[发明专利]一种基于强化学习的任务分配方法

权利要求书

1.一种基于强化学习的任务分配方法，其特征在于，包括以下步骤：

步骤1、收集获取员工信息、任务信息；

步骤2、根据所述员工信息、所述任务信息建立强化学习模型，初始化Q矩阵、状态向量S、行动向量A、奖励矩阵R，设置超参数，进行Q矩阵的迭代计算；

步骤3、利用强化学习模型更新员工的当前任务分配阈值；

步骤4、根据每个员工的当前任务分配阈值、当前分配到的任务数量得到每个员工的权重信息；根据待分配任务的所有员工的权重信息进行新任务的分配。

2.根据权利要求1所述的基于强化学习的任务分配方法，其特征在于，所述步骤1中，所述员工信息包括员工正在进行的任务数量、员工的当前任务分配阈值；所述任务信息包括任务的分配情况信息、任务的进行情况信息。

3.根据权利要求1所述的基于强化学习的任务分配方法，其特征在于，所述步骤2中，所述强化学习模型基于Q学习算法；

所述Q矩阵为二维矩阵，行为状态空间，列为动作空间；每一行对应一种任务分配阈值状态，每一列对应一种行动；行动包括代表任务分配阈值减一的第一行动A₁、代表任务分配阈值不变的第二行动A₂、代表任务分配阈值加一的第三行动A₃；初始化时将所述Q矩阵的值设为0；

所述奖励矩阵R中的每个元素分别代表一种任务分配阈值状态对应的奖励值；初始化时将所述奖励矩阵R设为：在状态为预设任务分配阈值的位置取值为1，其余位置取值为0。

4.根据权利要求1所述的基于强化学习的任务分配方法，其特征在于，所述Q矩阵为8×3矩阵，状态代表的任务分配阈值的取值范围为[0,7]，且取正整数。

5.根据权利要求1所述的基于强化学习的任务分配方法，其特征在于，所述步骤2中，所述超参数包括：探索次数、迭代轮次、学习率、折扣因子、贪婪因子。

6.根据权利要求3所述的基于强化学习的任务分配方法，其特征在于，所述步骤2中，在每一次的迭代中进行如下操作：

(1)选择一个状态S；

(2)重复如下过程直到状态到达终止状态或者超出探索次数：

初始化一个随机数，随机数的取值范围为[0,1]；如果随机数小于贪婪因子，则随机选择行动A_i，i的取值范围为[1,3]，且为正整数；如果随机数大于贪婪因子，则选择状态S行中值最大的元素对应的行动A_i，并在当前状态采取此行动得到一个新的状态S’，更新Q矩阵和状态S；

其中，所述终止状态为奖励矩阵中奖励值最大的状态。

7.根据权利要求6所述的基于强化学习的任务分配方法，其特征在于，所述更新Q矩阵和状态S如下式所示：

其中，S_t表示t时刻的状态，A_t表示t时刻在状态S_t下采取的动作；S_t+1表示采取完A_t动作后的t+1时刻的状态，即新的状态S’；A_t+1表示t+1时刻在状态S_t+1下采取的动作，R(S_t+1)表示S_t+1的奖励值，α表示学习率，γ表示折扣因子；A(S_t+1)表示t+1时刻，在S_t+1状态下可以采取的行动集合；表示在t+1时刻的状态S_t+1下，从三种不同行动的Q值中选择最大的那个Q值；Q(S_t,A_t)代表在状态S_t下采取行动A的Q值，Q(S_t+1,A_t+1)代表在状态S_t+1下采取行动A的Q值。