本發(fā)明涉及一種遺傳算法應(yīng)用領(lǐng)域，特別是涉及一種利用遺傳算法實(shí)現(xiàn)的自動排班方法及系統(tǒng)。

背景技術(shù)：

排班是合理安排上班人力的重要手段，在所有企業(yè)中均廣泛應(yīng)用。排班主要是根據(jù)公司實(shí)際業(yè)務(wù)發(fā)展需要，合理的安排各個時間段內(nèi)上班人力，保證滿足公司業(yè)務(wù)需求，且又不引起人力資源的浪費(fèi)。一般企業(yè)中大都由管理人員或者專門的排班師進(jìn)行手動排班，該工作方式存在天然缺陷：

1、排班結(jié)果難以量化比較，排班人員的經(jīng)驗(yàn)、技能、應(yīng)變能力等各方面的綜合素質(zhì)都會影響排班結(jié)果。

2、排班的效率低、耗時長，對排班人員的工作壓力提出較高要求。

3、每個排班人員有自己的排班風(fēng)格和偏好，會引起排班結(jié)果存在較大差異，對上班員工的自我調(diào)節(jié)能力存在一定的考驗(yàn)。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明要解決的技術(shù)問題是為了克服現(xiàn)有技術(shù)中手工排班存在很多缺點(diǎn)的缺陷，提供一種利用遺傳算法實(shí)現(xiàn)的自動排班方法及系統(tǒng)。

本發(fā)明是通過下述技術(shù)方案來解決上述技術(shù)問題的：

本發(fā)明提供了一種利用遺傳算法實(shí)現(xiàn)的自動排班方法，其特點(diǎn)在于，包括以下步驟：

s1、接收排班請求，提交排班參數(shù)開始排班；

s2、獲取原始排班數(shù)據(jù)；

s3、利用遺傳算法對原始排班數(shù)據(jù)進(jìn)行調(diào)整，生成新的排班數(shù)據(jù)；

s4、返回所述新的排班數(shù)據(jù)。

較佳地，步驟s1中所述排班參數(shù)包括上班時長；步驟s2中所述原始排班數(shù)據(jù)包括原始上班時長；步驟s3包括：

s31、計(jì)算原始上班時長矩陣；

其中，所述原始上班時長矩陣為1×n矩陣，所述原始上班時長矩陣中只有一個元素取值為1、其余元素取值為0，n個元素依次對應(yīng)時長遞增的n個上班時長，取值為1的元素對應(yīng)所述原始上班時長；

s32、生成概率轉(zhuǎn)移矩陣；

其中，所述概率轉(zhuǎn)移矩陣為n×n矩陣，所述概率轉(zhuǎn)移矩陣中的每個元素aij表示每個組上班時長從ti調(diào)整為tj的概率，i∈[1,n]，j∈[1,n]，t1-tn依次對應(yīng)時長遞增的所述n個上班時長；

aij＝a(n-i+1)(n-j+1)；

在所述概率轉(zhuǎn)移矩陣的每一行中，aii均為每一行的最大值，并且每一行越靠近aii的元素取值越大；

s33、用所述原始上班時長矩陣乘以所述概率轉(zhuǎn)移矩陣，得到調(diào)整為各種上班時長所對應(yīng)的概率；

s34、按照調(diào)整為各種上班時長所對應(yīng)的概率，隨機(jī)生成一個新的上班時長；

所述新的排班數(shù)據(jù)包括所述新的上班時長。

較佳地，在所述時長遞增的n個上班時長中，任意相鄰兩個上班時長的差值相等。

較佳地，步驟s1中所述排班參數(shù)包括上班時間；步驟s2中所述原始排班數(shù)據(jù)包括原始上班時間；步驟s3包括：

s31’、生成步長調(diào)整概率矩陣；

其中，所述步長調(diào)整概率矩陣為1×m矩陣，m個元素依次對應(yīng)遞增的m個時間調(diào)整幅度；

tk＝tm-k；

s32’、根據(jù)所述步長調(diào)整概率矩陣，隨機(jī)生成一個調(diào)整步長；

s33’、將所述調(diào)整步長與所述原始上班時間進(jìn)行加法運(yùn)算，生成新的上班時間；

所述新的排班數(shù)據(jù)包括所述新的上班時間。

較佳地，在所述遞增的m個時間調(diào)整幅度中，任意相鄰兩個時間調(diào)整幅度的差值相等。

本發(fā)明的目的在于還提供了一種利用遺傳算法實(shí)現(xiàn)的自動排班系統(tǒng)，其特點(diǎn)在于，包括：

接收模塊，用于接收排班請求，提交排班參數(shù)開始排班；

獲取模塊，用于獲取原始排班數(shù)據(jù)；

生成模塊，用于利用遺傳算法對原始排班數(shù)據(jù)進(jìn)行調(diào)整，生成新的排班數(shù)據(jù)；

返回模塊，用于返回所述新的排班數(shù)據(jù)。

較佳地，所述排班參數(shù)包括上班時長；所述原始排班數(shù)據(jù)包括原始上班時長；

所述生成模塊包括：

第一計(jì)算單元，用于計(jì)算原始上班時長矩陣；

其中，所述原始上班時長矩陣為1×n矩陣，所述原始上班時長矩陣中只有一個元素取值為1、其余元素取值為0，n個元素依次對應(yīng)時長遞增的n個上班時長，取值為1的元素對應(yīng)所述原始上班時長；

第一生成單元，用于生成概率轉(zhuǎn)移矩陣；

其中，所述概率轉(zhuǎn)移矩陣為n×n矩陣，所述概率轉(zhuǎn)移矩陣中的每個元素aij表示每個組上班時長從ti調(diào)整為tj的概率，i∈[1,n]，j∈[1,n]，t1-tn依次對應(yīng)時長遞增的所述n個上班時長；

aij＝a(n-i+1)(n-j+1)；

在所述概率轉(zhuǎn)移矩陣的每一行中，aii均為每一行的最大值，并且每一行越靠近aii的元素取值越大；

乘法運(yùn)算單元，用于用所述原始上班時長矩陣乘以所述概率轉(zhuǎn)移矩陣，得到調(diào)整為各種上班時長所對應(yīng)的概率；

第一隨機(jī)單元，用于按照調(diào)整為各種上班時長所對應(yīng)的概率，隨機(jī)生成一個新的上班時長；

所述新的排班數(shù)據(jù)包括所述新的上班時長。

較佳地，在所述時長遞增的n個上班時長中，任意相鄰兩個上班時長的差值相等。

較佳地，所述排班參數(shù)包括上班時間；所述原始排班數(shù)據(jù)包括原始上班時間；

所述生成模塊包括：

第二生成單元，用于生成步長調(diào)整概率矩陣；

其中，所述步長調(diào)整概率矩陣為1×m矩陣，m個元素依次對應(yīng)遞增的m個時間調(diào)整幅度；

tk＝tm-k；

第二隨機(jī)單元，用于根據(jù)所述步長調(diào)整概率矩陣，隨機(jī)生成一個調(diào)整步長；

加法運(yùn)算單元，用于將所述調(diào)整步長與所述原始上班時間進(jìn)行加法運(yùn)算，生成新的上班時間；

所述新的排班數(shù)據(jù)包括所述新的上班時間。

較佳地，在所述遞增的m個時間調(diào)整幅度中，任意相鄰兩個時間調(diào)整幅度的差值相等。

為了避免現(xiàn)有技術(shù)的手工排班存在的諸多缺點(diǎn)，本發(fā)明采用計(jì)算機(jī)自動排班，可以在各個維度上進(jìn)行量化比較、避免排班人員的經(jīng)驗(yàn)、技能、偏好而導(dǎo)致的排班結(jié)果差異。

業(yè)內(nèi)計(jì)算機(jī)自動排班算法中，遺傳算法是一種較成熟且有成功案例的算法。該算法一般由：擇優(yōu)復(fù)制、交叉、變異等步驟組成，其中變異是遺傳算中最重要的步驟。在自動排班中各個組每天的上班時間和上班時長時可以在規(guī)定范圍內(nèi)隨機(jī)調(diào)整，故可將其抽象為算法中變異算子。要求變異過程所代表的實(shí)際調(diào)整內(nèi)容盡量符合實(shí)際業(yè)務(wù)場景。實(shí)際使用過程中可以采用合適的概率(轉(zhuǎn)移)矩陣作為調(diào)整參數(shù)，使上班時間和上班時長的調(diào)整，符合實(shí)際的業(yè)務(wù)場景。

本發(fā)明的積極進(jìn)步效果在于：本發(fā)明能夠保證在排班過程中，對上班時間、上班時長的調(diào)整貼近實(shí)際業(yè)務(wù)場景，精確控制每種調(diào)整的概率，并且本發(fā)明的排班結(jié)果的整體擬合度無震蕩、平穩(wěn)上升，可以達(dá)到排班目標(biāo)、滿足業(yè)務(wù)需求。

附圖說明

圖1為本發(fā)明的實(shí)施例1的利用遺傳算法實(shí)現(xiàn)的自動排班方法的流程圖。

圖2為本發(fā)明的實(shí)施例2的利用遺傳算法實(shí)現(xiàn)的自動排班系統(tǒng)的模塊示意圖。

具體實(shí)施方式

下面通過實(shí)施例的方式進(jìn)一步說明本發(fā)明，但并不因此將本發(fā)明限制在所述的實(shí)施例范圍之中。

實(shí)施例1

如圖1所示，本實(shí)施例的利用遺傳算法實(shí)現(xiàn)的自動排班方法包括以下步驟：

步驟101、接收排班請求，提交排班參數(shù)開始排班；

步驟102、獲取原始排班數(shù)據(jù)；

步驟103、利用遺傳算法對原始排班數(shù)據(jù)進(jìn)行調(diào)整，生成新的排班數(shù)據(jù)；

步驟104、返回所述新的排班數(shù)據(jù)。

其中，步驟101中所述排班參數(shù)包括上班時長；步驟102中所述原始排班數(shù)據(jù)包括原始上班時長；步驟103包括：

步驟1031、計(jì)算原始上班時長矩陣；

其中，所述原始上班時長矩陣為1×n矩陣，所述原始上班時長矩陣中只有一個元素取值為1、其余元素取值為0，n個元素依次對應(yīng)時長遞增的n個上班時長，其中優(yōu)選地，在所述時長遞增的n個上班時長中，任意相鄰兩個上班時長的差值相等；取值為1的元素對應(yīng)所述原始上班時長；

在本實(shí)施例的具體實(shí)施過程中，例如上班時長的范圍依次為8、8.5、9、9.5、10、10.5、11小時，則n取值即為7，若原始上班時長矩陣為(1000000)，則表示原始上班時長為8小時，若原始上班時長矩陣為(0010000)，則表示原始上班時長矩陣為9小時，以此類推。

步驟1032、生成概率轉(zhuǎn)移矩陣；

其中，所述概率轉(zhuǎn)移矩陣為n×n矩陣，所述概率轉(zhuǎn)移矩陣中的每個元素aij表示每個組上班時長從ti調(diào)整為tj的概率，i∈[1,n]，j∈[1,n]，t1-tn依次對應(yīng)時長遞增的所述n個上班時長；

aij＝a(n-i+1)(n-j+1)；即保證上班時長在調(diào)整區(qū)間內(nèi)平衡；

即從任何一個上班時長ti調(diào)整為其他各種上班時長的概率之和為1，以貼近實(shí)際業(yè)務(wù)情況；

在所述概率轉(zhuǎn)移矩陣的每一行中，aii均為每一行的最大值，并且每一行越靠近aii的元素取值越大；即表示上班時長不變的概率最大，調(diào)整幅度越小其調(diào)整概率越大；

遺傳算法為在一個原始解的基礎(chǔ)上，逐步交叉、變異、擇優(yōu)而向最優(yōu)解逼近的過程。一般排班過程中所有班次的上班時長規(guī)定在一個區(qū)間內(nèi)，例如上班時長為8小時到11小時(上班時長的時間粒度為半小時)，根據(jù)實(shí)際的業(yè)務(wù)場景，每個組每天的上班時長可以根據(jù)實(shí)際業(yè)務(wù)需要延長或者減少。實(shí)際調(diào)整過程中要求：

1、每次調(diào)整的幅度盡量小，調(diào)整的內(nèi)容盡量平衡；

2、調(diào)整的區(qū)間滿足實(shí)際的業(yè)務(wù)規(guī)定；

3、排班擬合度應(yīng)該平穩(wěn)上升；

實(shí)際調(diào)整過程中，如果在代碼中根據(jù)不同原始輸入值，分別控制調(diào)整到不同上班時長的概率，將導(dǎo)致代碼混亂，邏輯不清晰，后期修改不便等問題。定義一個上班時長的概率轉(zhuǎn)移矩陣，可以統(tǒng)一控制各種情況下的調(diào)整概率。

例如8到11小時的上班時長區(qū)間內(nèi)一共有：8,8.5,9,9.5,10,10.5,11小時七種上班時長，定義一個7×7的概率轉(zhuǎn)移矩陣，覆蓋所有上班時長的調(diào)整場景。

例如生成的概率轉(zhuǎn)移矩陣如下：

步驟1033、用所述原始上班時長矩陣乘以所述概率轉(zhuǎn)移矩陣，得到調(diào)整為各種上班時長所對應(yīng)的概率；

采用概率轉(zhuǎn)移矩陣之和，可以利用矩陣運(yùn)算，直接計(jì)算從ti上班時間調(diào)整為其他上班時長的概率，從而減少編碼過程中的復(fù)雜度。例如從8小時的上班時長調(diào)整為其他上班時長的概率就可以進(jìn)行如下計(jì)算：

其中o即表示原始上班時長為8小時的原始上班時長矩陣，上述計(jì)算結(jié)果即表示從原始上班時長為8小時調(diào)整為新的上班時長8、8.5、9、9.5、10、10.5、11的概率分別為：0.4、0.3、0.2、0.05、0.05、0、0，其他場景的調(diào)整意義類似，在遺傳算法每次變異過程中，所有班次的上班時長都根據(jù)概率轉(zhuǎn)移矩陣調(diào)整，精確控制各種調(diào)整的概率。

步驟1034、按照調(diào)整為各種上班時長所對應(yīng)的概率，隨機(jī)生成一個新的上班時長；所述新的排班數(shù)據(jù)包括所述新的上班時長。

用本實(shí)施例的上述調(diào)整手段，調(diào)整后的新的上班時長和原始上班時長關(guān)系較大，保證某次變異出現(xiàn)大幅度調(diào)整的概率較小。由于概率轉(zhuǎn)移矩陣的平衡性保證了上班時長調(diào)整的平衡。

另外，優(yōu)選地，步驟101中所述排班參數(shù)包括上班時間；步驟102中所述原始排班數(shù)據(jù)包括原始上班時間；步驟103包括：

步驟1031’、生成步長調(diào)整概率矩陣；

其中，所述步長調(diào)整概率矩陣為1×m矩陣，m個元素依次對應(yīng)遞增的m個時間調(diào)整幅度；在所述遞增的m個時間調(diào)整幅度中，任意相鄰兩個時間調(diào)整幅度的差值相等。

即所有可以調(diào)整的步長概率之和為1；

tk＝tm-k；即各組上班時間向前調(diào)整、向后調(diào)整相同步長的概率相同；

對于開始上班時間的調(diào)整，各組上班時間的范圍從0點(diǎn)到24點(diǎn)，其粒度為半小時，如果采用類似上班時長的概率轉(zhuǎn)移矩陣，其矩陣規(guī)模達(dá)48×48，將會導(dǎo)致計(jì)算量大幅度增加，且在該矩陣中間存在很多概率為0的點(diǎn)(上班時間的調(diào)整時間跨度不能太大)。

在上班時間在實(shí)際的調(diào)整過程中，采用步長調(diào)整概率矩陣更為合適，該矩陣對每組、每種開始上班時間的調(diào)整都是一樣的，故只需用一個1×m的步長調(diào)整概率矩陣即可。

例如步長調(diào)整概率矩陣如下：

t＝(0.020.080.20.40.20.080.02)，表示所述步長調(diào)整概率矩陣表示上班時間調(diào)整-1.5、-1、-0.5、0、0.5、1、1.5小時的概率(根據(jù)實(shí)際業(yè)務(wù)場景可以自由調(diào)整各種步長及對應(yīng)的概率)。

步驟1032’、根據(jù)所述步長調(diào)整概率矩陣，隨機(jī)生成一個調(diào)整步長；

步驟1033’、將所述調(diào)整步長與所述原始上班時間進(jìn)行加法運(yùn)算，生成新的上班時間；所述新的排班數(shù)據(jù)包括所述新的上班時間。

例如假設(shè)生成的調(diào)整步長為0.5小時，原始上班時間為9:00，那么調(diào)整后的新的上班時間則為9:30。

用上述的概率轉(zhuǎn)移矩陣和步長調(diào)整概率矩陣，逐個作用于每個組每天的上班時間、上班時長的調(diào)整操作，對于這兩種調(diào)整，期間均不考慮實(shí)際業(yè)務(wù)場景中的各項(xiàng)約束條件，故在完成相應(yīng)的調(diào)整操作后，需根據(jù)實(shí)際調(diào)整的結(jié)果，進(jìn)行相關(guān)約束條件的檢查，如果發(fā)現(xiàn)調(diào)整之后違反任意一個約束條件，須回滾相關(guān)操作,即將調(diào)整后的值恢復(fù)為原始值，以保證解的合法性。

實(shí)施例2

如圖2所示，本實(shí)施例的利用遺傳算法實(shí)現(xiàn)的自動排班系統(tǒng)包括接收模塊1、獲取模塊2、生成模塊3以及返回模塊4；

其中，所述接收模塊1用于接收排班請求，提交排班參數(shù)開始排班；

所述獲取模塊2用于獲取原始排班數(shù)據(jù)；

所述生成模塊3用于利用遺傳算法對原始排班數(shù)據(jù)進(jìn)行調(diào)整，生成新的排班數(shù)據(jù)；

所述返回模塊4用于返回所述新的排班數(shù)據(jù)。

優(yōu)選地，所述排班參數(shù)包括上班時長；所述原始排班數(shù)據(jù)包括原始上班時長；

所述生成模塊包括：

第一計(jì)算單元，用于計(jì)算原始上班時長矩陣；

其中，所述原始上班時長矩陣為1×n矩陣，所述原始上班時長矩陣中只有一個元素取值為1、其余元素取值為0，n個元素依次對應(yīng)時長遞增的n個上班時長，在所述時長遞增的n個上班時長中，任意相鄰兩個上班時長的差值相等。取值為1的元素對應(yīng)所述原始上班時長；

第一生成單元，用于生成概率轉(zhuǎn)移矩陣；

其中，所述概率轉(zhuǎn)移矩陣為n×n矩陣，所述概率轉(zhuǎn)移矩陣中的每個元素aij表示每個組上班時長從ti調(diào)整為tj的概率，i∈[1,n]，j∈[1,n]，t1-tn依次對應(yīng)時長遞增的所述n個上班時長；

aij＝a(n-i+1)(n-j+1)；

在所述概率轉(zhuǎn)移矩陣的每一行中，aii均為每一行的最大值，并且每一行越靠近aii的元素取值越大；

乘法運(yùn)算單元，用于用所述原始上班時長矩陣乘以所述概率轉(zhuǎn)移矩陣，得到調(diào)整為各種上班時長所對應(yīng)的概率；

第一隨機(jī)單元，用于按照調(diào)整為各種上班時長所對應(yīng)的概率，隨機(jī)生成一個新的上班時長；

所述新的排班數(shù)據(jù)包括所述新的上班時長。

另外，優(yōu)選地，所述排班參數(shù)包括上班時間；所述原始排班數(shù)據(jù)包括原始上班時間；

所述生成模塊包括：

第二生成單元，用于生成步長調(diào)整概率矩陣；

其中，所述步長調(diào)整概率矩陣為1×m矩陣，m個元素依次對應(yīng)遞增的m個時間調(diào)整幅度；在所述遞增的m個時間調(diào)整幅度中，任意相鄰兩個時間調(diào)整幅度的差值相等

tk＝tm-k；

第二隨機(jī)單元，用于根據(jù)所述步長調(diào)整概率矩陣，隨機(jī)生成一個調(diào)整步長；

加法運(yùn)算單元，用于將所述調(diào)整步長與所述原始上班時間進(jìn)行加法運(yùn)算，生成新的上班時間；

所述新的排班數(shù)據(jù)包括所述新的上班時間。

雖然以上描述了本發(fā)明的具體實(shí)施方式，但是本領(lǐng)域的技術(shù)人員應(yīng)當(dāng)理解，這些僅是舉例說明，本發(fā)明的保護(hù)范圍是由所附權(quán)利要求書限定的。本領(lǐng)域的技術(shù)人員在不背離本發(fā)明的原理和實(shí)質(zhì)的前提下，可以對這些實(shí)施方式做出多種變更或修改，但這些變更和修改均落入本發(fā)明的保護(hù)范圍。