一种业务预约方法及装置与流程

1.本技术涉及通信技术领域，尤其涉及一种业务预约方法及装置。


背景技术：

2.预约决策是指根据前来预约客户提供的业务预约情况，为预约客户安排合适窗口及时间段的过程。由于窗口的有限性，需对有限资源进行合理配置，实现资源利用的最大化。以银行业务预约为例，目前的方法主要有首先利用前景理论描述客户的满意度，构建银行预约决策模型；或者利用累积前景理论刻画满意度，对银行业务预约进行调度并与传统先到先服务方式进行对比；此外考虑客户实时满意度，对客户的总体满意度进行优化，但上述方案一般采用传统模拟退火算法进行求解，但是传统模拟退火算法在寻优过程中易容易丢失找到的较优解，进而导致业务调度不尽合理，客户满意度不高。


技术实现要素：

3.有鉴于此，本技术实施例提供了一种业务预约方法及装置，旨在解决现有技术中业务调度不尽合理，客户满意度不高的问题。
4.第一方面，本技术实施例提供了一种业务预约方法，所述方法包括：
5.利用建立的业务预约决策模型整合客户对业务窗口和时间段的价值矩阵，得到综合价值矩阵；所述综合价值矩阵为：合价值矩阵；所述综合价值矩阵为：为预约客户基于窗口的价值矩阵的转置矩阵；v
tk
为所述预约客户基于时间段的价值矩阵；
6.构造能量函数；所述能量函数为目标函数的倒数形式并扩大至预设倍数，所述目标函数为总价值最大；
7.利用添加记忆功能的模拟退火算法进行求解，将满足算法终止条件的目标解作为最优解；
8.利用所述最优解进行业务预约。
9.可选的，所述利用添加记忆功能的模拟退火算法进行求解，将满足算法终止条件的目标解作为最优解，具体包括：
10.设置初始化数据，所述初始化数据包括初始温度、初始状态、内循环次数、温度缩减系数、最低温度；
11.基于初始化数据生成第一结果，并记录所述第一结果对应的能量；
12.对所述第一结果依次进行交换、逆序、变异得到第二结果，并记录所述第二结果对应的能量；
13.若所述第二结果的能量小于所述第一结果的能量，则接受所述第二结果；并记录完成一次内循环；
14.将进行内循环次数算法进行求解所产生的能量中最低能量对应的结果作为目标解；
15.将本次内循环次数算法进行求解所产生的目标解与上次内循环次数算法进行求
解所产生的目标解进行比较，将较小的目标解作为最优解；
16.若本次温度小于所述最低温度，则停止求解；
17.若本次温度大于或等于所述最低温度，则将温度赋值为本次温度乘以所述温度缩减系数，进行下一次内循环次数算法求解。
18.可选的，在所述得到综合价值矩阵之后，所述方法还包括：
19.对得到的综合价值矩阵进行整合；
20.得到的综合价值矩阵为：
[0021][0022]
整合后的综合矩阵为：
[0023][0024]
可选的，所述业务预约决策模型的建立方法为：
[0025]
利用前景理论描述客户对业务窗口以及时间段的偏好建立所述业务预约决策模型。
[0026]
可选的，在所述利用所述最优解进行业务预约之前，所述方法还包括：
[0027]
将所述最优解与传统“先到先服务”的方法获得的解进行比较，以验证所述最优解的准确性。
[0028]
第二方面，本技术实施例提供了一种业务预约装置，所述装置包括：整合模块、构造模块、求解模块和预约模块；
[0029]
所述整合模块，用于利用建立的业务预约决策模型整合客户对业务窗口和时间段的价值矩阵，得到综合价值矩阵；所述综合价值矩阵为：的价值矩阵，得到综合价值矩阵；所述综合价值矩阵为：为预约客户基于窗口的价值矩阵的转置矩阵；v
tk
为所述预约客户基于时间段的价值矩阵；
[0030]
所述构造模块，用于构造能量函数；所述能量函数为目标函数的倒数形式并扩大至预设倍数，所述目标函数为总价值最大；
[0031]
所述求解模块，用于利用添加记忆功能的模拟退火算法进行求解，将满足算法终止条件的目标解作为最优解；
[0032]
所述预约模块，用于利用所述最优解进行业务预约。
[0033]
可选的，所述求解模块包括设置单元、记录单元、确定单元、比较单元和赋值单元；
[0034]
所述设置单元，具体用于设置初始化数据，所述初始化数据包括初始温度、初始状态、内循环次数、温度缩减系数、最低温度；
[0035]
所述记录单元，具体用于基于初始化数据生成第一结果，并记录所述第一结果对应的能量；对所述第一结果依次进行交换、逆序、变异得到第二结果，并记录所述第二结果对应的能量；若所述第二结果的能量小于所述第一结果的能量，则接受所述第二结果；并记录完成一次内循环；
[0036]
所述确定单元，具体用于将进行内循环次数算法进行求解所产生的能量中最低能量对应的结果作为目标解；
[0037]
所述比较单元，具体用于将本次内循环次数算法进行求解所产生的目标解与上次内循环次数算法进行求解所产生的目标解进行比较，将较小的目标解作为最优解；
[0038]
所述赋值单元，具体用于若本次温度小于所述最低温度，则停止求解；
[0039]
若本次温度大于或等于所述最低温度，则将温度赋值为本次温度乘以所述温度缩减系数，进行下一次内循环次数算法求解。
[0040]
可选的，所述整合模块还用于：
[0041]
对得到的综合价值矩阵进行整合；
[0042]
得到的综合价值矩阵为：
[0043][0044]
整合后的综合矩阵为：
[0045][0046]
可选的，所述装置还包括建立模块，所述建立模块具体用于：
[0047]
利用前景理论描述客户对业务窗口以及时间段的偏好建立所述业务预约决策模型。
[0048]
可选的，所述装置还包括验证模块，所述验证模块具体用于：
[0049]
将所述最优解与传统“先到先服务”的方法获得的解进行比较，以验证所述最优解的准确性。
[0050]
本技术实施例提供了一种业务预约方法。在执行所述方法时，先利用建立的业务预约决策模型整合客户对业务窗口和时间段的价值矩阵，得到综合价值矩阵；所述综合价值矩阵为：值矩阵为：为预约客户基于窗口的价值矩阵的转置矩阵；v
tk
为所述预约客户基于时间段的价值矩阵；然后构造能量函数；所述能量函数为目标函数的倒数形式并扩大至预设倍数，所述目标函数为总价值最大；再利用添加记忆功能的模拟退火算法进行求解，将满足算法终止条件的目标解作为最优解；最后利用所述最优解进行业务预约。这样，通过业务预约决策模型整合客户对业务窗口和时间段的价值矩阵，并利用价值矩阵构造能量函数，并利用添加记忆功能的模拟退火算法进行求解，能够实现目标函数的总价值最大，即能够找到进行业务预约的最优解，并且避免了现有技术中采用传统的模拟退火算法导致的最优解易丢失的问题；进一步解决了现有技术中业务调度不尽合理，客户满意度不高的问题。
附图说明
[0051]
为更清楚地说明本实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0052]
图1为本技术实施例提供的一种业务预约方法的流程图；
[0053]
图2为本技术实施例提供的步骤s103具体实现步骤流程图；
[0054]
图3为本技术实施例提供的一种业务预约装置的结构示意图。
具体实施方式
[0055]
预约决策是指根据前来预约客户提供的业务预约情况，为预约客户安排合适窗口及时间段的过程。由于窗口的有限性，需对有限资源进行合理配置，实现资源利用的最大化。以银行业务预约为例，目前的方法主要有首先利用前景理论描述客户的满意度，构建银行预约决策模型；或者利用累积前景理论刻画满意度，对银行业务预约进行调度并与传统先到先服务方式进行对比；此外考虑客户实时满意度，对客户的总体满意度进行优化，但上述方案一般采用传统模拟退火算法进行求解，但是传统模拟退火算法在寻优过程中易容易丢失找到的较优解，进而导致业务调度不尽合理，客户满意度不高。
[0056]
有鉴于此，本技术发明人考虑到如果利用前景理论描述客户对业务窗口以及时间段的偏好，建立业务预约决策模型；并利用带记忆模拟退火算法设计编码以及邻域解生成方式，同时设置不同预约客户数量求解模型，便可以实现客户的总价值最大，从而提高客户的满意度。由此提出本技术要求保护的方案。
[0057]
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，所描述的实施例仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，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，都属于本技术保护的范围。
[0058]
在介绍本方案之前，先介绍下本方案涉及的本领域相关的术语，以方便理解本方案。
[0059]
模拟退火算法：是一种基于概率的算法，将固体加温至充分高，再让其徐徐冷却，加温时，固体内部粒子随温升变为无序状，内能增大，而徐徐冷却时粒子渐趋有序，在每个温度都达到平衡态，最后在常温时达到基态，内能减为最小。
[0060]
偏好排序：是个人或群体根据其喜好，对若干个决策方案进行选择，排列出先后顺序。在社会生活中，有许多问题可以归结为偏好排序。如选举问题：一个群体面对若干个决策方案，当群体内部的不同成员对方案有不同的看法时，该群体应选择哪个方案。
[0061]
参见图1，图1为本技术实施例提供的一种业务预约方法的流程图，包括：
[0062]
s101、利用建立的业务预约决策模型整合客户对业务窗口和时间段的价值矩阵，得到综合价值矩阵；所述综合价值矩阵为：得到综合价值矩阵；所述综合价值矩阵为：为预约客户基于窗口的价值矩阵的转置矩阵；v
tk
为所述预约客户基于时间段的价值矩阵。
[0063]
首先需要建立业务预约模型，可利用前景理论描述客户对业务窗口以及时间段的偏好建立所述业务预约决策模型。考虑到客户对时间段以及窗口的偏好情况，利用前景理论量化不同客户对窗口以及时间段的主观价值，得到客户在不同时间段内接受各窗口服务的价值函数，进而以客户的总价值最大为目标，构建银行业务预约决策模型。
[0064]
建立模型以后，整合客户对业务窗口和时间段的价值矩阵，可得到综合价值矩阵。
[0065]
s102、构造能量函数；所述能量函数为目标函数的倒数形式并扩大至预设倍数，所述目标函数为总价值最大。
[0066]
根据模型可知目标函数为总价值最大，但模拟退火算法的最优解为最低能量状
态，因此构造能量函数。通过倒数的方法将目标函数求最大变成求最小，对数据进行分析可发现目标函数的倒数较小，在进行差值计算时不明显。因此，构造的能量函数为目标函数的倒数形式并扩大至预设倍数，可选择扩大1 000倍。
[0067]
s103、利用添加记忆功能的模拟退火算法进行求解，将满足算法终止条件的目标解作为最优解。
[0068]
利用添加记忆功能的模拟退火算法进行求解，终止条件可以设为当前温度小于预设温度，当满足终止条件时得到的目标解作为最优解。
[0069]
s104、利用所述最优解进行业务预约。
[0070]
获得了最优解就相当于尽可能地获得了满足客户需求的业务预约安排，最优解对应客户预约的窗口及窗口的使用时间，按照此预约结果完成业务预约。
[0071]
本技术实施例提供了一种业务预约方法。在执行所述方法时，先利用建立的业务预约决策模型整合客户对业务窗口和时间段的价值矩阵，得到综合价值矩阵；所述综合价值矩阵为：值矩阵为：为预约客户基于窗口的价值矩阵的转置矩阵；v
tk
为所述预约客户基于时间段的价值矩阵；然后构造能量函数；所述能量函数为目标函数的倒数形式并扩大至预设倍数，所述目标函数为总价值最大；再利用添加记忆功能的模拟退火算法进行求解，将满足算法终止条件的目标解作为最优解；最后利用所述最优解进行业务预约。这样，通过业务预约决策模型整合客户对业务窗口和时间段的价值矩阵，并利用价值矩阵构造能量函数，并利用添加记忆功能的模拟退火算法进行求解，能够实现目标函数的总价值最大，即能够找到进行业务预约的最优解，并且避免了现有技术中采用传统的模拟退火算法导致的最优解易丢失的问题；进一步解决了现有技术中业务调度不尽合理，客户满意度不高的问题。
[0072]
进一步地，本技术可选的实施例，在得到综合价值矩阵之后，可以对得到的综合价值矩阵进行整合；鉴于每位客户的理想解唯一，即每个可选择解的概率权重均相等，将其设为1，同时考虑已预约窗口及时间段情况，对综合价值矩阵进行整合，将已预约的窗口时间段的价值取为0，未被预约窗口时间段价值不变，即：
[0073][0074]
其中，为未考虑之前已预约情况的综合价值，越大，用户满意度越高，由上式得到整合后用户pk的综合价值矩阵vk′
。
[0075]
建立以客户总价值最大为目标函数的模型：
[0076]
整合后的综合价值矩阵为：
[0077]
表示一名客户只能预约一个窗口的一个时间段，表示一个窗口的一个时间段只能被一名客户预约或不预约；为决策变量。
[0078]
进一步地，参见图2，图2为本技术实施例提供的步骤s103具体实现步骤流程图：
[0079]
s1031、设置初始化数据，所述初始化数据包括初始温度、初始状态、内循环次数、温度缩减系数、最低温度。
[0080]
设置初始化数据，给定初始温度tmax，随机产生初始状态x，给定内循环次数l，温度缩减系数δ，给定最低温度tmin。
[0081]
s1032、基于初始化数据生成第一结果，并记录所述第一结果对应的能量。
[0082]
随机产生可行解x，记录当前可行解的能量e(x)。
[0083]
s1033、对所述第一结果依次进行交换、逆序、变异得到第二结果，并记录所述第二结果对应的能量。
[0084]
对k＝1,2,
…
,l进入内循环，进行步骤s1033～s1035迭代。
[0085]
假设第一结果为x，对第一结果进行交换：随机生成a,b∈[1,r]，其中a不等于b，交换a，b两列；逆序：随机生成a,b∈[1,r]，其中a不等于b，将a，b两列之间的编码顺序做逆向处理；变异：因编码的特殊性，编码长度小于需要遍历的时间段数目，故将变异概率放大，以便更好地搜索到全局最优。对第一结果依次进行交换、逆序、变异得到第二结果，并记录第二结果对应的能量。
[0086]
例如存在8名客户、4个窗口、12个时间段，生成的编码方式就是一个x＝2
×
8的矩阵，每一列代表一名客户的选择，第一行代表选择的时间段编号，第二行代表选择的窗口编号，a、b是列数，r是列总数。
[0087]
假设初始解为：
[0088]
1 2 3 4 5 6 7 8
[0089]
1 2 3 4 1 2 3 4；
[0090]
假设a＝1，b＝3，做逆向处理后的结果为：
[0091]
3 2 1 4 5 6 7 8
[0092]
3 2 1 4 1 2 3 4；
[0093]
进行变异可以随机生成一个数字c，c∈[1,m
×
n]，m代表行，n代表列，c代表在可行解上的位置，若该数字为奇数，则再随机生成d∈[1,m]，代表随机选择一个时间段；若为偶数，则随机生成f∈[1,n]，代表随机选择一个业务窗口。根据变异概率进行变异，再判断解是否可行。
[0094]
s1034、若所述第二结果的能量小于所述第一结果的能量，则接受所述第二结果；并记录完成一次内循环。
[0095]
计算第二结果的能量与第一结果的能量的大小关系，如果第二结果的能量小于第一结果的能量，则接受第二结果；如果第二结果的能量不小于第一结果的能量，以概率接受第二结果，并记录所有产生的能量e，如此算作完成一次内循环。接着进行下一次内循环，直至重复l次完成步骤s1033-s1034内循环算作完成一次外循环。
[0096]
s1035、将进行内循环次数算法进行求解所产生的能量中最低能量对应的结果作为目标解。
[0097]
判断算法是否达到规定的内循环次数l，找到l次内循环所有产生的能量最优解，并将进行内循环次数算法进行求解所产生的能量中最低能量对应的结果作为目标解。
[0098]
s1036、将本次内循环次数算法进行求解所产生的目标解与上次内循环次数算法进行求解所产生的目标解进行比较，将较小的目标解作为最优解。
[0099]
本次内循环次数算法进行求解所产生的目标解与上次内循环次数算法进行求解所产生的目标解进行比较，将较小的目标解作为最优解。
[0100]
s1037、若本次温度小于所述最低温度，则停止求解。
[0101]
判断算法是否满足规定的终止条件t《tmin，若满足，则当前的状态为最优解。
[0102]
s1038、若本次温度大于或等于所述最低温度，则将温度赋值为本次温度乘以所述温度缩减系数，进行下一次内循环次数算法求解。
[0103]
若不满足规定的终止条件t《tmin则继续，降低温度t，令t＝t
×
δ，返回执行步骤s1033。
[0104]
本技术实施例采用带记忆功能的模拟退火算法，将每个状态的解都保留下来，找到l次内循环所有产生的能量最优解，避免了丢失找到的最优解，进而可以找到最优解，实现客户的总价值最大，提高客户的满意度。
[0105]
进一步地，本技术可选的实施例，在利用最优解进行业务预约之前，将得到的最优解与传统“先到先服务”的方法获得的解进行比较，以验证最优解的准确性。
[0106]
以上为本技术实施例提供一种业务预约方法的一些具体实现方式，基于此，本技术还提供了对应的一种业务预约装置。下面将从功能模块化的角度对本技术实施例提供的装置进行介绍。
[0107]
参见图3，图3为本技术实施例提供的一种业务预约装置的结构示意图，该装置包括：
[0108]
整合模块301、构造模块302、求解模块303和预约模块304；
[0109]
所述整合模块301，用于利用建立的业务预约决策模型整合客户对业务窗口和时间段的价值矩阵，得到综合价值矩阵；所述综合价值矩阵为：间段的价值矩阵，得到综合价值矩阵；所述综合价值矩阵为：为预约客户基于窗口的价值矩阵的转置矩阵；v
tk
为所述预约客户基于时间段的价值矩阵；
[0110]
所述构造模块302，用于构造能量函数；所述能量函数为目标函数的倒数形式并扩大至预设倍数，所述目标函数为总价值最大；
[0111]
所述求解模块303，用于利用添加记忆功能的模拟退火算法进行求解，将满足算法终止条件的目标解作为最优解；
[0112]
所述预约模块304，用于利用所述最优解进行业务预约。
[0113]
本技术实施例提供了一种业务预约装置，用于执行对应的一种业务预约方法。在执行所述方法时，先利用建立的业务预约决策模型整合客户对业务窗口和时间段的价值矩阵，得到综合价值矩阵；所述综合价值矩阵为：阵，得到综合价值矩阵；所述综合价值矩阵为：为预约客户基于窗口的价值矩阵的转置矩阵；v
tk
为所述预约客户基于时间段的价值矩阵；然后构造能量函数；所述能量函数为目标函数的倒数形式并扩大至预设倍数，所述目标函数为总价值最大；再利用添
加记忆功能的模拟退火算法进行求解，将满足算法终止条件的目标解作为最优解；最后利用所述最优解进行业务预约。这样，通过业务预约决策模型整合客户对业务窗口和时间段的价值矩阵，并利用价值矩阵构造能量函数，并利用添加记忆功能的模拟退火算法进行求解，能够实现目标函数的总价值最大，即能够找到进行业务预约的最优解，并且避免了现有技术中采用传统的模拟退火算法导致的最优解易丢失的问题；进一步解决了现有技术中业务调度不尽合理，客户满意度不高的问题。
[0114]
进一步地，本技术可选的实施例，所述求解模块包括设置单元、记录单元、确定单元、比较单元和赋值单元；
[0115]
所述设置单元，具体用于设置初始化数据，所述初始化数据包括初始温度、初始状态、内循环次数、温度缩减系数、最低温度；
[0116]
所述记录单元，具体用于基于初始化数据生成第一结果，并记录所述第一结果对应的能量；对所述第一结果依次进行交换、逆序、变异得到第二结果，并记录所述第二结果对应的能量；若所述第二结果的能量小于所述第一结果的能量，则接受所述第二结果；并记录完成一次内循环；
[0117]
所述确定单元，具体用于将进行内循环次数算法进行求解所产生的能量中最低能量对应的结果作为目标解；
[0118]
所述比较单元，具体用于将本次内循环次数算法进行求解所产生的目标解与上次内循环次数算法进行求解所产生的目标解进行比较，将较小的目标解作为最优解；
[0119]
所述赋值单元，具体用于若本次温度小于所述最低温度，则停止求解；
[0120]
若本次温度大于或等于所述最低温度，则将温度赋值为本次温度乘以所述温度缩减系数，进行下一次内循环次数算法求解。
[0121]
进一步地，本技术可选的实施例，所述整合模块301还用于：
[0122]
对得到的综合价值矩阵进行整合；
[0123]
得到的综合价值矩阵为：
[0124][0125]
整合后的综合矩阵为：
[0126][0127]
进一步地，本技术可选的实施例，所述装置还包括建立模块，所述建立模块具体用于：
[0128]
利用前景理论描述客户对业务窗口以及时间段的偏好建立所述业务预约决策模型。
[0129]
进一步地，本技术可选的实施例，所述装置还包括验证模块，所述验证模块具体用于：
[0130]
将所述最优解与传统“先到先服务”的方法获得的解进行比较，以验证所述最优解的准确性。
[0131]
本技术实施例中提到的“第一结果”、“第二结果”等名称中的“第一”、“第二”只是用来做名字标识，并不代表顺序上的第一、第二。
[0132]
通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到上述实施例方法中的全部或部分步骤可借助软件加通用硬件平台的方式来实现。基于这样的理解，本技术的技术方案可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如只读存储器(英文：read-only memory，rom)/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者诸如路由器等网络通信设备)执行本技术各个实施例或者实施例的某些部分所述的方法。
[0133]
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
[0134]
以上所述仅是本技术示例性的实施方式，并非用于限定本技术的保护范围。
[0135]
需要说明的是，本发明提供的一种业务预约方法及装置，可用于通信领域或金融领域。上述仅为示例，并不对本发明提供的一种业务预约方法及装置的应用领域进行限定。