CN113806683A - 一种大型体育赛事服务人员需求测算与组织调度方法 - Google Patents

一种大型体育赛事服务人员需求测算与组织调度方法 Download PDF

Info

Publication number
CN113806683A
CN113806683A CN202110907030.0A CN202110907030A CN113806683A CN 113806683 A CN113806683 A CN 113806683A CN 202110907030 A CN202110907030 A CN 202110907030A CN 113806683 A CN113806683 A CN 113806683A
Authority
CN
China
Prior art keywords
service personnel
service
working
work
personnel
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.)
Granted
Application number
CN202110907030.0A
Other languages
English (en)
Other versions
CN113806683B (zh
Inventor
张文义
何彦博
马继辉
李新刚
张璇
黄爱玲
姜锐
王子洋
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.)
Beijing Jiaotong University
Original Assignee
Beijing Jiaotong University
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 Beijing Jiaotong University filed Critical Beijing Jiaotong University
Priority to CN202110907030.0A priority Critical patent/CN113806683B/zh
Publication of CN113806683A publication Critical patent/CN113806683A/zh
Application granted granted Critical
Publication of CN113806683B publication Critical patent/CN113806683B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06Q10/04—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
    • 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
    • G06Q10/063112—Skill-based matching of a person or a group to a task
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Landscapes

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

Abstract

本发明涉及一种大型体育赛事服务人员需求测算与组织调度方法，首先进行问题调研，得到调研数据；然后明确所有服务工作任务的类别，并据此将所需服务人员分为专业服务人员和非专业服务人员，再后将赛事包含的服务工作任务根据工作性质和人员要求拆分为若干工作模块，并构建服务人员需求测算与组织调度的数学优化模型；之后设计改进的禁忌搜索算法；最后对调研数据进行预处理，基于调研数据完成数学优化模型的校验和算法的参数设计，并运用改进的禁忌搜索算法对数学优化模型进行求解，进而得到整个赛事对于服务人员的需求与调度方案，服务人员的需求与调度方案具体为：单日各类服务人员的需求量、每位服务人员的调度方案及各类服务人员的总需求量。

Description

一种大型体育赛事服务人员需求测算与组织调度方法
技术领域
本发明属于体育赛事组织管理服务领域，具体涉及一种大型体育赛事服务人员需求测算与组织调度方法。
背景技术
大型体育赛事持续时间长、日程紧，涉及工作种类多、数量大，需要招募大量各类服务人员进行合理分工协作方可完成。因此，必须要有一种有效方法来测算各类服务人员的需求规模，并对这些人员进行合理组织调度，为管理者提供辅助决策支持。
现有大型体育赛事的人员需求测算和组织调度主要依仗于管理者的经验，至今仍缺乏一种严格高效的科学决策方法。经验方法难以对决策方案质量做出快速有效评估，因此容易造成决策偏差或失误，当面临新情况或新场景时，也无法根据新变化做出科学、及时、高效的决策响应。大型体育赛事的服务人员组织调度问题是一个典型的NP难问题，此类问题至今仍不存在有效的精确算法，在实际中一般只能采用启发式或元启发式算法来求解。
本发明通过建立数学模型，可以严格准确描述大型体育赛事服务人员需求测算与组织调度问题的决策需求、决策目标以及该问题可能涉及的特殊要求和关键约束条件。
本发明采取以日为单位、先分后总的研究思路，可显著降低问题求解规模、提升计算效率。
本发明以在求解NP难问题中广泛应用的禁忌搜索为框架，并根据本问题的特点设计新的邻域算子(即cover算子)，所得到的改进的禁忌搜索算法可快速求得每天各类人员的需求量并给出柔性调度方案，再经比选即可得到整个赛事对于各类服务人员的需求规模。
本发明可以为大型体育赛事各类服务人员的需求测算和组织调度提供一套科学、及时、高效的解决方法，也可为大型综合会议、演唱会、博览会等活动的类似决策问题提供强有力借鉴。
发明内容
针对现有技术中存在的缺陷，本发明的目的为大型体育赛事服务人员需求测算与组织调度问题提供一种计算机解决方法，通过建立数学模型，准确描述了赛事人员调度问题以及该问题涉及的各种约束难点。求解时以单个比赛日为优化对象，求解每天需要的各类服务人员数量，并通过整个赛事期间的优化求解结果估计赛事前需招募的各类服务人员最少数量，实现对服务人员进行灵活调度。
为达到以上目的，本发明采取的技术方案是：
一种大型体育赛事服务人员需求测算与组织调度方法，包括如下步骤：
S1、首先进行问题调研，从举办方获取赛事日程、各项比赛/事件的起止时间和服务人员需求、场地间交通情况以及服务人员工作时长限制等信息，得到调研数据，同时明确所有服务工作任务的类别，并据此将所需服务人员分为专业服务人员和非专业服务人员两大类；
S2、将赛事包含的服务工作任务根据工作性质和人员要求等拆分为若干工作模块，以工作模块为单位，以一天为计算周期，并据此构建服务人员需求测算与组织调度的数学优化模型；
目标函数：
Figure BDA0003202051220000021
Figure BDA0003202051220000031
约束条件：
Figure BDA0003202051220000032
Figure BDA0003202051220000033
Figure BDA0003202051220000034
Figure BDA0003202051220000035
Figure BDA0003202051220000036
Figure BDA0003202051220000037
Figure BDA0003202051220000038
Figure BDA0003202051220000039
Figure BDA00032020512200000310
Figure BDA00032020512200000311
Figure BDA00032020512200000312
Figure BDA00032020512200000313
Figure BDA00032020512200000314
Figure BDA00032020512200000315
Figure BDA00032020512200000316
Figure BDA00032020512200000317
在所建立的数学优化模型中，公式1.1表示投入的总人数最少，为首要目标；公式1.2表示工作总时长最短，为次要目标；公式2表示所有的工作模块必须安排服务人员完成；公式3表示并非每个人都必须被分配任务，取决于是否有利于改善系统目标；公式4.1表示服务人员必须从驻地出发，且完成工作后返回驻地；公式4.2表示各工作模块对应的度守恒约束；公式5.1表示服务人员必须在第一个工作模块开始前到达；公式5.2表示服务人员必须在下一个工作模块开始前到达；公式5.3表示服务人员返回驻地的时间晚于最早可能返回的时刻；公式6.1和6.2共同表示服务人员执行相继两个工作模块所导致的等价工时变化关系；公式7表示任一服务人员的等价总工时不能超过其所在服务人员类别的上限；公式8.1和8.2表示不能胜任的工作模块不能被相应的服务人员执行；公式9和10为决策变量的定义；
模型集合和索引：M表示工作任务类别的集合，m为其索引；W表示服务人员类别的集合，w为其索引；K表示所有工作模块的集合，i，j，k为其索引；o，d分别表示服务人员出发和返回的驻地；V表示所有服务人员的集合，v为其索引；
模型输入参数：BeginTj表示工作模块j的开始时间；EndTi表示工作模块i的结束时间；MoveTij表示从工作模块i处到工作模块j处的所需交通时长；MoveToj表示从驻地出发到工作模块j处的所需交通时长；MoveTid表示从工作模块i处返回驻地所需交通时长；DurTj表示工作模块j的工作时长；μm为一正数，表示m类任务的工时拓展系数；UpperTw表示第w类服务人员的单日工时上限；ρjm表示工作模块所属工作类别判定矩阵，取值为0或1，取1时表示工作模块j属于第m类任务，否则表示不属于；ηvw表示服务人员所属类别判定矩阵，取值为0或1，取1时表示服务人员v属于第w类服务人员，否则表示不属于；δvi，δvj表示服务人员能胜任的工作模块判定矩阵，取值为0或1，取1时表示能胜任，否则表示不能；INF为一个很大的正实数，用于将条件约束线性化；
模型变量：z1(x)表示投入的总人数；z2(x)表示工作总时长；
Figure BDA0003202051220000051
分别表示服务人员v执行完工作模块i和j时的累计等价工时；
Figure BDA0003202051220000052
表示服务人员v返回驻地时的累计等价工时；
Figure BDA0003202051220000053
表示工作模块i和k是否相继被服务人员v执行，若是则有
Figure BDA0003202051220000054
否则
Figure BDA0003202051220000055
Figure BDA0003202051220000056
表示工作模块k和j是否相继被服务人员v执行，若是则有
Figure BDA0003202051220000057
否则
Figure BDA0003202051220000058
Figure BDA0003202051220000059
表示服务人员v从驻地出发后的第一项任务是否为工作模块k，若是则有
Figure BDA00032020512200000510
否则
Figure BDA00032020512200000511
Figure BDA00032020512200000512
表示服务人员v是否在完成工作模块i后便返回驻地，若是则有
Figure BDA00032020512200000513
否则
Figure BDA00032020512200000514
Figure BDA00032020512200000515
表示工作模块i和j是否相继被服务人员v执行，若是则有
Figure BDA00032020512200000516
否则
Figure BDA00032020512200000517
Figure BDA00032020512200000518
表示服务人员v从驻地出发后的第一项任务是否为工作模块j，若是则有
Figure BDA00032020512200000519
否则
Figure BDA00032020512200000520
Figure BDA00032020512200000521
表示服务人员v是否在完成工作模块i后便返回驻地，若是则有
Figure BDA00032020512200000522
否则
Figure BDA00032020512200000523
Figure BDA00032020512200000524
分别表示服务人员v离开和返回到驻地的时刻；
S3、设计改进的禁忌搜索算法；
S4、对调研数据进行预处理，基于调研数据完成数学优化模型的校验和算法的参数设计，并运用改进的禁忌搜索算法对数学优化模型进行求解，进而得到整个赛事对于服务人员的需求与调度方案，服务人员的需求与调度方案具体为：单日各类服务人员的需求量、每位服务人员的调度方案及各类服务人员的总需求量。
在上述方案的基础上，所述专业服务人员执行其所在类别的专业工作任务和所有非专业工作任务，所述非专业服务人员执行所有非专业类工作任务(所述专业服务人员指具备相应专业知识、技能或特定资格条件的服务人员，非专业服务人员指赛事期间只能承担非专业岗位服务的服务人员)。
在上述方案的基础上，每个工作模块由一名服务人员负责(由于赛事中不同比赛在时长、场地方面存在差异，一般情况下将每个比赛涉及的服务工作视为一次任务，特殊情况下可将多个时长较短的同类任务合并为一次任务，根据任务规模将各类任务划分为若干工作模块，每个模块须由一名专门的服务人员承担，不能被兼顾)，一个服务人员能够负责多个工作模块。
在上述方案的基础上，所述改进的禁忌搜索算法的编码结构中，将每一天的所有比赛链接为一条序列，每条序列中不同的编号代表不同的服务工作种类，用0节点分隔不同场次比赛。
在上述方案的基础上，运用改进的禁忌搜索算法对数学优化模型进行求解的流程为：
首先进行算法初始化，生成初始解，定义cover邻域算子，设置cover操作概率初值及下降系数a，设置迭代次数上限，设置候选解数量和禁忌表长度，设置其他迭代变量；
然后通过cover邻域操作生成候选解集，找出不包含在禁忌表中的候选解集，若候选解集为空，则继续cover邻域操作，若候选解集不为空，则计算各候选解对应的目标函数值，找出最优的候选解，并更新当前最优解；更新禁忌表；且迭代次数加1；同时更新cover操作概率；
最后不断重复上述迭代操作，直到满足终止条件，最后输出最优解，最优解为服务人员的需求与调度方案。
在上述方案的基础上，所述cover邻域算子的核心思想：服务人员的同类替换，将相邻比赛的部分任务分配给同一批服务人员(即负责当前比赛的部分服务人员结束任务后继续提供下一比赛的服务工作)。
在上述方案的基础上，所述cover邻域算子根据被选服务人员的数量分为单点cover算子和片段cover算子。
在上述方案的基础上，所述cover邻域算子的适用对象为同一类型服务人员。
本发明的有益效果：
本发明将服务工作按工作模块处理，一个服务人员具有承担多个工作模块的能力，有助于提高服务人员的工作效率。
本发明所述数学优化模型以投入总人数最少为首要目标，以工作总时长最短为次要目标，以服务人员是否承担某模块任务和服务时间为决策变量。假定候选服务人员充足，不过不一定会被招用(取决于模型目标)；每个基本模块必须被执行且只能被执行一次；假定当天被招用的服务人员必须从驻地出发，并在完成所分配任务后返回驻地；在各任务模块点满足度守恒和时间窗约束；不同性质的基本工作模块对应的等效工时不同；模型中设有服务人员工作时间上限，保证服务人员工作强度在合适的范围内。
本发明采用cover算子将多个工作模块分配给同一服务人员，以减少服务人员的数量，提高单个服务人员的利用率。
本发明采用cover邻域算子来生成候选解，cover邻域算子在初始解的基础上将相邻时段的部分任务模块分配给相同的服务人员，进而减少所需服务人员的数量，提高服务人员工作效率。
本发明在可行条件下将部分相邻比赛的服务任务分配给同一个或同一批服务人员，既可以节约人力成本，还能减少服务人员在不同场地之间的大量调度工作。
本发明求解时以单个比赛日为优化对象，求解每天需要的各类服务人员数量，并通过整个赛事期间的优化求解结果估计赛事需招募的各类服务人员数量，以对服务人员进行灵活调度。
本发明所述方法可以计算出每天各类服务人员的数量，以及每个服务人员的工作流程(即所需执行的模块及其先后顺序)。
本发明所述方法能够选定各天某类服务人员数量的最大值，作为该类服务人员的需求规模。
附图说明
本发明有如下附图：
图1是本发明的步骤流程图。
图2是本发明的算法流程图。
图3是cover算子示意图，图3中的(a)为单点cover邻域算子，图3中的(b)为片段cover邻域算子。
图4是本方法计算得到每日服务人员平均工作时长示意图。
图5是本方法计算得到每日服务人员总数与模块数对比示意图。
具体实施方式
以下结合附图1-5对本发明作进一步详细说明。
步骤1、进行问题调研，从举办方获取赛事日程、各项比赛/事件的起止时间和服务人员需求、场地间交通情况以及服务人员工作时长限制等信息，得到调研数据。
步骤2、明确所有服务工作任务的类别，并据此将所需服务人员分为专业服务人员和非专业服务人员两大类。
步骤3、将赛事包含的服务工作任务根据工作性质和人员要求等拆分为若干工作模块，以工作模块为单位，以一天为计算周期。
步骤4、建立服务人员需求测算与组织调度的数学优化模型。
目标函数：
Figure BDA0003202051220000091
Figure BDA0003202051220000092
约束条件：
Figure BDA0003202051220000093
Figure BDA0003202051220000094
Figure BDA0003202051220000095
Figure BDA0003202051220000096
Figure BDA0003202051220000097
Figure BDA0003202051220000098
Figure BDA0003202051220000099
Figure BDA00032020512200000910
Figure BDA00032020512200000911
Figure BDA00032020512200000912
Figure BDA00032020512200000913
Figure BDA00032020512200000914
Figure BDA00032020512200000915
Figure BDA0003202051220000101
Figure BDA0003202051220000102
Figure BDA0003202051220000103
在所建立的数学优化模型中，公式1.1表示投入的总人数最少，为首要目标；公式1.2表示工作总时长最短，为次要目标；公式2表示所有的工作模块必须安排服务人员完成；公式3表示并非每个人都必须被分配任务，取决于是否有利于改善系统目标；公式4.1表示服务人员必须从驻地出发，且完成工作后返回驻地；公式4.2表示各工作模块对应的度守恒约束；公式5.1表示服务人员必须在第一个工作模块开始前到达；公式5.2表示服务人员必须在下一个工作模块开始前到达；公式5.3表示服务人员返回驻地的时间晚于最早可能返回的时刻；公式6.1和6.2共同表示服务人员执行相继两个工作模块所导致的等价工时变化关系；公式7表示任一服务人员的等价总工时不能超过其所在服务人员类别的上限；公式8.1和8.2表示不能胜任的工作模块不能被相应的服务人员执行；公式9和10为决策变量的定义；
模型集合和索引：M表示工作任务类别的集合，m为其索引；W表示服务人员类别的集合，w为其索引；K表示所有工作模块的集合，i，j，k为其索引；o，d分别表示服务人员出发和返回的驻地；V表示所有服务人员的集合，v为其索引；
模型输入参数：BeginTj表示工作模块j的开始时间；EndTi表示工作模块i的结束时间；MoveTij表示从工作模块i处到工作模块j处的所需交通时长；MoveToj表示从驻地出发到工作模块j处的所需交通时长；MoveTid表示从工作模块i处返回驻地所需交通时长；DurTj表示工作模块j的工作时长；μm为一正数，表示m类任务的工时拓展系数；UpperTW表示第w类服务人员的单日工时上限；ρjm表示工作模块所属工作类别判定矩阵，取值为0或1，取1时表示工作模块j属于第m类任务，否则表示不属于；ηvw表示服务人员所属类别判定矩阵，取值为0或1，取1时表示服务人员v属于第w类服务人员，否则表示不属于；δvi，δvj表示服务人员能胜任的工作模块判定矩阵，取值为0或1，取1时表示能胜任，否则表示不能；INF为一个很大的正实数，用于将条件约束线性化；
模型变量：z1(x)表示投入的总人数；z2(x)表示工作总时长；
Figure BDA0003202051220000111
分别表示服务人员v执行完工作模块i和j时的累计等价工时；
Figure BDA0003202051220000112
表示服务人员v返回驻地时的累计等价工时；
Figure BDA0003202051220000113
表示工作模块i和k是否相继被服务人员v执行，若是则有
Figure BDA0003202051220000114
否则
Figure BDA0003202051220000115
Figure BDA0003202051220000116
表示工作模块k和j是否相继被服务人员v执行，若是则有
Figure BDA0003202051220000117
否则
Figure BDA0003202051220000118
Figure BDA0003202051220000119
表示服务人员v从驻地出发后的第一项任务是否为工作模块k，若是则有
Figure BDA00032020512200001110
否则
Figure BDA00032020512200001111
Figure BDA00032020512200001112
表示服务人员v是否在完成工作模块i后便返回驻地，若是则有
Figure BDA00032020512200001113
否则
Figure BDA00032020512200001114
Figure BDA00032020512200001115
表示工作模块i和j是否相继被服务人员v执行，若是则有
Figure BDA00032020512200001116
否则
Figure BDA00032020512200001117
Figure BDA00032020512200001118
表示服务人员v从驻地出发后的第一项任务是否为工作模块j，若是则有
Figure BDA00032020512200001119
否则
Figure BDA00032020512200001120
Figure BDA00032020512200001121
表示服务人员v是否在完成工作模块i后便返回驻地，若是则有
Figure BDA0003202051220000121
否则
Figure BDA0003202051220000122
Figure BDA0003202051220000123
分别表示服务人员v离开和返回到驻地的时刻；
步骤5、设计改进的禁忌搜索算法。
步骤6、对调研数据进行预处理，基于调研数据完成数学优化模型的校验和算法的参数设计，并运用改进的禁忌搜索算法对数学优化模型进行求解，进而得到整个赛事对于服务人员的需求与调度方案，服务人员的需求与调度方案具体为：单日各类服务人员的需求量、每位服务人员的调度方案及各类服务人员的总需求量。
步骤7、采用基于改进的禁忌搜索的算法对数学优化模型进行求解：
首先进行算法初始化，生成初始解，定义cover邻域算子，设置cover操作概率初值及下降系数a，设置迭代次数上限，设置候选解数量和禁忌表长度，设置其他迭代变量；
然后通过cover邻域操作生成候选解集，找出不包含在禁忌表中的候选解集，若候选解集为空，则继续cover邻域操作，若候选解集不为空，则计算各候选解对应的目标函数值，找出最优的候选解，并更新当前最优解；更新禁忌表；且迭代次数加1；同时更新cover操作概率；
最后不断重复上述迭代操作，直到满足终止条件，最后输出最优解，最优解为服务人员的需求与调度方案。
步骤2中，所述专业服务人员可执行其所在类别的专业工作任务和所有非专业工作任务，所述非专业服务人员可执行所有非专业类工作任务。
步骤3中，所述工作模块根据工作性质、人员要求等将各类服务工作划分而成，每个工作模块由一名服务人员负责。
图3通过三场比赛的服务人员分配情况演示了cover邻域算子的操作原理，每条序列中1-9表示同一类型的服务人员编号，0节点分隔不同场次比赛，初始解中编号为1-4的服务人员负责第一场比赛，编号为5-7的服务人员负责第二场比赛，编号为8、9的服务人员负责第三场比赛，共需要9名服务人员。
图3中的(a)为单点cover邻域算子，假设当前为第一场比赛，在1-4号服务人员中随机选择一名服务人员2作为操作对象，再随机选择第二场比赛中的一名服务人员7作为被替换对象，将服务人员7的工作分配给服务人员2，得到一个新的服务人员调度方案。由于单点cover邻域算子每次只对两名服务人员进行调整，主要用于需求量较小的服务人员的调度调整。
图3中的(b)为片段cover邻域算子，表示同一批服务人员在相邻两场比赛中均被安排了服务工作，假设当前比赛某类任务由服务人员1-4负责，下一场比赛由服务人员5-7负责，在当前比赛的服务人员中随机选择满足最多人数要求(≤相邻两场比赛人数最小值)的片段2-3-4作为操作对象，再随机选择下一场比赛中相等长度的片段5-6-7作为被替换对象，将服务人员5-6-7的工作模块分配给服务人员2-3-4，得到新的服务人员调度方案。与单点cover算子比较，片段cover邻域算子替换操作涉及的服务人员数量更多，主要适用于需求量较大的服务人员的调度调整。
实施例
以于2016年1月20～30日在乌鲁木齐举办的第十三届全国冬季运动会为例，第十三届全国冬季运动会竞赛总日程和新疆赛区服务人员拟分类用于求出各类别工作需求和工作时长。赛事区域交通情况地图和所使用的具体交通工具用于求出赛事区域内各节点间往来路程时间。本实施例将服务人员根据工作性质分为专业服务人员和非专业服务人员。专业服务人员包括裁判助理、理疗急救人员、翻译、驾驶员、场馆运行管理员、赛事组织员和礼仪人员，共7类；非专业服务人员包括进场引导员、秩序维护员、物资维护员、检票员和协助安检人员等。专业服务人员也可以承担非专业服务人员的工作。
图4是本方法计算得到每日服务人员平均工作时长示意图。
图5是本方法计算得到每日服务人员总数与模块数对比示意图。
对比分析每日服务人员总数与模块数，证明将各类任务模块化的做法确实有良好的效果，优化了服务人员人数需求。
对比分析每日工作总时长与平均工作时长结果表明，虽然每日工作总时长相差较大，但所得到结果中服务人员平均工作时长较为稳定，在实际应用过程中能避免服务人员的闲置浪费。并且服务人员平均工作时长适中，说明服务人员工作强度也较为合适。
本方法能准确高效地计算出每天需要的各类服务人员数量，以此在赛事开始前优先决定需招募的各类服务人员数量并在赛事期间统筹调度。同时该方法所得到的结果体现出了可行性强和准确高效的特点，可在未来实际运用中得到良好效果。
上述具体实施例，对本发明的目的、技术方案和有益效果做了进一步说明，应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
本说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。

Claims (7)

1.一种大型体育赛事服务人员需求测算与组织调度方法，其特征在于，包括如下步骤：
S1、首先进行问题调研，从举办方获取赛事日程、各项比赛/事件的起止时间和服务人员需求、场地间交通情况以及服务人员工作时长限制信息，得到调研数据，同时明确所有服务工作任务的类别，并据此将所需服务人员分为专业服务人员和非专业服务人员两大类；
S2、将赛事包含的服务工作任务根据工作性质和人员要求拆分为若干工作模块，以工作模块为单位，以一天为计算周期，并据此构建服务人员需求测算与组织调度的数学优化模型；
目标函数：
Figure FDA0003202051210000011
Figure FDA0003202051210000012
约束条件：
Figure FDA0003202051210000013
Figure FDA0003202051210000014
Figure FDA0003202051210000015
Figure FDA0003202051210000016
Figure FDA0003202051210000017
Figure FDA0003202051210000018
Figure FDA0003202051210000021
Figure FDA0003202051210000022
Figure FDA0003202051210000023
Figure FDA0003202051210000024
Figure FDA0003202051210000025
Figure FDA0003202051210000026
Figure FDA0003202051210000027
Figure FDA0003202051210000028
Figure FDA0003202051210000029
Figure FDA00032020512100000210
在所建立的数学优化模型中，公式1.1表示投入的总人数最少，为首要目标；公式1.2表示工作总时长最短，为次要目标；公式2表示所有的工作模块必须安排服务人员完成；公式3表示并非每个人都必须被分配任务，取决于是否有利于改善系统目标；公式4.1表示服务人员必须从驻地出发，且完成工作后返回驻地；公式4.2表示各工作模块对应的度守恒约束；公式5.1表示服务人员必须在第一个工作模块开始前到达；公式5.2表示服务人员必须在下一个工作模块开始前到达；公式5.3表示服务人员返回驻地的时间晚于最早可能返回的时刻；公式6.1和6.2共同表示服务人员执行相继两个工作模块所导致的等价工时变化关系；公式7表示任一服务人员的等价总工时不能超过其所在服务人员类别的上限；公式8.1和8.2表示不能胜任的工作模块不能被相应的服务人员执行；公式9和10为决策变量的定义；
模型集合和索引：M表示工作任务类别的集合，m为其索引；W表示服务人员类别的集合，w为其索引；K表示所有工作模块的集合，i，j，k为其索引；o，d分别表示服务人员出发和返回的驻地；V表示所有服务人员的集合，v为其索引；
模型输入参数：BeginTj表示工作模块j的开始时间；EndTi表示工作模块i的结束时间；MoveTij表示从工作模块i处到工作模块j处的所需交通时长；MoveToj表示从驻地出发到工作模块j处的所需交通时长；MoveTid表示从工作模块i处返回驻地所需交通时长；DurTj表示工作模块j的工作时长；μm为一正数，表示m类任务的工时拓展系数；UpperTw表示第w类服务人员的单日工时上限；ρjm表示工作模块所属工作类别判定矩阵，取值为0或1，取1时表示工作模块j属于第m类任务，否则表示不属于；ηvw表示服务人员所属类别判定矩阵，取值为0或1，取1时表示服务人员v属于第w类服务人员，否则表示不属于；δvi，δvj表示服务人员能胜任的工作模块判定矩阵，取值为0或1，取1时表示能胜任，否则表示不能；INF为一个很大的正实数，用于将条件约束线性化；
模型变量：z1(x)表示投入的总人数；z2(x)表示工作总时长；
Figure FDA0003202051210000031
分别表示服务人员v执行完工作模块i和j时的累计等价工时；
Figure FDA0003202051210000032
表示服务人员v返回驻地时的累计等价工时；
Figure FDA0003202051210000033
表示工作模块i和k是否相继被服务人员v执行，若是则有
Figure FDA0003202051210000034
否则
Figure FDA0003202051210000041
Figure FDA0003202051210000042
表示工作模块k和j是否相继被服务人员v执行，若是则有
Figure FDA0003202051210000043
否则
Figure FDA0003202051210000044
Figure FDA0003202051210000045
表示服务人员v从驻地出发后的第一项任务是否为工作模块k，若是则有
Figure FDA0003202051210000046
否则
Figure FDA0003202051210000047
Figure FDA0003202051210000048
表示服务人员v是否在完成工作模块i后便返回驻地，若是则有
Figure FDA0003202051210000049
否则
Figure FDA00032020512100000410
Figure FDA00032020512100000411
表示工作模块i和j是否相继被服务人员v执行，若是则有
Figure FDA00032020512100000412
否则
Figure FDA00032020512100000413
Figure FDA00032020512100000414
表示服务人员v从驻地出发后的第一项任务是否为工作模块j，若是则有
Figure FDA00032020512100000415
否则
Figure FDA00032020512100000416
Figure FDA00032020512100000417
表示服务人员v是否在完成工作模块i后便返回驻地，若是则有
Figure FDA00032020512100000418
否则
Figure FDA00032020512100000419
Figure FDA00032020512100000420
分别表示服务人员v离开和返回到驻地的时刻；
S3、设计改进的禁忌搜索算法；
S4、对调研数据进行预处理，基于调研数据完成数学优化模型的校验和算法的参数设计，并运用改进的禁忌搜索算法对数学优化模型进行求解，进而得到整个赛事对于服务人员的需求与调度方案，服务人员的需求与调度方案具体为：单日各类服务人员的需求量、每位服务人员的调度方案及各类服务人员的总需求量。
2.如权利要求1所述的大型体育赛事服务人员需求测算与组织调度方法，其特征在于，所述专业服务人员执行其所在类别的专业工作任务和所有非专业工作任务，所述非专业服务人员执行所有非专业类工作任务。
3.如权利要求1所述的大型体育赛事服务人员需求测算与组织调度方法，其特征在于，每个工作模块由一名服务人员负责，一个服务人员能够负责多个工作模块。
4.如权利要求1所述的大型体育赛事服务人员需求测算与组织调度方法，其特征在于，所述改进的禁忌搜索算法的编码结构中，将每一天的所有比赛链接为一条序列，每条序列中不同的编号代表不同的服务工作种类，用0节点分隔不同场次比赛。
5.如权利要求4所述的大型体育赛事服务人员需求测算与组织调度方法，其特征在于，运用改进的禁忌搜索算法对数学优化模型进行求解的流程为：
首先进行算法初始化，生成初始解，定义cover邻域算子，设置cover操作概率初值及下降系数a，设置迭代次数上限，设置候选解数量和禁忌表长度，设置其他迭代变量；
然后通过cover邻域操作生成候选解集，找出不包含在禁忌表中的候选解集，若候选解集为空，则继续cover邻域操作，若候选解集不为空，则计算各候选解对应的目标函数值，找出最优的候选解，并更新当前最优解；更新禁忌表；且迭代次数加1；同时更新cover操作概率；
最后不断重复上述迭代操作，直到满足终止条件，最后输出最优解，最优解为服务人员的需求与调度方案。
6.如权利要求5所述的大型体育赛事服务人员需求测算与组织调度方法，其特征在于，所述cover邻域算子的适用对象为同一类服务人员，所述cover邻域算子的核心思想：服务人员的同类替换，将相邻比赛的部分任务分配给同一类服务人员。
7.如权利要求5所述的大型体育赛事服务人员需求测算与组织调度方法，其特征在于，所述cover邻域算子根据被选服务人员的数量分为单点cover算子和片段cover算子。
CN202110907030.0A 2021-08-09 2021-08-09 一种大型体育赛事服务人员需求测算与组织调度方法 Active CN113806683B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110907030.0A CN113806683B (zh) 2021-08-09 2021-08-09 一种大型体育赛事服务人员需求测算与组织调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110907030.0A CN113806683B (zh) 2021-08-09 2021-08-09 一种大型体育赛事服务人员需求测算与组织调度方法

Publications (2)

Publication Number Publication Date
CN113806683A true CN113806683A (zh) 2021-12-17
CN113806683B CN113806683B (zh) 2024-06-14

Family

ID=78942868

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110907030.0A Active CN113806683B (zh) 2021-08-09 2021-08-09 一种大型体育赛事服务人员需求测算与组织调度方法

Country Status (1)

Country Link
CN (1) CN113806683B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7725339B1 (en) * 2003-07-07 2010-05-25 Ac2 Solutions, Inc. Contact center scheduling using integer programming
US20130179543A1 (en) * 2012-01-06 2013-07-11 Feng-An Yu Method of providing online sporting event services
US20190080271A1 (en) * 2017-09-11 2019-03-14 Hefei University Of Technology Coordinated Production and Transportation Scheduling Method and System Based on Improved Tabu Search Algorithm
US20190266534A1 (en) * 2016-07-20 2019-08-29 Worldline Multi-criteria adaptive scheduling method for a market-oriented hybrid cloud infrastructure
CN111582691A (zh) * 2020-04-28 2020-08-25 北京交通大学 基于双层规划的客运枢纽多交通方式的运力匹配方法
CN112036729A (zh) * 2020-08-25 2020-12-04 中船文化科技(北京)有限公司 一种方舱服务设计需求分析方法、装置、电子设备以及存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7725339B1 (en) * 2003-07-07 2010-05-25 Ac2 Solutions, Inc. Contact center scheduling using integer programming
US20130179543A1 (en) * 2012-01-06 2013-07-11 Feng-An Yu Method of providing online sporting event services
US20190266534A1 (en) * 2016-07-20 2019-08-29 Worldline Multi-criteria adaptive scheduling method for a market-oriented hybrid cloud infrastructure
US20190080271A1 (en) * 2017-09-11 2019-03-14 Hefei University Of Technology Coordinated Production and Transportation Scheduling Method and System Based on Improved Tabu Search Algorithm
CN111582691A (zh) * 2020-04-28 2020-08-25 北京交通大学 基于双层规划的客运枢纽多交通方式的运力匹配方法
CN112036729A (zh) * 2020-08-25 2020-12-04 中船文化科技(北京)有限公司 一种方舱服务设计需求分析方法、装置、电子设备以及存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
冯霞;唐菱;卢敏;: "面向层次资质的机场外航服务人员排班研究", 交通运输系统工程与信息, no. 02 *
徐晶;李季涛;: "基于禁忌搜索算法的铁路客运站到发线运用计划编制研究", 大连交通大学学报, no. 05 *

Also Published As

Publication number Publication date
CN113806683B (zh) 2024-06-14

Similar Documents

Publication Publication Date Title
CN110826818A (zh) 多个巡检员对多个站点进行巡检任务规划和路径设计方法
Drobyazko et al. Formation of hybrid costing system accounting model at the enterprise
US20100299650A1 (en) Team and individual performance in the development and maintenance of software
Karimi-Majd et al. A reinforcement learning methodology for a human resource planning problem considering knowledge-based promotion
Turan et al. Simulation-based analysis of military workforce planning strategies
El-Batreek et al. A framework for construction labor productivity improvement in Egypt
Shams Bidhendi et al. Development of a weighted leanness measurement method in modular construction companies
Lalita et al. Mathematical formulations for large scale check-in counter allocation problem
CN114118832A (zh) 一种基于历史数据预测的银行排班方法和系统
CN113570118A (zh) 一种基于调度规则的车间排产和分析方法
CN111832929B (zh) 一种机场值机的动态调度方法及系统
Andy et al. Causes Leading to poor site coordination in building projects
CN112734112A (zh) 基于任务驱动的数字化门店管理方法
CN113806683A (zh) 一种大型体育赛事服务人员需求测算与组织调度方法
Liu The optimization of worker's quantity based on cross-utilization in two departments
Bakshi et al. Exploratory Analysis of Project Selection through MCDM
Hossain et al. PSO-based harmony search algorithm to aggregate production planning under possibilistic environment
Zhang et al. A novel collaborative agent reinforcement learning framework based on an attention mechanism and disjunctive graph embedding for flexible job shop scheduling problem
Campana et al. An integrated task and personnel scheduling problem to optimize distributed services in hospitals
Alfares A simulation approach for stochastic employee days-off scheduling
CN113052488A (zh) 一种工单调度方法及装置
Jagtap et al. Planning, Scheduling, Budgeting and Tracking of a Multi-Storey Building Using Primavera P6
Korneev et al. An Algorithm for the Distribution of Performers by Work, Taking Into Account the Priority of Tasks and the Specifics of the Necessary Skills
Alwadood et al. Maintenance workforce scheduling using arena simulation
Lazko Practical aspects of assessing the priority of improving project quality management processes

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
GR01 Patent grant
GR01 Patent grant