买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明属于众包任务分配技术领域，具体涉及极限学习机协同樽海鞘群优化算法的任务分配方法、系统，基于工作者和任务的属性，构建目标函数，依次经三个阶段任务分配，得到使目标函数最大化的众包任务分配方案，其中，第一阶段分配中，将多维众包任务分配优化问题转化为一维优化问题，经樽海鞘群优化算法得到第一阶段分配结果；第二阶段分配中，将相关性高的维度合并为一个种群，经樽海鞘群优化算法或训练后的极限学习机进行更新，得到第二阶段分配结果；第三阶段分配中，经训练后的极限学习机或局部聚集法进行更新，得到第三阶段分配结果，即最优任务分配方案，最大化完成任务数量的期望。

主权项：1.一种极限学习机协同樽海鞘群优化算法的任务分配方法，其特征在于，包括以下步骤：S1：获取工作者和任务的属性；工作者的属性，包括：工作者的位置、工作者的活动区域、工作者的移动速度、工作者的偏好、工作者的任务执行历史记录；任务的属性，包括：任务的位置、任务的开始时间、任务的结束时间、任务的类别；S2：基于工作者和任务的属性，构建目标函数，具体为：S21：基于工作者和任务的属性，构建位置模型、时间模型、偏好模型，作为约束条件；S22：根据约束条件，构建目标函数，具体为：根据公式：， ，构建目标函数；式中，表示最大化完成任务数量的期望；为任务总数量；为工作者总数量；表示工作者完成任务的概率；表示若成立，则取值为1；为所述位置模型，表示工作者在时间段内满足任务的位置的概率；为所述时间模型，表示任务所在的时间段；为所述偏好模型，表示工作者在时间段内满足任务的任务类别的概率；S3：基于目标函数，进行第一阶段分配，具体为：S31：初始化樽海鞘群优化算法的参数后，初始化若干个子种群；S32：根据目标函数计算适应度值，樽海鞘个体根据适应度值排序，记录每个樽海鞘个体的位置信息；S33：排序后的樽海鞘个体经樽海鞘群优化算法进行更新后，执行S32，直至迭代次数达到第一预设迭代次数，得到第一阶段分配结果；S4：基于第一阶段分配结果，训练极限学习机，进行第二阶段分配，具体为：S41：基于第一阶段分配结果，计算若干个子种群之间的斯皮尔曼相关性系数，根据斯皮尔曼相关性系数合并子种群；S42：基于第一阶段分配结果，训练极限学习机，得到训练后的极限学习机；S43：基于合并后的子种群，根据目标函数计算适应度值，樽海鞘个体根据适应度值排序，记录每个樽海鞘个体的位置信息；S44：根据第一概率，排序后的樽海鞘个体经樽海鞘群优化算法或训练后的极限学习机进行更新后，执行S43，直至迭代次数达到第二预设迭代次数，得到第二阶段分配结果；S5：基于第二阶段分配结果，根据第二概率，经训练后的极限学习机或局部聚集法进行更新后，得到第三分配结果，具体为：S51：基于第二阶段分配结果，根据第二概率，经训练后的极限学习机或局部聚集法进行更新；经局部聚集法进行更新，具体为：根据公式：， ，进行更新；式中，为更新后第个子种群中的个体；为第个子种群中的最优个体；为第个子种群中的次优个体；为调整聚集作用域的参数，根据公式：，得到；式中，为当前迭代次数，为第三预设迭代次数；S52：根据目标函数计算适应度值，樽海鞘个体根据适应度值排序，记录每个樽海鞘个体的位置信息，执行S51，直至迭代次数达到第三预设迭代次数，得到最大适应度值，最大适应度值对应的樽海鞘群个体的位置，作为第三阶段分配结果。

全文数据：

权利要求：

百度查询： 烟台大学 极限学习机协同樽海鞘群优化算法的任务分配方法、系统