本發(fā)明公開一種基于基于信譽值的動態(tài)車輛任務(wù)與算力匹配方法,使用深度學(xué)習中的Conv?GRU模型對任務(wù)數(shù)、工人數(shù)、工人信譽值、車流量進行預(yù)測,并結(jié)合強化學(xué)習中的DQN算法,對預(yù)測所得任務(wù)序列進行動態(tài)劃分批次,最后在每一個劃分好的批次內(nèi),通過KM算法結(jié)合工人的信譽度以及任務(wù)的重要程度進行二部圖匹配,最終實現(xiàn)算力和任務(wù)的最優(yōu)匹配。本方案不僅考慮了車輛任務(wù)的時空特征以及動態(tài)性特征,而且結(jié)合了車輛信譽值,車輛任務(wù)的重要程度等因素,且預(yù)測精度較其他方法更高,預(yù)測速度更快,批次劃分更加合理,從而使車輛獲得更高的收益;此外,其不需要特殊的部署和額外的硬件設(shè)備,成本較低,實用性較強,具有很高的實用價值。
聲明:
“基于信譽值的動態(tài)車輛任務(wù)與算力匹配方法” 該技術(shù)專利(論文)所有權(quán)利歸屬于技術(shù)(論文)所有人。僅供學(xué)習研究,如用于商業(yè)用途,請聯(lián)系該技術(shù)所有人。
我是此專利(論文)的發(fā)明人(作者)