申请/专利权人：南京信息工程大学

申请日：2021-09-17

公开（公告）日：2024-04-16

公开（公告）号：CN113902262B

主分类号：G06Q10/0631

分类号：G06Q10/0631;G06Q50/26;G06N3/006

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2022.01.25#实质审查的生效;2022.01.07#公开

摘要：本发明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。

主权项：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ACCLOW、该任务的花费预期MONEYmax以及该任务的预期人数numsum；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：步骤6-1根据式5计算动态惯性权重w： 式5中，w为惯性权重w，wmax为权重上限，wmin为权重下限；步骤6-2速度更新：对于1000个种群，分别更新其速度，公式如下：v＝w×vlast+c1×rand×pbest-plan+c2×rand×gbest-plan6式6中，v为1×number的矩阵，表示各人员的权重，plan为该总群对应方案的任务分配安排，个体最优、全局最优与该方案所分配人员区别越大则更新速度越快；步骤6-3进行速度边界条件处理：若速度矩阵v中值超过所设定的速度最大值vmax，则修改其值为vmax；若小于所设定的速度最小值vmin，则修改其值为vmin；步骤6-4更新当前方案：使用sigmoid函数将速度v调整至0到1区间内，若该候选参与者调整后的速度v大于0.5，则选取该参与者；若候选参与者调整后的速度v小于0.5，则不选择该参与者，据此，更新其对应的方案plan；步骤6-5计算更新后方案的损失函数值，比较并更新个体最优与全局最优；步骤6-6若迭代计数器gen小于上限次数G，则gen＝gen+1，跳转到步骤6-1；若迭代计数器gen达到上限次数G，则结束程序，输出当前全局最优方案的总花费、置信度、总人数；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。

全文数据：

权利要求：

百度查询： 南京信息工程大学 基于粒子群算法的空气质量群智感知任务分配方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD