[发明专利]基于海鸥优化算法的工单排序方法、装置、终端及介质

权利要求书

1.一种基于海鸥优化算法的工单排序方法，其特征在于，包括：

获取待处理工单数据，并对所述待处理工单数据进行解析，以获取每一所述待处理工单数据对应的客户类型标识、日期编码以及流水号；

基于所述客户类型标识，分别从每个所述客户类型标识中随机选择一个所述待处理工单数据作为聚类中心，并根据所述聚类中心对所述待处理工单数据进行聚类处理，得到M个聚类数据，其中，M为正整数；

计算每一所述聚类数据的均值，作为新的聚类中心，并根据所述新的聚类中心对M个所述聚类数据进行聚类处理，得到M个客户类型数据集；

将所述客户类型标识与预设客户权值进行匹配，以获取每一所述客户类型数据集的初始权值，并基于所述日期编码，获取工单占比和时间维度权值；

采用预设的计算公式，将所述初始权值、工单占比以及时间维度权值进行计算处理，得到工单数据特征；

根据所述工单数据特征，结合海鸥优化算法，计算每一所述客户类型数据集距离所述新的聚类中心的距离，得到目标距离，并基于所述目标距离，生成所述待处理工单数据对应的目标排序。

2.根据权利要求1所述的基于海鸥优化算法的工单排序方法，其特征在于，所述基于所述客户类型标识，分别从每个所述客户类型标识中随机选择一个所述待处理工单数据作为聚类中心，并根据所述聚类中心对所述待处理工单数据进行聚类处理，得到M个聚类数据，包括：

基于所述客户类型标识，将所述待处理工单数据分为M个客户类型数据；

分别从每个所述客户类型数据中随机选择一个所述待处理工单数据作为所述聚类中心，得到M个所述聚类中心；

计算每个所述客户类型数据与对应的所述聚类中心的欧式距离，并基于所述欧式距离，对M个所述聚类中心进行聚类处理，得到所述M个聚类数据。

3.根据权利要求1所述的基于海鸥优化算法的工单排序方法，其特征在于，所述计算每一所述聚类数据的均值，作为新的聚类中心，并根据所述新的聚类中心对M个所述聚类数据进行聚类处理，得到M个客户类型数据集，包括：

计算每个所述聚类数据的均值，得到M个均值，并将M个所述均值作为M个新的聚类中心；

计算每个所述客户类型数据与对应的所述新的聚类中心的欧式距离，得到目标函数距离；

判断所述目标函数距离与所述新的聚类中心是否发生改变，若否，则得到M个所述客户类型数据集，若否，则重新选取所述聚类中心，直至所述目标函数距离与所述新的聚类中心未发生改变，得到M个所述客户类型数据集。

4.根据权利要求1所述的基于海鸥优化算法的工单排序方法，其特征在于，所述将所述客户类型标识与预设客户权值进行匹配，以获取每一所述客户类型数据集的初始权值，并基于所述日期编码，获取工单占比和时间维度权值，包括：

根据所述客户类型标识，识别出客户类型，并将所述客户类型与所述预设客户权值进行匹配，以获取每一所述客户类型数据集的初始权值；

获取每一所述客户类型中最大的所述日期编码和最小的所述日期编码，得到最大上报时间和最小上报时间；

计算每一所述日期编码占所述最大上报时间的比值，得到所述工单占比；

获取预设数据维度，并基于所述预设数据维度、所述最大上报时间以及所述最小上报时间，生成所述时间维度权值。

5.根据权利要求1所述的基于海鸥优化算法的工单排序方法，其特征在于，所述采用预设的计算公式，将所述初始权值、工单占比以及时间维度权值进行计算处理，得到工单数据特征，包括：

将所述初始权值、工单占比以及时间维度权值进行相乘处理，得到个体差权值；

获取当前时间和最大的日期编码，并基于当前时间和最大的日期编码，生成算法权值；

采用所述预设的计算公式，将所述算法权值和所述个体差权值进行计算处理，得到所述工单数据特征；

其中，采用以下计算公式计算得到所述算法权值；

f_c为所述算法权值，t为当前时间，T_max为最大上报时间；

所述预设的计算公式为A为所述工单数据特征，β_i为所述个体差权值。