导读:本文包含了任务指派算法论文开题报告文献综述及选题提纲参考文献，主要关键词:同构无人机群,协同作战,任务指派,遗传算法
任务指派算法论文文献综述
秦智慧,王华[1]（2015）在《基于改进遗传算法的UAVS协同多任务种类指派》一文中研究指出无人机群协同作战中多任务种类分配问题,要求在满足所有约束条件下,对无人机任务序列进行合理的分配,以达到整体作战任效能最大化。文中设计了一种适用于小规模的多无人机、多目标、多任务种类的同构无人机协同分配模型,基于模型中无人机能力约束、协同任务偏序约束,提出了一种新的针对协同多任务种类分配的遗传算法染色体编码方法,进而提出了一种多目标多任务指派的优化算法,通过同类型任务之间的随机交叉,有效地避免了遗传算法可能收敛到局部最优解的问题,提高了优化的效率。(本文来源于《第叁届中国指挥控制大会论文集（下册）》期刊2015-07-07）
刘家骏[2]（2015）在《求解任务指派问题的差异演化算法》一文中研究指出建立了任务指派问题的数学模型,采用差异演化算法对其进行求解,给出了差异演化算法求解该问题的具体方案,对不同的任务指派问题算例进行了仿真实验。结果表明,算法可以有效、快速地找到任务指派问题的最优解。(本文来源于《计算机与数字工程》期刊2015年06期）
马晓娜[3]（2014）在《“人少任务多”型指派问题的一种新算法》一文中研究指出对于"人少任务多"型指派问题的解法,人们已经提出了很多解法,如"加边补零"法[1],"加边补最小值"法[2],只是前面提到的这些方法总体思路都是将其转化为标准指派问题来求解;对此,提出了一种不同于传统解法的差额法,方法不必一开始就去用新的矩阵去代替原系数矩阵,而是可直接在原系数矩阵上进行求解;方法简洁,直观,而且优于传统算法。(本文来源于《重庆工商大学学报(自然科学版)》期刊2014年12期）
王庆,黄慧霞,刘敏[4]（2013）在《基于一种改进蚁群算法的知识员工任务指派及调度研究》一文中研究指出蚁群算法是一种适合知识员工任务指派及调度优化求解的优秀算法。以知识员工任务指派及调度为研究范畴,明确了研究假定,构建了问题的数学模型。设计了一种改进的蚁群算法来进行知识员工任务指派及调度优化求解:提出了解的复合路径构析图思路,设计了减少蚂蚁数量,以及自适应地改变蚂蚁路径选择行为的信息启发式参数和期望启发式参数的迭代策略。此外,在算法迭代中,采用了精英解保留策略,使各代精英解都保留下来。在设计仿真程序时,采用了一种直观的双染色体编码技术,在生成任务序列的同时产生相对应的知识员工序列。通过对算例进行多次仿真实验和比较,结果表明:改进后的蚁群算法是求解知识员工任务指派及调度优化的有效解法,该算法收敛的速度最快,耗费的时间最短,得到的结果最优。(本文来源于《管理评论》期刊2013年10期）
黄慧霞[5]（2013）在《基于细菌觅食算法的知识员工任务指派及调度研究》一文中研究指出随着信息时代的到来，拥有丰富知识的知识型员工已经成为企业的重要资源之一，也是企业得以发展的根本。知识员工具有较强的独立性、自主性和创造性，因此也就使得知识型员工具有更高的自我实现意识，正是由于知识型员工的这些特点，造成了企业知识型员工的流失率增大，并且给企业带来管理和控制等方面的问题。因此，将员工及时、合理的调配到合适的工作岗位对于提升企业人力资源的优化配置，提高任务完成的效率，降低薪酬成本，增加企业的竞争能力发挥了重要作用，员工指派及调度问题也就成为企业的重要战略焦点。许多大型企业为了提高自身的核心竞争力，都努力尝试把人工智能优化技术引入企业中，以便实现企业的智能化管理。本文研究的细菌觅食算法是最近出现的一种人工智能优化算法，该算法解决了其他算法容易陷入局部最优的问题，以及拥有较好的全局搜索能力等优点。本文主要通过理论与实践相结合，查阅大量的相关文献，对查阅的文献进行分析总结，将所查阅的文献从研究对象、解决方法、应用领域这叁个方面进行探讨。可以看出：前人在所研究的对象上逐渐由简单变复杂；在解决的方法上，由精确方法过渡到近似求解方法；在研究的应用领域上也越来越广。通过找出前人研究的优点与不足，得出了解决基于细菌觅食算法的知识员工任务指派及调度问题的必要性。在前人研究的基础上，本文系统地分析、总结了知识员工与一般员工相比，在个人素质、工作能力、个性特点、价值实现等方面的特点，得出了对知识型员工进行任务指派及调度的重要性。同时，本文提出了需要研究的问题，并对其进行简单的描述与定义；在建模阶段，根据各企业的文化差异，以及企业环境的动态性和多样性，加之高难度的任务指派问题，综合考虑以使客户满意度达到最大、企业花费成本最小、知识员工的工作负荷量均匀，运用细菌觅食算法等技术实现对企业管理中的知识员工任务指派问题的相关研究；最终建立了任务指派及调度的数学模型，以企业需要完成的4个项目为案例进行模拟仿真，其中每个项目包含6个任务，并由6个知识员工来完成。本文在计算机上进行模拟仿真，利用MATLAB软件设计开发出了一套基于细菌觅食算法的知识员工任务指派及调度系统，得到了多目标规划的最优解，以及相应情况下知识员工任务指派及调度的时间安排表。文章最后给出了系统的算例分析，实验结果表明根据细菌觅食算法得到的目标函数的平均值和最优值趋近于相等，具有很好的收敛性，实验最后找到了最优解。细菌觅食算法克服了陷入局部最优值的缺点，体现了较好的全局搜索能力等优点，提高了解的质量，为企业知识员工的任务指派及调度提供了科学的依据。本文的主要创新点如下：（1）为了满足企业与知识员工之间的多种要求，文章合理地设置了多目标规划，使所研究的问题尽量趋于现实情况。同时将企业的人力资源的合理分配问题与运筹学、应用数学、人工智能学以及计算机科学等学科联系起来，提出了企业人力资源的合理配置问题，构建了基于细菌觅食算法的知识员工调度优化的数学模型，将人力资源领域的知识型员工调度问题进行模拟化，建立了一套具有普适性的数学调度模型，为企业知识员工的调配提供了一种科学的工具和方法。（2）设计了一套用于解决知识员工任务指派及调度问题的细菌觅食算法仿真程序，为知识员工调度问题提供了一种好的求解算法，并通过案例进行实证。程序开发后调试的结果对企业具有很好的借鉴作用。如何处理好知识员工任务指派及调度问题对企业的发展有着至关重要的作用，通过本文探索性的研究，为知识员工的任务指派及调度问题提供了一个很好的解决方案，为解决企业人力资源的优化配置提供了新的思路和方法。(本文来源于《天津商业大学》期刊2013-05-01）
朱明放,叶飞跃,丁小未[6]（2014）在《基于GEP的任务指派问题的求解算法》一文中研究指出任务指派问题是典型的组合优化问题,得到了广泛的研究。基于基因表达式编程的思想,设计了任务指派问题求解的算法,并用C#实现了该算法。结合人力资源任务分配的实例进行了实验分析和研究,获得了人员与岗位配置的最优解。实验表明算法设计是正确和有效的,从而为企业人员安排提供参考。(本文来源于《计算机工程与应用》期刊2014年22期）
檀明,魏臻,韩江洪[7]（2012）在《面向抖动优化的任务静态优先级指派算法》一文中研究指出对任务相对截止时限进行优化设置是一种减少输出抖动的有效方法,但现有方法均是针对最早时限优先调度算法,不能适用于任务集采用静态优先级调度算法的场合。为此,提出通过优化优先级指派实现任务集的整体抖动最小化,并给出一种启发式的优先级指派算法。根据单调速率调度算法确定任务的初始优先级,以最小化局部抖动方式依次对任务的优先级进行再调整,从而得到近似最优的优先级指派。仿真实验结果表明,该算法能有效减少任务集的整体输出抖动。(本文来源于《计算机工程》期刊2012年20期）
蔡纪伟,贾云献,孙晓,张晓康[8]（2012）在《蚁群算法在战损装备抢修任务指派中的应用研究》一文中研究指出结合战时装备保障实际情况和战损装备抢修任务特点,分析了现有战损装备抢修任务指派模型的特点及不足.依据紧急程度对战损装备抢修任务进行分类,建立了不同紧急度对应的装备抢修任务指派模型,重点是利用蚁群算法对模型进行求解.最后通过某装备保障想定的实例进行了验证,结果表明该算法操作简单、切实有效,能有效实施战损装备应急抢修任务的指派,在装备保障智能决策系统中有较好的应用前景.(本文来源于《数学的实践与认识》期刊2012年19期）
郑汉超[9]（2012）在《基于粒子群算法的知识员工任务指派及调度优化》一文中研究指出众所周知，知识员工任务指派及调度是NP-HARD问题，科学合理的进行知识员工任务指派及调度是企业人力资源合理配置的重要组成活动。本文详细描述了知识员工任务指派及调度研究问题，并明确了问题假设；构建了研究问题的数学模型，同时提出了基于粒子群算法进行知识员工任务指派及调度优化求解策略。在设计仿真程序时，采取了一种直观的借鉴遗传算法的矩阵编码方法，可以充分利用粒子群算法的并行搜索能力。本文主要的研究内容以及成果如下：（1）首先结合国内外已有的文献，系统总结了知识员工任务指派及调度以及粒子群算法的研究现状，在此过程中发现较少利用粒子群算法来对知识员工任务指派及调度问题进行研究。（2）分析总结了知识员工的定义、特征、知识员工任务指派及调度对企业的意义以及知识员工任务指派及调度过程中的难点，依据知识员工任务指派及调度优化的特点建立了相关的优化数学模型，为解决该类问题提供了科学依据。（3）受粒子群算法应用解决车间作业调度问题的启发，本文探索性的将粒子群算法运用于知识员工任务指派及调度优化问题，并详细的阐述了粒子群算法的概念和基本原理，同时构建了基于粒子群算法的知识员工任务指派及调度优化的算法模型。（4）基于MATLAB7.0平台建立知识员工任务指派调度决策仿真系统，案例的实证结果表明通过设置适当的参数，粒子群算法可以快速的得到一个较优的排序结果，同时也验证了粒子群算法是一种求解知识员工任务指派及调度问题的有效方法。(本文来源于《天津商业大学》期刊2012-04-01）
孙晓雅,林焰[10]（2012）在《改进的人工蜂群算法求解任务指派问题》一文中研究指出针对指派问题提出了一种改进的人工蜂群算法.该算法充分考虑到指派问题解的离散性特点,给出了食物源位置的离散编码方法,并且采用邻域移动法生成候选食物源,这一方法既保证了解的可行性,又增加了食物源的多样性.实算表明在求解指派问题时,该算法比原人工蜂群算法在求解精度和收敛速度上都有显着地提高,两性能也优于其他粒子群算法.这种改进的离散人工蜂群算法简洁,应用方便,不但是一种有效求解指派问题的新算法,同时也为其他组合优化问题求解提供了一种有益思路.(本文来源于《微电子学与计算机》期刊2012年01期）
任务指派算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
建立了任务指派问题的数学模型,采用差异演化算法对其进行求解,给出了差异演化算法求解该问题的具体方案,对不同的任务指派问题算例进行了仿真实验。结果表明,算法可以有效、快速地找到任务指派问题的最优解。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
任务指派算法论文参考文献
[1].秦智慧,王华.基于改进遗传算法的UAVS协同多任务种类指派[C].第叁届中国指挥控制大会论文集（下册）.2015
[2].刘家骏.求解任务指派问题的差异演化算法[J].计算机与数字工程.2015
[3].马晓娜.“人少任务多”型指派问题的一种新算法[J].重庆工商大学学报(自然科学版).2014
[4].王庆,黄慧霞,刘敏.基于一种改进蚁群算法的知识员工任务指派及调度研究[J].管理评论.2013
[5].黄慧霞.基于细菌觅食算法的知识员工任务指派及调度研究[D].天津商业大学.2013
[6].朱明放,叶飞跃,丁小未.基于GEP的任务指派问题的求解算法[J].计算机工程与应用.2014
[7].檀明,魏臻,韩江洪.面向抖动优化的任务静态优先级指派算法[J].计算机工程.2012
[8].蔡纪伟,贾云献,孙晓,张晓康.蚁群算法在战损装备抢修任务指派中的应用研究[J].数学的实践与认识.2012
[9].郑汉超.基于粒子群算法的知识员工任务指派及调度优化[D].天津商业大学.2012
[10].孙晓雅,林焰.改进的人工蜂群算法求解任务指派问题[J].微电子学与计算机.2012