CN110110962A - 一种任务群智执行团队的优选方法 - Google Patents
一种任务群智执行团队的优选方法 Download PDFInfo
- Publication number
- CN110110962A CN110110962A CN201910260354.2A CN201910260354A CN110110962A CN 110110962 A CN110110962 A CN 110110962A CN 201910260354 A CN201910260354 A CN 201910260354A CN 110110962 A CN110110962 A CN 110110962A
- Authority
- CN
- China
- Prior art keywords
- team
- task
- credit
- value
- index
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Complex Calculations (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种任务群智执行团队的优选方法,包括步骤:获取发包方发布的任务及任务指标;获取进行任务投标的团队及团队指标;根据任务指标对进行任务投标的团队进行筛选;对筛选后的团队的指标进行归一化、评估和排序处理,选择最终的任务执行团队;当任务执行团队完成任务后,对任务执行团队的指标进行更新。本发明用于解决通用众包过程中个体和团队的指标评估以及优选选标问题。
Description
技术领域
本发明涉及数据获取及处理领域,尤其涉及一种任务群智执行团队的优选方法。
背景技术
互联网应用与服务已经成为人们日常生活中不可或缺的部分,人们生活的方方面面都离不开互联网应用服务的支持。事实上,每一个联网的用户不仅仅是互联网应用服务的使用者,同时也是其内容和服务的提供者。微博、社区和论坛等有赖于用户生成的内容,为其它有需求的用户提供服务,同时这些内容也成为互联网大数据的主要来源。
不仅如此,互联网用户之间通过相互协作,依靠群体智慧,还可以完成许多复杂的任务,譬如面向开源及私有软件项目的托管平台GitHub汇集了大量软件开发人员,共同完成了许多大型软件的开发;基于互联网、内容开放的全球多语言百科全书Wikipedia,由全球用户参与自由地创建和编辑,相互协作,共同完成了1.6亿多词条的编写;此外还有相当多的众包众测平台,如阿里众包、开源众包和百度众测等,完成了数据标注、软件开发、产品测试等相当大的众包任务。这些应用得以成功的关键在于依托了互联网用户的相互协作和群体智慧,这可以看作是一种基于互联网的新型计算模式——称之为群智协同计算。
众包是一种典型的以人群协同为基础的群智实现方式。发包方通过招标的形式将任务需求发布到众包平台,有能力和意愿的用户可以单独竞标,也可以组建团队来竞标,以保证任务完成的时效和质量。平台协助,发包方决定,选择最合适的投标方来完成任务。除了小部分稍微独立的众包任务可以由一个用户单独完成以外,大部分的众包任务都需要多个用户的合作和协同才能有效地完成。而在线用户在知识背景、能力水平等方面参差不齐,在不受信任的开放网络环境下具有差异性、不确定性。因此,如何在多个竞标的团队中选择优质的团队,以使任务得以高质量高效率低成本地完成,成为众包过程效用实现的一个重难点。
竞标团队由众包平台的用户组建而成。为了实现优质团队的筛选,必须有效地利用平台数据,对平台用户的用户信息和活动数据进行建模处理和分析,以对发包方的信誉和接包方的能力和信用进行有效地评估。因此,对平台用户历史数据的处理和分析,也是需要解决的问题。
除此之外,由于众包团队一般依托任务而存在,任务完成后团队即解散,具有流动性。因此,如何通过团队各成员的评估达到对团队整体能力的评估,也即团队各成员能力到团队总能力的映射,也是需要解决的重点。
发明内容
本发明的目的在于克服现有技术中的缺点,提供一种任务群智执行的团队优选方法。本发明通过将用户指标映射到团队指标从而对团队进行筛选、评估和排序,能够高效地选择符合任务指标的最优任务执行团队。
本发明的目的能够通过以下技术方案实现:
一种任务群智执行团队的优选方法,包括步骤:
获取发包方发布的任务及任务指标;
获取进行任务投标的团队及团队指标;
根据任务指标对进行任务投标的团队进行筛选;
对筛选后的团队的指标进行归一化、评估和排序处理,选择最终的任务执行团队;
当任务执行团队完成任务后,对任务执行团队的指标进行更新。
具体地,所述任务指标包括能力值、信用值、任务完成时间和任务回报。
具体地,所述团队指标包括能力向量、信用值、任务完成质量、预期完成时间和预期回报。
进一步地,团队指标中的能力向量、信用值和任务完成质量由团队中各个成员的指标映射得到:
对于能力向量第i项,从团队中n个成员的能力abilityij(j=1,2,...,n)到团队能力abilityTi,可以根据实际情况选择不同的映射方法:
取最大:
取平均:
求和:
其中,p∈[0,1]表示成员之间由于沟通成本的存在而产生部分能力折损。
同理,团队信用值creditT和团队任务完成质量qualityT取平均值:
进一步地,所述根据任务指标对进行任务投标的团队进行筛选的步骤中,筛选方法为团队指标需满足:
te≤t0,Ce≤V0
其中,te表示预期完成时间,t0表示任务完成时间,Ce表示预期回报,C0表示任务回报。
进一步地,所述对筛选后的团队的指标进行归一化、评估和排序处理,选择最终的任务执行团队中,
对竞标描述向量TeamDescVector(T)的各个分量分别进行归一化,对每一个竞标描述向量归一化的结果,用元组(a1,a2,..,an,d1,d2,d3,d4)进行表示。其中,TeamDescVector(T)=(abilityT(T),creditT(T),qualityT(T),te(T),Ce(T))表示该团队T∈TSets的竞标描述向量,TSets={T1,T2,...,Tm}为可选团队的集合,a1,a2,..,an为能力向量各分量归一化结果,d1,d2,d3,d4分别为信用值、完成质量、预期完成时间和预期回报归一化结果。
更进一步地,对于各分量的归一化,需要区分正属性和负属性,正属性值越大,效益越高,这里为各能力分量、信用值和预期完成质量;负属性值越大,效益越低,这里为完成时间和预期回报。
正属性ui的归一化计算方法为:
对于负属性ui的归一化计算方法为:
其中,vi为ui归一化的结果,和分别为该分量ui属性值中的最大值和最小值。
更进一步地,对于各投标归一化后的元组(a1,a2,..,an,d1,d2,d3,d4),采用TOPSIS(Technique for Order Preference by Similarity to an Ideal Solution)法对其进行评估和排序。由于归一化后各分量介于[0,1],并且值越接近1,其效益越高,所以最优理想点选取分量全为1的元组,为了计算简便,这里不考虑最劣理想点和最优理想点的距离,采用加权欧几里得距离,计算方法如下:
其中,distance表示投标与最优理想点之间的距离,wi(i=1,2,..,n)为各能力分量ai的权值,gi(i=1,2,..,4)分别为对应di的权值,各权值可以根据重要程度进行调整。
投标与最优理想点之间的距离distance越小,代表其总体效益越高,所以选取distance最小的投标团队,作为最终的任务执行团队。
进一步地,所述对筛选后的团队的指标进行归一化、评估和排序处理,选择最终的任务执行团队的步骤中,若选择的任务执行团队放弃任务,则将该团队从筛选后的团队中去除,重复本步骤,选择新的任务执行团队。
进一步地,所述当任务执行团队完成任务后,对任务执行团队的指标进行更新的步骤中,对于团队中用户信用值的更新方法为:
信用值需要根据实际任务完成时间t,双方信用互评进行调整。当团队没有在截止时间t0之前完成任务时,减少团队用户的信用值;当团队在预期时间te之前完成任务时,增加团队用户的信用值;当在预期时间和截止时间之间时,信用值不变。信用值采用credit进行表示,区间定义在[0,100]之间。
根据完成时间调整信用值的计算方法为:
其中,Δcredit1(t)表示根据完成时间调整信用值的增量,a和b为正常数,数值可根据平台实际情况进行确定。
当发包方R和接包方(任务执行团队)P对信用进行互评时,R对P和P对R进行评价的信用评分分别记为cR2P和cP2R,均在[0,100]之间取值。考虑到发包方和接包方双方的博弈关系,P对R的信用评分cP2R作为对cR2P置信度的估计。因此对cR2P进行如下调整:
其中,表示cR2P的调整值,b基准表示P对R完全不信任时,P的基本信用评分,一般可以取60。cP2R/100表示cR2P的置信度,介于[0,1]之间,介于[0,100]之间。
的计算方法同理。
因此,根据信用互评调整接包方P信用值的增量Δcredit2(cP2R,cR2P)可以表示为:
Δcredit2(cR2P,cP2R)的计算方法同理。
综上所述,根据完成时间和信用互评对信用值调整为:
credit新=credit原+w1×Δcredit1(t)+w2×Δcredit2(cP2R,cR2P)
其中,w1,w2代表各信用值调整增量的权值。credit新即为该用户信用值CreditValue的更新值。
对于团队中用户任务完成质量的更新方法为:
众包任务的完成质量主要由发包方进行评估,此时的原始质量评分记为q原。由于发包方R单独评估相对主观,有必要通过R和P的信用互评对完成质量进行调整。衡量q原评估准确度的p和更新后的质量评分q新的计算方法为:
q新=p×q原+(1-p)×q基准
其中,分别为信用评分cR2P,cP2R的更新值,w1+w2=1,代表双方信用评分的权值,评估准确度p在[0,1]之间,作为原始质量评分q原的权值。q基准表示q原完全无效时,完成质量的基本评分。
对该用户所有n个历史任务完成质量的更新值qi(i=1,2,..,n)取平均,作为用户任务完成质量值,也作为新任务完成质量的估计:
其中,qavg表示该用户任务的完成质量Completion Quality的更新值。
对于团队中用户能力向量的更新方法为:
能力向量各分量初始值由用户个人给出,随后根据团队其他成员(团队协作完成时)和发包方(单独接包完成时)的评分,以及任务完成质量的评分进行反馈调整。原始值可以以{高,中,低}、{精通、掌握、熟悉、了解}等形式给出,在计算时可以通过模糊集的隶属函数确定量化值,再统一标准化映射到[0,100]。
本发明相较于现有技术,具有以下的有益效果:
本发明用于解决通用众包过程中个体和团队的指标评估以及优选选标问题。本发明在初次筛选的基础上采用理想点排序法,能够对原始数据进行去量纲化并可以充分利用原始数据的信息,并且对于中标却不能接标的情况,可以依次从排序的队列中选取中标者,无需重复进行计算。
附图说明
图1是本发明中任务群智执行团队的优选方法的流程图。
图2是在优选过程中,用户指标、团队指标和任务指标的相互关系示意图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
实施例
如图1所示为一种任务群智执行团队的优选方法的流程图,包括步骤:
获取发包方发布的任务及任务指标;
获取进行任务投标的团队及团队指标;
根据任务指标对进行任务投标的团队进行筛选;
对筛选后的团队的指标进行归一化、评估和排序处理,选择最终的任务执行团队;
当任务执行团队完成任务后,对任务执行团队的指标进行更新。
具体地,所述任务指标包括能力值、信用值、任务完成时间和任务回报。
具体地,所述团队指标包括能力向量、信用值、任务完成质量、预期完成时间和预期回报。
在本发明的优选过程中,用户指标、团队指标和任务指标的相互关系示意图如图2所示。
团队指标中的能力向量、信用值和任务完成质量由团队中各个成员的指标映射得到:
对于能力向量第i项,从团队中n个成员的能力abilityij(j=1,2,...,n)到团队能力abilityTi,可以根据实际情况选择不同的映射方法:
取最大:
取平均:
求和:
其中,p∈[0,1]表示成员之间由于沟通成本的存在而产生部分能力折损。
同理,团队信用值creditT和团队任务完成质量qualityT取平均值:
进一步地,所述根据任务指标对进行任务投标的团队进行筛选的步骤中,筛选方法为团队指标需满足:
te≤t0,Ce≤C0
其中,te表示预期完成时间,t0表示任务完成时间,Ce表示预期回报,C0表示任务回报。
进一步地,所述对筛选后的团队的指标进行归一化、评估和排序处理,选择最终的任务执行团队中,
对竞标描述向量TeamDescVector(T)的各个分量分别进行归一化,对每一个竞标描述向量归一化的结果,用元组(a1,a2,..,an,d1,d2,d3,d4)进行表示。其中,TeamDescVector(T)=(abilityT(T),creditT(T),qualityT(T),te(T),Ce(T))表示该团队T∈TSets的竞标描述向量,TSets={T1,T2,...,Tm}为可选团队的集合,a1,a2,..,an为能力向量各分量归一化结果,d1,d2,d3,d4分别为信用值、完成质量、预期完成时间和预期回报归一化结果。
更进一步地,对于各分量的归一化,需要区分正属性和负属性,正属性值越大,效益越高,这里为各能力分量、信用值和预期完成质量;负属性值越大,效益越低,这里为完成时间和预期回报。
正属性ui的归一化计算方法为:
对于负属性ui的归一化计算方法为:
其中,vi为ui归一化的结果,和分别为该分量ui属性值中的最大值和最小值。
更进一步地,对于各投标归一化后的元组(a1,a2,..,an,d1,d2,d3,d4),采用TOPSIS(Technique for Order Preference by Similarity to an Ideal Solution)法对其进行评估和排序。由于归一化后各分量介于[0,1],并且值越接近1,其效益越高,所以最优理想点选取分量全为1的元组,为了计算简便,这里不考虑最劣理想点和最优理想点的距离,采用加权欧几里得距离,计算方法如下:
其中,distance表示投标与最优理想点之间的距离,wi(i=1,2,..,n)为各能力分量ai的权值,gi(i=1,2,..,4)分别为对应di的权值,各权值可以根据重要程度进行调整。
投标与最优理想点之间的距离distance越小,代表其总体效益越高,所以选取distance最小的投标团队,作为最终的任务执行团队。
进一步地,所述当任务执行团队完成任务后,对任务执行团队的指标进行更新的步骤中,对于团队中用户信用值的更新方法为:
信用值需要根据实际任务完成时间t,双方信用互评进行调整。当团队没有在截止时间t0之前完成任务时,减少团队用户的信用值;当团队在预期时间te之前完成任务时,增加团队用户的信用值;当在预期时间和截止时间之间时,信用值不变。信用值采用credit进行表示,区间定义在[0,100]之间。
根据完成时间调整信用值的计算方法为:
其中,Δcredit1(t)表示根据完成时间调整信用值的增量,a和b为正常数,数值可根据平台实际情况进行确定。
当发包方R和接包方(任务执行团队)P对信用进行互评时,R对P和P对R进行评价的信用评分分别记为cR2P和cP2R,均在[0,100]之间取值。考虑到发包方和接包方双方的博弈关系,P对R的信用评分cP2R作为对cR2P置信度的估计。因此对cR2P进行如下调整:
其中,表示cR2P的调整值,b基准表示P对R完全不信任时,P的基本信用评分,一般可以取60。cP2R/100表示cR2P的置信度,介于[0,1]之间,介于[0,100]之间。
的计算方法同理。
因此,根据信用互评调整接包方P信用值的增量Δcredit2(cP2R,cR2P)可以表示为:
Δcredit2(cR2P,cP2R)的计算方法同理。
综上所述,根据完成时间和信用互评对信用值调整为:
credit新=credit原+w1×Δcredit1(t)+w2×Δcredit2(cP2R,cR2P)
其中,w1,w2代表各信用值调整增量的权值。credit新即为该用户信用值CreditValue的更新值。
对于团队中用户任务完成质量的更新方法为:
众包任务的完成质量主要由发包方进行评估,此时的原始质量评分记为q原。由于发包方R单独评估相对主观,有必要通过R和P的信用互评对完成质量进行调整。衡量q原评估准确度的p和更新后的质量评分q新的计算方法为:
q新=p×q原+(1-p)×q基准
其中,分别为信用评分cR2P,cP2R的更新值,w1+w2=1,代表双方信用评分的权值,评估准确度p在[0,1]之间,作为原始质量评分q原的权值。q基准表示q原完全无效时,完成质量的基本评分。
对该用户所有n个历史任务完成质量的更新值qi(i=1,2,..,n)取平均,作为用户任务完成质量值,也作为新任务完成质量的估计:
其中,qavg表示该用户任务的完成质量Completion Quality的更新值。
对于团队中用户能力向量的更新方法为:
能力向量各分量初始值由用户个人给出,随后根据团队其他成员(团队协作完成时)和发包方(单独接包完成时)的评分,以及任务完成质量的评分进行反馈调整。原始值可以以{高,中,低}、{精通、掌握、熟悉、了解}等形式给出,在计算时可以通过模糊集的隶属函数确定量化值,再统一标准化映射到[0,100]。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (10)
1.一种任务群智执行团队的优选方法,其特征在于,包括步骤:
获取发包方发布的任务及任务指标;
获取进行任务投标的团队及团队指标;
根据任务指标对进行任务投标的团队进行筛选;
对筛选后的团队的指标进行归一化、评估和排序处理,选择最终的任务执行团队;
当任务执行团队完成任务后,对任务执行团队的指标进行更新。
2.根据权利要求1所述的一种任务群智执行团队的优选方法,其特征在于,所述任务指标包括能力值、信用值、任务完成时间和任务回报。
3.根据权利要求1所述的一种任务群智执行团队的优选方法,其特征在于,所述团队指标包括能力向量、信用值、任务完成质量、预期完成时间和预期回报。
4.根据权利要求3所述的一种任务群智执行团队的优选方法,其特征在于,团队指标中的能力向量、信用值和任务完成质量由团队中各个成员的指标映射得到:
对于能力向量第i项,从团队中n个成员的能力abilityij(j=1,2,...,n)到团队能力abilityTi,根据实际情况可以选择不同的映射方法,分别为:
取最大:
取平均:
求和:
其中,p∈[0,1]表示成员之间由于沟通成本的存在而产生部分能力折损;
同理,团队信用值creditT和团队任务完成质量qualityT取平均值:
5.根据权利要求1所述的一种任务群智执行团队的优选方法,其特征在于,所述根据任务指标对进行任务投标的团队进行筛选的步骤中,筛选方法为团队指标需满足:
te≤t0,Ce≤C0
其中,te表示预期完成时间,t0表示任务完成时间,Ce表示预期回报,C0表示任务回报。
6.根据权利要求1所述的一种任务群智执行团队的优选方法,其特征在于,所述对筛选后的团队的指标进行归一化、评估和排序处理,选择最终的任务执行团队的步骤中,
对竞标描述向量TeamDescVector(T)的各个分量分别进行归一化,对每一个竞标描述向量归一化的结果,用元组(a1,a2,..,an,d1,d2,d3,d4)进行表示;其中,TeamDescVector(T)=(abilityT(T),creditT(T),qualityT(T),te(T),Ce(T))表示该团队T∈TSets的竞标描述向量,TSets={T1,T2,...,Tm}为可选团队的集合,a1,a2,..,an为能力向量各分量归一化结果,d1,d2,d3,d4分别为信用值、完成质量、预期完成时间和预期回报归一化结果。
7.根据权利要求6所述的一种任务群智执行团队的优选方法,其特征在于,对于各分量的归一化,需要区分正属性和负属性,正属性为各能力分量、信用值和预期完成质量;负属性为完成时间和预期回报;
正属性ui的归一化计算方法为:
负属性ui的归一化计算方法为:
其中,vi为ui归一化的结果,和分别为该分量ui属性值中的最大值和最小值。
8.根据权利要求6所述的一种任务群智执行团队的优选方法,其特征在于,对于各投标归一化后的元组(a1,a2,..,an,d1,d2,d3,d4),采用TOPSIS(Technique for OrderPreference by Similarity to an Ideal Solution)法对其进行评估和排序,采用加权欧几里得距离,计算方法如下:
其中,distance表示投标与最优理想点之间的距离,wi(i=1,2,..,n)为各能力分量ai的权值,gi(i=1,2,..,4)分别为对应di的权值,各权值可以根据重要程度进行调整。
9.根据权利要求1所述的一种任务群智执行团队的优选方法,其特征在于,所述对筛选后的团队的指标进行归一化、评估和排序处理,选择最终的任务执行团队的步骤中,若选择的任务执行团队放弃任务,则将该团队从筛选后的团队中去除,重复本步骤,选择新的任务执行团队。
10.根据权利要求1所述的一种任务群智执行团队的优选方法,其特征在于,所述当任务执行团队完成任务后,对任务执行团队的指标进行更新的步骤中,对于团队中用户信用值的更新方法为:
信用值需要根据实际任务完成时间t,双方信用互评进行调整;
根据完成时间调整信用值的计算方法为:
其中,Δcredit1(t)表示根据完成时间调整信用值的增量,a和b为正常数,数值可根据平台实际情况进行确定;
当发包方R和接包方P对信用进行互评时,R对P和P对R进行评价的信用评分分别记为cR2P和cP2R,均在[0,100]之间取值;考虑到发包方和接包方双方的博弈关系,P对R的信用评分cP2R作为对cR2P置信度的估计;因此对cR2P进行如下调整:
其中,表示cR2P的调整值,b基准表示P对R完全不信任时,P的基本信用评分,一般可以取60;cP2R/100表示cR2P的置信度,介于[0,1]之间,介于[0,100]之间;
的计算方法同理;
因此,根据信用互评调整接包方P信用值的增量Δcredit2(cP2R,cR2P)表示为:
Δcredit2(cR2P,cP2R)的计算方法同理;
综上所述,根据完成时间和信用互评对信用值调整为:
credit新=credit原+w1×Δcredit1(t)+w2×Δcredit2(cP2R,cR2P)
其中,w1,w2代表各信用值调整增量的权值;credit新即为该用户信用值Credit Value的更新值;
对于团队中用户任务完成质量的更新方法为:
原始质量评分记为q原,通过R和P的信用互评对完成质量进行调整;衡量q原评估准确度的p和更新后的质量评分q新的计算方法为:
q新=p×q原+(1-p)×q基准
其中,分别为信用评分cR2P,cP2R的更新值,w1+w2=1,代表双方信用评分的权值,评估准确度p在[0,1]之间,作为原始质量评分q原的权值;q基准表示q原完全无效时,完成质量的基本评分;
对该用户所有n个历史任务完成质量的更新值qi(i=1,2,..,n)取平均,作为用户任务完成质量值,也作为新任务完成质量的估计:
其中,qavg表示该用户任务的完成质量Completion Quality的更新值;
对于团队中用户能力向量的更新方法为:
能力向量各分量初始值由用户个人给出,随后根据团队协作完成时团队其他成员、发包方的评分以及任务完成质量的评分进行反馈调整;原始值以{高,中,低}或{精通、掌握、熟悉、了解}的形式给出,在计算时通过模糊集的隶属函数确定量化值,再统一标准化映射到[0,100]。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910260354.2A CN110110962B (zh) | 2019-04-02 | 2019-04-02 | 一种任务群智执行团队的优选方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910260354.2A CN110110962B (zh) | 2019-04-02 | 2019-04-02 | 一种任务群智执行团队的优选方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110110962A true CN110110962A (zh) | 2019-08-09 |
CN110110962B CN110110962B (zh) | 2023-04-07 |
Family
ID=67484901
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910260354.2A Active CN110110962B (zh) | 2019-04-02 | 2019-04-02 | 一种任务群智执行团队的优选方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110110962B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112270502A (zh) * | 2020-11-17 | 2021-01-26 | 北京三维天地科技股份有限公司 | 基于人工智能技术的环境应急任务协同处置平台 |
CN112686734A (zh) * | 2021-01-07 | 2021-04-20 | 支付宝(杭州)信息技术有限公司 | 一种信用服务提供方法、装置及设备 |
CN112766766A (zh) * | 2021-01-26 | 2021-05-07 | 华南理工大学 | 基于最优时停规则的高精地图众包系统及其数据收集方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040064354A1 (en) * | 2002-09-26 | 2004-04-01 | International Business Machines Corporation | Method and system of assembling a tem from a collection of resumes |
CN105976234A (zh) * | 2016-05-04 | 2016-09-28 | 南京邮电大学 | 一种移动众包系统中基于团队的激励机制的实现方法 |
CN107315902A (zh) * | 2017-05-22 | 2017-11-03 | 南京邮电大学 | 基于维度区分的团队进步算法改进方案 |
CN107480909A (zh) * | 2017-08-29 | 2017-12-15 | 重庆科技学院 | 一种群团组织共享推广的群团组织信用等级评价的方法 |
CN107958317A (zh) * | 2016-10-17 | 2018-04-24 | 腾讯科技(深圳)有限公司 | 一种众包项目中选取众包参与人的方法和装置 |
CN108304266A (zh) * | 2018-01-30 | 2018-07-20 | 华南理工大学 | 一种移动多目标群智感知任务分配方法 |
CN108830478A (zh) * | 2018-06-12 | 2018-11-16 | 北京航空航天大学 | 一种面向众包任务处理的团队推荐方法 |
-
2019
- 2019-04-02 CN CN201910260354.2A patent/CN110110962B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040064354A1 (en) * | 2002-09-26 | 2004-04-01 | International Business Machines Corporation | Method and system of assembling a tem from a collection of resumes |
CN105976234A (zh) * | 2016-05-04 | 2016-09-28 | 南京邮电大学 | 一种移动众包系统中基于团队的激励机制的实现方法 |
CN107958317A (zh) * | 2016-10-17 | 2018-04-24 | 腾讯科技(深圳)有限公司 | 一种众包项目中选取众包参与人的方法和装置 |
CN107315902A (zh) * | 2017-05-22 | 2017-11-03 | 南京邮电大学 | 基于维度区分的团队进步算法改进方案 |
CN107480909A (zh) * | 2017-08-29 | 2017-12-15 | 重庆科技学院 | 一种群团组织共享推广的群团组织信用等级评价的方法 |
CN108304266A (zh) * | 2018-01-30 | 2018-07-20 | 华南理工大学 | 一种移动多目标群智感知任务分配方法 |
CN108830478A (zh) * | 2018-06-12 | 2018-11-16 | 北京航空航天大学 | 一种面向众包任务处理的团队推荐方法 |
Non-Patent Citations (2)
Title |
---|
YONGXIN TONG等: "Flexible Online Task Assignment in Real-Time Spatial Data", 《PROCEEDINGS OF THE VLDB ENDOWMENT》 * |
刘怡 等: "基于负载平衡和经验值的工作流任务分配策略", 《计算机工程》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112270502A (zh) * | 2020-11-17 | 2021-01-26 | 北京三维天地科技股份有限公司 | 基于人工智能技术的环境应急任务协同处置平台 |
CN112270502B (zh) * | 2020-11-17 | 2021-06-01 | 北京三维天地科技股份有限公司 | 基于人工智能技术的环境应急任务协同处置平台 |
CN112686734A (zh) * | 2021-01-07 | 2021-04-20 | 支付宝(杭州)信息技术有限公司 | 一种信用服务提供方法、装置及设备 |
CN112766766A (zh) * | 2021-01-26 | 2021-05-07 | 华南理工大学 | 基于最优时停规则的高精地图众包系统及其数据收集方法 |
CN112766766B (zh) * | 2021-01-26 | 2024-04-09 | 华南理工大学 | 基于最优时停规则的高精地图众包系统及其数据收集方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110110962B (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107515938B (zh) | 一种云制造环境下的供需智能匹配方法 | |
CN110110962A (zh) | 一种任务群智执行团队的优选方法 | |
Zhang et al. | An optimization algorithm for service composition based on an improved FOA | |
CN106155791A (zh) | 一种分布式环境下的工作流任务调度方法 | |
CN104778173A (zh) | 目标用户确定方法、装置及设备 | |
Cui et al. | Scenario analysis of web service composition based on multi-criteria mathematical goal programming | |
Shi et al. | Fedfaim: A model performance-based fair incentive mechanism for federated learning | |
Zhang et al. | BiCrowd: Online biobjective incentive mechanism for mobile crowdsensing | |
Gabriele | S&T policies and technical progress in China's industry | |
Ebrahimnejad et al. | Selection of IT outsourcing services’ activities considering services cost and risks by designing an interval-valued hesitant fuzzy-decision approach | |
Rahman et al. | Reputation-based dependable scheduling of workflow applications in peer-to-peer grids | |
Hu et al. | A framework for trustworthy web service composition and optimization | |
Bo et al. | Establishment and application of fuzzy comprehensive evaluation of green building design based on data mining | |
CN102868757A (zh) | 一种基于QoS指标的动态Web服务组合方法 | |
Gabriele | Science and technology policies, industrial reform and technical progress in China | |
Zhang et al. | Optimising web service composition based on differential fruit fly optimisation algorithm | |
CN111292062A (zh) | 基于网络嵌入的众包垃圾工人检测方法、系统及存储介质 | |
Shen et al. | An optimization approach for worker selection in crowdsourcing systems | |
Rui et al. | Context-based intelligent scheduling and knowledge push algorithms for ar-assist communication network maintenance | |
WO2023035526A1 (zh) | 对象排序方法、相关设备及介质 | |
CN112199518B (zh) | 生产技术中知识图谱推荐驱动的生产技术路线图配置方法 | |
Liu et al. | Applying genetic algorithm to select web services based on workflow quality of service | |
Yu et al. | Integrating cognition cost with reliability QoS for dynamic workflow scheduling using reinforcement learning | |
Gao et al. | A long-term quality perception incentive strategy for crowdsourcing environments with budget constraints | |
Yang et al. | Classification-Based Diverse Workflows Scheduling in Clouds |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |