面向云制造的按需工作流任务分配方法

复杂大型的云制造应用需要通过既相互独立又能进行相互配合的多个制造云来协同完成,导致同一个工作流中的任务可在多个分布的工作流引擎中完成.为此,提出了一种"按需分配"的工作流任务分配方法,将任务分配贯穿于业务过程模型实例化过程,详细分析了云制造环境下影响任务分配的4种主要因素;为提高任务分配过程的自动化程度,给出了每种因素与任务需求的匹配方法.仿真实验结果表明了该方法的有效性.     

一种支持软件项目资源调度的任务人员优化匹配方法

依赖主观判断和个人经验的任务人员分配方法具有不稳定性和不可靠性,直接导致较低的人力资源利用效率.已有的资源调度方法对人力资源的复杂性和能力差异性考虑不足.提出了一种支持软件项目资源调度的任务人员优化匹配方法.方法将心理学与软件项目管理进行结合,通过挖掘人力资源的性格能力属性,综合技术能力属性,对任务人员的匹配过程进行优...     

用于分布式大规模网络测量的任务分配算法

基于二分图提出了一种用于分布式大规模网络测量的任务分配算法,在保证同一时刻仅能有一个测量源执行同一个任务的前提下,考虑了网络相对位置造成不同测量源完成同一测量任务能力上的差异,优先将任务分配给完成该任务可能性大、效率高的测量源.算法能够较好地满足任务均衡原则,也能够适应任务动态添加和任务失败后再分配的情况,并用仿真试验进行了证明.     

基于能力及任务需求的多Agent任务分配方法

针对动态环境中的任务和Agent的动态变化问题,提出一种基于能力及任务需求的层次任务分配方法.利用全局分配方法为Agent分配合适的任务,当环境发生变换时,通过局部调整来解决任务和Agent之间的不适应问题,每个Agent能够根据局部信息选择理想的任务执行,提高了分配算法的鲁棒性.仿真实验表明该方法是可行及有效的,能够解决动态环境中的任务分配问题.     

基于能力匹配的异地敏捷开发任务分配方法

为了能够快速准确地获得异地敏捷软件开发团队任务分配的全局最优解,提出了一种基于能力匹配的异地敏捷开发任务分配方法.该方法强调子任务能力需求和团队能力的匹配关系,构建了能力匹配的效用函数,对效用矩阵进行求解,全局效用值最大时获得最优分配方案.算例仿真结果表明,所提出的方法可以有效得到能力匹配较优的任务分配方案.     

多Agent层次任务分配方法

提出了一种层次任务分配方法,用于解决动态环境中的任务分配问题.利用全局分配方法为Agent分配合适的任务,当环境发生变换时,通过局部调整来解决任务和Agent之间的匹配问题,使得每个Agent能够根据局部信息选择理想的任务来执行,提高了分配算法的鲁棒性和多Agent整体效用.仿真实验结果表明,该方法是可行且有效的,能够解决动态环境中的任务分配问题.     

一种改进的基于动态反馈的负载均衡算法

负载均衡是集群系统研究的一个重要问题,负载均衡算法是集群任务分配的核心,介绍了LVS中的负载均衡算法,讨论了常用算法的不足,在分析这些算法各自优缺点的基础上,提出了一种改进的基于反馈的负载均衡算法,算法引入一个负载容余参数以更准确地描述集群节点的负载状况,在考虑服务节点真实负载,处理能力的基础上,尽量简化负载均衡器的任务分配算法.测试结果显示该算法优于静态算法.     

多编组协同任务分配模型及DLS-QGA 算法求解

为解决多智能体编组协同任务分配问题, 定义任务、智能体编组和相关的分配过程变量, 建立以最高任务执行效率为目标的数学模型. 在问题模型中设计考虑资源损耗的编组资源能力更新机制, 提出用于求解该模型的动态列表规划和量子遗传算法的混合任务分配算法, 使用动态列表规划选择处理的任务, 利用量子遗传算法为选定任务分配最合适编组. 最后通过算例表明, 所提出的方法在解决时序逻辑任务分配时能够得到更优更稳定的方案.

     

基于蚁群优化算法的云任务分配策略研究

因任务分配算法的优劣直接影响用户的满意程度和平台的质量效率,所以任务分配算法一直是云计算领域的重点研究方向.为解决云计算中任务分配问题,通过对任务分配模型的分析,提出一种基于资源状态的自适应蚁群优化算法(MACO).利用虚拟机的状态来修正启发式因子和释放信息素浓度,并以自适应的方式进行信息量的更新,多目标综合考虑任务分配问题.采用CloudSim工具实现仿真实验,实验结果表明,该算法在任务完成时间、资源利用率以及服务稳定性均具有显著优势.     

基于Agent能力自信度的任务分配问题研究

借助结盟的任务分配机制是多Agent系统研究中的一个热点问题.文中通过任务需求和Agent能力的ECA规则表示,定义了一种Agent能力自信度,并给出了基于合同网协议和Agent能力自信度的任务分配算法和应用示例,其中,任务需求ECA规则中的C项表示Agent执行该任务时必须做出的付出,能力ECA规则中的C项表示Agent可以为该任务做出的承诺,付出/承诺关系揭示了Agent的能力自信度,ECA规则使得Agent能力自信度具有良好的可计算性.     

面向机械类本科生以实践为先导的工程图学教学方式探讨

从实践的角度出发,结合“卓越工程师培养计划”、金工的实训课程、以及绘制“减 速箱”的要求,论述了在工程图学实践教学过程中以任务为驱动,以学生为主体的教学方法, 该方法将图学知识与图学实践相结合,并将该实践融入大学整个教学之中,有助于培养学生的 工程意识和创新能力。     

考虑服务时效的物流服务供应链应急任务分配

针对应急情况下两级物流服务供应链任务分配问题,提出了考虑服务时效性的客户满意度模型方法。首先,考虑应急情况中订单任务量的随机性的情况,建立基于服务时效性的客户满意度模型;其次,构建最小化物流成本模型以保证物流服务供应链成本最优化;然后,引入线性加权法将包含最大化客户满意度与最小化服务成本双层规划多目标模型转化为单目标模型;最后,采用遗传算法（GA）求解模型,并针对权重作了灵敏度分析。算例研究表明,与上下层单目标分配结果的目标值0.0501和0.0825相比,综合函数模型得到了显著优化的目标值0.2716,说明所构建模型的任务分配方案能够更有效解决具有服务时效性客户满意度的物流服务供应链任务分配问题;由分析权重灵敏度可以看出,权重0.1< a< 0.5时的综合目标优化解相较于0.5< a< 0.9斜率变化程度显著,说明在应急任务分配时应根据服务能力参数理性选择两者的权重分配,这反映出了客户满意与物流成本悖反效应的存在。研究结果表明,考虑服务时效的任务分配模型能够有效解决应急情况下物流服务供应链任务分配问题。     

基于积极团队情感基调的情感机器人协作任务分配拍卖算法

多机器人系统(Multi Robot System,MRS)通过引入机器人个体情感因素,可以有效提高个体的自主协作能力、决策能力以及多机器人系统的整体智能化水平。然而,以往研究主要集中于个体情感状态(情绪、个性等),缺乏从团队情感层面来探索积极团队情感基调(Positive Group Affective Tone,PGAT)对团队协作能力和团队有效性的影响。为了发挥PGAT在任务分配中的积极作用,降低因为团队成员情绪衰减而导致团队解散的风险,并增加团队协作能力和团队有效性,提出了基于PGAT的情感机器人协作任务分配拍卖算法。仿真追捕对比实验表明,相对于基于焦虑情感模型的改进合同网协议多机器人任务分配算法和基于自主意识的分布式情感机器人任务分配算法,基于PGAT的情感机器人协作任务分配拍卖算法的追捕成功率分别提高了269.3%和6.5%,任务分配成功率分别提高了138.7%和5.1%,平均追捕时间分别缩短了14.5%和26.3%,并且在150场追捕对比实验中,追捕时间小于对比算法的场次占比分别达到87.3%和90.7%。     

A multiagent dynamic interaction testbed: Theoretic framework, system architecture and experimentation

Recent research on Distributed Artificial Intelligence(DAI)has focused upon agents‘ interaction in Multiagent System.sThis paper presents a text understanding oriented multiagent dynamic interaction testbed(TUMIT);the theoretic framework based upon game theory,the free-market-like system marchitecture,and experimentation on TUMIT.Unlike other DAI testbeds,TUMIT views different text understanding(TU)methods as different“computational resources”,and makes agents choose different TU paths and computational resources according to the resouce information on the bulletins in their hostcomputer.Therefore,in TUMIT,task allocation is wholly distributed.This makes TUMIT work like a “free market”.In such a system,agents‘choices and resource load may oscillate.It is shown theoretically and experimentally that if agents use multi-level of “history information”,their behavior will tend to converge to a Nash equilibrium situation;and that if agents use “fecall-forget” strategy on “history information”,the convergence can be accelerated and the agents can acclimate themselves to changed environment.Compared with other DAI testbeds,TUMIT is more distributed,and the agents in TUMIT are more adaptive to the dynamic environment.     

基于动态蚁群劳动分工模型的多AUV任务分配方法

多水下自主航行器(autonomous underwater vehicle,AUV)的动态任务分配问题具有高度非线性、动态不确定性以及多模态的特征,对多AUV任务分配方法的自组织性、鲁棒性以及快速性提出了更高的要求.动态蚁群劳动分工(dynamic ant colony''s labor division,DACLD)模型是一种采用分布式框架的群智能算法,众多行为简单的个体相互作用过程中涌现产生的整体智能行为能很好地适应复杂多变的环境,在解决任务分配问题上具有很好的柔性.引入动态蚁群劳动分工中的刺激-响应原理,建立动态蚁群劳动分工与多AUV任务分配问题之间的映射关系,将任务的状态预测纳入响应阈值,研究基于动态蚁群劳动分工模型的多AUV任务分配方法.同时,针对任务分配过程中可能出现的任务冲突现象,提出新的循环竞争方案以实现最大限度地利用AUV资源.仿真结果表明,所提出的方法能高效地完成任务分配过程,具有很好的自组织性、鲁棒性及快速性.     

任务驱动教学法在大学计算机基础教学中的探索

任务驱动模式是一种优秀的计算机教学模式,采用基于任务驱动的教学模式实施《计算机文化基础》课程的教学,打破了传统教学方法中注重学习的循序渐进和积累的老套路,不再按照教学内容的从易到难的顺序,而是以完成一个"任务"作为驱动来进行教学,完成教学任务,在完成"任务"的过程中,培养了学生的自学能力、创新精神和合作意识。     

Development of a reduced human user input task allocation method for multiple robots

Task allocation mechanisms are employed by multi-robot systems to efficiently distribute tasks between different robots. Currently, many task allocation methods rely on detailed expert knowledge to coordinate robots. However, it may not be feasible to dedicate an expert human user to a multi-robot system. Hence, a non-expert user may have to specify tasks to a team of robots in some situations. This paper presents a novel reduced human user input multi-robot task allocation technique that utilises Fuzzy Inference Systems (FISs). A two-stage primary and secondary task allocation process is employed to select a team of robots comprising manager and worker robots. A multi-robot mapping and exploration task is utilised as a model task to evaluate the task allocation process. Experiments show that primary task allocation is able to successfully identify and select manager robots. Similarly, secondary task allocation successfully identifies and selects worker robots. Both task allocation processes are also robust to parameter variation permitting intuitive selection of parameter values.     

一种优化的任务分配方法研究

在计算机领域中,由于数据量和待处理任务的复杂度迅速增加,多台计算机共同协作完成任务已是未来发展的趋势,而合理的任务分配方法是高效地执行任务的前提。目前,借助多Agent系统去研究任务分配的方法是目前研究的一个热点。本文基于多Agent系统提出一种基于执行代价和传输代价的任务分配的优化方法,建立相应的任务分配模型,推导出评价任务分配优化效果的目标函数,并通过实例说明了该分配机制对多Agent系统处理问题性能的影响。结果表明,该种优化方法能有效地分析多Agent系统处理问题时的性能。     

多Agent系统中基于招投标的任务分配优化

在利用多Agent系统辅助生产任务分配过程中,为避免仅凭招投标结果来确定任务分配方案时只能获得局部最优的问题,提出了一种生产任务分配全局优化方法。建立了基于招投标结果的生产任务分配优化目标函数,设计了退火进化算法,实现生产任务的综合评标。通过实例验证说明算法求解该问题可行有效,便于获得生产任务分配的全局最优方案。