(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111638566.3 (22)申请日 2021.12.2 9 (71)申请人 天翼物联科技有限公司 地址 210000 江苏省南京市秦淮区中山 南 路501号1101室 (72)发明人 詹振辉　左绘　沈江兵　翟娜　 陈鑫远　陈洲　赵翔　戴天明　 周倜　陈芙蓉　王业民　王昶　 江艳　陈杨　 (74)专利代理 机构 深圳市精英专利事务所 44242 代理人 丁宇龙 (51)Int.Cl. G06Q 10/06(2012.01) G06K 9/62(2022.01) (54)发明名称 基于海鸥优化算法的工单排序方法、 装置、 终端及介质 (57)摘要 本申请涉及信息安全技术领域， 揭露一种基 于海鸥优化算法的工单排序方法、 装置、 终端及 介质， 其中方法包括对获取的待处理工单数据进 行解析， 以获取客户类型标识、 日期编码以及流 水号， 然后选 取聚类中心进行聚类处理， 得到M个 聚类数据， 选取新的聚类中心对M个聚类数据进 行聚类处理， 得到M个客户类型数据集； 基于客户 类型标识和日期编码， 生成初始权值、 工单占比 和时间维度权值， 将初始权值、 工单占比以及时 间维度权值进行计算处理， 得到工单数据特征； 采用海鸥优化算法， 计算每一客户类型数据集距 离新的聚类中心的距离， 得到目标距离， 并生成 待处理工 单数据对应的目标排序。 本申请对工单 数据进行精准 排序， 解决工单阻塞的问题。 权利要求书3页 说明书9页 附图4页 CN 114240242 A 2022.03.25 CN 114240242 A 1.一种基于海鸥优化 算法的工单排序方法， 其特 征在于， 包括： 获取待处理工单数据， 并对所述待处理工单数据进行解析， 以获取每一所述待处理工 单数据对应的客户类型 标识、 日期编码以及流水号； 基于所述客户类型标识， 分别从每个所述客户类型标识中随机选择一个所述待处理工 单数据作为聚类中心， 并根据所述聚类中心对所述待处理工单数据进 行聚类处理， 得到M个 聚类数据， 其中， M为 正整数； 计算每一所述聚类数据的均值， 作为新的聚类 中心， 并根据 所述新的聚类 中心对M个所 述聚类数据进行聚类处 理， 得到M个客户类型 数据集； 将所述客户类型标识与预设客户权值进行匹配， 以获取每一所述客户类型数据集的初 始权值， 并基于所述日期编码， 获取工单占比和时间维度权值； 采用预设的计算公式， 将所述初始权值、 工单占比以及时间维度权值进行计算处理， 得 到工单数据特征； 根据所述工单数据特征， 结合海鸥优化算法， 计算每一所述客户类型数据集距离所述 新的聚类中心的距离， 得到目标距离， 并基于所述目标距离， 生成所述待处理工单数据对应 的目标排序。 2.根据权利要求1所述的基于海鸥优化算法的工单排序方法， 其特征在于， 所述基于所 述客户类型标识， 分别从每个所述客户类型标识中随机选择一个所述待处理工单数据作为 聚类中心， 并根据所述聚类中心对所述待处理工单数据进行聚类处理， 得到M个聚类数据， 包括： 基于所述 客户类型 标识， 将所述待处 理工单数据分为M个客户类型 数据； 分别从每个所述客户类型数据中随机选择一个所述待处理工单数据作为所述聚类中 心， 得到M个所述聚类中心； 计算每个所述客户类型数据与对应的所述聚类中心的欧式距离， 并基于所述欧式距 离， 对M个所述聚类中心进行聚类处 理， 得到所述M个聚类数据。 3.根据权利要求1所述的基于海鸥优化算法的工单排序方法， 其特征在于， 所述计算每 一所述聚类数据的均值， 作为新的聚类中心， 并根据所述新的聚类中心对M个所述聚类数据 进行聚类处 理， 得到M个客户类型 数据集， 包括： 计算每个所述聚类数据的均值， 得到M个均值， 并将M个所述均值作为M个新的聚类中 心； 计算每个所述客户类型数据与对应的所述新的聚类中心的欧式距离， 得到目标函数距 离； 判断所述目标函数距离与所述新的聚类中心是否发生改变， 若否， 则得到M个所述客户 类型数据集， 若否， 则重新选取所述聚类中心， 直至所述目标函数距离与所述新的聚类中心 未发生改变， 得到 M个所述客户类型 数据集。 4.根据权利要求1所述的基于海鸥优化算法的工单排序方法， 其特征在于， 所述将所述 客户类型标识与预设客户权值进行匹配， 以获取每一所述客户类型数据集的初始权值， 并 基于所述日期编码， 获取工单占比和时间维度权值， 包括： 根据所述客户类型标识， 识别出客户类型， 并将所述客户类型与所述预设客户权值进 行匹配， 以获取每一所述 客户类型 数据集的初始权值；权　利　要　求　书 1/3 页 2 CN 114240242 A 2获取每一所述客户类型中最大的所述日期编码和最小的所述日期编码， 得到最大上报 时间和最小上报时间； 计算每一所述日期编码占所述 最大上报时间的比值， 得到所述工单占比； 获取预设数据维度， 并基于所述预设数据维度、 所述最大上报时间以及所述最小上报 时间， 生成所述时间维度权值。 5.根据权利要求1所述的基于海鸥优化算法的工单排序方法， 其特征在于， 所述采用预 设的计算公 式， 将所述初始权值、 工单占比以及时间维度权值进 行计算处理， 得到工单数据 特征， 包括： 将所述初始权值、 工单占比以及时间维度权值进行相乘处 理， 得到个 体差权值； 获取当前时间和最大的日期编码， 并基于当前时间和最大的日期编码， 生成算法权值； 采用所述预设的计算公式， 将所述算法权值和所述个体差权值进行计算处理， 得到所 述工单数据特征； 其中， 采用以下计算公式计算得到所述 算法权值； fc为所述算法权值， t为当前时间， Tmax为最大上报时间； 所述预设的计算 公式为 A为所述工单数据特征， βi为所述个体差权 值。 6.根据权利要求1至5任一项所述的基于海鸥优化算法的工单排序方法， 其特征在于， 根据所述工单数据特征， 结合海鸥优化算法， 计算每一所述客户类型数据集距离所述新的 聚类中心的距离， 得到目标距离， 并基于所述目标距离， 生成所述待处理工单数据对应的目 标排序， 包括： 采用海鸥优化算法， 根据所述工单数据特征， 对每一所述工单数据特征进行全局搜索 计算， 得到每 个所述待处 理工单数据与所述 新的聚类中心的相对距离； 采用预设方式， 对所述相对距离和所述待处理工单数据进行局部搜索计算， 得到所述 目标距离； 根据所述目标距离的大小顺序， 生成所述待处 理工单数据对应的目标排序。 7.根据权利要求6所述的基于海鸥优化算法的工单排序方法， 其特征在于， 所述采用海 鸥优化算法， 根据所述工单数据特征， 对每一所述工单数据特征进 行全局搜索计算， 得到每 个所述待处 理工单数据与所述 新的聚类中心的相对距离之前， 所述方法还 包括： 获取M个所述 客户类型 数据集中的最大距离位置和最小距离位置； 基于所述 最大距离位置和最小距离位置， 对M个所述 客户类型 数据集进行初始化处 理。 8.一种基于海鸥优化 算法的工单排序装置， 其特 征在于， 包括： 待处理工单数据获取模块， 用于获取待处理工单数据， 并对所述待处理工单数据进行 解析， 以获取每一所述待处 理工单数据对应的客户类型 标识、 日期编码以及流水号； 待处理工单数据聚类模块， 用于基于所述客户类型标识， 分别从每个所述客户类型标 识中随机选择一个所述待处理工单数据作为聚类中心， 并根据所述聚类中心对所述待处理 工单数据进行聚类处 理， 得到M个聚类数据， 其中， M为 正整数；权　利　要　求　书 2/3 页 3 CN 114240242 A 3