[发明专利]一种基于扰动粒子群的众测联盟建立方法

说明书

本发明公开了一种基于扰动粒子群的众测联盟建立方法，根据能力函数初始化众测工人的报酬，获取特征的数据；得到所有特征数据及能力函数组成的三维数据集，作为群优化的初始位置分布，使用PSO算法，在加入一定扰动后，粒子初始位置分布在一定范围内，初始化众测联盟；联盟优化阶段，根据初始化数据及给定的能力函数，计算获取基于收益的最优解，根据不同的特征数据，调整计算过程中的能力函数；联盟形成阶段，每个粒子通过追随自身的个体最好位置与群体的全局最好位置来动态调整自己的飞行速度，最后通过搜索迭代找到近似最优解。本发明能够使得个人收益最大化，从而尽可能在最优化人员分配的角度下节约成本。

技术领域

本发明主要涉及一种基于扰动粒子群的众测联盟建立方法，属于模型算法设计领域。

背景技术

互联网模式下大量用户群体所导致的数据量剧增以及多样性，逐渐引发了众包技术等利用群智资源的兴起，众包作为群智协同计算中的研究热点之一，通过任务发布的方式，任务参与者以自愿的形式通过协同合作完成任务并分配收益。软件测试作为软件行业的重要组成部分，同时也是一项经过长时间发展、较为成熟的技术，在大数据时代，软件测试领域也产生了一些变化，众测平台逐渐成为主流，较之传统的测试，众测聚集了分布于各行业、拥有各领域相关资源的测试专家，他们可以随时响应众测平台的测试需求，在软件测试上实现了行业全覆盖、时段全覆盖、设备全覆盖、地区全覆盖。但是由于测试人员信息的不确定性以及其自利性，可能会导致众测任务的成本高于预期甚至导致任务无法如期按质按量的完成。基于这一背景，本文试图通过设计众测过程中测试人员的工作进行任务分配的优化模型，在模型基础上设计相应的博弈机制来降低支付测试人员的代价成本。

为了在获得高质量结果的前提下尽可能节约成本，现有的众测系统中使用最广泛的是迭代-汇总模型框架，需求方将测试任务提交至众测平台，任务分配给若干个这测试工作人员，平台获得每个工人各自的结果后进行整理聚合并生成答案。

以最大化成本收益，节约成本为优化目标，利用贪心策略，设计了一种任务分配机制，用以解决众包过程中的任务分配相关问题，再者利用工人历史信息对工人进行可靠性更新，根据历史记录与当前任务的完成质量设计可靠性机制，并与最终支付的报酬挂钩，以此激励工人持续的以高质量完成任务，但是这必须建立在已经有一定的数据基础，并没有很好的解决用户初始任务质量的最优化问题。

发明内容

发明目的：本发明主要解决的技术问题是，基于软件测试这一类众测背景，选择最小化项目成本为研究目标，针对任务分配进行研究，针对任务分解以及最优化测试人员分工，规避了人为参与可能导致的自利性放大等问题。本发明提出一种基于扰动粒子群的众测联盟建立方法，本发明针对高维度的复杂任务优化分解，并根据工人的能力进行初始的任务分配，采用优化粒子群(PSO)的寻优算法获取每项任务下的工人最优排序。

技术方案：为实现上述目的，本发明采用的技术方案为：

一种基于扰动粒子群的众测联盟建立方法，数据采集阶段，根据能力函数初始化众测工人的报酬，获取足够多的真实应用场景中的对象拥有的功能测试、性能测试、兼容性测试、安全测试四个特征的数据；数据预处理阶段，将安全测试和性能测试进行合成，得到所有特征数据及能力函数组成的三维数据集，作为群优化的初始位置分布，使用PSO算法，在加入一定扰动后，粒子初始位置分布在一定范围内，初始化众测联盟；联盟优化阶段，根据初始化数据及给定的能力函数，计算获取基于收益的最优解，根据不同的特征数据，调整计算过程中的能力函数；联盟形成阶段，每个粒子通过追随自身的个体最好位置与群体的全局最好位置来动态调整自己的飞行速度，最后通过搜索迭代找到近似最优解，具体包括如下步骤：

步骤1，数据采集:根据能力函数初始化worker的报酬，获取应用场景中的对象拥有的功能测试、性能测试、兼容性测试、安全测试四个特征的数据；