【技术实现步骤摘要】
本专利技术涉及优化算法和软件工程领域，特别是涉及一种基于多种群人工蜂群算法的软件多项目调度平台。
技术介绍
1、软件多项目调度是指在一个组织内同时管理和调度多个软件项目的过程。这些项目可能共享有限的资源，并且可能存在相互依赖和冲突的关系。对于组织来说，有效地分配和利用这些资源，以确保各个项目的顺利进行，是至关重要的。然而，在实际软件项目开发过程中，软件开发部门同时处理多个项目的情况时有发生。人力资源是有限的，当多个项目并行开发时，容易存在资源竞争现象，不合理的分配可能会导致多个项目的任务停滞，工期延长，员工体验感差等连锁反应。目前，已有少量关于软件多项目调度问题的研究，但他们均未对员工职能进行划分，进而系统地安排任务至合适的员工，并且，他们未考虑到员工资源学习，以提高自身技能的情况。因此，对矩阵式管理模式和员工技能培训机制下的软件多项目调度问题进行深入研究非常有必要。
2、人工蜂群算法是模仿蜜蜂行为提出的一种优化方法，是集群智能思想的一个具体应用，它的主要特点是不需要了解问题的特殊信息，只需要对问题进行优劣的比较，通过各人工蜂个体的局部寻优行为，最终在群体中使全局最优值突现出来，有着较快的收敛速度。人工蜂群算法是一种灵活且高效的优化算法，现已应用于优化问题、数据挖掘和机器学习、图像处理和机器视觉、网络优化和通信等方面。近年来，基于搜索的软件工程迅速发展，越来越多的国内外学者开始研究将软件项目调度问题建模为基于搜索的优化问题，采用元启发式算法搜索最优分配方案，进而辅助软件项目管理者做出最终的决策。软件多项目调度问题需要
技术实现思路
1、本专利技术的目的是能够在动态变化的环境下，合理分配任务，提高员工-任务的匹配率和人力资源的利用率。
2、为实现以上目的，本专利技术通过以下技术方案予以实现：
3、第一方面，提供了基于多种群人工蜂群算法的软件多项目调度平台，包括以下步骤：
4、接收单元，用于接收项目信息和员工信息，所述项目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，所述员工信息包括员工的已有技能、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；并初始化项目任务信息和员工信息；
5、处理单元，用于结合初始化后的员工信息确定矩阵式管理模式和员工在线技能培训模式，其中，所述矩阵式管理模式和员工在线技能培训模式用于建立多项目软件项目调度模型；
6、求解单元，用于通过mcabc算法求解多项目软件项目调度模型，并确定最优调度方案；
7、显示单元，用于展示多项目软件调度情况，特定时间段运行的数据流的统计分析以及为每个用户提供平台操作入口，为每个用户提供一个独立的个人空间，个人空间里只展示用户个人的内容，包括最近运行的模型，数据和运行记录。
8、在上述技术方案的基础上，本专利技术还提供以下可选技术方案：
9、进一步的技术方案：所述处理单元中多项目软件项目调度模型的多项目软件调度，具体为：
10、假设在t时刻存在多项目集合q＝{q1,q2,...,qq...,qr}，其中，qq表示多项目集合中的第q个项目，q＝1,2,...,r，r表示项目数量；每个项目其中，表示项目qq的第j个任务，nq表示项目qq的任务总数；多项目集合q总共有s个技能需求，表示所需技能集合，其中取1或0表示需要或不需要技能k；员工ei(i＝1,2,…m)在t时刻对任务的熟练程度表示为且其中，是ei对技能k的熟练度，取0或c分别表示ei在t不具备技能k或已完全掌握k，skilli(t)是ei在t时刻所拥有的技能集合,m表示员工总数。
11、进一步的技术方案：所述矩阵式管理模式和员工在线技能培训模式，具体包括：
12、所述矩阵式管理模式和员工在线技能培训模式，具体包括：
13、所述矩阵式管理模式为，将所有员工根据技能划分职能小组，根据项目任务需求从相应的职能小组选择合适的员工执行项目相关任务；每个员工可具有多项技能，可同时被划入多个职能小组；每位员工可同时参与多个任务，多个项目，但员工同时参加不同的项目数不超过2个；根据技能数划分s个职能小组，将具有不同技能的员工划入相应职能小组，即fugk(t)表示t时刻的第k个职能小组；
14、所述员工在线技能培训模式为，每个员工在项目开始时可报名多项技能在线培训课程，并自行安排培训课程的先后顺序，员工也可报名原先不具备的或熟练度未达到阈值α·c(α＝0.8)的技能所对应的培训课程，当某个技能熟练度达到阈值α·c或培训课程结束时，可开始下一个技能培训课程；员工技能熟练度增长趋势包括：
15、培训技能熟练度增长：假设员工ei(i＝1,2,...,m)报名了技能z(z∈trasi)的培训课程，表示ei所报名培训的技能集合，并已安排好自己的学习顺序，或0分别表示员工ei报名或未报名技能k的培训课程；利用双曲正切函数tanh(·)来拟合培训技能的熟练度增长趋势，即：
16、
17、其中，tz表示技能z学习的时间，计算公式为tz＝(t-t_lz)·trai_time，t_lz表示学习技能z的开始时间，trai_time表示ei每个月可用于参加在线技能培训课程的时间比率，trai_time∈(0,1)，trai_time＝0.2表示ei可每个月将0.2×30天用于在线技能培训；表示员工ei对技能z的熟练度增长率，表示员工ei对学习技能z的兴趣度,员工的学习能力越大，对技能z的兴趣度越大，技能难度sdz越小，则增长率越大；表示员工ei的技能k与新技能z之间的相似熟练度，t0表示项目开始时间，rkz为技能k与新技能z之间的关联程度，rkz∈[0,1]，rkz越大，表示两个技能越相关；
18、若在t时刻，ei提前达到技能z的培训考核要求，则且tz＜traink时，traink表示技能k的培训课程时长；或技能z的培训课程已结束，tz＝traink时，均代表ei对技能z的学习已经结束；此时，trasi＝trasi\z，同时更新tra_ini(t)，tra_ini(t)表示ei在t时刻正在参与培训的技能，tra_ini(t)∈{trasi}；
19、已有技能熟练度增长：利用ln(·)函数来拟合员工已有技能的变化趋势；员工ei(i＝1,2,...,m)的已有技能熟练度的增长函数如下：
20、
21、其中，表示员工ei对技能k的熟练度增长率，tk表示技能k开始小幅度提升的时间，是项目开始时刻或是技能k的培训结束时刻。
22、进一步的技术本文档来自技高网...
【技术保护点】
1.基于多种群人工蜂群算法的软件多项目调度平台，其特征在于，包括：
2.根据权利要求1所述的基于多种群人工蜂群算法的软件多项目调度平台，其特征在于,所述处理单元中多项目软件项目调度模型的多项目软件调度，具体为：
3.根据权利要求2所述的基于多种群人工蜂群算法的软件多项目调度平台，其特征在于，所述矩阵式管理模式和员工在线技能培训模式，具体包括：
4.根据权利要求1所述的基于多种群人工蜂群算法的软件多项目调度平台，其特征在于，所述多项目软件项目调度模型包括决策变量、目标函数和调度方案需要满足的约束条件，具体细节如下：
5.根据权利要求1所述的基于多种群人工蜂群算法的软件多项目调度平台，其特征在于，所述通过MCABC算法求解多项目软件项目调度模型的步骤如下：
6.根据权利要求5所述的基于多种群人工蜂群算法的软件多项目调度平台，其特征在于，所述基于职能小组的种群初始化策略得到的初始种群由50％启发式构造解和50％随机解组成；
7.根据权利要求6所述的基于多种群人工蜂群算法的软件多项目调度平台，其特征在于，所述基于子目
8.根据权利要求7所述的基于多种群人工蜂群算法的软件多项目调度平台，其特征在于，所述引领蜂利用子种群交互机制进行全局搜索的机制包括：
9.一种基于多种群人工蜂群算法的软件多项目调度平台的计算设备，其特征在于，包括：
10.一种存储一个或多个程序的计算机可读存储介质，其特征在于，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行根据权利要求1-8所述的平台中的任一平台的方法。
...【技术特征摘要】
1.基于多种群人工蜂群算法的软件多项目调度平台，其特征在于，包括：
2.根据权利要求1所述的基于多种群人工蜂群算法的软件多项目调度平台，其特征在于,所述处理单元中多项目软件项目调度模型的多项目软件调度，具体为：
3.根据权利要求2所述的基于多种群人工蜂群算法的软件多项目调度平台，其特征在于，所述矩阵式管理模式和员工在线技能培训模式，具体包括：
4.根据权利要求1所述的基于多种群人工蜂群算法的软件多项目调度平台，其特征在于，所述多项目软件项目调度模型包括决策变量、目标函数和调度方案需要满足的约束条件，具体细节如下：
5.根据权利要求1所述的基于多种群人工蜂群算法的软件多项目调度平台，其特征在于，所述通过mcabc算法求解多项目软件项目调度模型的步骤如下：
6.根据权利要...
【专利技术属性】
技术研发人员：申晓宁，佘娟，姚铖滨，毛鸣健，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。