[发明专利]一种电力通信网现场运维作业工单调度方法

权利要求书

1.一种电力通信网现场运维作业工单调度方法，其特征在于，包括以下步骤：

步骤1：确认现场运维工单调度影响因素，对其进行需求分析，总结出各个影响因素的属性，在此基础上建立模型的约束条件；

步骤2：建立现场运维工单调度优化模型；

步骤3：使用多种群粒子群算法结合K-Means++算法进行求解。

2.根据权利要求1所述的一种电力通信网现场运维作业工单调度方法，其特征在于：所述的步骤1中，具体包括：

(1-1)确认电力通信现场运维作业整个调度过程中需要考虑到的影响因素；

(1-2)建立模型的约束条件。

3.根据权利要求2所述的一种电力通信网现场运维作业工单调度方法，其特征在于：所述的步骤(1-1)中，具体如下：

电力通信现场运维作业调度问题描述如下：整个作业调度过程中需要考虑到运维人员、运维资源、运维工单3大类；对3类运维影响因素进行需求分析，总结出各个影响因素的属性；

对于运维人员，其包括各种类型的技能、熟练程度和权限状态；

对于运维工单，每个运维项目有不同的工作序列，每道工序有所需工作技能、工作资源和相应完成时间；

对于运维资源，包括运维种类和数量。

4.根据权利要求3所述的一种电力通信网现场运维作业工单调度方法，其特征在于：所述的步骤(1-2)中，具体如下：

在对现场运维工单调度影响因素的分析基础上，根据电力通信网现场运维的实际需求，总结模型的约束条件如下：

不同项目之间的任务工作序列没有约束，同一项目中存在约束；

如果为当前工作组设置的候选项为空，则需要花费一些时间，并等待部分资源释放后才能部署；

启动后，任务工作序列不能中断；

每个任务工作序列可由1～3人完成；

预先分配和完成项目的时间。

5.根据权利要求4所述的一种电力通信网现场运维作业工单调度方法，其特征在于：所述的步骤2中，具体包括：

(2-1)建立技能最大化工单调度优化模型MaxF，MaxF为平均技能因子之和最大化函数，F为平均技能因子之和；

(2-2)建立时间最优的工单调度优化模型MinZ，MinZ为时间之和最小化函数，Z为时间之和；

(2-3)根据现场运维工单调度约束条件，构建约束公式。

6.根据权利要求5所述的一种电力通信网现场运维作业工单调度方法，其特征在于：所述的步骤3中，具体包括：

(3-1)基于K-Means++聚类算法划分子群；

(3-2)使用多种群粒子群算法进行求解。

7.根据权利要求6所述的一种电力通信网现场运维作业工单调度方法，其特征在于：所述的步骤(3-1)具体如下：

从粒子群中随机选择一个粒子作为第一个中心粒子C₁；

首先计算每个粒子与当前己有的中心粒子之间的最短欧式距离D(x)，然后以公式计算每个粒子被选为下一个中心粒子的概率P(x)，再以轮盘赌法选择下一个中心粒子；

重复上述步骤直到选择出K个中心粒子；

对于剩余的粒子，计算该粒子和所有中心点的欧式距离，将该粒子归属于距离最近的中心点；

对于每一个子群，计算其中心点的位置，方法是计算该子群中粒子在所有维度上的平均值；

如果中心点不发生变化则完成聚类过程。

8.根据权利要求7所述的一种电力通信网现场运维作业工单调度方法，其特征在于：所述的步骤(3-2)具体如下：

初始化粒子群，依据K-Means++算法将粒子群划分成K个子群；

按照目标函数计算每个粒子的适应度；

更新每个粒子历史最优位置、每个子群最优位置和整个种群最优位置；

设粒子i的位置为X_i＝(x₁,x₂,…,x_α)，其速度为V_i＝(v₁,v₂,…,v_α)，该粒子的位置与速度变化公式为：

其中，W为惯性权重，k代表当前迭代次数，P_i^k为粒子i的历史最优位置，是粒子i所属子群的全局最优位置，C₁和C₂是学习因子，分别表示着粒子自身因素对解空间的探索以及社会因素对解空间的探索，a₁和a₂是服从线性分布的随机数；

按照公式更新每个粒子的速度与位置；

每隔M次迭代对整个粒子群重新进行K-Means++聚类划分；

检查是否满足退出条件；如果己经满足则结束算法，否则跳转到步骤：按照目标函数计算每个粒子的适应度。