一種基于粒子群優(yōu)化算法的呼叫中心排班方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種基于粒子群優(yōu)化算法的呼叫中心排班方法，屬于粒子群優(yōu)化算法 應(yīng)用的技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 呼叫中心的運營幾乎都是在追求服務(wù)的速度及質(zhì)量的提高，同時在降低運營成本 的前提下逐步提升呼叫中心的利潤及客戶滿意度。一個典型的呼叫中心運營費用，只有5% 左右的成本被投入到技術(shù)開支，剩下的95 %的運營費用被用于支付工資、網(wǎng)絡(luò)成本和日常 開支。人員成本是呼叫中心運營成本的關(guān)鍵;如何在運營費用一定的情況下，準(zhǔn)確預(yù)測話務(wù) 到達率，做好CSR和IVR評價和優(yōu)化，有效進行坐席員排班，提高客戶滿意度是呼叫中心要解 決的主要問題。其中，對一線坐席員進行合理有效的排班管理是實現(xiàn)高效率的呼叫中心運 營管理、降低整體運營成本、保證客戶服務(wù)質(zhì)量和服務(wù)水平、提高呼叫中心生產(chǎn)力的重要一 環(huán)。
[0003] 關(guān)于呼叫中心的排班設(shè)計問題，早期采用的方法是借助Excel軟件輔助完成，但是 隨著呼叫中心規(guī)模的擴大和實際坐席人員管理的日益復(fù)雜，這種手工測算的方法不僅要花 費大量的時間，使排班工作變得極為繁重，而且無法觀察到話務(wù)量的變化趨勢。另外，排班 工作在保證優(yōu)質(zhì)服務(wù)的同時，必須充分考慮員工的請休假、工作時間以及人性化管理等負(fù) 責(zé)因素；隨著坐席員數(shù)量的增加，使得效率與公平很難兼顧，增加了呼叫中心的管理難度。 隨著呼叫中心的快速發(fā)展，近幾年一些大中型規(guī)模的呼叫中心紛紛引入了自動排班系統(tǒng)， 以此來解決手工排班存在的問題。
[0004] 目前的排班軟件系統(tǒng)普遍應(yīng)用數(shù)學(xué)模型來對實際的排班問題進行抽象和模擬。上 述數(shù)學(xué)模型一類是建立在Erlang模型的基礎(chǔ)上;這些數(shù)學(xué)模型雖然降低了分析和計算的復(fù) 雜度，但在實際應(yīng)用中對一些影響模型精確度的突發(fā)問題考慮不足，因此所得到的結(jié)果往 往與實際需要存在較大的偏差。也有一類模型是將排班問題視為多約束最優(yōu)化問題，從而 使用解決優(yōu)化問題的算法進行運算，比如遺傳算法、差分進化法、粒子群優(yōu)化算法等。
[0005] 現(xiàn)有技術(shù)中，將粒子群優(yōu)化算法應(yīng)用于呼叫中心排班管理的方法和技術(shù)還比較少 見。文章《大型呼叫中心排班算法的研究》（四川大學(xué)計算機學(xué)院謝傳柳，王俊峰等于2010年 發(fā)表于《計算機工程與設(shè)計》雜志）中使用粒子群優(yōu)化算法將本質(zhì)是多約束優(yōu)化問題的呼叫 中心排班管理轉(zhuǎn)化為依賴于適應(yīng)度函數(shù)的無約束優(yōu)化問題，該方法將粒子群優(yōu)化算法得到 的結(jié)果與參與排班的所有坐席員組的折合人力進行匹配時，默認(rèn)地將坐席員組包含的人力 設(shè)置為相同，而國內(nèi)呼叫中心排班管理的實際工作中，坐席員組的人力分配是不規(guī)則的，所 以該方法在實際應(yīng)用中存在缺陷。國外呼叫中心的排班理念是按人排班，與國內(nèi)按組排班 的理念存在較大差異，因此國外流行的排班管理系統(tǒng)很難適用于國內(nèi)呼叫中心的排班管理 中，普遍存在"水土不服"的情況。
[0006] 綜合以上，設(shè)計一種能夠快速、有效進行呼叫中心坐席員排班的方法是當(dāng)前呼叫 中心人力資源管理的迫切需求。

【發(fā)明內(nèi)容】

[0007] 針對現(xiàn)有技術(shù)的不足，本發(fā)明提供一種基于粒子群優(yōu)化算法的呼叫中心排班方 法。
[0008] 本發(fā)明的技術(shù)方案如下：
[0009] -種基于粒子群優(yōu)化算法的呼叫中心排班方法，包括步驟如下：
[0010] 1)根據(jù)排班方案，確定待排班的時期和每個待排班日期的班次列表，并將每個班 次列表標(biāo)記為兩元組集合〈班次，工作時段〉;按照一定的時間間隔對每個工作時段進行分 割得到多個時間點，并給每個時間點添加一個標(biāo)志位，最終得到每個班次列表的四元組集 合〈班次，時間點，標(biāo)志位，人力需求〉，其中所述"人力需求"項為空；
[0011] 2)將所述四元組集合〈班次，時間點，標(biāo)志位，人力需求〉中的每個元素作為粒子群 優(yōu)化算法中的一個粒子，通過粒子群優(yōu)化算法計算得到各個班次在每個排班日期需要安排 的人力，得到三元組集合〈排班日期，班次，需要人力〉；
[0012] 2.1)初始化粒子群優(yōu)化算法的參數(shù)：隨機初始化每個粒子的初始位置和初始速 度、罰因子r k、全局最優(yōu)位置;將每個粒子的初始位置設(shè)置為最優(yōu)位置;迭代次數(shù)k= 1;罰因 子ri=l;
[0013] 2.2)將待排班日期當(dāng)天各個班次需要安排人力的預(yù)測值作為粒子群優(yōu)化算法的 適應(yīng)度函數(shù)的自變量，利用適應(yīng)度函數(shù)計算粒子的整體適應(yīng)度，如果粒子的整體適應(yīng)度達 到第一閾值精度，則調(diào)轉(zhuǎn)到步驟2.4)，否則順序執(zhí)行步驟2.3);
[0014] 2.3)更新每個粒子的位置、速度和最優(yōu)位置;將同屬于一個班次的不同時間段的 粒子的位置、速度和最優(yōu)位置共同為其中一個粒子的位置、速度和最優(yōu)位置，這樣可以保證 進行運算時安排給同一個班次的所有時間點的坐席員是相同的，坐席員數(shù)量是相等的，更 新迭代次數(shù)，k = k+l;如果未達到最大迭代次數(shù)，則返回步驟2.2)，否則跳轉(zhuǎn)到步驟2.5);
[0015] 2.4)計算罰因子分別為rk和rk-i時粒子的整體適應(yīng)度的差值，如果該差值小于第 二閾值精度，說明粒子的總體適應(yīng)度不再提高，則跳轉(zhuǎn)到2.5);否則將所述罰因子設(shè)置為 rk+1，如果罰因子rk+1小于第三閾值，則重新初始化粒子群優(yōu)化算法中每個粒子的位置、速 度、最優(yōu)位置，以及全局最優(yōu)位置，跳轉(zhuǎn)到步驟2.2);如果罰因子r k+1大于第三閾值，則跳轉(zhuǎn) 到步驟2.5);
[0016] 2.5)返回最優(yōu)解;所述最優(yōu)解為四元組集合〈班次，時間點，標(biāo)志位，人力需求〉，此 時該四元組中人力需求項已有值，該值通過粒子群優(yōu)化算法計算得到，通過2.3)的敘述我 們知道同屬于一個班次的不同時間點的人力需求值是相同的，因此我們可以得到〈排班日 期，班次，需要人力〉三元組列表。
[0017] 3)參與排班的所有坐席員組及每個坐席員組的折合人力標(biāo)記為二元組集合〈坐席 員組，折合人力〉;將步驟2)計算得到的三元組集合〈排班日期，班次，需要人力〉與二元組集 合〈坐席員組，折合人力〉進行匹配計算得到最優(yōu)值，并用三元組集合〈排班日期，坐席員組， 班次〉表示；
[0018] 4)重復(fù)步驟2)-3)直到得到屬于每個待排班日期的三元組集合〈排班日期，班次， 需要人力〉。通過上面的計算可以得到所有待排班日期的排班匯總表。
[0019] 優(yōu)選的，所述步驟1)中全局最優(yōu)位置為1000~2000之間的一個整數(shù)值。
[0020] 優(yōu)選的，所述步驟1)中所述時間間隔為半小時；給每個時間點添加一個標(biāo)志位的 具體方法為，屬于一個班次的所有時間段的標(biāo)志位相等，不同屬于一個班次的所有時間段 的標(biāo)志位不相等。
[0021] 優(yōu)選的，所述罰因子Λ組成的數(shù)列是一個遞增的正值序列，即
[0022] l<ri<r2< · · · <rk 其中，rk = c Xrk-1 k= 1，2,3 c為常數(shù)。
[0023] 優(yōu)選的，所述步驟3)中，將步驟2)計算得到的三元組集合〈排班日期，班次，需要人 力〉與二元組集合〈坐席員組，折合人力〉進行匹配計算得到最優(yōu)值的方法為，將二元組集合 〈坐席員組，折合人力〉中的"折合人力"與三元組集合〈排班日期，班次，需要人力〉中的"需 要人力"利用排列組合的窮舉算法進行匹配計算，方差最小者為最優(yōu)，具體計算方法如下： [0024] I.將三元組集合〈排班日期，班次，需要人力〉標(biāo)記為：〈(!，&#>，其中i =