一种人员排班方法、存储介质及电子设备技术

本发明专利技术公开了一种人员排班方法、存储介质及电子设备，具体包括：获取排班人员信息和排班规则信息并建立整数规划模型，将整数规划模型的主问题松弛为第一级线性规划问题并求解，若第一级线性规划问题无解，无排班结果输出；若第一级线性规划问题有解且满足设定的整数约束，将第一级线性规划问题的解作为最优解并输出排班结果；若第一级线性规划问题有解但不满足设定的整数约束，调用分支策略并采用分支定界法求解，直到找出最优解并输出排班结果，若全部分支后仍无最优解，则无排班结果输出。本发明专利技术实施例提供的方案中，可实现准确合理的自动化排班，并在分支定界过程中引入策略网络，提高了求解效率。提高了求解效率。提高了求解效率。

A personnel scheduling method, storage medium and electronic equipment

【技术实现步骤摘要】
一种人员排班方法、存储介质及电子设备


[0001]本专利技术属于自动化排班
，特别涉及一种人员排班方法、存储介质及电子设备。

技术介绍

[0002]排班是一项日常管理工作，随着员工人数、上班场景以及专业化岗位的增多，对于排班规则的准确性和合理性的要求也越来越高。一方面，对管理人员而言，采用传统的手工排班方式不仅耗时耗力，且难以兼顾日趋复杂化的排班规则需求；另一方面，对员工而言，不合理的排班会大大降低自身工作的积极性，造成效率降低和人才流失。
[0003]为了提高排班的效率和合理性，通常可借助计算模型进行自动化排班，如可采用整数规划模型等计算模型。整数规划模型多采用分支定界法求解，但由于分支数目巨大，若没有规则地随意分支会大大增加计算量，降低计算效率。

技术实现思路

[0004]鉴于上述问题，本专利技术提供一种克服上述问题或者至少部分地解决上述问题的一种人员排班方法、存储介质及电子设备，技术方案如下所述：
[0005]一种人员排班方法，包括：
[0006]S1：获取排班人员信息和排班规则信息；
...

【技术保护点】

【技术特征摘要】
1.一种人员排班方法，其特征在于，包括：S1：获取排班人员信息和排班规则信息；S2：根据所述排班人员信息和排班规则信息建立整数规划模型，确定整数规划模型的变量和约束条件；S3：将整数规划模型的主问题松弛为第一级线性规划问题并求解，若第一级线性规划问题无解，转到S6；若第一级线性规划问题有解且满足设定的整数约束，将所述第一级线性规划问题的解作为所述整数规划模型的主问题的最优解，转到S5；若第一级线性规划问题有解但不满足设定的整数约束，将第一级线性规划问题的解作为第一边界，并将所述第一级线性规划问题加入待处理问题池，转到S4；S4：建立处理规则，根据所述处理规则依次从所述待处理问题池中选取一个第n级线性规划问题作为当前待处理的第n级线性规划问题进行分支处理，n为正整数，若所述待处理问题池中没有未进行分支处理的第n级线性规划问题则转到S6；对所述当前待处理的第n级线性规划问题进行分支处理的方法包括：S41：调用分支策略，确定分支数m和所述当前待处理的第n级线性规划问题的非整数解中进行分支的变量，构建对应的m个第n+1级线性规划问题并求解，其中m为大于1的正整数；S42：依次判断每一个第n+1级线性规划问题是否有解，若当前进行判断的第n+1级线性规划问题有解则转到S43，否则对下一个第n+1级线性规划问题是否有解进行判断；S43：确定当前进行判断的第n+1级线性规划问题的解是否满足设定的整数约束，若是则转到S44，否者将当前进行判断的第n+1级线性规划问题加入待处理问题池后转到S42判断下一个第n+1级线性规划问题；S44：检测当前是否存在第二边界，若不存在则将当前进行判断的第n+1级线性规划问题的解作为第二边界后转到步骤S46，若存在则转到S45；S45：确定当前进行判断的第n+1级线性规划问题的解是否超过当前的第二边界，若是则转到S42判断下一个第n+1级线性规划问题，否则将当前进行判断的第n+1级线性规划问题的解作为新的第二边界，转到步骤S46；S46：比较当前的第二边界与第一边界是否相等，若相等将当前进行判断的第n+1级线性规划问题的解作为所述整数规划模型的主问题的最优解，转到S5，否则转到S42判断下一个第n+1级线性规划问题；S5：根据所述整数规划模型的主问题的最优解输出排班结果；S6：结束计算，无排班结果输出。2.根据权利要求1所述的方法，其特征在于，所述调用分支策略，确定所述当前待处理的第n级线性规划问题的非整数解中进行分支的变量，包括：对于所述当前待处理的第n级线性规划问题的非整数解中的每一个变量，分别计算能够得到所述整数规划模型的主问题的最优解的概率，按照计算所得概率从大至小确定为所述进行分支的变量，直到获得所述整数规划模型的主问题的最优解。3.根据权利要求2所述的方法，其特征在于，所述对于所述当前待处理的第n级线性规划问题的非整数解中的每一个变量，分别计算能够得到所述整数规划模型的主问题的最优解的概率，包括：
获取所述当前待处理的第n级线性规划问题的非整数解中的k
n
个变量，k
n
为所述当前待处理的第n级线性规划问题的非整数解中所有变量的个数；建立策略函数π
θ
(a
l
|s)表示策略π
θ
在求解状态s下动作a
l
的概率分布，其中动作a
l
表示从所述当前待处理的第n级线性规划问题的非整数解中的k
n
个变量中选择第l个变量进行分支,l、k
n
为正整数且l∈[1，k
n
]；采用图卷积神经网络拟合策略函数π
θ
(a|s)，分别获得在求解状态s下动作a1至动作的概率。4.根据权利要求1所述的方法，其特征在于，所述处理规则包括：按照n取值从小到大进行分支处理，并且当待处理问题池中有多个第n级线性规划问题时，从待处理问题池中任意选取一个第n级线性规划问题进行分支处理，若继续产生可加入待处理问题池中的第n+1级线性规划问题时，继续对待...

【专利技术属性】
技术研发人员：钱皓磊，陈邦玮，李志立，张浩，
申请(专利权)人：长安汽车金融有限公司，
类型：发明
国别省市：