一种基于预测型烟花算法的群智感知系统任务分配方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113642900A(43)申请公布日2021.11.12(21)申请号202110943016.6(22)申请日2021.08.17(71)申请人南京信息工程大学地址210044江苏省南京市宁六路219号(72)发明人申晓宁许笛姚铖滨徐继勇葛忠佩陈庆洲(74)专利代理机构北京同辉知识产权代理事务所(普通合伙)11357代理人廖娜(51)Int.Cl.G06Q10/06(2012.01)G06Q50/26(2012.01)G06F30/27(2020.01)G06F111/04(2020.01)权利要求书5页说明书13页附图2页(54)发明名称一种基于预测型烟花算法的群智感知系统任务分配方法(57)摘要本发明公开一种基于预测型烟花算法的群智感知系统任务分配方法：包括问题信息读取，包括各个任务和所有参与者的位置坐标、任务点所处环境信息、参与者的身体状况、信誉度与兴趣度和问题规模；初始化预测型烟花算法的参数；利用反向学习的思想初始化个体；计算种群中所有个体的目标值，确定核心烟花和中心烟花；采用分组线性预测策略对所有烟花个体爆炸振幅动态调整；利用两种启发信息产生火花；所有烟花个体采用变异自适应竞争机制产生变异火花；排序选择与核心烟花保留策略选择出下一代烟花；判断是否达到终止条件。本发明具有搜索速度快，搜索能力强，分配方案中平台成本最小的优点。CN113642900ACN113642900A权利要求书1/5页1.一种基于预测型烟花算法的群智感知系统任务分配方法，其特征在于，分配方法包括以下步骤：S1：读取问题输入的信息，定义优化目标，设定约束条件；S2：初始化算法参数；设置改进烟花算法进化种群规模为N、最大目标评价次数为Max_eva、调整比例r1、r2、初始三种变异方式贡献度、设置目标评价次数计数器eva＝0；S3：引入反向学习生成初始候选种群，并计算目标值：采用整数编码，首先随机生成N个个体，然后对各初始烟花的每一维进行反向调整，若反向烟花的目标值优于初始烟花，则用反向烟花替换初始烟花，劣于则保留初始烟花，将烟花的目标值从小到大排序，选出核心烟花与中心烟花；S4：采用分组线性预测策略动态调整爆炸振幅：以中心烟花为界将种群分为两组，每组烟花分别向这一组中目标值最小的烟花学习，即排序在前的一组烟花向核心烟花学习，排序在后的一组烟花向中心烟花学习；采用线性预测法，对烟花将其相应的基准烟花在前后两代的爆炸振幅变化量与基本爆炸振幅相加，得到最终的爆炸振幅S5：利用两种启发信息产生火花：每个烟花产生的爆炸火花有两种类型，分别由距离或匹配度指导产生；爆炸操作即为参与者之间的替换；S6：烟花通过变异自适应竞争机制产生变异火花：该机制设置三种变异方式，每个烟花通过基于贡献度Cw,w＝1,2,3的轮盘赌策略自适应选择相应的变异方式，贡献度越高的变异方式被选择的概率越大，产生优良变异火花的可能性也越大；S7：选择策略采用保留每一代的核心烟花到下一代的精英保留策略，还对除核心烟花外的烟花和火花候选池中的个体根据目标值由小到大进行排序，火花候选池包括爆炸火花和变异火花，根据排序号计算选择概率；S8：终止准则判断：若eva>Max_eva则终止迭代，输出目标值最小的个体，该个体为成本最小的分配方案，否则继续评价，转步骤S4。2.根据权利要求1所述的基于预测型烟花算法的群智感知系统任务分配方法，其特征在于，所述步骤S1中问题输入的信息包括任务点数量T和参与者数量U、任务点和参与者的具体坐标信息、任务点所处环境的风速值，降雨量值和PM2.5值，以及参与者的身体状况、信誉度和兴趣度；所述优化目标为完成所有任务平台成本最少；所述约束条件为每个任务必须被完成且仅被完成一次，完成空气质量感知任务的均为健康参与者。3.根据权利要求1所述的基于预测型烟花算法的群智感知系统任务分配方法，其特征在于，每个所述个体表示一套分配方案：X＝{x1,x2,…,xU}其中，xi(i＝1,2,…,U)表示参与者的标号；计算每个个体的目标值f(X)：2CN113642900A权利要求书2/5页其中，平台总成本由补偿成本Cj、数据损失成本Pij和距离成本Qij组成；dij表示参与者i与客户j之间的距离。4.根据权利要求2所述的基于预测型烟花算法的群智感知系统任务分配方法，其特征在于，步骤S1中，所述读取问题输入的信息，定义优化目标，设定约束条件的过程包括以下步骤：S11:在公布任务点后，平台从气象部门发布的天气预报获取每个任务点j所处区域的当前PM2.5值aj，j＝1,2,…,m+n，降雨量值bj和风速值cj，相应的评价值和由此得到各任务点的环境综合评价值ωj：通过ωj计算任务j的补偿成本，以平衡个人损失与平台效益：