资源任务分配问题是考虑在资源有限的情况下,完成任务的最优分配。能够解决资源任务分配问题的方法在如物品分发,广告投放,人员调度,武器目标分配等多类场景中有重要应用价值。在互联网、国际化的背景下,我们将面临更加大型的问题,媒体行业中的广告投放问题更加复杂,武器目标分配问题中需要处理的问题规模更大等。在这种情况下,能够实时完成资源任务分配问题显得更加重要。针对资源任务分配问题,本文设计了多层指派算法、随机启发算法、四种交换算法以及一个合成算法,能够在保证有较高精确度的情况下实时完成资源任务分配问题的求解。本文的主要研究工作包括以下几个方面:(1)根据资源任务分配问题的数学模型,设计六种能够实时求解的近优算法和一种合成算法,近优算法包括多层指派算法、随机算法以及基于这两种算法的交换改进算法,合成算法是由六种近优算法中取出两种算法联合而成的算法。根据算法测试结果,本文提出的实时求解算法在求解精确度上总体能够超过国际水平。(2)针对资源任务分配问题,研究相关问题文献,汇总15项国内外相关研究的算例数据,建立了包含604个算例的算例库,并以此作为本文算法模型的测试对象。本文构造算例库中最小规模的武器数和目标数均为4,最大规模的武器数和目标数均为400。与以往文献中的算例测试相比较,本文建立的算例库是至今最大的数据库,具有数量多,规模类型多的特点。(3)使用C++搭建算法测试系统,包括输入输出模块、算法模块、以及辅助模块。在输入输出模块可以完成通过设置参数生成算例、算例载入、数据可视化以及计算报告;算法模块可以调用本文设计的七种算法对算例进行求解;辅助模块可以完成更改读取路径和清空对话屏幕。(4)选择计算机测试环境,并根据资源任务分配问题设置算法性能测试的指标,包括算法计算结果的精确度和计算时间两个方面。通过使用算法测试系统,基于建立的算例库完成六种实时算法和合成算法的性能测试。本文共设计了六种实时的近优算法和一种合成算法,完成了算例库与测试系统的搭建,并使用算法测试系统在计算机上完成了算法的性能测试。从算法测试结果上来看,合成算法可在1s内完成规模不大于100的算例的求解,获取精确解的统计比率达到68.62%,未获得精确解的案例与精确解的综合生存目标值最大误差不超过9%。该研究结果在实时求解的计算精确度方面总体上超过2019年国际著名研究机构所发表的结果。