项目简介

群智感知任务分配拍卖系统（Group Crowd-sensing Auction Allocation, GCAA）是一个用于动态任务与智能体分配的拍卖算法框架。该系统主要应用于多智能体系统中，通过拍卖机制实现任务与智能体的高效匹配与动态分配。

功能特性

• 动态任务分配：支持任务和智能体的动态加入与离开
• 拍卖机制：基于拍卖理论实现高效的资源分配
• 通信限制支持：可模拟智能体间通信受限的真实场景
• 仿真可视化：提供任务分配过程的可视化模拟
• 多种算法：内置贪心算法等多种分配策略
• 可扩展性：支持自定义算法和仿真参数

项目结构

task-allocation-auctions/
├── gcaa/                 # 主要功能模块
│   ├── algorithms/       # 分配算法实现
│   ├── core/             # 核心功能组件
│   ├── simulations/      # 仿真结果文件
│   └── tests/            # 单元测试
├── exp-results/          # 实验结果
├── img/                  # 可视化图像
├── mov/                  # 动画演示
├── sc/                   # 脚本文件
├── scripts/              # 工具脚本
├── pyproject.toml        # 项目配置
├── pytest.ini            # 测试配置
└── requirements.txt      # 依赖列表

核心模块

gcaa.algorithms

实现了多种任务分配算法，目前包含贪心算法。

gcaa.core

• allocation.py：分配核心逻辑
• control.py：系统控制模块
• dta.py：动态任务分配实现
• utility.py：实用工具函数

gcaa.tools

提供了多种辅助工具，包括数组处理、日期处理、绘图工具等。

快速开始

安装依赖

pip install -r requirements.txt

运行测试

pytest -v

运行仿真

# 导入必要的模块
from gcaa.core.dta import DynamicTaskAllocation
from gcaa.algorithms.greedy import GreedyAlgorithm

# 创建任务分配实例
dta = DynamicTaskAllocation(na=5, nt=5, algorithm=GreedyAlgorithm())

# 运行仿真
dta.run_simulation()

# 可视化结果
dta.visualize()

算法介绍

贪心算法

贪心算法是一种基于局部最优选择的启发式算法，在每一步选择当前看起来最优的解，以期望通过局部最优选择得到全局最优解。在任务分配场景中，贪心算法会优先将任务分配给当前最合适的智能体。

仿真结果

系统提供了丰富的仿真结果可视化，包括：

• 任务分配热力图
• 智能体运动轨迹
• 通信限制下的分配效果
• 不同参数配置的对比分析

应用场景

• 无人机协同任务：多无人机任务分配与路径规划
• 传感器网络：分布式传感器资源优化分配
• 机器人协作：多机器人系统任务调度
• 交通管理：智能交通系统中的车辆调度

开发与扩展

添加新算法

from gcaa.algorithms import BaseAlgorithm

class NewAlgorithm(BaseAlgorithm):
    def allocate(self, agents, tasks):
        # 实现自定义分配逻辑
        pass

自定义仿真参数

from gcaa.core.dta import DynamicTaskAllocation

# 配置仿真参数
params = {
    'na': 10,          # 智能体数量
    'nt': 10,          # 任务数量
    'communication_limit': 5,  # 通信限制
    'speed': 2.0       # 智能体速度
}

dta = DynamicTaskAllocation(**params)

贡献指南

1. Fork 本仓库
2. 创建特性分支 (git checkout -b feature/AmazingFeature)
3. 提交更改 (git commit -m 'Add some AmazingFeature')
4. 推送到分支 (git push origin feature/AmazingFeature)
5. 开启 Pull Request

更新日志

v1.0.0

• 初始版本发布
• 实现基本的动态任务分配功能
• 支持贪心算法
• 提供可视化工具

---

备注：本项目基于群智感知理论和拍卖机制，旨在为多智能体系统中的任务分配问题提供高效的解决方案。