申请/专利权人：扬州大学

申请日：2024-03-28

公开（公告）日：2024-06-28

公开（公告）号：CN118260044A

主分类号：G06F9/48

分类号：G06F9/48;G06N5/043;G06F18/20

优先权：

专利状态码：在审-公开

法律状态：2024.06.28#公开

摘要：本发明提供了一种基于子团队的最大化动态任务重分配方法，针对原始任务分配解设计最大化任务分配机制，得到初始分配最大化方案；然后通过动态任务分配方法来处理动态任务；最后通过任务再分配方法最大化方案来最大化变化的任务列表。本发明通过转换成本，重新分配已分配任务，将更多未分配的任务纳入任务列表，提高任务分配数量，有效利用系统资源；通过子团队和任务释放机制应对动态任务，实现高效的任务分配和重新分配，降低通信和计算负担，缩短响应时间。在实现任务最大化分配的同时，本发明能够在动态环境中消耗更少的计算资源，迅速调整任务分配，以应对执行任务过程中的动态任务，保持系统的效率和性能，提高了系统的适应性和鲁棒性。

主权项：1.一种基于子团队的最大化动态任务重分配方法，其特征在于，包括如下步骤：步骤一、利用PI方法进行初始任务分配获得原始任务分配解V0，并计算任务tq的IPI和RPI，智能体ai的任务列表vi中任务tq的IPI计算公式为： 表示在智能体ai的任务列表vi的l处插入任务tq；ci,j为时间成本；任务的IPI存储在IPI向量在任务列表已满或无法再添加任务后，智能体计算从任务列表vi中移除任务tq的RPI： 在PI方法的基础上计算每个任务的找到可包含在vi中的可重分配任务列表b，可重分配任务列表中存在已分配任务和未分配任务；将转换为是任务对性能的影响，计算方法如下： 未分配任务的和值相同，已分配任务的低于任务的ui,q表示智能体ai在其任务列表vi中执行任务tq的效用，在通信和冲突解决阶段计算转换后的RPI，即 未分配任务的和值相同，而已分配任务的低于任务的低于值导致任务分配给最低的智能体；通过本步骤创建空缺以包括未分配的任务；步骤二、在计算完和后，使用基于分布式蜜蜂方法的任务选择，同时考虑任务的成本和优先级，从可重分配任务列表中选择任务tq的概率为： 其中，|vi|是任务列表vi中包含的任务数，任务优先级di,q表示任务截止时间，τ为时间向量；通过迭代将任务添加到智能体任务列表中，随着任务的添加，任务的时间成本向量ci,j随之更新；在第i个智能体的vi中添加任务，直到任务列表已满或无法添加其他任务；经过几次任务重新分配迭代后，分配尽可能多的任务给智能体；当达到任务上限或无法再添加任务时，更新获胜智能体共识名单βi，得到初始最大化任务分配解V1；步骤三、探测智能体ad对周围任务任务进行检测，当ad在其检测范围内检测到任务tu时，确定tu的任务类型并获得元组ηu，通过比较元组确定tu的类型，任务类型包含：新增任务、删除任务、现有任务的状态变化；在执行原始分配方案过程中出现动态任务时，将动态任务分为常规任务、高价值任务和快响应任务，任务分配问题写为： Subjectto|vi|≤L≤MRj≥0其中，ui,j表示智能体ai在其任务列表vi中执行任务tj的效用，Rj表示tj对整个任务的重要性，时间成本ci,j根据任务列表vi中的任务执行顺序计算得出，soj表示从初始位置到vi中第一个任务所需的时间，智能体ai执行任务tj的时间成本ci,j是任务列表中该任务之前所有任务时间成本的累计和执行任务tj所需时间之和；表示之前所有任务时间成本的累计，|vi|为任务数量，dj为任务截止时间；步骤四、如果动态任务是删除任务，ad将元组ηu发送到任务列表包含该任务的智能体ab，直接更新后续任务的开始时间和RPI来处理tu；步骤五、如果类型是新增任务，探测智能体ad根据子团队机制确定组成响应子团队Ωu的子团队成员：智能体ad探测到任务tu后，以智能体ad为中心，在ad的通信范围内寻找可以加入子团队的智能体，如果通信范围内不存在可以加入子团队的智能体，则优先由智能体ad处理该任务；如果存在可以加入子团队的智能体，则扩大子团队通信范围，将子团队半径内的智能体组成子团队Ωu，其他智能体不参与重新分配；子团队半径ru计算公式如下： 其中，CRmax为智能体最大通信范围，ζ1、ζ2、ζ3分别是平衡任务价值、任务紧急程度和任务执行时间对单位半径影响的权重；Ru表示任务价值，du表示任务截止时间，su表示任务执行时间，ψ表示动态任务在执行过程中的发生时间，dmax为任务最大截止时间，Smax为最大执行时间；κ为增量比；逐步增加子团队半径ru，找到能恰好分配动态任务的最小子团队半径ru；一旦分配动态任务tu的无冲突解决方案出现，重分配过程终止并输出可行解及其对应的响应范围；步骤六、Ωu中的智能体通过任务释放机制选择并移除部分任务：对于动态任务tu，定义元组θu＝tu,Ωu以存储动态任务及其对应的子团队，使用集合Trel以存储Ωu中所有被释放的任务及未分配的动态任务；对于智能体ai∈Ωu，将任务列表vi中RPI值最小的任务释放，更新智能体的工作量以反映任务的删除；子团队Ωu中的智能体aj优先释放原计划任务列表中RPI最低的nj,rel个任务，nj,rel通过以下公式进行计算： 其中，μ为限制任务发布的比例；步骤七、Ωu中智能体相互通信，交换判定信息并更新获胜智能体的ID向量βj、获胜RPI向量γj和时间戳，以解决冲突；完成子团队内部的通信后，智能体就Trel中任务的更新获胜RPI向量γj和获胜智能体的ID向量βj达成一致；然后，智能体删除冲突任务，存储子团队Ωu中删除tu的智能体的最高RPI值，智能体从任务列表中删除RPI值较低的已更改任务tu，每个智能体检查更新后的获胜智能体的IDβj,u；如果获胜智能体是自己，则智能体添加任务，否则从任务列表中删除tu；至此，子团队Ωu就更改后的任务tu达成共识；如达成共识则执行步骤九，进一步将更多任务纳入任务列表，直至无法再纳入更多任务；若未达成共识则执行步骤八；步骤八、所有智能体反复执行步骤六、七后，再次触发新的通信；当没有更多任务可以交换和包含时，重新分配结束；所有子团队成员通过迭代任务最大化再分配方法和通信重新分配Trel中的任务，直到获得无冲突解决方案；增量比κ不断增加，直到tu被分配或响应半径超过任务范围，流程终止；步骤九、引入两个任务集合和以处理Trel中的任务，其中，表示未发生变化的任务，而表示已更新的新任务；根据智能体选择策略选择智能体ab接收任务tu的更改元组ηu，根据任务释放机制从任务列表vb中删除更新之后任务的起始时间和RPI；通过计算任务插入到位置l时对局部性能的影响，确定对局部性能影响最大的位置l，获取任务列表中IPI最佳的位置，并将任务tk插入任务列表vi的IPI作为最大局部性能影响 如果且IPI值为正，即ab将任务插入任务列表中；如果可插入位置l的IPI值为负值，即在对本地效用影响最小的位置添加任务；将任务插入到更新后的任务列表将新任务的RPI设置为插入时的IPI，即ab根据下式更新后续任务的起始时间和RPI： 智能体ai的本地视图中的任务RPI存储在获胜RPI向量中；任务tk的RPI通过执行已删除任务和所有后续任务的得分差额来计算；步骤十、如果tu是状态变化的任务，则执行该任务的智能体ab接收元组ηu并运行步骤五来处理tu；如果ab无法通过更新开始时间来处理tu，则ad执行步骤九以解决状态变化的任务tu；最后，更新后的分配信息被广播到整个多智能体系统。

全文数据：

权利要求：

百度查询： 扬州大学 一种基于子团队的最大化动态任务重分配方法

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