【技术实现步骤摘要】
本专利技术涉及计算机，尤其涉及一种任务分配方法、装置、终端设备及计算机可读存储介质。
技术介绍
1、随着数字化转型的推进，软件开发项目规模日益庞大。在此背景下，软件开发团队在资源配置和任务调度方面面临着一系列挑战。
2、比如，对于现有的资源配置和任务调度方式，普遍通过遗传算法为各个软件开发团队分配任务以及所需资源。
3、但是，此种任务分配以及任务调度方式，未考虑到诸多关键因素，比如，各任务小组执行任务的实际表现以及执行任务所需资源等，使得无法针对各开发团队进行精准化的任务分配以及资源调度，导致后续任务处理效率低下。
技术实现思路
1、本专利技术的主要目的在于提供一种任务分配方法、装置、终端设备及计算机可读存储介质，旨在实现任务精准分配，进而提高任务处理效率。
2、为实现上述目的，本专利技术提供一种任务分配方法，所述方法包括以下步骤：
3、确定多个待执行任务以及多个任务执行小组；
4、获取所述多个待执行任务的任务特征序列以及所述多个任务执行小组的任务小组序列，并通过预设神经网络，确定所述任务小组序列与所述任务特征序列之间的任务匹配权重；
5、确定所述多个待执行任务之间的任务依赖关系，并构建所述任务执行小组执行所述待执行任务时的资源需求约束矩阵；
6、基于所述任务依赖关系、所述资源需求约束矩阵以及所述任务匹配权重，并结合每一所述待执行任务对应的任务时限，获取任务分配最优方案。
7、可选地，在
8、针对当前时间窗口内的每一所述待执行任务，获取所述待执行任务的任务权重；
9、根据所述任务特征序列和所述任务小组序列的序列大小，构建所述预设神经网络；
10、所述通过预设神经网络，确定所述任务小组序列与所述任务特征序列之间的任务匹配权重的步骤，包括：
11、将所述任务特征序列和所述任务小组序列分别映射为等长的布尔向量，并将所述布尔向量作为所述预设神经网络的输入，得到所述预设神经网络输出的所述任务小组序列与所述任务特征序列之间的任务匹配权重，其中，所述任务匹配权重与所述待执行任务的所述任务权重之间的显著性概率小于预设差异阈值。
12、可选地，在所述将所述任务特征序列映射为等长的布尔向量，并将所述布尔向量作为所述预设神经网络的输入，得到所述预设神经网络输出的所述任务执行小组与所述待执行任务的任务特征序列之间的任务匹配权重的步骤之后，还包括：
13、若是所述任务匹配权重与所述任务权重之间的显著性概率大于所述预设差异阈值，则通过反向传播方式，对所述预设神经网络进行训练，直至所述任务匹配权重与所述任务权重之间的显著性概率小于所述预设差异阈值。
14、可选地，所述确定所述多个待执行任务之间的任务依赖关系的步骤，包括：
15、获取所述多个待执行任务之间的依赖关系；
16、根据所述依赖关系，构建任务依赖图，其中，所述任务依赖图的各节点表征各所述待执行任务，所述任务依赖图的有向边表征所述依赖关系。
17、可选地，所述构建所述任务执行小组执行所述待执行任务时的资源需求约束矩阵的步骤，包括：
18、获取所述任务执行小组执行所述待执行任务的资源需求量；
19、根据所述资源需求量，构建资源需求约束矩阵，其中，在所述资源需求约束矩阵中包含各任务执行小组执行每一待执行任务的资源需求量。
20、可选地，在所述基于所述任务依赖关系、所述资源需求约束矩阵以及所述任务匹配权重，并结合每一所述待执行任务对应的任务时限，获取任务分配最优方案的步骤之前，还包括：
21、构建初始化种群，其中，在所述初始化种群中的每一个体表征任务分配方案；
22、根据所述任务依赖图，获取依赖关系权重；
23、根据所述资源需求约束矩阵，获取所述任务执行小组对应的组间资源负荷均衡权重；
24、将所述任务匹配权重、所述依赖关系权重以及所述组间资源负荷均衡权重进行权重叠加，得到适应度函数，以基于所述适应度函数，结合每一所述任务执行小组对应的任务时限，通过遗传算法，获取任务分配调度最优方案。
25、可选地，所述基于所述任务依赖关系、所述资源需求约束矩阵以及所述任务匹配权重，并结合每一所述待执行任务对应的任务时限，获取任务分配最优方案的步骤，包括：
26、确定每一任务执行小组对应的待执行任务集合；
27、获取所述待执行任务集合中各所述待执行任务的任务时限，其中，所述任务时限包括任务执行时间和任务执行截止时间；
28、根据所述任务执行时间以及所述任务执行截止时间，并结合当前时间，计算各所述待执行任务的紧迫值；
29、根据所述适应度函数，通过遗传算法，对任务分配方案进行寻优，并在寻优过程中，按照所述紧迫值，对多个所述待执行任务进行排序，直至得到任务分配最优方案。
30、为实现上述目的，本专利技术还提供一种任务分配装置，所述任务分配装置包括：
31、第一确定模块，用于确定多个待执行任务以及多个任务执行小组；
32、第二确定模块，用于获取所述多个待执行任务的任务特征序列以及所述多个任务执行小组的任务小组序列，并通过预设神经网络，确定所述任务小组序列与所述任务特征序列之间的任务匹配权重；
33、第三确定模块，用于确定所述多个待执行任务之间的任务依赖关系，并构建所述任务执行小组执行所述待执行任务时的资源需求约束矩阵；
34、获取模块，用于基于所述任务依赖关系、所述资源需求约束矩阵以及所述任务匹配权重，并结合每一所述待执行任务对应的任务时限，获取任务分配最优方案。
35、为实现上述目的，本专利技术还提供一种终端设备，所述终端设备包括存储器、处理器和存储在所述存储器上并可在所述处理器上运行的任务分配程序，所述任务分配程序被所述处理器执行时实现如上所述的任务分配方法的步骤。
36、此外，为实现上述目的，本专利技术还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有任务分配程序，所述任务分配程序被处理器执行时实现如上所述的任务分配方法的步骤。
37、为实现上述目的，本专利技术还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现如上所述的任务分配方法的步骤。
38、本专利技术提供一种任务分配方法、装置、终端设备、计算机可读存储介质以及计算机程序产品，通过确定多个待执行任务以及多个任务执行小组；获取所述多个待执行任务的任务特征序列以及所述多个任务执行小组的任务小组序列，并通过预设神经网络，确定所述任务小组序列与所述任务特征序列之间的任务匹配权重；确定所述多个待执行任务之间的本文档来自技高网...
【技术保护点】
1.一种任务分配方法，其特征在于，所述任务分配方法，包括：
2.如权利要求1所述的任务分配方法，其特征在于，在所述获取所述多个待执行任务的任务特征序列以及所述多个任务执行小组的任务小组序列，并通过预设神经网络，确定所述任务小组序列与所述任务特征序列之间的任务匹配权重的步骤之前，还包括：
3.如权利要求1所述的任务分配方法，其特征在于，在所述将所述任务特征序列映射为等长的布尔向量，并将所述布尔向量作为所述预设神经网络的输入，得到所述预设神经网络输出的所述任务执行小组与所述待执行任务的任务特征序列之间的任务匹配权重的步骤之后，还包括：
4.如权利要求1所述的任务分配方法，其特征在于，所述确定所述多个待执行任务之间的任务依赖关系的步骤，包括：
5.如权利要求4所述的任务分配方法，其特征在于，所述构建所述任务执行小组执行所述待执行任务时的资源需求约束矩阵的步骤，包括：
6.如权利要求5所述的任务分配方法，其特征在于，在所述基于所述任务依赖关系、所述资源需求约束矩阵以及所述任务匹配权重，并结合每一所述待执行任务对应的任务时限，获取
7.如权利要求6所述的任务分配方法，其特征在于，所述基于所述任务依赖关系、所述资源需求约束矩阵以及所述任务匹配权重，并结合每一所述待执行任务对应的任务时限，获取任务分配最优方案的步骤，包括：
8.一种任务分配装置，其特征在于，所述任务分配装置包括：
9.一种终端设备，其特征在于，所述终端设备包括存储器、处理器和存储在所述存储器上并可在所述处理器上运行的基任务分配程序，所述任务分配程序被所述处理器执行时实现如权利要求1至6中任一项所述的任务分配方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有任务分配程序，所述任务分配程序被处理器执行时实现如权利要求1至6中任一项所述的任务分配方法的步骤。
...【技术特征摘要】
1.一种任务分配方法，其特征在于，所述任务分配方法，包括：
2.如权利要求1所述的任务分配方法，其特征在于，在所述获取所述多个待执行任务的任务特征序列以及所述多个任务执行小组的任务小组序列，并通过预设神经网络，确定所述任务小组序列与所述任务特征序列之间的任务匹配权重的步骤之前，还包括：
3.如权利要求1所述的任务分配方法，其特征在于，在所述将所述任务特征序列映射为等长的布尔向量，并将所述布尔向量作为所述预设神经网络的输入，得到所述预设神经网络输出的所述任务执行小组与所述待执行任务的任务特征序列之间的任务匹配权重的步骤之后，还包括：
4.如权利要求1所述的任务分配方法，其特征在于，所述确定所述多个待执行任务之间的任务依赖关系的步骤，包括：
5.如权利要求4所述的任务分配方法，其特征在于，所述构建所述任务执行小组执行所述待执行任务时的资源需求约束矩阵的步骤，包括：
6.如权利要求5所述的任...
【专利技术属性】
技术研发人员：周智欣，陈超斌，张笑海，
申请(专利权)人：深圳唯爱智云科技有限公司，
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。