[发明专利]遗传与贪婪算法融合的众包高效分派方法

权利要求书

1.遗传与贪婪算法融合的众包高效分派方法，其特征在于，针对于众包模式中众包任务和众包参与者的最优匹配问题，本发明方法的架构为：首先，将问题进行形式化描述，抽象出数学模型矩阵；然后，利用贪婪策略生成原始种群的父体和母体，通过繁殖操作扩大种群规模，形成初代群体；随后，引入和优化遗传算法中的交叉、选取、变异算子，通过制定局部竞争策略和最优染色体保证策略，在不破坏当前最优结果的前提下扩大方法的搜索能力和收敛速度；

融合遗传算法与贪婪策略的任务分派方法是一种混合启发式算法，本发明将贪婪策略和遗传策略两种算法融合并优化，使其在局部最优解的基础上更快的找到众包分派问题的全局最优解或者近似最优解，本发明方法主要分为两部分，在第一部分中使用贪婪算法对原始数据进行前置处理，得到局部最优解以生成原始种群，使得算法最差的情况也能保障一个局部最优解；第二部分基于遗传算法改进流程，依据优化的目标对选取、交叉、变异算子操作进行调整，尽可能找到全局最优解或者近似最优解；

本发明具体包括：第一，贪婪策略的种群繁殖；第二，遗传方法和策略；第三，多任务分派架构，其中第一和第二两点又分为编码操作、贪婪选取和繁殖、评价适宜度、交叉操作、竞争选取、变异操作、迭代过程；

本发明对于众包分派问题两个主体的描述通过相关参数进行定义：

定义一：众包平台已有的任务集合D＝{d_j|j＝1，2，...，n}，任务的总数为n，对于每个任务d_j，其拥有的属性元组为Bs，Xxms，Dt，Tjs，Jzs，其中Bs是任务的唯一标示，Xxms表示任务的详细描述，Dt表示任务的难度等级，通过分析众包任务特点使用类似FKGL级别确定，Tjs和Jzs分别表示任务的提交时间和截止时间，以上信息全部由任务发布者提供；

定义二：众包平台上当前可用的参与者集合Y＝{y_i|i＝1，2，...，m}，空闲的参与者数量为m，每个参与者y_i的属性元组表示为Xh，Kd_i，Ys_i，Cp_i，Ca_i，Xh为参与者的唯一序号，Kd_i反映参与者的当前状态，用0或1表示，其中Kd_i＝1表示参与者当前已被分派任务，Kd_i＝0表示参与者目前处于空闲状态，可分派任务；Ys_i是参与者的能力等级，决定参与者可接受的任务；Fp_i则表示为参与者完成任务的平均时间，Fa_i表示参与者当前可承受的任务数量，以上信息基于众包平台的历史纪录得到。