数计算结果如表2所示：
[0069]
表2设计者“信**科技”觅食过程参数
[0070][0071][0072]
由表2可知，设计任务“20044378”的广义收益率最高，因此该设计任务在捕食序列中。 根据公式5判断其他设计任务是否在“信**科技”的捕食序列，结果如下：
[0073]
由图3可知，设计者“信**科技”的捕食序列包括4个设计任务，任务id分别是“20044378”“19734378”“20085021”“19715293”。
[0074]
分析爬取的数据，在此时间段内设计者实际参与了两个设计任务，任务id分别是“20085021”“20044378”。对比觅食算法计算的结果和实际参与结果，实际参与的设计任务全部在捕食序列里，覆盖率为100％。
[0075]
采用同样的分析所有83个设计者，计算得到捕食序列，通过与实际参与的设计任务对比，捕食序列对实际参与设计任务的覆盖率达到92.73％，表明本发明提出的设计者觅食仿真过程具有较高的准确性。
[0076]
三、需求者觅食设计方案
[0077]
需求者选择设计者提交的多个设计方案，判断其是否满足设计需求，觅食过程如图4所示：
[0078]
首先采用公式(6)计算每一个设计方案的相遇率λ
dem
，相遇率由设计者的生态位和任务响应时间决定。
[0079]
采用公式(7)计算每个设计任务的分析时间r
dem
，设计方案描述越详细，需求者更能理解设计者的意图和思路，分析设计方案的时间也越短。
[0080]
采用公式(8)计算每个设计方案的满意度，从中选择最满意的一个或多个设计方案作为最终解决方案。
[0081]
id为“20085021”的设计任务的各个设计方案计算结果如表3所示：
[0082]
表3设计任务“20085021”觅食过程参数
[0083][0084]
由表3可知，共有7名设计者参与该设计任务、提交设计方案，其中设计者“信**科技”所提价方案的广义收益率最高，按照公式(8)，该设计方案为最终解决方案。
[0085]
分析设计任务“20085021”的实际参与者与中标者：共有四名设计人员参与该任务，分别是：北**设计、信**科技、工**设计、飞**设计，这4名设计者全部在预测结果之内，覆盖率为100％；该任务的实际中标者是“信**科技”，与预测结果相同。
[0086]
采用同样的方法计算所有25个设计任务的参与结果，通过与实际提交的设计方案对比，计算结果对实际提交的设计方案的覆盖率达到91.68％。
[0087]
将25个设计任务的实际中标结果与本发明提出的双向觅食仿真算法计算结果对比，其中 22个设计任务预测准确，3个设计任务预测有误差，准确率为88％。
[0088]
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。