买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京理工大学申请的专利一种基于多层级随机特性粒子群优化的众测资源调度方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119647890B 。

龙图腾网通过国家知识产权局官网在2025-11-11发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411819989.9，技术领域涉及：G06Q10/0631；该发明授权一种基于多层级随机特性粒子群优化的众测资源调度方法是由黄玮;栾羽茜;张唯一设计研发完成，并于2024-12-11向国家知识产权局提交的专利申请。

本一种基于多层级随机特性粒子群优化的众测资源调度方法在说明书摘要公布了：一种基于多层级随机特性粒子群优化的众测资源调度方法，包括任务调度模型和资源约束模型的构建、多层级优化结构的设计、任务依赖关系的定义以及资源分配规则的制定，同时设计了用于众测资源调度的优化算法。本发明通过设计多层级随机特性粒子群优化算法来构造高效的调度策略，实现了资源在多任务调度中的合理分配，并有效缩短了项目工期。与传统方法相比，本发明在求解效率和调度质量方面更具优势，不仅能够减少项目总工期，还能提升资源的利用率，非常适合复杂的多技能众测资源受限项目调度场景。

本发明授权一种基于多层级随机特性粒子群优化的众测资源调度方法在权利要求书中公布了：1.一种基于多层级随机特性粒子群优化的众测资源调度方法包括以下步骤： 第1步、构建多技能资源受限项目调度模型，定义索引、参数、变量和决策变量，建立目标函数并设置约束条件，采用多层级优化策略，多层级优化策略的设置是为了提升算法性能，多层级优化策略在探索阶段和开发阶段分别针对不同目标进行优化，具体如下： 探索阶段设定：此阶段初始化粒子群的位置与速度，其中每个粒子表示一个可能的任务调度顺序，粒子的位置反映任务顺序，速度则表示调度顺序的变化方向及幅度；设置较高的惯性权重ω，设置在0.8到1.2之间，认知系数c1和社会系数c2分别设置为1.0和1.2；每个粒子根据自身的历史最优位置pbest和全局最优位置gbest更新速度和位置，粒子群速度和位置更新公式如下所示，其中是第i个粒子在迭代t时的位置向量，是第i个粒子在迭代t时的速度向量，r1和r2是均匀分布在[0,1]的随机数： 开发阶段设定：在探索阶段完成后，算法进入开发阶段，具体设置如下；使用线性递减策略逐步降低惯性权重ω，其中ωmax和ωmin分别为初始和最小惯性权重，设置为0.4到0.6之间，公式如下所示： 逐步提高社会系数和认知系数，设置为c1＝2.0,c2＝2.5，在开发阶段，对粒子速度进行约束；每个粒子依据降低后的惯性权重ω和提升后的认知与社会系数更新位置和速度，逐步收敛到最优解，并且记录当前的全局最优值； 阶段转换准则：探索阶段和开发阶段的转换基于迭代次数、适应度变化率和动态调整机制条件下动态进行，基于迭代次数在总迭代次数达到一半时，自动切换到开发阶段；基于适应度变化率如果连续多次迭代后适应度值未出现显著变化，可提前进入开发阶段； 第2步、引入自适应惯性权重调整策略，早期迭代设置较高惯性权重，后期逐步降低惯性权重； 第3步、在多层级优化框架下实现随机特性粒子群优化算法，基于随机生成每个粒子的初始位置和速度，采用上述所述的粒子群的位置与速度公式基于惯性权重、认知系数和社会系数更新速度和位置，分别执行探索与开发阶段的参数设定，并记录和更新粒子的局部最优与全局最优； 第4步、生成并验证调度方案，通过解码粒子位置确定任务的调度顺序，计算任务的开始和结束时间，同时验证方案是否满足技能匹配约束条件、任务优先级约束、唯一分配约束、资源使用限制约束和变量使用限制约束。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。