我面临一个不确定的方法。我必须为员工生成日历,每个员工都有特定的工作限制(有些是个人的,有些是普通的)
我正在使用的是:
- 我有医生
- 每个医生每周必须工作5天。
- 每个医生每周必须工作1晚
- 与其他医生相比,每位医生必须工作等量的夜晚(或尽可能接近)
- 每个医生在周四晚上和周日晚上的工作量必须与其他医生相同(或尽可能接近)
- 有些医生不能在某些白天/夜晚工作(由用户输入)
- 一些医生想在某些白天/夜晚工作(由用户输入)
- 一些医生希望某些天/夜不工作(由用户输入)
有问题的用户是处理日历的人,我正在尝试构建一个解决方案,该解决方案将自动生成一个遵循所有约束的日历。解决的方法是对每个医生进行大设置输入“添加医生”和“添加约束”,然后输入“生成日历”按钮。对于用户而言,这确实是基本的。
我的问题 :
我不确定如何生成实际计划,我一直在阅读有关神经网络,遗传算法等的信息,它们似乎都是正确的解决方案,但实际上并非如此。
当我查看GA时,要让他们找到具有给定总体的解决方案(我的问题),但是起始总体必须已经服从给定的一组约束,然后可以对其进行优化。在那种情况下,我的起始人口已经是解决方案。我不需要对其进行“优化”。没关系,一个人连续工作3个星期一晚上,只要实际上是正确的,而其他人也工作相同的数量,就意味着其他人也将在某个时间点工作3个星期一晚上,这很好。这让我觉得GA的功能对我来说太“先进”了,因为我的问题已经从GA的起点解决了。
但是话又说回来,GA真的真的像是为此而生的,所以我可能无法正确理解它?
无论如何,因为我从未使用过GA(或神经网络,或任何种类的东西),所以我想确保在从事像这样的学习过程之前,我会选择正确的方法。
我的问题 :
对于像我这样的问题,您认为什么是好的方法/算法/技术?加油站?神经网络?还有其他完全不同的东西吗?
我全神贯注,并在需要时提供更多详细信息,但我想我已经很清楚了:)