本文介绍了如何运用深度学习中的DQN（Deep Q-Network）及其改进版本——Double DQN和Dueling DQN解决客服排班优化问题。文章通过设定排班约束和目标，阐述了如何利用这些算法来实现更贴近需求的排班方案。同时，对比了三种DQN的差异，强调了Dueling DQN结合了Nature DQN和Double DQN的特点。
前言
假设有一个客服排班的任务，我们需要为 100 个人安排一个星期的排班问题，并且有以下约束条件：
-
一天被划分为 24 个时间段，即每个时间段为 1 个小时；
-
每个客服一个星期需要上七天班，每次上班八小时；
-
每个客服两次上班时间需要间隔 12 小时；
-
客服值班时，一个星期最早是 0，最晚 24*7 - 1。
以下是我为大家准备的几个精品专栏，喜欢的小伙伴可自行订阅，你的支持就是我不断更新的动力哟！
评判标准：
-
现在有每个时间段所需客服人数，我们希望每个时段排班后的人数与实际人数尽量相近。
最优化问题可以使用启发式算法来做，上次用 DQN，这次用
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
