论文部分内容阅读
作为一种新型的群体计算模式,众包现已成为近年来的研究热点之一,软件众包是众包的典型应用之一,由于其任务需求的多样性与工人能力的动态性和不确定性,使得软件众包过程中的工人推荐、能力评估及任务分配等面临诸多挑战。针对软件众包任务需求的特点,为提高工人能力度量的准确性和客观性,确保软件众包平台上任务集的最终整体完成质量,本文主要从匹配任务需求的软件众包工人的协同推荐、软件众包工人能力的模糊综合度量以及基于角色协同的众包任务协同分配方法三个方面进行了研究:(1)针对软件众包任务需求的多样性特点,分别给出了匹配数值型和文本型需求的工人相似度计算方法,通过加权综合筛选出高相似性工人,以实现为特定的众包任务推荐匹配任务需求的工人集合,从而为后续的任务分配提供候选工人来源。(2)应用区间数理论提出了一种工人综合能力的模糊度量方法,它以工人能力指标以及任务期望为基础计算模糊评价矩阵,以对众包任务的候选工人进行多维评价,并筛选出高质量、高能力的工人,从而为后续研究任务协同分配的优化方法提供决策基础。(3)为确保众包平台上任务集的最终整体完成质量,提出了一种软件众包任务的协同分配方法,通过应用基于角色协同(Role Base Collaboration,RBC)理论,采用E-CARGO(Environments-Classes,Agents,Roles,Groups,Objects)模型将众包任务分配问题建模为一个基于角色协同的组合优化问题,兼顾考虑了工人间的合作冲突和任务间的兼容性,并给出了一种基于IBM CPLEX算法优化包的求解方法。案例和实验分析验证了所提方法的有效性和可行性,从而为保证任务的完成质量提供有力支持。本文针对软件众包的工人推荐、工人综合能力评估以及组任务的协同分配等方面进行了相关研究,所提方法能为软件众包任务协同分配研究提供新的思路和重要参考。