基于改进合同网算法的多无人机任务分配

传统合同网算法在任务分配过程中存在任务分配不合理,不能有效利用资源的问题;其在进行任务分配时,不能按照任务需求进行任务分配,任务分配效率低下。针对以上问题,文中提出一种基于改进合同网算法的多无人机任务分配方法。该方法通过优化每架无人机的负载平衡,并结合时间和协作要求,解决任务分配不合理的问题,提高任务的分配和执行效率。     

基于调度策略的自动化仓库系统优化问题研究

为提高自动化立体仓库出入库操作的效率，提出了库区分配策略、任务分配策略和货位分配策略3种调度策略。分析了某企业自动化立体仓库货架布局。在一般库区分配策略的基础上，提出了基于映射的货品一货位耦合库区分配策略。该策略采用货品按出库频率高低排列形成不同优先级的货品链，货位按照距离出入库台的远近划分为优先级不同的货位链，优先级高的货品链和优先级高的货位链相匹配耦合，形成相应的货位分区。研究了基于库区分配策略和货位分配策略的优化问题，建立了相应的数学模型，并应用基于Pareto最优解的遗传算法对问题进行了求解。实践证明，该策略可以较好地分配自动化立体仓库的库区货位。     

供应链中基于多Agent协商的任务分配机制的研究

对任务分配问题作了形式化描述,并采用协商的方法实现了任务分配,提出了相应的协商协议以及协商算法。通过在JADE平台上开发的基于多Agent协商的运输任务分配原型系统进行了系统仿真。     

基于两步分布协同拍卖的多机协同任务分配

针对多异构机载平台对不同类型的地面目标执行攻击任务的协同任务分配问题,以平台载弹量以及摧毁任务目标的需弹量建立平台与任务之间的关系,以各平台的任务序列以及执行任务时的武器使用量序列作为决策变量,在基地-任务航路矩阵和任务-任务航路矩阵的基础上,综合考虑平台武器约束、平台航程约束、任务需弹量等约束,建立多机协同任务分配模型。设计了两步分布协同拍卖算法,通过多次生成任务的拍卖招标顺序和基地的拍卖竞标顺序,实现了多机协同任务分配问题的优化求解。仿真结果表明,所建模型和求解算法能够有效合理地解决多机协同对地攻击的任务分配问题。     

基于动态阈值的时空众包在线分配算法

为提升时空众包动态现实场景中任务分配总效用,提出一种基于在线随机森林的动态阈值算法（DTRF）。首先,根据众包平台中工人和任务的历史匹配数据初始化在线随机森林;然后,通过在线随机森林预测每位工人期望的任务回报率作为阈值,按阈值为每个工人选取候选匹配集;最后,从候选匹配集中选取当前效用总和最高的匹配,同时用分配结果更新在线随机森林。实验结果表明,所提算法在提升总效用的同时有效地提高了工人的平均收益。与贪心算法相比,所提算法的任务分配率提升了4.1%,总效用提升了18.2%,工人平均收益提升了11.2%。与随机阈值算法相比,所提算法在任务分配率、总效用、工人平均收益等方面都有较好的提升,且稳定性更好。     

网约车任务分配系统优化

网约车是一种广泛应用的共享移动应用, 其核心问题是将出租车请求分配给具有不同目标的司机, 尽管对网约车的任务分配进行了广泛的研究, 但在很大程度上忽视了司机之间收入的公平性, 由于优化视角的短视和分配技术的耗时, 先行者对网约车公平任务分配的研究在公平性、效用性方面还存在不足. 在本文中, 提出了公平分配学习(LAF)方法, 它既优化了效用又优化了公平性的高效任务分配方案, 采用强化学习以整体的方式进行分配, 并提出一套加速技术, 以实现大规模数据的快速公平分配. 实验结果表明, 公平分配学习方法在公平性、效用性和效率方面分别比现有水平高出86.7%、29.1%和797%.     

基于工作者多属性特征模型的任务分配方法

针对众包任务分配中工作者个性特征和任务需求描述难以有效匹配的问题,提出通过建立工作者的分层属性特征模型,完成任务分配的方法。以众包协同翻译为例,根据具体任务需求特征分解工作者属性需求,设计出分层属性指标用于精确描述众包工作者能力,计算出多层次指标组合权重向量个性特征模型,据此完成工作者筛选和任务分配。经实验验证,该方法提高了众包工作者和任务特征的匹配度,提高了任务完成效率和结果质量。