بهبود مسیریابی وظیفه ها در جمع سپاری با استفاده از ترکیب خطی چند پارامتری به روش PMF

پیش گویی دقت یا سرعت کاربران از طریق مسیریابی وظیفه در یک مسیله جمع سپاری، یک مسیله مهم و کاربردی در این زمینه بوده و به روش های مختلفی می تواند انجام شود. روش تجزیه ماتریس احتمالاتی (PMF ) یکی از بهترین روش های پیش گویی مقادیر مفقود در یک ماتریس خلوت و بزرگ می باشد. در این پژوهش با استفاده از روش تجزیه ماتریس احتمالاتی جهت مسیریابی وظیفه ها، پیاده سازی و اجرا می گردد. نتایج تجربی نشان می دهد که پیش بینی دقت یا سرعت کارگران با استفاده از روش (PMF) خیلی دقیق تر از تخصیص تصادفی دقت یا سرعت به کارگر یا تخصیص به روش میانگین دقت یا سرعت می باشد. دلیل این موضوع همبستگی زیاد میان وظیفه های مختلف می باشد که در روش (PMF) به طور کامل در نظر گرفته می شود. در نهایت با ترکیب وزن دار دقت و سرعت، امکان یافتن کارگر مناسب تری نسبت به در نظر گرفتن فقط یک پارامتر فراهم می گردد.

Keywords:

تجزیه ماتریس احتمالاتی (PMF) , تجزیه مقدار منفرد (SVD) , جمع سپاری , ریز وظیفه , مسیریابی وظیفه