The invention discloses an intelligent visit task assignment and personnel scheduling method and system for a node with certain geographic location features, which comprises the following steps: extracting features from the basic data and real-time data of the decision-making module of the enterprise information system, modeling the historical data of the physical business node and the operator visit node, representing the operator with a binary diagram The network graph of visit plan is formed by the connection with the outlets; the optimal visit route is planned according to the environmental information of the salesman; the income obtained from the allocation strategy is evaluated by the reinforcement learning method according to the preset reward or punishment after the salesman performs an action, and fed back to the in-depth neural network model, the learning parameters are updated repeatedly, and the optimal task matching is determined Strategy: in the actual visit process, reinforcement learning method is used to calculate, and the task execution strategy optimization method and visit route optimization method are iterated continuously at the same time to get the overall optimal visit mode.
【技术实现步骤摘要】
一种针对地理网点的智能任务分配和人员调度方法、系统
本专利技术涉及企业信息系统研究领域,特别涉及一种针对地理网点的智能任务分配和人员调度方法、系统。
技术介绍
信息系统是企业经营的大脑。伴随着企业规模扩大、企业信息化建设进程的逐渐深入,管理深度、数据和信息量不断增大。因此全凭人工管理系统信息和企业决策,企业生产远远达不到高效率。尤其是企业日常经营中存在很多简单且高频的经验型决策问题,信息系统中也存在大量经验型决策模块,这类问题往往耗费大量人力且不需过多脑力,增加了企业的人力成本。典型如面向线下商业网点的拜访计划,经常存在任务分配和人员调度的决策问题,由于现实情况中存在不确定性和复杂性,初始分配方案缺乏科学依据,同时对环境及交通情况不敏感,可能变得不合理,这时企业一般的解决方案是采取人工重新规划,再传入企业信息系统中,并通知业务员任务发生变动,这一系列操作,不仅影响业务员的工作效率,还给客户留下不好的印象。随着人工智能技术的不断发展,深度学习和强化学习等方法更使人工智能得到新突破,将人工智能技术运用于企业信息系统,代替人进行经验性决策,提高企业的决策柔性化。基于以上背景,研究一种可实现企业信息系统智能化响应,可实时进行任务分配和人员调度的方法具有重要的实用价值。
技术实现思路
本专利技术的主要目的在于克服现有方法的缺点与不足,提供一种针对地理网点的智能任务分配和人员调度方法、系统,其可利用企业所积累的用户大数据,尤其是在需要人工进行经验型业务决策的模块中,提炼出业务逻辑规则, ...
【技术保护点】
1.一种针对地理网点的智能任务分配和人员调度方法,其特征在于,步骤为:/n(1)从企业信息系统决策模块的基础数据和实时数据中提取特征,特征包含待拜访网点的特征、业务员的特征、拜访任务的特征、业务员周边环境特征;/n(2)对业务员和拜访网点之间的关系,形成拜访计划的二分网络,同时根据地理位置关系对网点集合建立偏序关系,对历史记录和业务员拜访网点的实时数据建模,得到深度神经网络模型;/n(3)根据业务员执行某一动作后产生的效果确定预设的奖赏或惩罚,评估分配策略获取的收益,并反馈给深度强化学习模型,更新学习参数,确定最优任务执行策略;/n(4)根据业务员所处环境信息,规划最优拜访路线;/n(5)实际拜访过程中,将步骤(3)的任务执行策略优化方法以及步骤(4)的拜访路线优化方法同时不断迭代,综合得出全局最优的拜访方式。/n
【技术特征摘要】
1.一种针对地理网点的智能任务分配和人员调度方法,其特征在于,步骤为:
(1)从企业信息系统决策模块的基础数据和实时数据中提取特征,特征包含待拜访网点的特征、业务员的特征、拜访任务的特征、业务员周边环境特征;
(2)对业务员和拜访网点之间的关系,形成拜访计划的二分网络,同时根据地理位置关系对网点集合建立偏序关系,对历史记录和业务员拜访网点的实时数据建模,得到深度神经网络模型;
(3)根据业务员执行某一动作后产生的效果确定预设的奖赏或惩罚,评估分配策略获取的收益,并反馈给深度强化学习模型,更新学习参数,确定最优任务执行策略;
(4)根据业务员所处环境信息,规划最优拜访路线;
(5)实际拜访过程中,将步骤(3)的任务执行策略优化方法以及步骤(4)的拜访路线优化方法同时不断迭代,综合得出全局最优的拜访方式。
2.根据权利要求1所述的任务分配和人员调度方法,其特征在于,步骤(1)中,所述待拜访网点的特征包括:拜访网点类型以及网点基本信息,所述拜访网点类型包括已有网点、潜在待开发网点、疑似假网点,所述网点信息包括经营者基础信息、地理位置、经营品类、供货方式、产品库存;所述业务员的特征包括:基础信息、业务能力、历史拜访记录、熟悉的网点和范围、熟悉的产品类目;所述拜访任务的特征包括:网点和业务员之间的交互情况,即该网点是否被业务员拜访、拜访任务的难度、拜访的预期目标;所述业务员的周边环境包括:业务员的时间和空间状态,即所处地理位置、交通状况、拜访时间。
3.根据权利要求1所述的任务分配和人员调度方法,其特征在于,步骤(2)中,神经网络模型的输入是状态集S和动作集A,业务员的特征和业务员周边环境表示状态集S,待拜访网点的特征和拜访任务的特征表示动作集A。
4.根据权利要求1所述的任务分配和人员调度方法,其特征在于,步骤(2)中,在建立的深度神经网络模型的过程中,用二分图来表示业务员和拜访网点之间的匹配关系,在该二分图中,将业务员和网点作为节点,业务员与网点的初始是全连接状态,在与环境的交互过程中,随着连接边上的权重不断更迭,同时,根据地理位置关系对网点...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。