CN114723180A - 一种任务分配的计算方法及*** - Google Patents

一种任务分配的计算方法及*** Download PDF

Info

Publication number
CN114723180A
CN114723180A CN202210633050.8A CN202210633050A CN114723180A CN 114723180 A CN114723180 A CN 114723180A CN 202210633050 A CN202210633050 A CN 202210633050A CN 114723180 A CN114723180 A CN 114723180A
Authority
CN
China
Prior art keywords
task
time
tasks
personnel
task allocation
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202210633050.8A
Other languages
English (en)
Inventor
彭志伟
郑瑞杰
谢小奕
王彦龙
周景棠
马丽华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Yourong Information Technology Co ltd
Original Assignee
Shenzhen Yourong Information Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Yourong Information Technology Co ltd filed Critical Shenzhen Yourong Information Technology Co ltd
Priority to CN202210633050.8A priority Critical patent/CN114723180A/zh
Publication of CN114723180A publication Critical patent/CN114723180A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G06Q10/063114—Status monitoring or status determination for a person or group

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Operations Research (AREA)
  • Mathematical Physics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Business, Economics & Management (AREA)
  • Pure & Applied Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Mathematical Optimization (AREA)
  • Development Economics (AREA)
  • Mathematical Analysis (AREA)
  • Quality & Reliability (AREA)
  • Marketing (AREA)
  • Computational Mathematics (AREA)
  • Algebra (AREA)
  • Software Systems (AREA)
  • Educational Administration (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种任务分配的计算方法及***，涉及一种任务分配方法，由于在任务分配上，使用的原始的分配方式，分配任务的工作就需要极大的人力成本，由于分配任务时的不确定性，进一步的造成了资源的浪费，团队的工作效率和业务推进受到了极大的影响，所以本申请包括以下步骤，S1、将业务链上的任务分配问题转换为数学优化问题；S2、基于启发式算法求取近似最优人员配置，包括以下模块：转换模块，用于将业务链上的任务分配问题转换为数学优化问题；人员配置模块，在基于启发式算法下求取近似最优人员配置。本申请通过对在任务分配上的一系列问题进行了数学建模，通过引入算法来对传统的任务分配方式进行了优化。

Description

一种任务分配的计算方法及***
技术领域
本发明涉及一种任务分配方法，具体是一种任务分配的计算方法及***。
背景技术
每个项目包含多个任务，完成每个任务包含标准时长和等待时长，由于等待时长的不确定性使得大部分的时间都花费在等待任务上，造成了很大程度上的人力资源浪费。涉及任务分配的业务团队的人员大概在300人以上，在任务分配上，使用的原始的分配方式，分配任务的工作就需要极大的人力成本，由于分配任务时的不确定性，进一步的造成了资源的浪费，团队的工作效率和业务推进受到了极大的影响。
发明内容
本发明的目的在于提供一种任务分配的计算方法及***，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种任务分配的计算方法，包括以下步骤，
S1、将业务链上的任务分配问题转换为数学优化问题；
S2、基于启发式算法求取近似最优人员配置。
作为本发明进一步的方案：所述步骤S1包括以下步骤：
S11、获取项目个数为m，任务个数为n，所述m个项目的n个任务的标准时长和等待时长；
S12、获取优化目标公式，得到约束条件。
作为本发明再进一步的方案：所述步骤S2包括以下步骤：
S21、将原始数据基于预测按照业务m，任务n、任务完成的状态和任务完成的时间构建矩阵；
S22、将原始数据基于预测按照项目、业务m构建任务理论处理时长矩阵；
S23、对步骤S21和步骤S22中的矩阵利用启发式算法进行处理。
作为本发明再进一步的方案：所述步骤S23包括：
S231、根据任务数量，输入了各个任务的人员配置｛N0、N1、...、Nn｝，形成了矩阵二；
S232、对于步骤S21和S22中的矩阵数据进行预处理，将矩阵转化为每笔资产的两个系数，所述两个系数是任务已耗时和下一个待处理任务；
S233、使用循环来模拟任务的执行情况，每次循环模拟时间推进一分钟；
S234、进行第一次模拟任务分配计算，每类任务的当前可执行任务根据任务的理论耗时进行排序，判断后续的任务是否有人员闲置，在后续的任务有人员闲置时，优先选择耗时短的任务进行；已耗时+后续task理论处理值>=120min时，任务优先进行；
S235、在任务分配中，分别建立可执行任务列表，用于监测每个资产是否有可以交付给空闲工人处理的任务和工人列表监测工人的状态、当前正在处理的资产任务和剩余处理时长；
S236、输出各个资产的总耗时情况；
S237、进行第二次模拟任务分配计算，按照步骤S234中的第一次模拟任务分配计算，任务分配计算的同时进行计算人员的空置率，工作时间÷（工作时间+空闲时间），根据空置率削减人员；
S238、使用步骤S234中的第一次模拟任务分配计算得出的人员配置，每组人员配置×占用率，得出近似最优配置；
S239、输出任务执行分配的人数表。
一种任务分配的计算***，包括：
转换模块，用于将业务链上的任务分配问题转换为数学优化问题；
人员配置模块，在基于启发式算法下求取近似最优人员配置。
作为本发明进一步的方案：所述转换模块包括：
信息获取单元，用于获取项目个数为m，任务个数为n，所述m个项目的n个任务的标准时长和等待时长；
公式获取单元，用于获取优化目标公式，得到约束条件。
作为本发明再进一步的方案：所述人员配置模块包括：
初始任务状态矩阵单元，用于将原始数据基于预测按照业务m，任务n、任务完成的状态和任务完成的时间构建矩阵；
理论处理时长矩阵单元，用于将原始数据基于预测按照项目、业务m构建任务理论处理时长矩阵；
算法处理单元，用于对初始任务状态矩阵单元和理论处理时长矩阵单元中的矩阵利用启发式算法进行处理。
作为本发明再进一步的方案：所述算法处理单元包括：
数据输入部，用于根据任务数量，输入了各个任务的人员配置｛N0、N1、...、Nn｝，形成了矩阵二；
数据预处理部，用于对于初始任务状态矩阵单元和理论处理时长矩阵单元中的矩阵数据进行预处理，将矩阵转化为每笔资产的两个系数，所述两个系数是任务已耗时和下一个待处理任务；
循环设置部，用于使用循环来模拟任务的执行情况，每次循环模拟时间推进一分钟；
第一次模拟部，用于进行第一次模拟任务分配计算，每类任务的当前可执行任务根据任务的理论耗时进行排序，判断后续的任务是否有人员闲置，在后续的任务有人员闲置时，优先选择耗时短的任务进行；已耗时+后续task理论处理值>=120min时，任务优先进行；
任务列表建立部，用于在任务分配中，分别建立可执行任务列表，用于监测每个资产是否有可以交付给空闲工人处理的任务和工人列表监测工人的状态、当前正在处理的资产任务和剩余处理时长；
耗时情况输出部，用于输出各个资产的总耗时情况；
削减部，用于进行第二次模拟任务分配计算，按照第一次模拟部中的第一次模拟任务分配计算，任务分配计算的同时进行计算人员的空置率，工作时间÷（工作时间+空闲时间），根据空置率削减人员；
最优配置部，使用第一次模拟部的第一次模拟任务分配计算得出的人员配置，每组人员配置×占用率，得出近似最优配置；
人数表输出部，用于输出任务执行分配的人数表。
与现有技术相比，本发明的有益效果是：本申请通过对在任务分配上的一系列问题进行了数学建模，通过引入算法来对传统的任务分配方式进行了优化。
附图说明
图1为任务分配的计算方法示意图。
图2为任务分配的计算***示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1～2，本发明实施例中，一种任务分配的计算方法，包括以下步骤，S1、将业务链上的任务分配问题转换为数学优化问题，其中步骤S1包括包括以下步骤：S11、获取项目个数为m，任务个数为n，所述m个项目的n个任务的标准时长和等待时长；S12、获取优化目标公式，得到约束条件，即优化目标为∑Nj，其中约束条件为已完成任务的实际时长+未完成任务的标准时长+等待时长＜120min，即s.t.1 min∑（Ti、j+ti，j）<=120；鉴于上述问题的复杂性，本申请采用了启发式算法求取近似最优人员配置，即在人数尽可能少的情况下，使每笔业务的处理时间接近120min，S2、基于启发式算法求取近似最优人员配置，首先将原始的数据构建成如下的矩阵，同时我们也基于预测构建了一个初始任务状态的矩阵和任务理论处理时长矩阵，即包括S21、将原始数据基于预测按照业务m，任务n、任务完成的状态和任务完成的时间构建矩阵；S22、将原始数据基于预测按照项目、业务m构建任务理论处理时长矩阵；S23、对步骤S21和步骤S22中的矩阵利用启发式算法进行处理，其中在构件S21所需要的矩阵，需要用到表1
表1 初始任务状态
Figure 361135DEST_PATH_IMAGE001
在构建S22步骤需要的矩阵时，需要用到表2
表2 任务理论处理时
Figure 490765DEST_PATH_IMAGE002
其中步骤S23包括S231、根据任务数量，输入了各个任务的人员配置｛N0、N1、...、Nn｝，形成了矩阵二；S232、对于步骤S21和S22中的矩阵数据进行预处理，将矩阵转化为每笔资产的两个系数，所述两个系数是任务已耗时和下一个待处理任务；S233、使用循环来模拟任务的执行情况，每次循环模拟时间推进一分钟；S234、进行第一次模拟任务分配计算，每类任务的当前可执行任务根据任务的理论耗时进行排序，判断后续的任务是否有人员闲置，在后续的任务有人员闲置时，优先选择耗时短的任务进行；已耗时+后续task理论处理值>=120min时，任务优先进行；S235、在任务分配中，分别建立可执行任务列表，用于监测每个资产是否有可以交付给空闲工人处理的任务和工人列表监测工人的状态、当前正在处理的资产任务和剩余处理时长；S236、输出各个资产的总耗时情况；S237、进行第二次模拟任务分配计算，按照步骤S234中的第一次模拟任务分配计算，任务分配计算的同时进行计算人员的空置率，工作时间÷（工作时间+空闲时间），根据空置率削减人员，即例如：T1任务预分配3人的空置率达到66%，当即削减一人；S238、使用步骤S234中的第一次模拟任务分配计算得出的人员配置，每组人员配置×占用率，得出近似最优配置；S239、输出任务执行分配的人数表，即所述步骤S239得到的任务执行分配的人数表，如表3所示：
表3 任务执行分配的人数表
Figure 773979DEST_PATH_IMAGE003
请参阅图1～2，本发明实施例中，一种任务分配的计算***，包括转换模块和人员配置模块，其中转换模块用于将业务链上的任务分配问题转换为数学优化问题，其中转换模块包括信息获取单元和公式获取单元，其中信息获取单元用于获取项目个数为m，任务个数为n，所述m个项目的n个任务的标准时长和等待时长，公式获取单元用于获取优化目标公式，得到约束条件；人员配置模块在基于启发式算法下求取近似最优人员配置，而人员配置模块包括初始任务状态矩阵单元、理论处理时长矩阵单元和算法处理单元，其中初始任务状态矩阵单元用于将原始数据基于预测按照业务m，任务n、任务完成的状态和任务完成的时间构建矩阵；理论处理时长矩阵单元用于将原始数据基于预测按照项目、业务m构建任务理论处理时长矩阵；算法处理单元用于对初始任务状态矩阵单元和理论处理时长矩阵单元中的矩阵利用启发式算法进行处理，对于本申请中的算法处理单元包括数据输入部、数据预处理部、循环设置部、第一次模拟部、任务列表建立部、耗时情况输出部、削减部、最优配置部和人数列表部，其中数据输入部用于根据任务数量，输入了各个任务的人员配置｛N0、N1、...、Nn｝，形成了矩阵二；数据预处理部用于对于初始任务状态矩阵单元和理论处理时长矩阵单元中的矩阵数据进行预处理，将矩阵转化为每笔资产的两个系数，所述两个系数是任务已耗时和下一个待处理任务；循环设置部用于使用循环来模拟任务的执行情况，每次循环模拟时间推进一分钟；第一次模拟部用于进行第一次模拟任务分配计算，每类任务的当前可执行任务根据任务的理论耗时进行排序，判断后续的任务是否有人员闲置，在后续的任务有人员闲置时，优先选择耗时短的任务进行；已耗时+后续task理论处理值>=120min时，任务优先进行；任务列表建立部用于在任务分配中，分别建立可执行任务列表，用于监测每个资产是否有可以交付给空闲工人处理的任务和工人列表监测工人的状态、当前正在处理的资产任务和剩余处理时长；耗时情况输出部用于输出各个资产的总耗时情况；削减部用于进行第二次模拟任务分配计算，按照第一次模拟部中的第一次模拟任务分配计算，任务分配计算的同时进行计算人员的空置率，工作时间÷（工作时间+空闲时间），根据空置率削减人员；最优配置部使用第一次模拟部的第一次模拟任务分配计算得出的人员配置，每组人员配置×占用率，得出近似最优配置；人数表输出部用于输出任务执行分配的人数表。
本申请中对在任务分配上的一系列问题进行了数学建模，通过引入算法来对传统的任务分配方式进行了优化。经过优化，团队的工作效率得到了极大的提升，从优化前的每天能做400笔业务到现在的每天可做1200笔业务，任务的间隙得到了极大的缩减。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (4)

1.一种任务分配的计算方法，其特征在于，包括以下步骤，
S1、将业务链上的任务分配问题转换为数学优化问题；
S2、基于启发式算法求取近似最优人员配置；
S11、获取项目个数为m，任务个数为n，所述m个项目的n个任务的标准时长和等待时长；
S12、获取优化目标公式，得到约束条件；
所述步骤S2包括以下步骤：
S21、将原始数据基于预测按照业务m，任务n、任务完成的状态和任务完成的时间构建矩阵；
S22、将原始数据基于预测按照项目、业务m构建任务理论处理时长矩阵；
S23、对步骤S21和步骤S22中的矩阵利用启发式算法进行处理。
2.根据权利要求1所述的任务分配的计算方法，其特征在于，所述步骤S23包括：
S231、根据任务数量，输入了各个任务的人员配置｛N0、N1、...、Nn｝，形成了矩阵二；
S232、对于步骤S21和S22中的矩阵数据进行预处理，将矩阵转化为每笔资产的两个系数，所述两个系数是任务已耗时和下一个待处理任务；
S233、使用循环来模拟任务的执行情况，每次循环模拟时间推进一分钟；
S234、进行第一次模拟任务分配计算，每类任务的当前可执行任务根据任务的理论耗时进行排序，判断后续的任务是否有人员闲置，在后续的任务有人员闲置时，优先选择耗时短的任务进行；已耗时+后续task理论处理值>=120min时，任务优先进行；
S235、在任务分配中，分别建立可执行任务列表，用于监测每个资产是否有可以交付给空闲工人处理的任务和工人列表监测工人的状态、当前正在处理的资产任务和剩余处理时长；
S236、输出各个资产的总耗时情况；
S237、进行第二次模拟任务分配计算，按照步骤S234中的第一次模拟任务分配计算，任务分配计算的同时进行计算人员的空置率，工作时间÷（工作时间+空闲时间），根据空置率削减人员；
S238、使用步骤S234中的第一次模拟任务分配计算得出的人员配置，每组人员配置×占用率，得出近似最优配置；
S239、输出任务执行分配的人数表。
3.一种任务分配的计算***，其特征在于，包括：
转换模块，用于将业务链上的任务分配问题转换为数学优化问题；
人员配置模块，在基于启发式算法下求取近似最优人员配置；
所述转换模块包括：
信息获取单元，用于获取项目个数为m，任务个数为n，所述m个项目的n个任务的标准时长和等待时长；
公式获取单元，用于获取优化目标公式，得到约束条件；
所述人员配置模块包括：
初始任务状态矩阵单元，用于将原始数据基于预测按照业务m，任务n、任务完成的状态和任务完成的时间构建矩阵；
理论处理时长矩阵单元，用于将原始数据基于预测按照项目、业务m构建任务理论处理时长矩阵；
算法处理单元，用于对初始任务状态矩阵单元和理论处理时长矩阵单元中的矩阵利用启发式算法进行处理。
4.根据权利要求3所述的任务分配的计算***，其特征在于，所述算法处理单元包括：
数据输入部，用于根据任务数量，输入了各个任务的人员配置｛N0、N1、...、Nn｝，形成了矩阵二；
数据预处理部，用于对于初始任务状态矩阵单元和理论处理时长矩阵单元中的矩阵数据进行预处理，将矩阵转化为每笔资产的两个系数，所述两个系数是任务已耗时和下一个待处理任务；
循环设置部，用于使用循环来模拟任务的执行情况，每次循环模拟时间推进一分钟；
第一次模拟部，用于进行第一次模拟任务分配计算，每类任务的当前可执行任务根据任务的理论耗时进行排序，判断后续的任务是否有人员闲置，在后续的任务有人员闲置时，优先选择耗时短的任务进行；已耗时+后续task理论处理值>=120min时，任务优先进行；
任务列表建立部，用于在任务分配中，分别建立可执行任务列表，用于监测每个资产是否有可以交付给空闲工人处理的任务和工人列表监测工人的状态、当前正在处理的资产任务和剩余处理时长；
耗时情况输出部，用于输出各个资产的总耗时情况；
削减部，用于进行第二次模拟任务分配计算，按照第一次模拟部中的第一次模拟任务分配计算，任务分配计算的同时进行计算人员的空置率，工作时间÷（工作时间+空闲时间），根据空置率削减人员；
最优配置部，使用第一次模拟部的第一次模拟任务分配计算得出的人员配置，每组人员配置×占用率，得出近似最优配置；
人数表输出部，用于输出任务执行分配的人数表。
CN202210633050.8A 2022-06-07 2022-06-07 一种任务分配的计算方法及*** Pending CN114723180A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210633050.8A CN114723180A (zh) 2022-06-07 2022-06-07 一种任务分配的计算方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210633050.8A CN114723180A (zh) 2022-06-07 2022-06-07 一种任务分配的计算方法及***

Publications (1)

Publication Number Publication Date
CN114723180A true CN114723180A (zh) 2022-07-08

Family

ID=82232915

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210633050.8A Pending CN114723180A (zh) 2022-06-07 2022-06-07 一种任务分配的计算方法及***

Country Status (1)

Country Link
CN (1) CN114723180A (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040034557A1 (en) * 2002-08-15 2004-02-19 Anumolu Rao S. Unique business model using distributed personnel network methodology
CN108182518A (zh) * 2017-12-20 2018-06-19 北京遥感设备研究所 一种基于改进遗传算法的在制状态人员调度方法
CN109636205A (zh) * 2018-12-18 2019-04-16 合肥师范学院 一种研发项目组合中多技能人员调度方法
CN109948940A (zh) * 2019-03-26 2019-06-28 大连海事大学 一种基于启发式算法的Web服务众包测试任务分配方法
CN110851260A (zh) * 2019-11-13 2020-02-28 中国联合网络通信集团有限公司 任务分配方法及装置
CN112465451A (zh) * 2020-11-19 2021-03-09 北京航空航天大学 一种支持项目并行及多资源方案的优化方法
CN112884367A (zh) * 2021-03-23 2021-06-01 合肥工业大学 考虑多技能员工约束的高端装备研发过程多项目协同调度方法及***
CN112906952A (zh) * 2021-02-04 2021-06-04 交通银行股份有限公司 一种银行流程任务智能调度***

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040034557A1 (en) * 2002-08-15 2004-02-19 Anumolu Rao S. Unique business model using distributed personnel network methodology
CN108182518A (zh) * 2017-12-20 2018-06-19 北京遥感设备研究所 一种基于改进遗传算法的在制状态人员调度方法
CN109636205A (zh) * 2018-12-18 2019-04-16 合肥师范学院 一种研发项目组合中多技能人员调度方法
CN109948940A (zh) * 2019-03-26 2019-06-28 大连海事大学 一种基于启发式算法的Web服务众包测试任务分配方法
CN110851260A (zh) * 2019-11-13 2020-02-28 中国联合网络通信集团有限公司 任务分配方法及装置
CN112465451A (zh) * 2020-11-19 2021-03-09 北京航空航天大学 一种支持项目并行及多资源方案的优化方法
CN112906952A (zh) * 2021-02-04 2021-06-04 交通银行股份有限公司 一种银行流程任务智能调度***
CN112884367A (zh) * 2021-03-23 2021-06-01 合肥工业大学 考虑多技能员工约束的高端装备研发过程多项目协同调度方法及***

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
杨煜俊等: "作业车间类型多机器人制造单元调度算法", 《计算机集成制造***》 *

Similar Documents

Publication Publication Date Title
Niknam et al. A new decomposition approach for the thermal unit commitment problem
Gao et al. Effective ensembles of heuristics for scheduling flexible job shop problem with new job insertion
Knueven et al. The ramping polytope and cut generation for the unit commitment problem
Mc Garrigle et al. Quantifying the value of improved wind energy forecasts in a pool-based electricity market
CN102171627A (zh) 对在异构计算***中执行的应用的调度
CN103679388B (zh) 生产调度方法及生产调度***
CN105893158A (zh) 私有云条件下的大数据混合调度模型
CN104915253A (zh) 一种作业调度的方法及作业处理器
Ma et al. Redundant and nonbinding transmission constraints identification method combining physical and economic insights of unit commitment
Song et al. An efficient scheduling algorithm for energy consumption constrained parallel applications on heterogeneous distributed systems
CN105139159A (zh) 电力行业项目成本管控方法
CN103685492B (zh) Hadoop集群***的调度方法、调度装置及其应用
CN105388876A (zh) 获得基于班组的间歇型化工生产工艺符合度的方法及装置
CN106952034A (zh) 利用遗传算法实现的自动排班方法及***
Wang et al. Unrelated parallel machine scheduling problem with special controllable processing times and setups
Ayyappan et al. An M [X]/G (a, b)/1 queue with unreliable server, second optional service, closedown, setup with N-policy and multiple vacation
CN114723180A (zh) 一种任务分配的计算方法及***
CN112086178A (zh) 医护自动化排班方法、装置、计算机可读存储介质及设备
CN111799793A (zh) 一种源网荷协同的输电网规划方法与***
CN104915250B (zh) 一种实现作业内的MapReduce数据本地化的方法
CN104933110A (zh) 一种基于MapReduce的数据预取方法
CN115185651A (zh) 一种基于云计算的工作流优化调度算法
Castro et al. Expanding RTN discrete-time scheduling formulations to preemptive tasks
CN108876157B (zh) 调配生产资源的方法及其管理***
Thanavanich Energy-aware and performance-aware of workflow application with hybrid scheduling algorithm on cloud computing

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20220708