不确定性环境下民事电话送达调度方法、终端及存储介质转让专利
申请号 : CN202210902570.4
文献号 : CN114997532B
文献日 : 2023-02-03
发明人 : 赖明辉 , 胡骞 , 周航滨 , 商廉 , 何飞跃
申请人 : 江苏新视云科技股份有限公司
摘要 :
权利要求 :
1.一种不确定性环境下民事电话送达调度方法,其特征在于,包括以下步骤:S1:读入数据构造数据项,包括待调度的工单数据、专员数据、法院数据;
S2:对步骤S1读入的数据构造数据项,进行蒙特卡洛仿真抽样,得到多个仿真抽样的实施例Ω;具体为:
S2.1:通过历史数据对拨打次数、处理时间、拨打成功的随机概率分布进行估计,分别得到各自的估计参数 λkl,
对于拨打次数服从的几何分布参数 使用几何分布对不同类型的工单接通所需拨打的总次数的概率分布进行拟合,通过公式 估计该几何分布的参数 式中 为 的估计值,nj为历史数据中该类型工单j接通所需的拨打次l
数,J为类型为l的所有工单;
对于处理时间服从的指数分布参数λkl;使用指数分布对不同类型员工处理不同类型的工单处理时间的分布进行拟合,通过公式 估计该指数分布的参数λkl,其中 为λkl的估计值,P为专员的类型集合,W为工单的类型集合,pi为员工i的类型,aj为工单j的类型,procij为专员i处理工单j的通话时间,nkl为类型k员工处理类型l工单的总数;
对于拨打成功率 通过公式 对拨打成功率进行拟合,其中 为 的估计值,succj表示工单j是否送达成功,ni表示类型l工单的总数;
S2.2:根据随机概率分布的结果,对步骤S1读入的数据构造数据项中待调度的工单和员工进行仿真抽样,得到多个实例Ω,其中:
首先应用Monte Carlo仿真模拟随机事件,即模拟专员拨打分配工单的过程,得到仿真实例;
然后在仿真实例中,对于一个工单j的抽样结果为其中工单j是否拨通为 其确定的过程为:首先生成一个服从均匀分布的随机数u,u~U(0,1),再将u和 进行比较,若 表示拨通,若表示未拨通;
其中工单j的处理时间为 其确定的过程为:根据公式 进行确定,式中u为一个服从均匀分布的随机数,即u~U(0,1);
其中工单j是否送达成功为 其确定的过程为:首先生成一个服从均匀分布的随机数u,u~U(0,1),再将u和 进行比较,若 表示送达,若表示未送达;
以此完成其他工单被每个类型员工处理的抽样结果,所有工单的抽样结果为一个抽样实例,在仿真实例中进行多次抽样得到多个抽样实例Ω;
S3:对步骤S1读入的数据构造数据项中待调度的工单数据进行预处理,将工单进行分类形成一层优先级;具体为:
将待调度的工单分为三类,包括Force、Bound、Flexible工单,且三类工单优先级别的顺序为:Force>Bound>Flexible;
其中Force类工单包括有:预约工单、离开庭时间不大于法院要求的拨打天数的工单、每日一定时刻尚未拨打过的当日新到达工单、定义一个阈值参数dayForForce,且距离开庭时间短于该参数的工单;
其中Bound为已拨打过的工单,直接分配给上次拨打的员工;
其中Flexible为灵活工单,为可以灵活分配的工单;
S4:对步骤S3每个分类中的各个工单进行优先级计算,并排序形成二层优先级;具体为:
利用priority优先级计算公式对每个分类中各个工单的优先级进行计算,并排序以形成二层优先级,即每个分类中各个工单使用优先级计算公式计算得到的priority为该工单的优先级,得分越高,优先级也越高;其中priority优先级计算方式如下:式中,各个指标的概念如下:timeopen为工单距离开庭期的天数、timeproof为工单距离开庭天数减去举证期时长后剩余可以拨打的天数、fregLimit为工单到达M日内是否有一天拨打满了n次,若是取1,非取0、timedwell为工单在系统内停留天数、urgency为工单紧急程度若为紧急取1,非紧急取0、callstotal为工单累计已拨打次数、callstoday为工单今日已拨打次数;同时运用层次分析法对各个指标之间的相对重要性进行比较,确定各个指标的对应权重系数,包括式中的wopen、wproof、wlimit、wdwell、wurgency、wtotal、wtodny;式中的α、β为设定系数;
S5:对步骤S4中处理后的待分配工单,进行初步方案的调度,即构造了一个初始解:将待分配的工单匹配给各个专员,使得所有待分配专员被分配到工单序列,每个专员工单序列中的工单按照一层优先级、二层优先级排序;同时结合步骤S2所仿真抽样的多个实施例Ω计算调度方案的得分;具体为:
S5.1:构建包含法院等级和专员等级的打分矩阵;并对每一个类别为Force、Flexible待分配的工单,从对应等级的员工集合中找到当前工单量低、且符合一定约束条件的专员,将该工单插入到该专员的工作列表中,若对应等级无专员满足条件,则向其他等级专员进行寻找匹配,而Bound类工单直接分配给上次拨打的员工,以此构造调度方案的初始解,将所有待分配工单匹配给各个专员,使得专员中形成工单序列,且工单序列是按照Force‑Bound‑Flexible的顺序排列,每个类别内部的工单则按照工单的二层优先级从高到低排列;
其中,初始解是一个调度方案,之所以称之为初始解,是其还有改进的空间,一个调度方案中包含所有待分配员工被分配到的工单序列;
S5.2:计算一个调度方案得分时,对该调度方案的所有专员与工单的匹配情况,检查专员匹配情况在一个仿真抽样实例ω上的拨打情况,若拨打成功,根据员工和工单的属性查询得分矩阵得到一个匹配的得分;这样计算该调度方案中所有专员匹配情况的得分,所有得分之和就是该调度方案在一个仿真抽样实例ω上的得分Q(x,ω);
对该调度方案,计算其在每一个仿真抽样实例ω∈Ω的得分的均值 作为该调度方案的得分;
S6:在步骤S5中得到调度方案的初始解后,对初始解分配的工单进行算子操作,在执行算子操作时首先使用Relocate算子对初始解进行迭代改进,若已无法改进,再使用Exchange算子改进初始解,直到得到最终的调度方案;
其中,使用Relocate算子对初始解迭代改进的过程具体内容为:首先对所有的Force工单进行Relocate算子操作,即对每一个专员在初始解中分配到的每一个Force工单按顺序执行Relocate算子操作,然后对所有的Flexible工单进行Relocate 算子操作,即对每一个员工在初始解中分配到的每一个Flexible工单按顺序执行Relocate算子操作,得到最终优化后的调度方案;Relocate算子操作的具体为,采用“best”策略:
首先选择一名专员staff1,如果该专员不是虚拟员工且工作时长未超时,那么继续进行Relocate算子操作,否则选择下一位专员;
然后初始化参数bestDelta=0,随后将专员staff1当前工单列表中的一个工单插入专员staff2的工单列表中,并根据步骤S5.2的内容重新计算这个新的调度方案的得分,若这次插入后调度方案得分值与初始解的得分值相比较,改变没有大于bestDelta,则不进行Relocate操作,继续将staff1当前工单列表中的下一工单插入员工staff2的工单列表,确认新的调度方案得分与初始解得分相比较,改变是否大于bestDelta;而若插入后调度方案得分值与初始解的得分值相比较,改变大于bestDelta,则更新bestDelta为差值,该差值指插入调整后调度方案得分与初始解得分之间的差值;
遍历staff1的其他工单,将其插入专员staff2的工单列表中,并计算调整后调度方案得分与初始解得分的差值,将差值与更新的bestDelta参数相比较,并判断是否再次更新该参数值,以此完成staff1所有工单的遍历,对该员工的Relocate操作结束;
同理,依次对其他专员的工单进行Relocate算子操作,以对初始解的调度方案进行优化,得到最终的调度方案;
其中,使用Exchange算子对初始解迭代改进的过程具体内容为:首先对所有的Force工单进行Exchange算子操作,即对每一个专员在初始解中分配到的每一个Force工单按顺序执行Exchange算子操作,然后对所有的Flexible工单进行Exchange算子操作,即对每一个员工在初始解中分配到的每一个Flexible工单按顺序执行Exchange算子操作,得到最终优化后的调度方案;Exchange算子操作的具体为,采用“best′”策略:首先选择一名专员staff1,如果该专员不是虚拟员工且工作时长未超时,那么继续进行Exchange算子操作,否则选择下一位专员;
然后初始化参数bestDelta′=0,随后将专员staff1当前工单列表中的一个工单和专员staff2工单列表中一个工单进行交换,然后根据步骤S5.2的内容重新计算这个新的调度方案的得分,若这次交换后调度方案得分值与初始解的得分值相比较,改变没有大于bestDelta′,则不进行Exchange操作,继续将staff1当前工单列表中的下一个工单和专员staff2工单列表中的工单进行交换,确认新的调度方案得分与初始解得分相比较,改变是否大于bestDelta′;而若交换后调度方案得分值与初始解的得分值相比较,改变大于bestDelta′,则更新bestDelta′为差值,该差值指交换调整后调度方案得分与初始解得分之间的差值;
遍历staff1的其他工单,将其与staff2列表中的工单进行交换,并计算调整后调度方案得分与初始解得分的差值,将差值与更新的bestDelta′参数相比较;并判断是否再次更新该参数值,以此完成staff1所有工单的遍历,对该员工的Exchange操作结束;
同理,依次对其他专员的工单进行Exchange算子操作,以对初始解的调度方案进行优化,得到最终的调度方案。
2.根据权利要求1所述的一种不确定性环境下民事电话送达调度方法,其特征在于,步骤S5.1中构建等级派单的得分矩阵具体内容为:将法院等级由高到低划分为:S级,A级,B级,C级,将专员等级由高到低划分为:首席,资深,高级,中级;设计得分矩阵,即针对每一等级的法院,对各个等级的专员进行打分;具体为:对于为S级法院工单,对各个等级专员的打分的高低顺序为:首席>资深≧高级>中级;
对于为A级法院工单,对各个等级专员的打分的高低顺序为:资深>首席≧高级>中级;
对于为B级法院工单,对各个等级专员的打分的高低顺序为:高级>资深≧中级>首席;
对于为C级法院工单,对各个等级专员的打分的高低顺序为:中级>资深≧高级>首席;
其中打分越高说明该等级专员在对应等级的法院中匹配优先级越高。
3.根据权利要求1所述的一种不确定性环境下民事电话送达调度方法,其特征在于,步骤S6中使用Relocate算子对初始解迭代改进的过程中,将“best”策略替换为“first”策略,采用“first”策略的具体内容为:首先选择一名专员staff1,如果该专员不是虚拟员工且工作时长未超时,那么继续进行Relocate算子操作,否则选择下一位专员;
然后初始定义参数Delta的值,随后将专员staff1当前工单列表中的一个工单插入专员staff2的工单列表中,然后根据步骤S5.2的内容重新计算这个新的调度方案的得分,若这次插入后调度方案得分值与初始解的得分值相比较,改变没有大于Delta,则不进行Relocate操作,继续将staff1当前工单列表中的下一工单插入员工staff2的工单列表,确认新的调度方案得分与初始解得分的改变是否大于Delta;而若插入后调度方案得分值与初始解的得分值相比较,改变大于Delta,则进行当前Delta参数对应的Relocate操作,不再继续遍历staff1的其他工单,对该专员的Relocate操作结束;
同理,依次对其他专员的工单进行Relocate算子操作,以对初始解的调度方案进行优化,得到最终的调度方案。
4.根据权利要求1所述的一种不确定性环境下民事电话送达调度方法,其特征在于,步骤S6中使用Exchange算子对初始解迭代改进的过程中,将“best′”策略替换为“first′”策略,采用“first′”策略的具体内容为:首先选择一名专员staff1,如果该专员不是虚拟员工且工作时长未超时,那么继续进行Exchange算子操作,否则选择下一位员工;
然后初始定义参数Delta′的值,随后将专员staff1当前工单列表中的一个工单和专员staff2的工单列表中的工单进行交换,然后根据步骤S5.2的内容重新计算这个新的调度方案的得分,若这次插入后调度方案得分值与初始解的得分值相比较,改变没有大于Delta′,则不进行Exchange操作,继续将staff1当前工单列表中的下一个工单与专员staff2工单列表的工单进行交换;确认新的调度方案得分与初始解得分的改变是否大于Delta′,而若插入后调度方案得分值与初始解的得分值相比较,改变大于Delta′,则进行当前Delta′参数对应的Exchange操作,不再继续遍历staff1的其他工单,对该专员的Exchange操作结束;
同理,依次对其他专员的工单进行Exchange算子操作,以对初始解的调度方案进行优化,得到最终的调度方案。
5.一种终端,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至4任一项所述方法的步骤。
6.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至4任一项所述方法的步骤。
说明书 :
不确定性环境下民事电话送达调度方法、终端及存储介质
技术领域
背景技术
力和擅长领域分配每个员工的工单列表。员工在得到订单列表时根据经验选择拨打订单顺
序。
打结果存在不确定性,订单是否接通,专员的沟通结果都无法提前预知,所以未来的工单处理结果也是不确定性的。因此需要动态地结合订单历史分配结果和拨打情况优化员工的工
单分配列表。
发明内容
施例Ω计算调度方案的得分;
l
式中 为 的估计值,nj为历史数据中该类型工单j接通所需的拨打次数,J 为类
型为l的所有工单;
表示未拨通;
表示未送达;
工单的优先级,得分越高,优先级也越高;其中priority优先级计算方式如下:
应权重系数,包括式中的wopen、wproof、wlimit、wdwell、wurgency、wtotal、wtoday;式中的α、β为设定系数。
束条件的专员,将该工单插入到该专员的工作列表中,若对应等级无专员满足条件,则向其他等级专员进行寻找匹配,而Bound类工单直接分配给上次拨打的员工,以此构造调度方案的初始解,将所有待分配工单匹配给各个专员,使得专员中形成工单序列,且工单序列是按照Force‑Bound‑Flexible的顺序排列,每个类别内部的工单则按照工单的二层优先级从高到低排列;
所有得分之和就是该调度方案在一个仿真抽样实例ω上的得分Q(x,ω);
Relocate算子操作,对每一个员工在初始解中分配到的每一个Flexible工单按顺序执行
Relocate算子操作,得到最终优化后的调度方案;Relocate算子操作的具体为,采用“best”策略:
若这次插入后调度方案得分值与初始解的得分值相比较,改变没有大于bestDelta,则不进行Relocate操作,继续将staff1当前工单列表中的下一工单插入员工staff2的工单列表,
确认新的调度方案得分与初始解得分相比较,改变是否大于bestDelta;而若插入后调度方案得分值与初始解的得分值相比较,改变大于bestDelta,则更新bestDelta为该差值;该差值指插入调整后调度方案得分与初始解得分之间的差值;遍历staff1的其他工单,将其插
入专员staff2的工单列表中,并计算调整后调度方案得分与初始解得分的差值,将差值与
更新的bestDelta参数相比较,并判断是否再次更新该参数值,以此完成staff1所有工单的遍历,对该员工的Relocate操作结束;
的内容重新计算这个新的调度方案的得分,若这次插入后调度方案得分值与初始解的得分
值相比较,改变没有大于Delta,则不进行Relocate操作,继续将staff1当前工单列表中的下一工单插入员工staff2的工单列表,确认新的调度方案得分与初始解得分的改变是否大
于Delta;而若插入后调度方案得分值与初始解的得分值相比较,改变大于Delta,则进行当前Delta参数对应的Relocate操作,不再继续遍历staff1的其他工单,对该专员的Relocate操作结束;
Exchange算子操作,对每一个员工在初始解中分配到的每一个Flexible工单按顺序执行
Exchange算子操作,得到最终优化后的调度方案;Exchange算子操作的具体为,采用
“best′”策略:
调度方案的得分,若这次交换后调度方案得分值与初始解的得分值相比较,改变没有大于
bestDelta′,则不进行Exchange操作,继续将staff1当前工单列表中的下一个工单和专员staff2工单列表中的工单进行交换,确认新的调度方案得分与初始解得分相比较,改变是
否大于bestDelta′;而若交换后调度方案得分值与初始解的得分值相比较,改变大于
bestDelta′,则更新bestDelta′为该差值;该差值指交换调整后调度方案得分与初始解得分之间的差值;
后根据步骤S5.2的内容重新计算这个新的调度方案的得分,若这次插入后调度方案得分值
与初始解的得分值相比较,改变没有大于Delta′,则不进行Exchange操作,继续将staff1当前工单列表中的下一个工单与专员staff2工单列表的工单进行交换;确认新的调度方案得
分与初始解得分的改变是否大于Delta′,而若插入后调度方案得分值与初始解的得分值相比较,改变大于Delta′,则进行当前Delta′参数对应的Exchange操作,不再继续遍历staff1的其他工单,对该专员的Exchange操作结束;
工处理工单数目和效率,本申请设计优化算法寻找最佳的工单分配结果同时优化单个员工
的工单列表排序。解决员工处理工单过程中的不确定性,将订单拨打过程中的可能存在情
况考虑到优化过程中。
附图说明
具体实施方式
了一种Monte Carlo仿真方法评价优化过程中分配方案的质量;针对不同工单类型的差异,提出了一个双层工单优先级评估方法,用来量化每一个工单的优先级差异,优先级高的工
单在员工分配到的工作序列中排序更靠前,更优先拨打;针对司法送达业务中的来自不同
法院工单的定制化服务需求,制定了一个高级调度优化目标用来个性化分配不同业务水平
的专员给不同法院的工单;针对调度过程中的业务规则、优先性规则,建立了优化模型,使用一种变邻域搜索算法求解,并结合多种优化算子使用并行化计算,加速求解过程。
收到需要进行调度的新进工单,同时调度系统每隔一段固定的时间间隔就将工单池中累积
的工单分配给专员进行拨打。工单被拨打后会有对应的拨打结果产生,如果工单这一次拨
打未成功,下一次拨打需要间隔一定的时段再进行。对现有专员和工单进行分配是一个动
态的调度过程,本发明基于滚动时域的思想,每隔固定时间间隔收集待调度员工和工单信
息进行调度,然后员工执行调度结果,在下一个时刻再更新信息重复此过程,整个优化框架如图1所示:
处理,而不是仅仅去优化新到达工单的分配。滚动时域的思想就是系统中所有累积的工单
分配决策都将基于新的状态信息不断进行再优化,直到完结为止。每次调度分配时,都是以专员一天的工作量为上限。
优化算法运行后将产生新的分配方案,此时专员新的工作列表与专员上一时期列表中保留
的工单进行合并处理。
务场景需求。特别地,所有工单的拨打结果,实例集合常规模十分巨大,将给优化求解带来很大困难。
工单的拨打次数随机性、处理时间随机性、送达成功随机性的数学分布进行估计后,得到
的概率分布估计结果,其中 分别表示j工单是
否拨通、员工i处理工单j的时间、工单j是否送达成功。
可以根据J动态调整Θ集合的规模。
先级评价体系,上层对所有工单按照Force/Bound/Flexible优先级由高到低进行分类,下
层对每一层内的工单再通过一个priority优先级函数进行打分。当通过优化确定各个专员
的工单池后,按照Force‑Bound‑Flexible顺序排序,每个分类内部的工单再按照优先级分数由高到低排序,最终得到推送给员工的工作序列。
完结的工单集合 这三个工单集合两两互斥,共同构成了所有工单,不同类型工单的
优先级为force>bound>flexible。
期的天数、timeproof为工单距离开庭天数减去举证期时长后剩余可以拨打的天数、
freqLimit为工单到达三日内是否有一天拨打满了3次(是取1,非取0)、timedwell为工单在系统内停留天数、urgency为工单紧急程度(紧急取1,非紧急取0)、callstotal为累计已拨打次数、callstoday为今日已拨打次数,其中运用层次分析法对各个指标之间的相对重要性进行比较,计算得到各个指标的一个权重系数推荐为
工单i分配给员工j的合理性,一个等级派单得分矩阵如下表1所示。
员工用来表示工单不被分配,即若工单分配给dummy员工,则表示该工单在这次调度中不分配给任何一位真实员工。对于灵活工单集 受处理时间能力限制,不能保证每个工
单可在当前时期全部得到服务,因而部分将分配给dummy员工。特别地,集合 中的任一
工单不能分配给dummy员工。
其他解的集合,并与给定的解变动在一定有限范围内。通过使用多种算子,来找到一个比初始解提高很多的解。算法的终止条件是计算时间达到一个预先给定的上限或者局部最优解
已经无法再改进。
止条件得到最终的调度方案。
最优专员i。全部穷举可选的专员可能需要花费大量计算时间,因此为降低计算复杂度,每*
次总是从 中选择一个工作列表期望处理时间最小的那个专员作为i ,即
处理时间的随机性、送达成功的随机性。所述的蒙特卡洛抽样仿真步骤包括:
估计该几何分布的参数,其中nj为j工单接通所需的拨打次数,J为类型
为l的所有工单;
W为工单的类型,procij为ij工单的通话时间,nkl为类型k员工处理类型l工单的总数;
打结果,即是否接通,通话时间,是否拨打成功。
工单。
优先使用代理人的联系方式尝试合并、定义合并工单的数量上限、选取工单中最高级别的
类别作为合并工单类别(Force/Bound/Flexible)、优先级选取工单中最高优先级、仿真实
例中拨打情况的模拟选取通话时长最长的。
员工用来表示工单不被分配,即若工单分配给dummy员工,则表示该工单在这次调度中不分配给任何一位真实员工。对于灵活工单集 受处理时间能力限制,不能保证每个工
单可在当前时期全部得到服务,因而部分将分配给dummy员工。特别地,集合 中的任一
工单不能分配给dummy员工。
l
其中 为 的估计值,nj为历史数据中该类型工单j接通所需的拨打次数,J 为
类型为l的所有工单;
时,首先生成一个服从均匀分布的随机数u,u~U(0,1),再将u和 进行比较,若
若
服从均匀分布的随机数u,u~U(0,1),再将u和 进行比较,若
若
么当该工单分配给一位入职6个月以上的员工处理时,上述这类工单在该实例中抽样结果
为 其中,u表示一个服从均匀分布的随机数,该计算公式表示6个月以上员
工拨打该类型工单的通话时长为time。对所有的工单计算其拨通拨打次数、处理时间、送达是否成功之后,就能得到一个实例的结果。
“dayForForce”定义的距离开庭时间短于该参数的工单,Bound工单为已拨打过的工单,直接分配给上次拨打的员工,Flexible工单为灵活工单,为满足约束前提下可以灵活分配的
工单。
时长后剩余可以拨打的天数timeproof。根据表格中的解释,可知timeopen和timeproof是值越小,代表该工单越紧急的;而且,当这两个值越小,工单的紧急程度会增长的越快。其他指标的值越大,表示该工单的紧急性也应越高。
进行合并。
上将订单i匹配给员工j且拨打成功的得分值。
配的得分。检查的方式为:若在调度方案x中有一个匹配是将一个属于S级别法院的工单b分配给一位首席级别专员a,并且在仿真实例ω中,首席专员a成功拨打了这个S级法院的工单b,那么根据表1的打分矩阵,χab(ω)=2,所以该匹配获得的得分就是2,这样计算该调度方案中所有的匹配的得分,所有得分之和就是调度方案x在这个仿真实例ω上的得分Q(x,
ω)。最后取调度方案x在每一个仿真实例ω∈Ω的得分的均值 作为调度方案x的
得分。
终的调度方案。
择一名员工staff1,如果该员工不是虚拟员工且工作时长未超时,那么继续进行Relocate
算子操作,否则选择下一位员工。然后初始化bestDelta=0,随后将staff1当前工单列表中的一个工单插入staff2的工单列表,然后重新计算这个新的调度方案的得分,若这次插入
后调度方案得分值的改变大于bestDelta,则更新bestDelta为该值。遍历完staff1的所有
工单之后,进行当前bestDelta对应的Relocate操作,对该员工的Relocate操作结束。
算子操作,否则选择下一位员工。然后将staff1当前工单列表中的一个工单插入staff2的
工单列表,然后重新计算这个新的调度方案的得分,若这次插入后调度方案得分值的改变
大于参数Delta,进行当前Delta对应的Relocate操作,对该员工的Relocate操作结束。
Exchange算子操作,否则选择下一位员工。然后初始化bestDelta=0,随后将staff1当前工单列表中的一个工单和staff2工单列表中一个工单进行交换,然后重新计算这个新的调度
方案的得分,若这次交换后调度方案得分值的改变大于bestDelta,则更新bestDelta为该
值。遍历完staff1的所有工单之后,进行当前bestDelta对应的Exchange操作,对该员工的Exchange操作结束。
算子操作,否则选择下一位员工。随后将staff1当前工单列表中的一个工单和staff2工单
列表中一个工单进行交换,然后重新计算这个新的调度方案的得分,若这次交换后调度方
案得分值的改变大于参数Delta,进行当前Delta对应的Exchange操作,对该员工的
Exchange操作结束。
相应的调度方案即是最终方案的最优解。
议拨打顺序排序,帮助简化了员工拨打过程中的工单选择,提高员工处理工单的效率。
化系统相比于传统的人工调度,处理工单量平均提升20.34%,完结工单量平均提升
15.47%,工单处理效率有明显的提升。
普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,应视为本发明的保护
范围。