基于粒子群算法的空气质量群智感知任务分配方法组成比例

本发明专利技术公开了一种基于粒子群算法的移动群智感知任务分配方法，包括如下步骤：步骤1）读取当前可参与者的信息；步骤2）定义优化目标；步骤3）初始化算法参数；步骤4）设置损失函数；步骤5）初始化个体最优和全局最优；步骤6）迭代循环，获得最优解；步骤7）输出最优方案。有益效果：引入了动态惯性权重，与普通的粒子群优化算法相比可以实现更加复杂的操作，可以在满足人数和置信度的情况下尽可能实现成本的降低，更加符合实际气象数据的统计分析要求。更加符合实际气象数据的统计分析要求。更加符合实际气象数据的统计分析要求。

【技术实现步骤摘要】
基于粒子群算法的空气质量群智感知任务分配方法


[0001]本专利技术涉及任务分配
，具体而言涉及一种基于改进粒子群算法的任 务分配方法。

技术介绍

[0002]群智感知是结合众包思想和移动设备感知能力的一种新的数据获取模式，是 指通过人们已有的移动设备形成交互式的、参与式的感知网络，并将感知任务发 布给网络中的个体或群体来完成，从而帮助专业人员或公众收集数据、分析信息 和共享知识。群智感知主要包含时空众包平台、任务和参与者这三个要素，其中 时空众包平台指利用互联网来将工作分配出去、发现创意或解决技术问题的平 台，任务指待解决的问题，参与者指参与问题解决任务分配的人员。群智感知中 的任务分配指时空众包平台根据任务和参与者的时空属性和其他相关信息,为每 个任务分配适当的众包参与者。随着技术的不断进步，任务分配问题越来越常见。 但是在现有技术中，任务分配问题的实践通常依赖于专门的任务分配人员。任务 分配人员在接受确认任务后，根据具体问题和对象手动进行任务分配。该方法不 仅效率低，难以处理大量复杂的任务分配，而且精确度低，难以找到最优分配方 法。
[0003]现有的通过匹配多种任务分配模式，可以将现有分配任务的人员根据不同的 任务分配模式进行机械的划分群体。该方法可以实现不同任务分配模式对应不同 的分配群体，效率相较于传统方法大幅提高，但是分配过程中难以精确的根据任 务分配的属性进行针对的分配。因此，寻找一种能够快速准确进行任务分配的技 术非常重要，且由于实际生活中任务分配问题越来越普遍，该技术具有广阔的前 景和深远的意义。

技术实现思路

[0004]本专利技术目的在于提供一种基于改进粒子群算法的任务分配方法，在短时间内 综合任务目标地点、投入资金、人员数量、解决时间等多种条件为使用者提出较 合理的任务分配方案。
[0005]为达成上述目的，本专利技术提出一种基于改进粒子群的任务分配方法，包括以 下步骤：
[0006]所述基于粒子群算法的空气质量群智感知任务分配方法，其特征在于，包括 以下步骤：
[0007]步骤1)读取当前可用参与者信息并输入系统，采用整数编码，随机生成number 数目的个体构成种群U；
[0008]步骤2)读取问题输入的信息，定义优化目标，所述问题的输入信息包括该任务 的要求到达的坐标(x，y)、群体置信度预期ACC
LOW
、该任务的花费预期 MONEY
max
以及该任务的预期人数num
sum
；所述优化目标为空气质量任务分配 所需总花费；
[0009]步骤3)进行数据预处理与参数初始化；
[0010]步骤4)设置损失函数LOSS以衡量每个种群的优劣程度；
[0011]步骤5)计算初始化的种群的损失函数值，将种群的当前方案分别作为每个种群 的个体最优pbest；将种群中损失函数值的最小的方案作为全局最优gbest；
[0012]步骤6)用粒子群算法迭代循环，设置惯性权重w，更新速度v，获取新方案，更 新全局最优和个体最优，输出最优解；
[0013]步骤7)记录并保存全局最优的选人方案，以便最终任务分配。
[0014]所述基于粒子群算法的空气质量群智感知任务分配方法的进一步设计在于， 所述步骤1)中每个个体为可用参与者表示为：U＝{u1，u2，
…
，u
i
，
…
，u
n
}，其中， u
i
表示每个随机可参与者的标号；定义每个可用参与者的置信度为ACC
i
，ACC
i
为 分布在[0，1]上的小数，可用参与者所处该地区的坐标(X
i
，Y
i
)。
[0015]所述基于粒子群算法的空气质量群智感知任务分配方法的进一步设计在于， 步骤2)中，所述读取问题输入的信息，定义优化目标的过程包括以下步骤：
[0016]设当前可用参与者u
i
距离任务点距离为d
i
，则根据式(1)计算参与者至任务点 的距离；
[0017][0018]根据式(2)定义每个当前可用参与者完成任务获得的报酬为MONEY
i
；
[0019]MONEY
i
＝A*d
i
+B*ACC
i
ꢀꢀꢀꢀ
(2)
[0020]式(2)中，A、B为常数，分别表示用户每公里可获得的报酬和个人置信度所对 应的报酬。
[0021]设定被分配任务的可参与者构成种群Z＝{z1，z2，
…
，z
j
，
…
，z
m
}，根据式(3)定义 优化目标主体为空气质量任务分配所需总花费；
[0022][0023]所述基于粒子群算法的空气质量群智感知任务分配方法的进一步设计在于， 所述步骤3)具体为：根据该任务要求的坐标，分别计算可用参与者到达该地需 要的路程d
i
与报酬MONEY
i
，置信度ACC
i
作为可用参与者的属性，设置改进粒子 群算法的种群规模为N，学习因子c1、c2，迭代次数G，惯性权重w，速度上限 下限v
max
，v
min
。
[0024]所述基于粒子群算法的空气质量群智感知任务分配方法的进一步设计在于， 步骤4)中，所述设置损失函数的过程包括以下步骤：
[0025]步骤4
‑
1)根据式(4)设定群体置信度sum
acc
，
[0026][0027]步骤4
‑
2)设置损失函数LOSS以衡量每个种群的优劣程度，损失越小方案越好；
[0028][0029]其中，ACC
LOw
为群体置信度预期，若该方案群体置信度sum
acc
超出置信度预期， 置信度的损失为0，MONEY
max
为金钱预期，若该方案所需花费sum
money
少于金 钱预期，则金钱的损失为0，num
sum
为人数预期；设定若该种群人数n少于人数 预期，则人数的损失为正；若该种群人数n多于人数预期，则人数的损失为负。
[0030]所述基于粒子群算法的空气质量群智感知任务分配方法的进一步设计在于， 步骤6)中，所述用粒子群算法迭代循环，获得最优解的过程包括以下步骤：
[0031]步骤6
‑
1)根据式(5)计算动态惯性权重w：
[0032][0033]式(5)中，w为惯性权重w，w
max
为权重上限，w
min
为权重下限；
[0034]步骤6
‑
2)速度更新：对于1000个种群(即方案)，分别更新其速度，公式如下：
[0035]v＝w
×本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于粒子群算法的空气质量群智感知任务分配方法，其特征在于，包括以下步骤：步骤1)读取当前可用参与者信息并输入系统，采用整数编码，随机生成number数目的个体构成种群U；步骤2)读取问题输入的信息，定义优化目标，所述问题的输入信息包括该任务的要求到达的坐标(x，y)、群体置信度预期ACC
LOW
、该任务的花费预期MONEY
max
以及该任务的预期人数num
sum
；所述优化目标为空气质量任务分配所需总花费；步骤3)进行数据预处理与参数初始化；步骤4)设置损失函数LOSS以衡量每个种群的优劣程度；步骤5)计算初始化的种群的损失函数值，将种群的当前方案分别作为每个种群的个体最优pbest；将种群中损失函数值的最小的方案作为全局最优gbest；步骤6)用粒子群算法迭代循环，设置惯性权重w，更新速度v，获取新方案，更新全局最优和个体最优，输出最优解；步骤7)记录并保存全局最优的选人方案，以便最终任务分配。2.根据权利要求1所述的基于粒子群算法的空气质量群智感知任务分配方法，其特征在于，所述步骤1)中每个个体为可用参与者表示为：U＝{u1，u2,
…
,u
i
，
…
，u
n
}，其中，u
i
表示每个随机可参与者的标号；定义每个可用参与者的置信度为ACC
i
，ACC
i
为分布在[0，1]上的小数，可用参与者所处该地区的坐标(X
i
,Y
i
)。3.根据权利要求1所述的基于粒子群算法的空气质量群智感知任务分配方法，其特征在于，步骤2)中，所述读取问题输入的信息，定义优化目标的过程包括以下步骤：设当前可用参与者u
i
距离任务点距离为d
i
，则根据式(1)计算参与者至任务点的距离；根据式(2)定义每个当前可用参与者完成任务获得的报酬为MONEY
i
；MONEY
i
＝A*d
i
+B*ACC
i
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)式(2)中，A、B为常数，分别表示用户每公里可获得的报酬和个人置信度所对应的报酬。设定被分配任务的可参与者构成种群Z＝{z1,z2,
…
,z
j
,
…
,z
m
}，根据式(3)定义优化目标主体为空气质量任务分配所需总花费；4.根据权利要求3所述的基于粒子群算法的空气质量群智感知任务分配方法，其特征在于，所述步骤3)具体为：根据该任务要求的坐标，分别计算可用参与者到达该地需要的路程d
i
与报酬MONEY
i
，置信度ACC
i
作为可用参与者的属性，设置改进粒子群算法的种群规模为N，学习因子c1、c2，迭代次数G，惯性权重w，速度上限下限v
max<...

【专利技术属性】
技术研发人员：申晓宁，臧逸飞，王毓泽，朱均可，李清雅，黄泽凯，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：