一种基于启发式遗传算法的呼叫中心排班方法技术

本发明专利技术公开了一种基于启发式遗传算法的呼叫中心排班方法，属于运筹优化技术领域，包括以下步骤：S1：输入排班信息；S2：根据步骤S1中输入的排班信息确定每日上班班组；S3：利用启发式遗传算法确定每日上班班组对应的班次；S4：根据得到的每日上班班组对应的班次，进而得到当月的排班班表。本发明专利技术通过利用启发式算法，改变传统的呼叫中心人员排班的方式，将排班算法渗入传统排班中，替代繁琐的人工排班工作，实现了对呼叫中心人员的每月自动排班，能够落实排班的智能化，降低呼叫中心人员每月排班的耗费时间，降低花费。降低花费。降低花费。

【技术实现步骤摘要】
一种基于启发式遗传算法的呼叫中心排班方法


[0001]本专利技术涉及运筹优化
，具体涉及一种基于启发式遗传算法的呼叫中心排班方法。

技术介绍

[0002]呼叫中心是指由客户服务代表通过电话向企业客户提供服务的一个组织随着呼叫中心规模迅速增大，其技能分类不断细化，呼叫中心排班问题也日趋困难和复杂。因此，如何通过高效且经济的排班来实现运营成本的最小化和利润的最大化，有效地保证客户服务水平和服务质量，极大地提高呼叫中心生产力，是大型呼叫中心运营管理中的一个重要问题。
[0003]具体而言，排班系统通过对呼叫中心历史话务数据进行分析，科学预测未来一段时间按的话务量以及所需要的坐席人员，进而根据呼叫中心现有的人力资源，进行合理的排班。话务量预测采用的方法比较多，如基于支持向量机的算法，基于神经网络的算法，基于自回归的算法等。而坐席预测都要利用最基本的Erlang
‑
C公式或在其基础上的改进，得到预测话务量进一步计算(每半小时)预测坐席数，即半小时人力需求。
[0004]当前的呼叫中心的排班主要依靠排班师的人力排班，排班师依据之前的历史会话数据建立下个月的每天的会话量的预测值，然后排班师构建初始排班表，最后排班师依据每一天的具体情况对初始的排班表进行调整得到最终的呼叫中心人员排班表；该方法具有耗时长、人力需求大、时间跨度长的缺点。上述问题亟待解决，为此，提出一种基于启发式遗传算法的呼叫中心排班方法。

技术实现思路

[0005]本专利技术所要解决的技术问题在于：如何解决现有排班方式中存在的耗时长、人力需求大、时间跨度长等问题，提供了一种基于启发式遗传算法的呼叫中心排班方法，该方法通过对排班周期内已知的半小时人力需求量分析拟合，最终实现为班组本月每天匹配相应的班次。
[0006]本专利技术是通过以下技术方案解决上述技术问题的，本专利技术包括以下步骤：
[0007]S1：输入排班信息；
[0008]S2：根据步骤S1中输入的排班信息确定每日上班班组；
[0009]S3：利用启发式遗传算法确定每日上班班组对应的班次；
[0010]S4：根据得到的每日上班班组对应的班次，进而得到当月的排班班表。
[0011]更进一步地，在所述步骤S1中，排班信息包括初始排班表、班组信息表、班次信息表；其中，初始排班表包含每日人力总供给的信息及初排的班组上的班次信息；班组信息表包括班组id、班组的人力；班次信息表包括班次id、班次的名称及起止时间。
[0012]更进一步地，所述初始排班表中的休息班次在后续的排班中固定不会被变更，初始排班表根据排班师的安排得到。
[0013]更进一步地，在所述步骤S3中，通过对每日已有的半小时人力需求进行拟合，即最大程度的拟合坐席数预测曲线，使得在每个半小时点计算出来的人数和坐席预测结果之间的误差最小。
[0014]更进一步地，在拟合时受到如下约束：每个班组每日只能执行一个班次。
[0015]更进一步地，基于支持向量机的算法/基于神经网络的算法/基于自回归的算法得到预测话务量然后通过Erlang
‑
C公式计算每半小时的预测坐席数，即半小时人力需求。
[0016]更进一步地，在所述步骤S3中，具体包括以下过程：
[0017]S31：将排班问题可被抽象成优化问题，得到：
[0018]argminf(V)＝MSE(Y,SUM_by_TIME(VWe X))
[0019][0020]其中，argminf(V)表示求使目标f(V)取最小值时变量V的值，MSE为均方误差；“e”是哈达玛积符号；SUM_BY_TIME(X)函数为根据时间对X求和；Y为整体的需求；为约束条件，即每日上班班组的个数固定；
[0021]每日需要排班的总时间段中有M个半小时，第m个半小时的人力需求数是y
m
,m＝1,2,
…
,M，整体的需求向量为Y＝[y1,y2,...,y
M
]T
；输入数据中包括N个班组和K个班次，每个班组当天执行班次的情况由矩阵V表示：
[0022][0023][0024]每个班次对应的半小时由矩阵W表示：
[0025][0026][0027]每个班组在对应的半小时提供的人力供给以X表示：
[0028][0029]x1,x2,...,x
N
为班组n可以提供的人力数；
[0030][0031]S32：进而得到：
[0032][0033][0034]其中，y
′
nm
指的是第n个班组在第m个半小时可以提供的人力数量；
[0035]S33：最后得到：
[0036]SUM_by_TIME(Y
′
)＝[sum(Y
′1)，sum(Y
′2)，...，sum(Y
′
M
)]；
[0037][0038]S34：利用启发式遗传算法计算出矩阵V，得到每日上班班组对应的班次。
[0039]更进一步地，在所述步骤S34中，启发式算法包括粒子群算法、模拟退火算法、遗传算法、蚁群优化算法、人工神经网络算法任一种。
[0040]更进一步地，在所述步骤S34中，所述启发式遗传算法为粒子群算法，具体过程如下：
[0041]S341：随机初始化每个粒子，即每个班组上的班次；
[0042]S342：评估每个粒了并得到全局最优；
[0043]S343：判断是否满足每日上班和休息的条件，是则结束算法，输出每日上班的班组对应的班次，否则进入步骤S344；
[0044]S344：更新每个粒子的速度和位置；
[0045]S345：评估每个粒子的函教适应值；
[0046]S346：更新每个粒子历史最优位置；
[0047]S347：更新群体的全局最优位置，进入步骤S343，直至满足每日上班和休息的条件，输出每日上班的班组对应的班次。
[0048]本专利技术相比现有技术具有以下优点：该基于启发式遗传算法的呼叫中心排班方
法，通过利用启发式算法，改变传统的呼叫中心人员排班的方式，将排班算法渗入传统排班中，替代繁琐的人工排班工作，实现了对呼叫中心人员的每月自动排班，能够落实排班的智能化，降低呼叫中心人员每月排班的耗费时间，降低花费。
附图说明
[0049]图1是本专利技术实施例一中基于启发式遗传算法的呼叫中心排班方法的流程示意图；
[0050]图2是本专利技术实施例一中利用启发式遗传算法计算出矩阵V的过程示意图；
[0051]图3(a)是本专利技术实施例二中人力需求的满足情况折线图的前半部分；
[0052]图3(b)是本专利技术实施例二中人力需求的满足情况折线图的后半部分。
具体实施方式
[0053]下面对本专利技术的实施例作详细说明，本实施例在以本专利技术技术方案为前提下进行实施，给出了详细的实施方式和具体的操作本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于启发式遗传算法的呼叫中心排班方法，其特征在于，包括以下步骤：S1：输入排班信息；S2：根据步骤S1中输入的排班信息确定每日上班班组；S3：利用启发式遗传算法确定每日上班班组对应的班次；S4：根据得到的每日上班班组对应的班次，进而得到当月的排班班表。2.根据权利要求1所述的一种基于启发式遗传算法的呼叫中心排班方法，其特征在于：在所述步骤S1中，排班信息包括初始排班表、班组信息表、班次信息表；其中，初始排班表包含每日人力总供给的信息及初排的班组上的班次信息；班组信息表包括班组id、班组的人力；班次信息表包括班次id、班次的名称及起止时间。3.根据权利要求2所述的一种基于启发式遗传算法的呼叫中心排班方法，其特征在于：所述初始排班表中的休息班次在后续的排班中固定不会被变更，初始排班表根据排班师的安排得到。4.根据权利要求3所述的一种基于启发式遗传算法的呼叫中心排班方法，其特征在于：在所述步骤S3中，通过对每日已有的半小时人力需求进行拟合，即最大程度的拟合坐席数预测曲线，使得在每个半小时点计算出来的人数和坐席预测结果之间的误差最小。5.根据权利要求4所述的一种基于启发式遗传算法的呼叫中心排班方法，其特征在于：在拟合时受到如下约束：每个班组每日只能执行一个班次。6.根据权利要求5所述的一种基于启发式遗传算法的呼叫中心排班方法，其特征在于：基于支持向量机的算法/基于神经网络的算法/基于自回归的算法得到预测话务量然后通过Erlang
‑
C公式计算每半小时的预测坐席数，即半小时人力需求。7.根据权利要求6所述的一种基于启发式遗传算法的呼叫中心排班方法，其特征在于：在所述步骤S3中，具体包括以下过程：S31：将排班问题可被抽象成优化问题，得到：argminf(V)＝MSE(Y,SUM_by_TIME(VWe X))其中，argminf(V)表示求使目标f(V)取最小值时变量V的值，MSE为均方误差；“e”是哈达玛积符号；SUM_BY_TIME(X)函数为根据时间对X求和；Y为整体的需求；为约束条件，即每日...

【专利技术属性】
技术研发人员：冯强中，范文斌，谢梦圆，周源，李凌悦，王檬，
申请(专利权)人：科大国创云网科技有限公司，
类型：发明
国别省市：