[发明专利]一种针对地理网点的智能任务分配和人员调度方法、系统

说明书

本发明公开了一种针对具有一定地理位置特征的网点的智能拜访任务分配和人员调度方法、系统，包括以下步骤：从企业信息系统决策模块的基础数据和实时数据中，对物理商业网点和业务员分别提取特征，对业务员拜访网点的历史数据建模；用二分图表示业务员和网点之间的连接从而形成拜访计划网络图；根据业务员所处环境信息，规划最优拜访路线；使用强化学习方法，根据业务员执行某一动作后产生的预设的奖赏或惩罚，评估分配策略获取的收益，并反馈给深度神经网络模型，反复更新学习参数，确定最优任务匹配策略；实际拜访过程中，采用强化学习方法进行计算，将任务执行策略优化方法以及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。

技术领域

本发明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。

背景技术

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。

发明内容

本发明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，对这部分模块的输入与输出数据进行建模，训练深度神经网络，从而利用神经网络代替人工决策，克服人工决策的决策成本高、效率低等问题。

本发明的目的通过以下的技术方案实现：一种针对地理网点的智能任务分配和人员调度方法，包括步骤：

(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等。

(2)使用二分图将业务员和拜访的具有地理位置特征的商业网点(以下简称网点)之间的关系形成拜访计划网络，对历史记录和业务员拜访网点的实时数据建模，得到深度强化学习模型；

(3)根据执行某一动作后产生的预设的奖赏或惩罚，评估分配策略获取的收益，并反馈给深度强化学习模型，反复迭代更新学习参数，最终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，采用强化学习方法进行计算，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。

优选的，获取决策模块的基础数据后，先对其进行数据预处理，预处理包括：检查原始数据中是否存在脏数据，脏数据一般是指不符合要求，以及不能直接进行相应分析的数据；填写缺失的值、光滑噪声数据、识别或删除离群点并解决不一致性来清理数据；通过平滑聚集、规范化等方式将数据转换成适用于神经网络训练的形式。