[发明专利]一种基于信任机制的动态任务分配决策辅助方法

权利要求书

1.一种基于信任机制的动态任务分配决策辅助方法，其特征在于，包括：

获取待分配队列；

根据待分配队列中任务的类型、执行人员等级要求，确定执行任务的执行人员集合；

根据执行人员集合内每一位人员的历史执行任务的满意度评价值和隐性Elo等级分，对执行人员集合内每一位人员进行综合信任评估，对综合信任评估结果进行排名，根据排名结果对任务进行动态分配；

其中，所述根据执行人员集合内每一位人员的历史执行任务的满意度评价值和隐性Elo等级分，对执行人员集合内每一位人员进行综合信任评估，对综合信任评估结果进行排名，根据排名结果对任务进行动态分配包括：

获取执行人员集合内的第一人员，在执行结果记录表中获取所述第一人员执行的与待分配任务类型相同的任务，形成任务集，其中，第一人员为执行人员集合内的任一人员；

在满意度评价表中，选取与任务集中任务编号相同的所有任务，记录任务满意度评价值，并计算所有任务的满意度平均值ave_se；

在隐性Elo等级分表中获取第一人员当前的隐性Elo等级分elo_now，将获取的隐性Elo等级分elo_now映射为基于满意度评价值的信任评估分Elo，并将满意度平均值ave_se和得到的基于满意度评价值的信任评估分Elo相加，得到综合信任分score；

对综合信任分score、工位和任务队列长度进行加权处理，得到第一人员的排名分Rank；

对执行人员集合内所有人员的排名分进行排名并显示，将任务分配给排名分最高的执行人员，其中，综合信任评估结果为排名分；

其中，满意度平均值ave_se表示为：

其中，sum_se表示人员满足要求的任务的满意度评价值的和，sum_task表示人员满足要求满足的任务个数；

其中，基于满意度评价值的信任评估分Elo表示为：

其中，ave_se^max表示执行人员集合内，最高的满意度评价值，elo_now表示第一人员当前的隐性Elo等级分，elo^max和elo^min分别表示执行人员集合内，最大和最小的隐性Elo等级分；

其中，排名分Rank表示为：

其中，mp_place表示工位，tk_quelen表示任务队列长度，α、β、γ分别表示综合信任分、工位、任务队列长度的权重。

2.根据权利要求1所述的基于信任机制的动态任务分配决策辅助方法，其特征在于，在获取待分配队列之前，所述方法还包括：

当新的任务产生时，根据新任务的严酷等级和请求时间，将新任务加入到待分配队列中。

3.根据权利要求1所述的基于信任机制的动态任务分配决策辅助方法，其特征在于，所述根据待分配队列中任务的类型、执行人员等级要求，确定执行任务的执行人员集合包括：

根据待分配队列中任务的类型、执行人员等级要求，从维修人员信息表中选择人员技能等级大于任务要求的等级且人员技能点包含任务类型的维修人员，得到执行任务的执行人员集合。

4.根据权利要求1所述的基于信任机制的动态任务分配决策辅助方法，其特征在于，在将任务分配给排名分最高的执行人员之后，所述方法还包括：

在任务执行结束后，对任务执行状态进行反馈，若任务执行成功，则记录满意度评价值为第一分数，否则，记录满意度评价值为第二分数；

根据记录的满意度评价值，更新任务执行人员的隐性Elo等级分。

5.根据权利要求4所述的基于信任机制的动态任务分配决策辅助方法，其特征在于，更新后的隐性Elo等级分表示为：

其中，E^′_elo表示更新后的隐性Elo等级分，R_a表示当前的隐性Elo等级分，表示执行人员集合内所有人员的真实得分总和，表示执行人员集合内所有人员胜率期望值总和，K为系数参数。

6.根据权利要求4所述的基于信任机制的动态任务分配决策辅助方法，其特征在于，所述方法还包括：

若任务执行失败，则重新将任务分配给排名分次高的执行人员。