本发明属于移动群智感知与资源调度，具体涉及一种基于模糊聚类和动态调度的移动群智感知任务分配方法及系统。
背景技术：
1、移动群智感知作为一种新兴的数据收集范式，利用携带智能移动设备的普通用户作为“工人”来感知和收集环境数据。移动群智感知平台运营的核心挑战在于如何将海量且具有时空约束的任务有效地分配给能力各异、移动轨迹动态变化的工人。
2、现有的研究主要集中在局部优化策略上，例如针对单个工人的路径规划或基于贪婪启发式的即时任务匹配。虽然这些方法计算效率较高，但往往无法在全局任务完成率和整体时间效率之间取得理想的平衡。特别是，任务的空间分布通常呈现自然聚类特征，而工人的决策行为具有多样性和动态性，这使得设计一个能够实现全局最优资源配置的框架变得非常复杂。若单纯追求全局最优解，随着任务和工人数量的增加，计算复杂度呈指数级上升，难以满足实时性要求；若单纯依赖局部贪婪，则容易导致任务分配不均，部分区域任务大量积压，从而增加了系统的整体时间资源成本。因此，需要一种能够兼顾宏观全局规划与微观动态调度的任务分配方案。
技术实现思路
1、本发明的目的在于提出一种基于模糊聚类和动态调度的移动群智感知任务分配方法及系统，该方法及系统通过分层机制，在宏观层面利用模糊聚类挖掘任务空间结构并进行最优匹配，在微观层面通过混合优先级进行动态调度，从而在保证高任务完成率的同时，显著降低总体任务的时间资源成本。
2、为实现上述目的，本发明的技术方案是：一种基于模糊聚类和动态调度的移动群智感知任务分配方法，所述方法以总体任务完成率最大化与总体任务时间资源成本最小化为优化目标，对给定的任务集合与工人集合进行任务分配，包括以下三个阶段：
3、第一阶段为模糊任务划分阶段，采用模糊聚类算法将具有地理位置属性的任务划分到不同的聚类区域中，获取每个任务对各个聚类的隶属度矩阵及聚类中心；
4、第二阶段为最优工人-聚类分配阶段，基于所述隶属度矩阵构建工人与聚类之间的效益矩阵，利用最大权匹配算法确定工人与任务聚类的一一映射关系，为每个工人指定一个负责的聚类区域；
5、第三阶段为混合优先级调度阶段，进入在线执行过程，工人根据所负责的聚类区域构建任务池，并依据包含时间、空间及隶属度的混合优先级指标动态选择并执行任务。
6、优选的，所述采用模糊聚类算法将具有地理位置属性的任务划分到不同的聚类区域中，获取每个任务对各个聚类的隶属度矩阵及聚类中心，具体步骤包括：
7、初始化隶属度矩阵；通过迭代更新聚类中心集合和隶属度矩阵直至收敛；
8、更新隶属度矩阵中的元素的计算公式为：
9、
10、其中，为任务位置，和均为聚类中心，为模糊系数，为聚类总数，为用于遍历聚类中心的索引变量；
11、更新聚类中心的计算公式为：
12、
13、其中，为任务总数，为用于遍历任务的索引变量；
14、当隶属度矩阵的变化小于收敛阈值或达到最大迭代次数时停止迭代，输出最终的隶属度矩阵和聚类中心集合。
15、优选的，所述基于所述隶属度矩阵构建工人与聚类之间的效益矩阵，利用最大权匹配算法确定工人与任务聚类的一一映射关系，具体如下：
16、首先构建效益矩阵，效益矩阵中的元素表示将工人分配给聚类 的预期效益，计算公式如下：
17、
18、其中，为工人执行任务的预估时间成本，是防止分母为0而引入的一个极小值，为时空可行性判断函数：
19、
20、其中，表示当前的时间，表示任务的过期时间，表示工人需返回初始地点的截止时间，表示工人的移动速度，表示任务所在位置与工人初始位置之间的距离；
21、接着，将效益矩阵转化为成本矩阵 ，成本矩阵 中的元素的计算公式如下：
22、
23、并利用匈牙利算法对成本矩阵求解，得到使总效益最大化的最优匹配方案。
24、优选的，所述混合优先级调度阶段中，每个工人维护首要任务池和协作任务池：
25、所述首要任务池包含所有未分配任务中对工人所负责聚类具有最高隶属度的任务；
26、所述协作任务池包含所有未分配任务中对聚类的隶属度不是最高但超过预设协作阈值的任务；
27、工人从首要任务池和协作任务池组成的候选列表中选择任务时，依据混合优先级指标进行排序，混合优先级指标由时间优先级、空间优先级和隶属度优先级加权求和得到：
28、
29、其中：基于任务剩余有效时间计算，为任务的剩余有效时间，和分别表示任务池中所有任务的剩余有效时间中的最大值和最小值；基于任务与工人的距离计算，表示两个位置之间的直线距离，表示工人的位置，和分别为任务池中所有任务与工人之间的距离中的最大值和最小值；基于任务对聚类的隶属度计算；为权重系数。
30、所述混合优先级调度阶段采用动态调度策略，具体执行步骤如下：
31、步骤a1：当工人处于空闲状态时，根据当前未分配任务集更新工人的首要任务池和协作任务池，并合并为候选列表；
32、步骤a2：计算候选列表中每个任务的混合优先级值升序排列任务；
33、步骤a3：依次检查排序后的任务列表，通过可行性函数判断任务是否满足时空约束；
34、步骤a4：选择列表中第一个满足约束的任务作为下一个执行目标，更新所选任务的状态为“已分配”，并将所选任务从未分配任务集中移除。
35、优选的，所述优化目标中的总体任务时间资源成本引入针对未分配任务的时间惩罚项；
36、所述总体任务时间资源成本为包含已分配与未分配的所有任务的时间成本均值：
37、对于已被成功分配的任务，计算已分配任务的实际完成时间成本；
38、对于最终未被分配的任务，计算所有未分配任务的惩罚时间成本；所述惩罚时间成本定义为：
39、
40、其中为任务区域所有未分配任务中任意两个任务位置之间的最大直线距离，为工人最小移动速度，为工人最小处理速度。
41、一种基于模糊聚类和动态调度的移动群智感知任务分配系统，包括处理器、存储器以及存储在所述存储器上的计算机程序，所述处理器执行所述计算机程序时，具体执行任一上述的移动群智感知任务分配方法中的步骤。
42、相较于现有技术，本发明具有以下有益效果：
43、本发明通过分层机制，在宏观层面利用模糊聚类挖掘任务空间结构并进行最优匹配，在微观层面通过混合优先级进行动态调度，从而在保证高任务完成率的同时，显著降低总体任务的时间资源成本。
1.一种基于模糊聚类和动态调度的移动群智感知任务分配方法，其特征在于，所述方法以总体任务完成率最大化与总体任务时间资源成本最小化为优化目标，对给定的任务集合与工人集合进行任务分配，包括以下三个阶段：
2.根据权利要求1所述的基于模糊聚类和动态调度的移动群智感知任务分配方法，其特征在于，所述采用模糊聚类算法将具有地理位置属性的任务划分到不同的聚类区域中，获取每个任务对各个聚类的隶属度矩阵及聚类中心，具体步骤包括：
3.根据权利要求1所述的基于模糊聚类和动态调度的移动群智感知任务分配方法，其特征在于，所述基于所述隶属度矩阵构建工人与聚类之间的效益矩阵，利用最大权匹配算法确定工人与任务聚类的一一映射关系，具体如下：
4.根据权利要求1所述的基于模糊聚类和动态调度的移动群智感知任务分配方法，其特征在于，所述混合优先级调度阶段中，每个工人维护首要任务池和协作任务池：
5.根据权利要求4所述的基于模糊聚类和动态调度的移动群智感知任务分配方法，其特征在于，所述混合优先级调度阶段采用动态调度策略，具体执行步骤如下：
6.根据权利要求1所述的基于模糊聚类和动态调度的移动群智感知任务分配方法，其特征在于，所述优化目标中的总体任务时间资源成本引入针对未分配任务的时间惩罚项；
7.一种基于模糊聚类和动态调度的移动群智感知任务分配系统，其特征在于，包括处理器、存储器以及存储在所述存储器上的计算机程序，所述处理器执行所述计算机程序时，具体执行如权利要求1-6中任一所述的移动群智感知任务分配方法中的步骤。