[发明专利]一种面向移动群体感知的多任务工作者选择方法

摘要

一种面向移动群体感知的多任务工作者选择方法，其特征在于：包括以下步骤：S1：任务分类，组合；S2：初始化任务和工作者的参数；S3：对任务采用贪心策略和工作者进行分配；S4：种群进行初始化；S5：演化，得到结果。本发明的技术方案中充分考虑了任务的时空特性，并解决多任务的工作者选择问题，这对于大规模的移动群体感知任务平台来说具有重大意义，能够得到多任务工作者选择的一个较优的结果。考虑到多任务工作者选择问题的解空间非常巨大，本发明所使用的融合贪心算法和遗传算法的方法能够在较短时间内求得次优解。

主权项

1.一种面向移动群体感知的多任务工作者选择方法，其特征在于：包括以下步骤：S1：将任务分类，组合：根据任务的时间要求将任务分为即时任务和容延任务，然后将同类的任务分别组合为即时任务集合、容延任务集合；S2：初始化任务和工作者的参数：所述的参数包括任务备选工作者集合、工作者的位置、历史轨迹；S3：对任务采用贪心策略和工作者进行分配；所述S3中对于即时任务使用最短距离优先的贪心策略对任务和工作者进行分配，计算所有的“任务‑工作者”之间的距离，选择距离最近的一个“任务‑工作者”，将该任务分配给该工作者；所述的距离计算使用曼哈顿距离计算方式：dist(l1,l2)＝|lat1‑lat2|*α+|lon1‑lon2|*β，其中l1和l2表示两个地理位置，l1由维度lat1和经度lon1组成，l2由维度lat2和经度lon2组成，α和β分别是单位纬度和单位经度的距离；所述S3中对于容延任务采用任务数优先的贪心策略对任务和工作者进行分配，是指选择可以完成任务数目最多的工作者，将其可以完成的任务分配给该工作者；所述S3中容延任务中任务分配前，先初始化工作者经过即时任务地点的概率，用下式计算：其中，工作者w拥有历史地理位置记录lr＝{r1,r2,…,rs}，每一个地理位置记录ri由时间rti和地理位置rli组成，任务t的位置用tl来表示，|{rt|rt∈{rt1,rt2,…rts}}|是工作者拥有地理位置记录的所有时间段数目，|{rti|tl＝rli}|是时间段内工作者位置记录出现任务地点的所有时间段数目；S4：对遗传算法种群进行初始化：首先确定种群中个体的基因表达，然后用S3的分配结果对种群进行初始化；所述的S4确定种群中个体的基因表达为：所述的即时任务的多任务分配用矩阵来表示基因，矩阵中的行代表工作者，列代表任务，矩阵中元素为‘1’则表示该元素对应的任务分配给该元素对应的工作者，为‘0’则表示不分配；所述的容延任务的多任务工作者选择用向量来表示基因，向量的维度等于工作者的数量，向量中元素为‘1’表示该元素对应的工作者被选择，为‘0’表示该元素对应的工作者不被选择；S5：演化，得到结果：在S4的基础上经过选择、交叉和变异操作，得到工作者选择的最终结果；所述S5中选择操作使用轮盘赌方法；即时任务的多任务工作者选择问题的交叉操作采用矩阵列交换的方式，容延任务的多任务工作者选择问题的交叉操作采用向量片段交换的方式；两种情形下的变异操作都采用矩阵或者向量元素值取反的操作。