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.     

群智能自组织劳动分工研究进展

群智能是指众多行为简单的个体在相互作用过程中涌现产生的整体智能行为,劳动分工是其最重要特征之一.本文首先根据个体与个体、个体与环境的交互模式,给出群智能劳动分工的一个框架描述,分析其个体专职化、角色可塑性和自组织等特性.然后从自组织的角度对激发-抑制、刺激-响应、个体排序和寻觅工作等四类劳动分工模型进行对比分析,旨在归纳提炼群智能自组织劳动分工模型的构建规律.进而结合群智能自组织劳动分工的应用情况,针对其适用范围和求解思路进行了评述和讨论.最后从劳动分工机制、劳动分工模型、分配问题求解和优化问题求解四个方面展望了群智能自组织劳动分工的发展前景.     

蜂群双抑制劳动分工算法及其在交通信号配时中的应用

群智能劳动分工是指任何启发于群居性昆虫和其他动物群体的集体行为而设计的算法和分布式问题解决方式，可以广泛用于现实生活中的任务分配问题。针对交通信号配时这类任务分配问题，引入描述蜜蜂个体之间交互方式的劳动分工理论，提出了一种基于群智能的蜂群双抑制劳动分工算法（BDILDA），该算法通过个体内部抑制剂和外部抑制剂的相互作用，达到群体劳动分工的动态调节。为了验证BDILDA的有效性，选取交通信号配时问题进行仿真实验。采用BDILDA对实际案例进行了交通信号配时求解，并把所得结果与Webster算法、群智能多种群蚁群算法（MCAA）、迁移蜂群（TBO）算法和反向烟花算法（BFWA）得出的结果进行了对比。实验结果显示所提算法减小平均延误时间14.3~20.1个百分点，减少平均停车次数3.7~4.5个百分点，在最大通行能力方面增加5.2~23.6个百分点。结果表明该算法适于求解不确定环境下的动态分配问题。     

基于双边知识匹配的产品开发任务分配方法

针对目前产品开发任务分配较少考虑任务与人员双边匹配的问题,提出了基于双边知识匹配的产品开发任务分配策略;分别从任务与人员的角度提出了序值和满意度的概念,并给出了相应的计算方法,在此基础上构建了产品开发任务分配的多目标优化数学模型;然后采用基于隶属度函数的加权和方法将多目标数学模型转化为单目标数学模型,并运用Hungarian算法对模型进行求解,得到产品开发任务分配方案;最后通过实例验证与对比,体现该方法的有效性与可行性。     

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.     

求解TSP 问题的离散狼群算法

通过定义反转算子, 对人工狼位置和智能行为重新进行整数编码设计, 并结合概率近邻初始化方法, 提出一种求解旅行商问题的离散狼群算法. 该算法保留了狼群算法基于职责分工的协作式搜索特性, 并较好地平衡了算法的广度开拓和深度开采能力. 采用C-TSP 问题和TSPLIB 数据库中的多组TSP 问题作为实验用算例, 并将所提出算法与其他5 种智能优化算法进行对比, 仿真结果表明, 所提出算法在求解准确率、稳定性和所需迭代次数等方面具有相对优势.

     

基于对策论的团队计算机生成角色任务分配方法

针对带有时间约束的、可以动态加入到环境中的复杂任务,建立了一种基于对策论的任务分配模型,并给出了一种任务分配方法。该方法中计算机生成角色(CGA)根据自身掌握的局部信息进行行为选择,并使用虚拟行动方法确保CGA快速学习到一个严格纯策略Nash平衡。仿真实验结果表明该方法是合理的,能够有效地解决动态任务的分配问题。     

偏好匹配满意度最大化的众包任务分配

众包任务分配机制对众包任务完成质量起着至关重要的作用,然而现有的分配方法未在稳定性条件下考虑众包用户双边偏好,分配结果的准确性有待提高,并且存在众包用户因不满意当前分配对象而导致众包任务完成质量较低的问题。为此提出一种基于偏好匹配的众包任务分配方法,该方法首先考虑众包任务与工人的双边偏好,根据偏好序计算任务与工人的满意度,生成满意度矩阵;其次,该方法借鉴稳定匹配思想在考虑分配主体偏好的基础上,使分配主体对当前分配对象尽可能满意,以保障分配结果的稳定性;然后,将众包任务分配问题建模为稳定匹配规则下寻找任务最大满意度的优化问题;最后,使用贪心算法对该问题进行求解,得到众包任务分配方案。通过实验验证了该方法的有效性,实验结果表明,该方法提高了分配方案的准确性,并有效减少了无效分配的数量,从而提高了众包任务完成质量。     

面向工作者能力评估的众包任务分配方法的研究进展综述

随着互联网技术和共享经济模式的快速发展,作为一种新型的群体计算模式,近年来众包（Crowdsourcing）已经得到了广泛的应用并成为研究热点。针对众包应用的特点,为确保众包任务的完成质量,现有研究从工作者能力评估的角度出发已提出了各种不同的众包任务分配方法。首先介绍了众包的概念和分类,阐述了众包平台的工作流程及其任务特点,并在此基础上总结了现有的工作者能力评估的相关研究工作;然后从基于匹配、基于规划和基于角色协同等三个方面综述了众包任务分配方法及其遇到的挑战;最后提出了未来工作的研究方向。     

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.     

一种面向时间分配问题的群智能劳动分工新方法

本文以给不同信号相位的车辆分配绿灯时间的交通信号配时问题为代表,将群智能劳动分工应用到时间分配问题的求解中,提出一种新颖的蜂群劳动分工算法（bee swarm labor division algorithm, BSLDA）。首先从时间分配的视角对交通信号配时问题进行分析,然后将激发-抑制原理引入BSLDA,为每个信号相位定义了激发剂和抑制剂,并设计了增加绿灯时间、减少绿灯时间和保持绿灯时间3种行为。在群智能劳动分工激发-抑制原理作用下,BSLDA中的每个信号相位都能根据环境变化选择恰当的行为完成时间分配。最后采用真实的交通流数据进行仿真实验,结果表明本文方法适于求解不确定环境下的交通信号配时问题。     

基于改进狼群算法的模糊时间序列预测模型

当使用模糊时间序列预测模型进行预测时,模糊区间的不同划分对最后的预测精度有着十分重要的影响.针对如何更有效的划分模糊区间、进一步提高模糊时间序列的预测精度问题,本文提出了一种基于改进狼群算法的模糊时间序列预测模型.为此首先简要介绍了模糊时间序列,然后阐述了狼群算法并在其游走行为中引入趋向行为和死亡概率对其进行了改进,最后利用改进狼群算法来划分模糊区间,建立了一种新的模糊时间序列预测模型.将Alabama大学入学人数作为实验数据进行实例分析和验证.通过与现有的一些模型进行对比分析,本文所提模型具有更高的预测精度,为模糊时间序列预测提供了新思路.     

Adaptive task assignment for multiple mobile robots via swarm intelligence approach

This paper describes an adaptive task assignment method for a team of fully distributed mobile robots with initially identical functionalities in unknown task environments. A hierarchical assignment architecture is established for each individual robot. In the higher hierarchy, we employ a simple self-reinforcement learning model inspired by the behavior of social insects to differentiate the initially identical robots into “specialists” of different task types, resulting in stable and flexible division of labor; on the other hand, in dealing with the cooperation problem of the robots engaged in the same type of task, Ant System algorithm is adopted to organize low-level task assignment. To avoid using a centralized component, a “local blackboard” communication mechanism is utilized for knowledge sharing. The proposed method allows the robot team members to adapt themselves to the unknown dynamic environments, respond flexibly to the environmental perturbations and robustly to the modifications in the team arising from mechanical failure. The effectiveness of the presented method is validated in two different task domains: a cooperative concurrent foraging task and a cooperative collection task.     

求解离散优化问题的元胞量子狼群演化算法

针对离散空间优化问题,提出了求解离散优化问题的元胞量子狼群演化算法,首先,为了提高算法的全局收敛速度,采用双策略量子位初始化方法和滑模交叉方法,分别生成量子狼群初始位置和产生头狼,实现种群多样性;其次,为了描述头狼与猎物间的距离以及增强狼群的遍历范围,采用二进制编码方式和元胞自动机中的演化规则,分别实现狼群中个体狼与猎物距离的精确描述和量子旋转角的选取调整;然后,为了证明该算法的收敛性能,采用泛函分析方法,实现了算法全局收敛性能的验证;最后,通过6个标准测试函数的仿真实验,并与狼群算法以及量子狼群算法的优化结果进行比较。实验结果表明,该算法具有较快的收敛速度和较好的全局寻优能力。     

多选择背包问题离散狼群算法研究

狼群算法是一种通过模拟狼群的捕食行为和猎物分配方式提出的群体智能算法,为求解复杂组合优化问题提供了一种新的思路。目前狼群算法不能解决离散问题,以NP难中的经典问题——多选择背包问题的求解为研究对象,设计了基于离散空间的狼群算法。对于离散空间的狼群算法,通过将人工狼编码,重新设计了狼群的游走、奔袭和围捕过程,并设计了三个过程中的步长。把学习机制引入离散狼群算法,实现了人工狼之间的交流,且确立了自适应步长公式。结果表明：离散狼群算法成功实现了对离散问题的求解,为组合优化问题的求解提供了新方法。     

求解卫星舱布局问题的蚁群劳动分工优化算法

卫星舱布局是卫星总体设计的重要组成部分,其研究的是仪器设备在卫星舱内的最佳摆放方式.从空间的角度出发,卫星舱布局的一个设计方案就是不同的仪器设备在容器内占据着不同的空间,当仪器设备所占空间发生变化时,就会形成新的设计方案.因此,卫星舱布局可以看成是将容器空间合理地分配给仪器设备(分配特性),并达到某种最优指标(优化特性).在借鉴蚁群劳动分工任务分配实现卫星舱布局空间分配的基础上,进一步融合卫星舱布局的优化特性,提出一种蚁群劳动分工优化算法.在具体的实现过程中,为基本蚁群劳动分工算法设计启发式占位动作、自适应环境刺激和个性化响应阈值,同时引入禁忌搜索、跳坑策略和接收准则等优化技术,对16个代表性算例的计算结果表明,所提出算法是求解卫星舱布局的有效算法.     

基于自组织劳动分工的边云协同任务调度与资源缓存算法

针对边缘计算环境中,边缘设备的计算和存储资源有限的问题,探讨高效的边云协同任务调度和资源缓存策略,研究自组织劳动分工群智能算法模型机理,并以此为基础,提出基于蜂群劳动分工“激发-抑制”模型的边云协同任务调度算法(edge cloud collaborative task scheduling algorithm based on bee colony labor division‘activator-inhibitor’ model, ECCTS-BCLDAI)和基于蚁群劳动分工“刺激-响应”模型的边云协同资源缓存算法(edge cloud collaborative resource caching algorithm based on ant colony labor division ‘stimulus-response’ model,ECCRC-ACLDSR).仿真实验结果表明:所提出的ECCTS-BCLDAI任务调度算法在降低平均任务执行时长、减少边云协同费用上相较于传统算法有更好的表现;所提出的ECCRC-ACLDSR资源缓存算法在降低任务平均时长、优化网络带宽占用率、减少...     

多配送中心车辆路径问题的狼群算法

针对多配送中心动态启用和车辆的合理分配,文章首先建立了以总路径长度最小为目标函数的多配送中心车辆路径问题的数学模型;其次,根据多配送中心车辆路径问题的具体特征,模拟狼群捕食行为设计了求解该问题的狼群算法;最后,应用狼群算法求解测试算例,并将其计算结果与几种常见智能优化算法的计算结果进行比较,验证了狼群算法求解多配送中心车辆路径问题的可行性与有效性。     

融入学习者模型在线学习资源协同过滤推荐方法

在线教育存在“信息迷航”问题,而传统的信息推荐方法往往忽视教育的主体—学习者的特征。本文依据教育教学理论,根据在线教育平台中的学习者相关数据,研究构建了适用于在线学习资源个性化推荐的学习者模型。以协同过滤推荐方法为切入点,融合学习者模型中的静态特征和动态特征对协同过滤方法进行改进,建立融入学习者模型的在线学习资源协同过滤推荐方法。以2020年3~7月时间段的东北石油大学“C程序设计”课程学生的真实学习数据和行为数据为数据集,对本文提出的方法进行验证和对比,最后证明本文提出的方法在性能上均优于对比方法。