1.基于带权无向图的矿井移动群智感知任务分发方法，其特征在于：所述任务分发方法适用于覆盖了网络信号的矿井内，对于矿工个体均携带有可连接网络的智能终端，该智能终端能够检测矿工的心率和下井状态；

所述任务分发方法包括以下步骤：

步骤1：建立矿工信誉度模型，

将参与者的信誉度定义为R(ui),信誉度的取值范围为[0,1]，信誉度的值为0表示该矿工完全不可信，信誉度的值为0.5表示不确定,信誉度的值为1表示完全可信，将首次参加感知任务的参与者初始信誉度为0.5；

根据任务完成地点相似度、任务完成时间相似度和任务完成质量三种数据信息建立矿工信誉度模型R(ui)；

步骤2：制作无向路径图，将井下各巷道作为无向图的边，每个硐室、巷道与巷道的连接点作为无向图的节点，获取各个矿工移动速度 则dis(di,dj)表示矿井相邻节点di,dj之间的 距 离 ，根 据 无向 图 边 长 度 和 矿 工 速 度 确 定 相 邻 节 点间 的 权 重w(di,dj)表示相邻节点di,dj之间的权重；

步骤3：建立任务集和矿工状态信息库，

建立任务集：将已知的待完成任务编辑成任务集M＝{m1,m2,m3…mn}，其中m为单个任务的4个重要信息集合： 表示该任务所需人数且 表示任务的开始时间， 表示任务的结束时间， 表示系统预估完成该任务所需时间且代表任务的类型；

建立矿工状态信息库：有r个参与者，建立r个参与者的矿工状态信息库U＝(u1,u2,u3,...,ur)，其中 R(ui)表示为矿工的信誉度， 表示为矿工的平均移动速度且 (xi,yi)表示矿工ui的位置坐标， 表示矿工ui处理过的历史任务类型；

步骤4：紧急任务分配，

对于单个紧急任务的分配，在算法的开始，将该紧急任务的其作为一个新的任务节点加入无向图；加入任务节点后，获取任务的类型、位置信息，根据任务类型，以及矿工是否从事过相类似的任务，从所有矿工中筛选出可以满足解决此类任务要求的矿工获取矿工候选集；

由于完成任务本身就需要一定的时间，在系统规定任务权重的基础上减去完成任务自身所需的时间： 即为最终任务的权重；通过以任务节点为中心，沿联通的边向外扩散，并且在扩散过程中不断的叠加经过的边的权重w，在扩散过程中得到从任务位置节点到扩散节点的边权重总和w(di,dj)；

当经过的路径的边权重总和w(di,dj)达到任务要求权重wmj后停止扩散，并获取以任务节点为中心在规定约束时间内的全路径规划；再将路径内的满足任务要求的矿工获取候选集内的矿工按信誉度进行排序，优先选择信誉度靠前的矿工执行该项紧急任务，并向被选中的矿工的智能设备发送任务及路径图，此时紧急任务分配完成；

步骤5：非紧急任务分配，

对于单个紧急任务的分配，在算法的开始，将该紧急任务的其作为一个新的任务节点加入无向图；加入任务节点后，获取任务的类型、位置信息，根据任务类型，以及矿工是否从事过相类似的任务，筛选出所有井下矿工集中能够完成该任务类型任务的矿工；根据带权无向图，从任务节点出发，向外扩散，获取在任务时间范围内该任务最远能够到达的地点，选取地点范围内的符合任务要求的矿工作为矿工候选集；

根据任务类型，筛选出所有井下矿工集中能够完成该任务类型任务的矿工:首先根据矿工携带的智能终端上反馈的信息，构建矿工的疲劳状态模型，如式(1)：上式中： 表示矿工ui的疲劳度数值，单位：W；uibj表示矿工ui的心率，单位：次/min；

表示矿工ui的身高，单位：cm； 表示矿工ui的年龄，单位：年；表示矿工ui下井时长，单位：min；

在疲劳状态模型 的基础上根据获取的矿工随身智能终端的电量 构建了关于矿工的状态值模型,如式(2)：

上式中：st(ui)为矿工实时的状态值，kmax为所有矿工中实时疲劳度的最大值，kmin为所有矿工中实时疲劳度的最小值，Emax为所有矿工中实时电量的最大值，Emin为所有矿工中实时电量的最小值，α1和α2为运算系数， α2＝1‑α1，且0≤α1≤1,0≤α2≤1；

在获取了各个参与矿工的状态值后，将其进行标准化处理,如式(3)：其中：st(ui)表示矿工ui的状态值，stmin表示参与矿工状态的最小值，stmax表示参与矿工状态的最大值；

在矿工状态评价模型ST(ui)的基础上结合矿工信誉度评价模型R(ui)，构建了矿工评价函数RS(ui),如式(4)：RS(ui)＝αR(ui)+βST(ui)                     (4)其中：α和β均为运算系数，0＜α＜1,0＜β＜1,α+β＝1，RS(ui)表示非紧急任务矿工评价函数；

将路径内的满足任务要求的矿工获取候选集内的矿工按非紧急任务矿工评价指数RS(ui)进行排序，优先选择非紧急任务矿工评价指数靠前的矿工执行该项非紧急任务，并向被选中的矿工的智能设备发送任务及路径图，此时非紧急任务分配完成。

2.根据权利要求1所述的基于带权无向图的矿井移动群智感知任务分发方法，其特征在于：所述步骤1：建立矿工信誉度模型中，

Ⅰ构建任务完成地点相似度l的模型，如式(5)：

上式中，ui(xi,yi),mj(xj,yj)分别表示矿工i和任务j所在的位置向量，其中xi,yi分别表示矿工i完成任务提交数据时所在位置的纵、横坐标，xj,yj表示任务j要求的位置的纵、横坐标；Δx,Δy为任务调节的坐标位置变量，且Δx＞0,Δy＞0；

Ⅱ构建任务完成时间相似度p模型，如式(6)：

上式中， 为矿工i开始任务j的时间， 为矿工i结束任务j的时间, 为系统要求任务j的开始时间， 为系统要求任务j的结束时间， 表示用户开始与任务要求的开始的差异程度， 表示用户的最晚结束时间与任务要求的结束时间的差异程度，n表示矿工划分的差异度区间；

ⅰ感知用户和感知任务开始时间的差异程度计算：

用户参与任务的时间差值可以用来衡量感知用户开始执行感知任务的差异程度；首先，将感知任务的开始时间 和各个感知用户的开始时间 转换为数值型数据；然后，计算感知任务和不同感知用户之间开始时间的绝对差值 感知任务和不同感知用户之间开始时间的绝对差值的最小和最大差距为[θ1,θn]，将这个区间平均划分为n‑1个等距的小区间：{[θ1,θ2],[θ2,θ3],...,[θn‑1,θn]},当感知用户开始任务时间和感知任务要求开始时间的绝对差值落在其中的某个小区间后,对每个小区间依次给定差异程度值{0，1，…，n‑1，n},得到感知用户开始任务时间和感知任务要求开始时间的绝对差值所落在小区间对应的差异程度值；

ⅱ采取与感知用户和感知任务开始时间的差异程度相同的计算方式可以得到感知用户和感知任务截止时间的差异程度值；

ⅲ将感知用户和感知任务时间的差异程度和感知用户和感知任务截止时间相加后再除以差异区间，从而计算得到矿工i对任务j的时间差异度；

Ⅲ构建数据质量可靠性q的模型，如式(8)：

上式中： 表示任务j的数值均值，ds(ui,mj)表示矿工上传任务j的数值，ds(ui,mj)max表示所有参与矿工完成任务j上传数据的最大值， 为参与任务j的总人数；

当矿工提供的数值越接近真实数据时，则表明其上传的数据可靠性较高，在数据质量可靠性公式q(ui,mj)中表现为越接近1，反之越接近于0时，则说明矿工所采集的数据远离真实数据，即与真实数据偏差较大，则可信度较低；

Ⅳ构建矿工信誉度模型，在该模型中矿工的最终分类结果要么为可信任即信誉度大于

0.5时因变量y＝1，要么为不可信任即信誉度小于0.5时因变量y＝0，所以因变量y在该模型中取值为0或1，符合0，1二项分布，采用逻辑回归的方法确定三个自变量因素的系数建立信誉度模型，如式(9)所示：其中：f(x)为逻辑函数, c(ui,mj)即为矿工i参与任务j时的信誉度；

令x＝β0+β1·l(ui,mj)+β2·p(ui,mj)+β3·q(ui,mj)    (10)对式(9)代入转换并取对数，得到单次任务信誉度逻辑回归模型：

根据逻辑回归求解方法计算，令E(yi＝1)＝c(ui,mj)，利用极大似然估计,通过带入三组自变量即可计算出矿井下不同任务的任务时间系数β2、任务地点系数β1和任务质量系数β3及常量β0的数值；

为避免由于矿工参与任务数量的不同影响信誉度的计算，故而对所有矿工信誉度做求和均值处理，所以矿工信誉度公式，如式(12)：其中:k表示感知用户ui历史完成任务的总数量，R(ui)表示矿工的信誉度。

3.根据权利要求1或2所述的基于带权无向图的矿井移动群智感知任务分发方法，其特征在于：所述步骤3：建立任务集和矿工状态信息库中，针对任务类型，采用格雷编码对任务类型 进行划分，根据感知任务对感知时间的要求进行条件约束，根据任务类型的要求画出任务类型表格，如下表所示：井下不同职能的矿工能够完成不同类型的任务，系统根据任务类型编码，选择相应职能的矿工，完成相应类型的任务。