贪心调度：一种降低软件众包中任务失败的神经网络方法

背景：高度动态且竞争激烈的众包软件开发（CSD）市场可能因不可预见的原因（例如共享供应商资源上的竞争加剧，或与动态工人供给相关的不确定性）而出现任务失败。现有分析显示，软件众包市场的平均任务失败率为 15.7%。目标：本研究旨在为软件众包平台提供任务调度推荐模型，以提高软件众包的成功率与效率。方法：我们提出一种基于神经网络的任务调度方法，并开发了一个可在任务到达时预测和分析任务失败概率的系统。更具体地，该模型使用一系列输入变量，包括平台中开放任务数量、到达任务与开放任务间的平均任务相似度、获胜者奖金以及任务持续时间，来预测计划在到达日及两个宽限日的任务失败概率。该预测将提供失败概率最低的建议发布日。所提模型基于主要软件众包平台之一 Topcoder 的工作流与数据。结果：我们提出一个模型，可为项目中任意任务建议最佳到达日期，且每个任务有两天宽限。该模型平均使每个项目的失败率降低 4%。