针对新型时空众包平台出现的3类对象在线任务匹配问题,现有工作往往假设工人拥有最大可匹配任务数量,将多个任务一次性分配给一个工人,忽略了工人的工作时间,可能会导致后匹配到的任务等待时间过长。因此,本文考虑了工作时长的在线3类...针对新型时空众包平台出现的3类对象在线任务匹配问题,现有工作往往假设工人拥有最大可匹配任务数量,将多个任务一次性分配给一个工人,忽略了工人的工作时间,可能会导致后匹配到的任务等待时间过长。因此,本文考虑了工作时长的在线3类对象动态匹配(online dynamic assginment for three types of objects,ODAT)问题,结合遗传算法(genetic algorithm,GA)提出一种延迟匹配算法来解决该问题。通过构造任务森林结构,借鉴蒙特卡罗树搜索思想随机模拟生成初始解,采用双重变异算子、局部最优算子融合贪心算法实现定向最优进化,使用随机部分重启机制跳出局部最优解;同时还提出一种延迟阈值策略来进一步提升效用。最终在真实数据集和合成数据集上进行大量实验,验证了算法的有效性和可行性。展开更多
文摘针对新型时空众包平台出现的3类对象在线任务匹配问题,现有工作往往假设工人拥有最大可匹配任务数量,将多个任务一次性分配给一个工人,忽略了工人的工作时间,可能会导致后匹配到的任务等待时间过长。因此,本文考虑了工作时长的在线3类对象动态匹配(online dynamic assginment for three types of objects,ODAT)问题,结合遗传算法(genetic algorithm,GA)提出一种延迟匹配算法来解决该问题。通过构造任务森林结构,借鉴蒙特卡罗树搜索思想随机模拟生成初始解,采用双重变异算子、局部最优算子融合贪心算法实现定向最优进化,使用随机部分重启机制跳出局部最优解;同时还提出一种延迟阈值策略来进一步提升效用。最终在真实数据集和合成数据集上进行大量实验,验证了算法的有效性和可行性。