(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 (43)申请公布日 (21)申请 号 202111453983.0 (22)申请日 2021.12.01 (71)申请人 南京信息 工程大学 地址 224002 江苏省盐城市 盐南高新区新 河街道文港南路10 5号 (72)发明人 申晓宁　姚铖滨　徐继勇　葛忠佩　 许笛　 (74)专利代理 机构 北京众合诚成知识产权代理 有限公司 1 1246 代理人 刘珊珊 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06N 3/00(2006.01) G06N 3/12(2006.01) (54)发明名称 一种基于启发式离散人工蜂群算法的软件 项目调度方法 (57)摘要 本发明公开了一种基于启发式离散人工蜂 群算法的软件项目调度方法， 包括以下步骤(1) 项目信息读取， 包括任务和员工的属性； (2)设计 新技能学习机制； (3)初始化算法参数； (4)生成 初始蜜源种群， 并计算目标值； (5)引领蜂通过多 元学习策略对蜜源进行全局搜索； (6)跟随蜂通 过基于启发信息的变异机制对蜜源进行局部搜 索； (7)侦查蜂抛弃无用的蜜源， 并重新随机生成 新的蜜源替代旧蜜源； (8)判断迭代次数是否达 到最大值， 若达到， 则终止迭代， 输出目标值最优 的个体， 该个体 即为项目中每位员工在每项任务 中投入度的调度结果。 本发明具有搜索能力强， 生成的调度方案效率高的优点。 权利要求书6页 说明书17页 附图4页 CN 114298376 A 2022.04.08 CN 114298376 A 1.一种基于启发式离散人工蜂群算法的软件项目调度方法， 其特征在于， 包括以下步 骤： 步骤S1， 读取项目的输入信息， 定义优化目标， 设定约束条件： 项目的输入信 息包括每个任务的工作量、 技能要求、 技能难度和任务优先级图， 每位员 工的已有技能、 已有技能熟练度、 学习能力、 可投入的最大工作量、 正常月薪和加班月薪； 优 化目标为最佳员工 ‑任务调度方案中， 项目工期和项目成本加权求和值最小； 约束 条件包括 任务技能约束和员工不允许超负荷工作； 步骤S2， 针对项目新技能需求， 设计新技能学习机制， 新技能学习机制包括员工选择学 习新技能、 新技能熟练度的增长曲线函数及其投入度的自适应 变化； 步骤S3， 初始化启发式离 散人工蜂群算法参数； 步骤S4， 生成初始蜜源种群， 并计算每 个蜜源的目标值： 采用整数编码， 随机生成SN个蜜源个 体， 每个个体的编码均为M ×N的矩阵： Y＝(yij)M×N， i＝1,2,...,M， j＝1,2,. ..,N； 其中， Y表示个体编码矩阵， yij∈{0,1,2,...,h}， h表示解的粒度， 即将员工Ei的最大投 入度 平均分为h份； 为第i个员工Ei能够对本项目投入的最 大工作量占全日制 工作量的百分比， yij表示， 元素yij的含义是员工Ei将自己最大投入度 的yij/h奉献给 任务Tj； 通过每个任务Tj占据每个员工Ei最大贡献度 的比例yij/h， 将个体矩阵转化 为员工‑任务的分配矩阵X＝(xij)M×N， 转化公式如下： 其中， 计算初始种群中每 个个体的目标值： f(X)＝ωt·tdur+ωc·cost 其中， f(X)表示个体的目标值， tdur为项目工期， cost表示项目成本， ωt、 ωc表示预定义 的参数， 用于调整 项目总工期tdur和项目成本 cost的相对重要性； 步骤S5， 引领蜂采用多元学习方法对所有蜜源个体进行开采： 多元学习方法方法包括 随机学习、 精英学习和优值学习3种学习方法， 为3种学习方法分别赋予选择概率， 然后每一 只引领蜂基于轮盘赌方法选择一种学习方式对相应蜜源进 行开采； 计算开采后的蜜源个体 目标值， 对开采前后的蜜源个体进行贪婪选择， 留下目标值好的个体， 并更新所有蜜源的未 更新次数； 步骤S6， 跟随蜂采用基于启发信息的变异机制对蜜源进行开采： 每一只跟随蜂通过排 序选择方法选择一个蜜源进行开采， 并利用问题启发信息保留最优个体中契合度高的员工 信息， 同时根据当前蜜源个体的目标值优劣， 选择不同的变异方式； 对变异前后的蜜源进 行 贪婪选择， 留下目标值 好的个体， 并更新 开采后蜜源的未 更新次数； 步骤S7， 侦查蜂抛 弃无用蜜源， 随机产生 新的蜜源替代旧蜜源： 判断是否存在未更新次数超出最大未更新次数limit的蜜源； 如果有多个， 则选择未更 新次数最大的蜜源， 如果仍有多个选择， 则随机选择其中一个蜜源， 将该蜜源对应的引领蜂权　利　要　求　书 1/6 页 2 CN 114298376 A 2转变为侦查蜂， 重新随机生成新的蜜源替代旧蜜源； 步骤S8， 终止准则判断： 若达到最大迭代次数， 则终止迭代， 输出目标值最优的个体， 该个体即为项目中每位员 工在每项任务中投入的工作量分配结果， 否则， 转至步骤S5 。 2.根据权利要求1所述基于启发式离散人工蜂群算法的软件项目调度方法， 其特征在 于： 步骤S1中所述项目工期表示完成项目所有任务所花费的时间开销， 它定义 为： 其中， tdur表示项目工期， 表示任务Tj的开始时间， 表示任务Tj的完成时间， 且 N表示任务个数； 步骤S1中所述项目成本表示完成项目所有任务所花费的财力， 它定义 为： 条件1： 条件2： 其中， cost表示项目成本， t ′表示项目处于开发阶段的某一个月， M表示员工个数， 表示在t′期间付给员工Ei的薪酬， 表示Ei的正常月薪， 表示Ei的加班月薪， T_active_set(t ′)表示在t ′期间正在进行开发的任务集合； xij表示员 工Ei在任务Tj中投入的工作量占全日制工作量的百分比； 表示员工Ei能够对整个项 目投入的最大工作量占全日制工作量的百分比， 当 时， 表示能够加班； 步骤S1所述员工已有技能熟练度定义如下： 员工Ei的技能熟练度集 合： 其中， 表示员工Ei的技能熟练度集合， 表示在tl时刻Ei对第k 个技能的熟练度， k＝1,2,.....,S， S为项目需要的技能总数； 表示Ei没有第 k个技能， 表示Ei完全掌握第k个技能， C表示技能熟练度的最大值； tl为任务 优先级图中各个紧前任务的完成时刻， l＝0,1,2,...； 将tl时刻所有可操作的任务构成当权　利　要　求　书 2/6 页 3 CN 114298376 A 3