47、自适应任务-工人匹配与动态资源管理模型解析

自适应任务-工人匹配与动态资源管理模型解析

1. 自适应任务 - 工人匹配

在软件众包领域，高效的任务 - 工人匹配至关重要。为实现这一目标，提出了一种自适应任务 - 工人匹配解决方案。

1.1 团队组建考量

在组建团队时，会考虑任务本身，而非所有工人。同时，使用整数 preferCount 限制输出团队集合 Qs 的大小。为避免算法陷入无限循环，引入整数变量 maxLoops 限制算法执行次数。该算法旨在以低时间复杂度找到一组近似最优的团队，而非最优团队。

1.2 模拟实验

为验证该解决方案（STWM）的有效性，进行了模拟实验。具体步骤如下：
1. 从 upwork 网站抓取工人数据，包括可用工作时间、空间、期望报酬以及工人具备的技能。
2. 使用元模型重新描述这些数据，生成一组属性。
3. 从构建的属性中随机选择一定数量的属性，模拟 1000 名工人。
4. 进行三项实验评估解决方案的有效性。

1.2.1 任务 - 工人匹配对比实验

构建任务 A 和任务 B，二者对语言、数据库和报酬都有要求，但相同属性的权重不同。具体要求如下：
- 任务 A 和任务 B 都要求工人精通 Java 和 JavaScript，熟悉 mysql 数据库。
- 任务 A 更注重编程技能，任务 B 更关注数据库技能。

在匹配过程中，通过聚类方法将搜索空间缩小到近 100 名工人。以下是匹配算法返回的前三名工人：
| 任务 | 工人 |