[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN113780745B - 一种上门服务需求驱动的it人员调度方法和系统 - Google Patents

一种上门服务需求驱动的it人员调度方法和系统 Download PDF

Info

Publication number
CN113780745B
CN113780745B CN202110935774.3A CN202110935774A CN113780745B CN 113780745 B CN113780745 B CN 113780745B CN 202110935774 A CN202110935774 A CN 202110935774A CN 113780745 B CN113780745 B CN 113780745B
Authority
CN
China
Prior art keywords
task
time
point
scheduling scheme
rule
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110935774.3A
Other languages
English (en)
Other versions
CN113780745A (zh
Inventor
刘振元
展月
杨强
刘恒岭
陈芮莹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huazhong University of Science and Technology
Original Assignee
Huazhong University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Huazhong University of Science and Technology filed Critical Huazhong University of Science and Technology
Priority to CN202110935774.3A priority Critical patent/CN113780745B/zh
Publication of CN113780745A publication Critical patent/CN113780745A/zh
Application granted granted Critical
Publication of CN113780745B publication Critical patent/CN113780745B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开一种上门服务需求驱动的IT人员调度方法和系统，属于人员调度领域。包括：S1.构建初始可行调度方案；S2.从两个操作规则集各选择一条，构成当前操作规则；S3.根据待调度任务总数量，确定操作对象数量；S4.采用当前操作规则，对当前调度方案中的任务环和任务连接点环进行破坏和修复操作，得到新调度方案；S5.比较当前调度方案和新调度方案的优劣并取舍，保留的调度方案更新当前调度方案，对采用的规则分别打分；S6.判断是否满足规则权重更新预设条件，若是，根据规则累计分数更新权重，进入S7，否则，进入S7；S7.判断是否满足调度停止预设条件，若是，进行内部路径优化并输出结果，否则，转入S2。本发明可快速获取调度方案，减少15％～20％的延时时间。

Description

一种上门服务需求驱动的IT人员调度方法和系统
技术领域
本发明属于IT服务人员路由和调度技术领域，更具体地，涉及一种上门服务需求驱动的IT人员调度方法和系统。
背景技术
多结构型(点型、线型和面型)上门服务需求驱动的IT人员调度中，任务除了有执行约束和时间窗约束外，还有点型、线型和面型的结构差别；服务人员有技能的差异。服务人员需要从站点出发，按照一定的路径执行完被分配的任务后返回站点。任务分配和路径规划需要同时被解决，以达到减少任务总延时的目标。
多结构型上门服务需求驱动的IT人员调度问题同时具有多技能人员调度问题以及劳动力调度和路径问题的特性。目前没有一种通用的解决方法被证明能有效地解决这些问题的不同变体，但是基于局部搜索的元启发式方法被广泛地应用到了问题的求解中。
发明内容
针对现有技术的缺陷和改进需求，本发明提供了一种上门服务需求驱动的IT人员调度方法和系统，其目的在于快速解决不同规模的多结构型上门服务需求驱动的IT人员调度问题，实现任务分配和路径规划，达到减少总延时的目标。
为实现上述目的，按照本发明的第一方面，提供了一种上门服务需求驱动的IT人员调度方法，预设的破坏操作规则集包括多条破坏操作规则，破坏操作是对任务环中的任务和任务连接点环中的任务连接点进行移除，破坏操作规则是破坏操作的依据；预设的修复操作规则集包括多条修复操作规则，修复操作是把被移除的任务和任务连接点重新插入不完整的任务环和任务连接点环，修复操作规则是插入的顺序和位置；每条规则的权重为该规则被选中的概率，初始化为均值，任务环为同一个IT人员顺序执行任务的编号序列，任务连接点环为同一个IT人员执行任务中经过的连接点的编号序列，包括：
S1.根据待调度的任务信息集和IT人员信息集，构建初始可行调度方案；
S2.从两个操作规则集各选择一条规则，共同构成当前操作规则；
S3.根据待调度任务总数量，确定本次迭代操作对象数量；
S4.采用当前操作规则，对当前调度方案中的任务环和任务连接点环进行步骤S3确定数量的破坏和修复操作，得到新调度方案；
S5.比较当前调度方案和新调度方案的优劣并进行取舍，用保留的调度方案更新当前调度方案，对本次迭代采用的破坏规则和修复规则分别打分；
S6.判断是否满足规则权重更新预设条件，若是，根据各条规则的累计分数更新规则权重，进入S7，否则，直接进入S7；
S7.判断是否满足调度停止预设条件，若是，进行内部路径优化并输出结果，否则，转入S2。
优选地，任务信息包括：任务编号、释放时间、计划完成时间、空间结构类型和任务连接点位置，IT人员信息包括：员工编号、可执行任务集合和执行任务时间集合，所述空间结构类型包括：点型任务、线型任务和面型任务，所述点型任务为任务连接点数为1的任务，所述线型任务为任务连接点数为2、且进入和离开位置不同的任务，所述面型任务为任务连接点数为3、且进入和离开位置不同的任务。
优选地，步骤S1包括：
S1.1将所有真实任务按照释放时间RTm进行升序排序；为IT人员信息集Sα中的每个元素建立时间线TLs并进行初始化，即初始值设为人员s可以开始工作的时间，得集合TL＝{TL1，…，TLs}；
S1.2选取未被执行的任务中释放时间最早的任务m，根据可执行任务集合PM找到所有可执行此任务的IT人员；对每一个可执行的人员s，首先根据任务转移时间和人员s当前可开始工作的时间TLs之和，找到人员s到达任务m的任务点的最早时间；然后比较到达时间和释放时间的大小，若到达时间大于释放时间，则开始时间为到达时间；若到达时间不大于释放时间，则开始时间为释放时间；最后在开始时间的基础上加上人员s执行m的时间Qsm作为人员s完成任务m的最早完成时间EFTsm；比较所有能够执行任务m的人员的最早完成时间，找到最小值，将当前任务m加入对应的人员的任务环中；同时更新此IT人员的时间线；
S1.3判断是否完成所有任务的分配，若还有任务没有被分配，进入步骤S1.2，否则，进入步骤S1.4；
S1.4所有任务已经被指定好IT人员，每个人员进行内部路径的优化。
有益效果：本发明通过按照释放时间RTm对任务执行顺序进行排序，以及通过更新各IT服务人员时间线的方式，由于方法简单易行，易于理解，模仿了现有技术下的调度方法，实现快速获取初始调度方案，为后面的调度方案优化提供基础。
优选地，预设的破坏操作规则集包括：
(1)针对任务分配的随机破坏规则
随机选择数量为Tr的任务，将其从当前调度方案中无差别移除；
(2)针对任务分配的最差破坏规则
当前调度方案下，按照每个任务的延时时间将所有任务进行排序，然后优先移除延时时间长的任务；
(3)针对任务分配的时间相关破坏规则
优先同时移除时间相关度最高的两个任务，任务i，j之间的时间相关度定义为：tdij＝|RTi-RTj|+|PTi-PTj|，i，j∈Ca，其中，RTi，RTj分别为任务i和任务j的释放时刻，PTi，PTj为任务i和任务j的计划完成时刻，||为绝对值符号，Ca为待调度的实际任务集合；(4)针对点路径的随机破坏规则
随机选择任务点将其移除，同时需要保证线型任务和面型任务的任务点被选择的概率高于点型任务；
(5)针对点路径的最差破坏规则
计算每个任务点对应的任务被移除后的总延时，与未被移除做比较，差值较大的任务点优先被移除；
(6)针对点路径的位置相关破坏规则
优先同时移除位置相关度小的任务点。
有益效果：本发明通过预设破坏规则集，提出6个对当前调度方案进行破坏的破坏规则，由于规则是分别针对任务分配和点路径对总延时的优化而设计的，实现了尽可能扩大任务分配以及点路径选择的可能性，丰富了调度方案的选择，规则的设计也考虑了后续修复操作时的困难，保证了搜索调度方案的可靠性和稳定性。
优选地，预设的修复操作规则集包括：
(1)针对任务分配的贪婪修复规则
首先假设每个待插入的任务都选择了最佳位置，计算插入后的总延时增加值；然后比较假设插入后的每个任务的延时，按照总延时增加值从小到大的顺序将被破坏的任务进行修复；
(2)针对任务分配的次优修复规则
首先随机选择一个待修复的任务，然后将这个任务插入到使得总延时增加第二小的位置，也就是选择一个次优插入位；
(3)针对任务分配的后悔修复规则
计算最优插入位置的预计提高延时DTm1和次优插入位置的预计提高延时DTm2，并根据Rm＝DTm2-DTm1计算后悔值；对后悔值较大的任务优先进行修复操作；插入位置选择最优位；(4)针对点路径的就近修复规则
定义某个点n插入某路径Rs后，此任务点到路径中心的欧式距离为聚集度将聚集度值较小的任务点优先插入；如果任务点属于面型任务或者线型任务，则需要计算任务的“中心”到路径中心的欧式距离；插入位置选择最优位；
(5)针对点路径的贪婪修复规则
计算插入前后的总延时并从小到大排序，由此确定任务点修复的顺序。
有益效果：本发明通过预设修复规则集，提出五个不同的针对被破坏的调度方案进行恢复的修复规则。由于这几个修复规则从任务顺序、任务点位置、随机效果等不同角度出发，确定了将被移除的任务恢复至调度方案中的顺序(确定哪个任务首先被恢复)，以及任务的被执行方案(包括匹配的人员和执行顺序)，实现将不完整的调度方案补全，且达到总延时尽量更小这一调度目标。
优选地，比较当前调度方案和新调度方案的优劣并进行取舍，将保留的调度方案作为当前调度方案：
若新调度方案的总延时低于当前调度方案，则保留当前调度方案；
否则，计算接收概率若接收概率高于预设阈值，则保留新调度方案；否则，保留当前调度方案；其中，ΔZ是总延时的增加量，Tk是当前迭代周期的温度。
有益效果：本发明通过模拟退火的思想，确定了对新的调度方案的接受机制。由于设置了接受范围，同时也考虑了当前总延时的增加量、迭代周期优化表现、剩余迭代次数对接受范围的影响，实现在一定范围内接受迭代过程中没有很好优化的调度方案，从而扩大搜索空间，防止出现陷入局部最优的现象。同时也防止了在搜索时间限制内出现浪费时间对平庸解强化的现象，针对不同搜索情况的自动设置了接受范围。
优选地，根据各条规则的累计分数更新规则权重：
其中，cd为本轮迭代周期中规则d累计的分数，wd为规则d的权重。
有益效果：本发明通过上述权重更新公式，由于在对每个迭代周期结束后，根据历史表现对各破坏规则和修复规则的权重的更新，实现自动改变每个规则被选择的概率，从而使表现好的规则在下轮迭代中更有可能被选中。
优选地，内部路径的优化的具体步骤如下：
首先，搜寻任务序列Ms中所有的线型任务和面型任务；
然后，建立一个深度为(n+k+1)、叶子节点数为n2×k6的决策树，每一个叶子节点对应一个任务连接点序列，分别计算所有任务连接点序列的总延时并找到最优的任务连接点序列，其中，n为Ms中线型任务数量，k为Ms中面型任务数量。
有益效果：本发明通过构建枚举树和比较总延时的方法，由于任务有空间结构的区别，任务连接点的路径会影响总延时，在任务环确定的情况下，枚举任务连接点环不会花费较多时间，所以本发明可以实现快速为任务环精确找到最佳任务连接点环的效果，从而对调度方案进行进一步的优化。
为实现上述目的，按照本发明的第二方面，提供了一种上门服务需求驱动的IT人员调度系统，计算机可读存储介质和处理器；
所述计算机可读存储介质用于存储可执行指令；
所述处理器用于读取所述计算机可读存储介质中存储的可执行指令，执行第一方面所述的上门服务需求驱动的IT人员调度方法。
总体而言，通过本发明所构思的以上技术方案，能够取得以下有益效果：
本发明针对多结构型上门服务需求驱动的IT人员调度，提出了6种对当前任务环和任务连接点环进行破坏操作的破坏规则和5种恢复完整可行方案的修复规则；通过各规则的历史表现自动更新规则被选择的概率，通过自适应实现任务分配和路径规划方案的不断优化，达到总延时最小的目标。本发明针对上门服务需求驱动的IT人员调度的特点，考虑了IT服务人员的多技能性和任务的多结构性。本发明可以快速获取调度方案，且相较于现有的方法可以减少15％～20％的延时时间。本发明可以为上门服务需求驱动的IT人员调度提供参考。
附图说明
图1是本发明实施例提供的一种多结构型上门服务需求驱动的IT人员调度方法流程图；
图2是本发明实施例提供的获取初始方案方法的流程图；
图3是本发明实施例提供的原始数据图；
图4是本发明实施例提供的初始调度方案对应的图；
图5是本发明实施例提供的最终总调度方案图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
多结构型上门服务需求驱动的IT人员调度涉及的人员具有多技能性，任务具有多结构性。本发明能够针对这两个特性，快速获取任务分配方案，同时也对每个服务人员执行任务的路径进行了规划。相比于初始方案，总延时减少了20％～30％。下面结合附图对本发明作进一步说明。
如图1所示，本发明提供一种多结构型上门服务需求驱动的IT人员调度方法，包括如下：
S1.初始化：设定破坏和修复规则的初始参数(权重)、迭代总次数以及迭代周期。构建初始调度方案，并设置为全局最优和当前最优。
迭代总次数设置为10000。迭代周期设置为200。每个破坏规则被选中的概率为每个修复规则被选中的概率为/>
破坏规则是指对任务环中的任务和任务连接点环中的任务连接点进行移除操作的规则，破坏规则规定了移除任务或者任务连接点的依据。修复操作是指把被移除的任务和任务连接点重新插入不完整的任务环和任务连接点环中的操作，修复规则规定了插入的顺序和插入的位置。
S1涉及到的参数如表1所示。
表1参数列表
设置完成后，按照如图2所示的流程构建初始调度方案，具体步骤是：
步骤1根据任务的释放时间RTm由小到大的顺序，将实任务集合Ca(不包括开始和结束这类虚任务)中的15个任务进行排序。为服务人员集合Sα中的5个元素建立时间线TLs并进行初始化，这里以时间0为服务人员可以开始工作的时间。即集合TL＝{TL1，…，TL15}中，TL1＝TL2＝…＝TLs＝0。同时每个人员的任务环中需要加入0这个虚任务，为服务人员已经在站点准备好，可以开始工作。
步骤2选取未被执行的任务中释放时间最早的任务m，根据可执行任务集合PM找到所有可执行此任务的服务人员。针对每一个可执行的人员s，首先根据任务转移时间和TLs之和，找到人员s到达任务m的任务点的最早时间。然后比较到达时间和释放时间的大小，若到达时间大于释放时间，则开始时间为到达时间；若到达时间不大于释放时间，则开始时间为释放时间。最后在开始时间的基础上加上人员s执行m的时间Qsm作为最早完成时间。比较所有能够执行任务m的人员的最早完成时间，找到最小值，将当前任务m加入对应的人员的执行计划中。更新此服务人员的时间线。
第一次执行步骤2时，未被执行的任务中释放时间最早的任务是任务2，其释放时间为50。从PMs能够找到，服务人员1、2、3、4可以执行任务2。由于技能的差异，四个人执行任务2的时间不同。分别计算这几个人员执行任务2的最早完成时间。服务人员1最早可以在时刻73.0完成任务2；服务人员2最早可以在74.0时刻完成任务2；服务人员3最早可以在72.0时刻完成任务2；服务人员4最早可以在68.0时刻完成任务2。排序后选择将任务2分配给人员4，即服务人员4的任务环中加入任务2，并将其时间线更新至68.0，为服务人员4在时刻68.0完成任务2，在时刻68.0之后才可以去执行其他任务。
步骤3判断是否完成所有任务的分配，若还有任务没有被分配，执行步骤2，否则执行步骤4。
分配完所有任务后，得到的任务环是：
服务人员1:0-->12-->5-->9-->0
服务人员2:0-->13-->6-->11-->3-->0
服务人员3:0-->14-->4-->8-->10-->0
服务人员4:0-->2-->7-->1-->0
服务人员5:0-->0
任务点环是：
服务人员1:站点-->任务点12-2-->任务点12-1-->任务点5-2-->任务点5-1-->任务点9-2-->任务点9-3-->任务点9-1-->站点
服务人员2:站点-->任务点13-1-->任务点6-1-->任务点11-1-->任务点3-2-->任务点3-1-->站点
服务人员3:站点-->任务点14-1-->任务点4-1-->任务点8-1-->任务点10-2-->任务点10-3-->任务点10-1-->站点
服务人员4:站点-->任务点2-1-->任务点7-2-->任务点7-1-->任务点1-2-->任务点1-1-->站点
服务人员5:站点-->站点
“任务点12-2”为的意思是任务12的2号点。特别地，可以看出，当前方案下，服务人员5未执行任何任务。
步骤4所有任务已经被指定了服务人员，每个人员进行内部路径的优化。
内部路径优化一共有两步。首先，找到任务序列Ms中所有的线型任务和面型任务，建立任务栈T。根据默认的初始点路径，作为初始的点序列；然后，建立一个深度为(mm+ss+1)，叶子节点数为2n×6k的决策树(其中n为Ms中线型任务数量，k为Ms中面型任务数量)。每一个叶子节点对应一个点序列，分别计算所有点序列的总延时并找到最优的点序列。
实施例中，服务人员1的任务序列中有线型任务5、任务12，面型任务9。建立一个深度为n+k+1＝2+1+1＝4，叶子节点数为2n×6k＝22×61＝24的决策树。在24个叶子节点中，找到人员1在此任务环下的最佳的点序列为：站点-->任务点12-1-->任务点12-2-->任务点5-1-->任务点5-2-->任务点9-3-->任务点9-2-->任务点9-1-->站点。同样的，对其他服务人员进行内部路径优化。
至此，初始方案就形成了。任务环：
服务人员1:0-->12-->5-->9-->0
服务人员2:0-->13-->6-->11-->3-->0
服务人员3:0-->14-->4-->8-->10-->0
服务人员4:0-->2-->7-->1-->0
服务人员5:0-->0
任务环对应的最佳任务点环是：
服务人员1:站点-->任务点12-1-->任务点12-2-->任务点5-1-->任务点5-2-->任务点9-3-->任务点9-2-->任务点9-1-->站点
服务人员2:站点-->任务点13-1-->任务点6-1-->任务点11-1-->任务点3-1-->任务点3-2-->站点
服务人员3：站点-->任务点14-1-->任务点4-1-->任务点8-1-->任务点10-2-->任务点10-3-->任务点10-1-->站点
服务人员4:站点-->任务点2-1-->任务点7-2-->任务点7-1-->任务点1-2-->任务点1-1-->站点
服务人员5:站点-->站点
初始调度方案的路径图如图4所示。其中点的序号的格式是“任务点序号-任务点点序号”，比如“7-1”为任务点7的1号点。弧上的数字为执行任务点的服务点人员的序号。该初始方案的总延时时间是256。调度方案还指定了每个人开始任务点的时间。
S2.根据任务点总数量，确定移除的数量。
实施例中一共有14个任务，共23个任务点。移除任务数量的范围是总任务数量的30％～50％，然后这个范围内随机确定一个整数作为移除的数量。第一次迭代中移除数量为5。
S3.从6个破坏规则和5个修复规则中各选择一个作为对当前进行操作的规则。
候选的破坏规则如下：
(1)针对任务分配的随机破坏规则
随机选择数量为Tr的任务(Tr的大小根据问题案例而改变，与总任务数有关)，将其从当前调度方案中移除。这样的移除是无差别的。
(2)针对任务分配的最差破坏规则
最差破坏规则是找到延时表现最差的那些任务并将其移除。任务m的延时时间为(ftm-PTm)+。当前调度方案下，按照每个任务的延时时间将所有任务进行排序，然后优先移除延时时间比较长的任务。
(3)针对任务分配的时间相关破坏规则
式(1)为任务之间的时间相关度的定义。优先同时移除时间相关度越高的两个任务。
tdij＝|RTi-RTj|+|RTi-RTj|i,j∈Ca (1)
(4)针对点路径的随机破坏规则
随机选择任务点将其移除。同时需要保证线型任务和面型任务的任务点被选择的概率高于点型任务。
(5)针对点路径的最差破坏规则
计算每个任务点对应的任务被移除后的总延时，与未被移除时做比较。差值较大的任务点优先被移除。
(6)针对点路径的位置相关破坏规则
同时移除位置相关的任务点。这里的位置相关度是指两连接点之间的欧式距离。
候选的修复规则如下：
(1)针对任务分配的贪婪修复规则
首先假设每个待插入的任务都选择了最佳位置，计算插入后的总延时增加值。然后比较假设插入后的每个任务的延时，按照总延时增加值从小到大的顺序将被破坏的任务进行修复。
(2)针对任务分配的次优修复规则
首先随机选择一个待修复的任务，然后将这个任务插入到使得总延时增加第二小的位置，也就是选择一个次优插入位。
(3)针对任务分配的后悔修复规则
计算最优插入位置的预计提高延时DTm1和次优插入位置的预计提高延时DTm2，并根据式(2)计算后悔值。对后悔值较大的任务优先进行修复操作。插入位置选择最优位。
Rm＝DTm2-DTm1 (2)
(4)针对点路径的就近修复规则
定义某个点n插入某路径Rs后，此任务点到路径中心的欧式距离为聚集度将聚集度值较小的任务点优先插入。如果任务点属于面型任务或者线型任务，则需要计算任务的“中心”到路径中心的欧式距离。插入位置选择最优位。
(5)针对点路径的贪婪修复规则
计算插入前后的总延时并从小到大排序，由此确定任务点修复的顺序
6个破坏规则和5个修复规则初始时被选择的概率是均等的，之后根据在迭代中获取新任务环和任务连接点环的优劣，累计权重大的规则更有可能被选到。
选择破坏和修复规则的方法是轮盘赌的方式，权重大的规则更有可能被选到。第一次迭代中，选择了针对点路径的位置相关破坏规则和针对任务分配的后悔修复规则。
S4.根据步骤S3的规则对当前任务点环和任务点连接点环进行破坏和修复操作。根据新调度方案的表现对其进行取舍，对采用的破坏规则和修复规则进行打分。
每次迭代中，经过一种规则组合操作得到的新调度方案有三种情况，即新调度方案优化了目标函数、新调度方案没有优化但是被接受、新调度方案没有优化且被放弃。一次迭代完成后，对规则进行打分，三种情况分别对应不同的分数。每个迭代周期结束后，进行一次对不同决策的权重的更新。
调度方案没有优化时，接受概率其中，ΔZ是总延时的增加量，Tk是当前迭代周期的温度。Tk会在迭代周期结束后发生改变，可能升高也可能降低，Tk的变换机制即为降温策略。式(3)为Tk+1上升的概率。
其中，Zkf,Zks是第k周期开始结束时的总延时和开始时的总延时，η是剩余迭代次数。
第一次迭代中，对初始调度方案进行了破坏以及修复操作后，获得的新调度方案的总延时是622，调度方案没有优化，此时需要计算接受概率。接受机制处理后，决定不接受此调度方案，同时为针对点路径的位置相关破坏规则累计1分，为针对任务分配的后悔修复规则累积1分。
S5.判断是否达到需要规则权重的更新，如需要就先进行更新然后执行S6，否则就直接执行步骤S6。
迭代周期为200，因此在第200次迭代时，根据规则在这200次迭代中的累计得分，对规则的权重进行了更新。新权重的公式为其中cd是这个周期内规则d累计的分数。wd权重确定了某个规则d被选中的概率。表2为的是规则在更新前的权重、当前迭代周期内的累计得分以及更新后的权重。其中，rdr是针对点路径的随机破坏规则；lrdr是针对点路径的位置相关破坏规则；wdr是针对点路径的最差破坏规则；rdm是指针对任务分配的随机破坏规则；trdm是针对任务分配的时间相关破坏规则；wdm是针对任务分配的最差破坏规则；grm是针对任务分配的贪婪修复规则；o2rm是针对任务分配的次优修复规则；rrm是针对任务分配的后悔修复规则；nrr是针对点路径的就近修复规则；grr是针对点路径的贪婪修复规则。
表2第一次更新权重
S6.判断迭代次数是否达到预设的总次数，若达到总次数则结束迭代并输出结果，若没有结束则执行步骤S2。
经过10000次迭代之后，最终的任务环是：
服务人员1:0-->4-->9-->11-->10-->0
服务人员2:0-->13-->6-->12-->3-->0
服务人员3:0-->14-->7-->8-->0
服务人员4:0-->2-->5-->1-->0
服务人员5:0-->0
任务点环是：
服务人员1:站点-->任务点4-1-->任务点9-1-->任务点9-3-->任务点9-2-->任务点11-1-->任务点10-3-->任务点10-2-->任务点10-1-->站点
服务人员2:站点-->任务点13-1-->任务点6-1-->任务点12-2-->任务点12-1-->任务点3-2-->任务点3-1-->站点
服务人员3:站点-->任务点14-1-->任务点7-2-->任务点7-1-->任务点8-1-->站点
服务人员4:站点-->任务点2-1-->任务点5-1-->任务点5-2-->任务点1-2-->任务点1-1-->站点
服务人员5:站点-->站点
最终调度方案的路径图如图5示。该调度方案的总延时是116。同时为了到达更好的效果，需要对实施例重复上述方法5次。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种上门服务需求驱动的IT人员调度方法，其特征在于，预设的破坏操作规则集包括多条破坏操作规则，破坏操作是对任务环中的任务和任务连接点环中的任务连接点进行移除，破坏操作规则是破坏操作的依据；预设的修复操作规则集包括多条修复操作规则，修复操作是把被移除的任务和任务连接点重新插入不完整的任务环和任务连接点环，修复操作规则是插入的顺序和位置；每条规则的权重为该规则被选中的概率，初始化值为均值，任务环为同一个IT人员顺序执行任务的编号序列，任务连接点环为同一个IT人员执行任务中经过的连接点的编号序列，包括：
S1.根据待调度的任务信息集和IT人员信息集，构建初始可行调度方案；
S2.从两个操作规则集各选择一条规则，共同构成当前操作规则；
S3.根据待调度任务总数量，确定本次迭代操作对象数量；
S4.采用当前操作规则，对当前调度方案中的任务环和任务连接点环进行步骤S3确定数量的破坏和修复操作，得到新调度方案；
S5.比较当前调度方案和新调度方案的优劣并进行取舍，用保留的调度方案更新当前调度方案，对本次迭代采用的破坏规则和修复规则分别打分；
S6.判断是否满足规则权重更新预设条件，若是，根据各条规则的累计分数更新规则权重，进入S7，否则，直接进入S7；
S7.判断是否满足调度停止预设条件，若是，进行内部路径优化并输出结果，否则，转入S2；
其中，任务信息集包括：任务编号、释放时间、计划完成时间、空间结构类型和任务连接点位置，IT人员信息集包括：员工编号、可执行任务集合和执行任务时间集合，所述空间结构类型包括：点型任务、线型任务和面型任务，所述点型任务为任务连接点数为1的任务，所述线型任务为任务连接点数为2、且进入和离开位置不同的任务，所述面型任务为任务连接点数为3、且进入和离开位置不同的任务；
预设的破坏操作规则集包括：
(1)针对任务分配的随机破坏规则
随机选择数量为Tr的任务，将其从当前调度方案中无差别移除；
(2)针对任务分配的最差破坏规则
当前调度方案下，按照每个任务的延时时间将所有任务进行排序，然后优先移除延时时间长的任务；
(3)针对任务分配的时间相关破坏规则
优先同时移除时间相关度最高的两个任务，任务i,j之间的时间相关度定义为：tdij＝|RTi-RTj|+|PTi-PTj|,i,j∈Ca，其中，RTi,RTj分别为任务i和任务j的释放时刻，PTj,PTj分别为任务i和任务j的计划完成时刻，||为绝对值符号，Ca为待调度的实际任务集合；
(4)针对点路径的随机破坏规则
随机选择任务点将其移除，同时需要保证线型任务和面型任务的任务点被选择的概率高于点型任务；
(5)针对点路径的最差破坏规则
计算每个任务点对应的任务被移除后的总延时，与未被移除做比较，差值的任务点优先被移除；
(6)针对点路径的位置相关破坏规则
优先同时移除位置相关度小的任务点；
预设的修复操作规则集包括：
(1)针对任务分配的贪婪修复规则
首先假设每个待插入的任务都选择了最佳位置，计算插入后的总延时增加值；然后比较假设插入后的每个任务的延时，按照总延时增加值从小到大的顺序将被破坏的任务进行修复；
(2)针对任务分配的次优修复规则
首先随机选择一个待修复的任务，然后将这个任务插入到使得总延时增加第二小的位置，也就是选择一个次优插入位；
(3)针对任务分配的后悔修复规则
计算最优插入位置的预计提高延时DTm1和次优插入位置的预计提高延时DTm2，并根据Rm＝DTm2-DTm1计算后悔值；对后悔值的任务优先进行修复操作；插入位置选择最优位；(4)针对点路径的就近修复规则
定义某个点n插入某路径Rs后，此任务点到路径中心的欧式距离为聚集度将聚集度值的任务点优先插入；如果任务点属于面型任务或者线型任务，则需要计算任务的“中心”到路径中心的欧式距离；插入位置选择最优位；
(5)针对点路径的贪婪修复规则
计算插入前后的总延时并从小到大排序，由此确定任务点修复的顺序。
2.如权利要求1所述的方法，其特征在于，步骤S1包括：
S1.1将所有真实任务按照释放时间RTm进行升序排序；为IT人员信息集Sα中的每个元素建立时间线TLs并进行初始化，即初始值设为人员s开始工作的时间，得集合TL＝{TL1，…，TLs}；
S1.2选取未被执行的任务中释放时间最早的任务m，根据可执行任务集合PM找到所有可执行此任务的IT人员；对每一个可执行的人员s，首先根据任务转移时间和人员s当前可开始工作的时间TLs之和，找到人员s到达任务m的任务点的最早时间；然后比较到达时间和释放时间的大小，若到达时间大于释放时间，则开始时间为到达时间；若到达时间不大于释放时间，则开始时间为释放时间；最后在开始时间的基础上加上人员s执行m的时间Qsm作为人员s完成任务m的最早完成时间EFTsm；比较所有能够执行任务m的人员的最早完成时间，找到最小值，将当前任务m加入对应的人员的任务环中；同时更新此IT人员的时间线；
S1.3判断是否完成所有任务的分配，若还有任务没有被分配，进入步骤S1.2，否则，进入步骤S1.4；
S1.4所有任务已经被指定好IT人员，每个人员进行内部路径的优化。
3.如权利要求1至2任一项所述的方法，其特征在于，比较当前调度方案和新调度方案的优劣并进行取舍，将保留的调度方案作为当前调度方案：
若新调度方案的总延时低于当前调度方案，则保留当前调度方案；
否则，计算接收概率若接收概率高于预设阈值，则保留新调度方案；否则，保留当前调度方案；其中，ΔZ是总延时的增加量，Tk是当前迭代周期的温度。
4.如权利要求1至2任一项所述的方法，其特征在于，根据各条规则的累计分数更新规则权重：
其中，cd为本次迭代规则d累计的分数，wd为规则d的权重。
5.如权利要求1至2任一项所述的方法，其特征在于，内部路径的优化的具体步骤如下：
首先，搜寻任务序列Ms中所有的线型任务和面型任务；
然后，建立一个深度为(n+k+1)、叶子节点数为n2×k6的决策树，每一个叶子节点对应一个任务连接点序列，分别计算所有任务连接点序列的总延时并找到最优的任务连接点序列，其中，n为Ms中线型任务数量，k为Ms中面型任务数量。
6.一种上门服务需求驱动的IT人员调度系统，其特征在于，计算机可读存储介质和处理器；
所述计算机可读存储介质用于存储可执行指令；
所述处理器用于读取所述计算机可读存储介质中存储的可执行指令，执行权利要求1至5任一项所述的上门服务需求驱动的IT人员调度方法。
CN202110935774.3A 2021-08-16 2021-08-16 一种上门服务需求驱动的it人员调度方法和系统 Active CN113780745B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110935774.3A CN113780745B (zh) 2021-08-16 2021-08-16 一种上门服务需求驱动的it人员调度方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110935774.3A CN113780745B (zh) 2021-08-16 2021-08-16 一种上门服务需求驱动的it人员调度方法和系统

Publications (2)

Publication Number Publication Date
CN113780745A CN113780745A (zh) 2021-12-10
CN113780745B true CN113780745B (zh) 2024-05-14

Family

ID=78837876

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110935774.3A Active CN113780745B (zh) 2021-08-16 2021-08-16 一种上门服务需求驱动的it人员调度方法和系统

Country Status (1)

Country Link
CN (1) CN113780745B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115796565B (zh) * 2023-02-13 2023-04-11 民航成都信息技术有限公司 一种航班群组确定方法、装置、电子设备及存储介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109885383A (zh) * 2018-10-30 2019-06-14 广东科学技术职业学院 一种带约束条件的非单位时间任务调度方法
CN110705798A (zh) * 2019-10-09 2020-01-17 四川大学 仓配装一体化产品配送路线和技术人员调度优化方法
CN111639811A (zh) * 2020-06-01 2020-09-08 中国农业大学 基于改进蚁群算法的多农机协同作业远程管理调度方法
WO2021035911A1 (zh) * 2019-08-28 2021-03-04 青岛蓝海未来海洋科技有限责任公司 一种基于数据正反向驱动线性变参数遗传算法的无人艇路径规划方法及系统
CN112734188A (zh) * 2020-12-30 2021-04-30 杭州电子科技大学 一种基于两阶段混合元启发式算法的家庭医疗护理调度优化方法
WO2021135208A1 (zh) * 2019-12-31 2021-07-08 苏宁云计算有限公司 考虑订单聚合度的配送路径规划方法与系统
CN113095618A (zh) * 2021-03-01 2021-07-09 华中科技大学 一种it运维服务人员调度方法
CN113127193A (zh) * 2021-03-23 2021-07-16 北京工业大学 一种边缘网络动态业务卸载和调度方法及装置
CN113205277A (zh) * 2021-05-26 2021-08-03 华中科技大学 一种基于时空规则的车间生产与天车协同调度方法及装置

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109885383A (zh) * 2018-10-30 2019-06-14 广东科学技术职业学院 一种带约束条件的非单位时间任务调度方法
WO2021035911A1 (zh) * 2019-08-28 2021-03-04 青岛蓝海未来海洋科技有限责任公司 一种基于数据正反向驱动线性变参数遗传算法的无人艇路径规划方法及系统
CN110705798A (zh) * 2019-10-09 2020-01-17 四川大学 仓配装一体化产品配送路线和技术人员调度优化方法
WO2021135208A1 (zh) * 2019-12-31 2021-07-08 苏宁云计算有限公司 考虑订单聚合度的配送路径规划方法与系统
CN111639811A (zh) * 2020-06-01 2020-09-08 中国农业大学 基于改进蚁群算法的多农机协同作业远程管理调度方法
CN112734188A (zh) * 2020-12-30 2021-04-30 杭州电子科技大学 一种基于两阶段混合元启发式算法的家庭医疗护理调度优化方法
CN113095618A (zh) * 2021-03-01 2021-07-09 华中科技大学 一种it运维服务人员调度方法
CN113127193A (zh) * 2021-03-23 2021-07-16 北京工业大学 一种边缘网络动态业务卸载和调度方法及装置
CN113205277A (zh) * 2021-05-26 2021-08-03 华中科技大学 一种基于时空规则的车间生产与天车协同调度方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
校车路径问题的改进迭代局部搜索算法;侯彦娥;党兰学;孔云峰;谢毅;;计算机应用研究;20161231(第11期);全文 *
飞机客舱清洁人员调度的优化研究;洪炯哲;林彬;吴伟达;苏锌泽;余龙水;;机电工程技术;20200220(第02期);全文 *

Also Published As

Publication number Publication date
CN113780745A (zh) 2021-12-10

Similar Documents

Publication Publication Date Title
CN109800910B (zh) 一种基于禁忌搜索的超启发式算法的车辆路径优化方法
CN113780745B (zh) 一种上门服务需求驱动的it人员调度方法和系统
CN110442128B (zh) 基于特征点提取蚁群算法的agv路径规划方法
US20170124496A1 (en) Risk scoring method in logistics system
CN106228265B (zh) 基于改进粒子群优化的总拖期运输计划调度方法
CN113313285B (zh) 多约束条件的车辆路径优化方法、系统、存储介质及设备
CN112836974B (zh) 一种基于dqn和mcts的箱区间多场桥动态调度方法
CN111209095B (zh) 一种dag并行任务调度中基于树搜索的剪枝方法
CN117852825B (zh) 基于深度学习的含中心资源柔性制造系统的无死锁调度方法
CN114186924B (zh) 一种协同配送路径规划方法、装置、电子设备和存储介质
US8756093B2 (en) Method of monitoring a combined workflow with rejection determination function, device and recording medium therefor
US9495654B2 (en) Stack handling operation method, system, and computer program
WO2014087590A1 (ja) 最適化装置、最適化方法および最適化プログラム
CN107426610B (zh) 视频信息同步方法及装置
CN106302178B (zh) 一种路由查询方法及装置
CN111325429A (zh) 一种订单推送方法、装置、介质和设备
CN112862212B (zh) 基于改进麻雀搜索算法的多agv调度方法、装置及设备
CN107370191B (zh) 一种基于改进蚁群算法的火电机组发电计划制作方法
WO2021077861A1 (zh) 订单处理方法、装置及存储介质
CN112800384A (zh) 基于自适应大领域搜索的gtsp求解算法
CN112232605A (zh) 派送资源的处理方法、装置、设备及计算机可读存储介质
CN117077975A (zh) 基于混合初始化模因算法的分布式异构流水车间调度方法
CN113008232A (zh) 一种基于蚁群算法的仓储机器人路径寻优方法
CN110060514A (zh) 航班调度方法和装置
CN117075634A (zh) 基于改进蚁群算法的配电网多无人机调度巡检方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant