基于MPI的并行排班系统

论文摘要

在呼叫中心排班中,一般由专门的排班系统来完成话务量统计、呼叫人数预测和自动排班。在大中型呼叫中心,由于话务量及坐席数非常多,使用传统的串行排班系统进行话务量预测和排班等工作时,常会遇到三个问题:第一、预测和排班算法耗时长。不管是话务量预测还是自动排班,都要处理大量的数据,运算量非常大,甚至导致算法不收敛;第二、话务量预测精度不高。由于算法耗时长,为了在合理时间内预测出结果,只能降低算法求解的精度。话务量及人数预测是排班系统排班合理性的基础,预测出现大偏差会直接导致排班难以满足业务需求;第三、排班覆盖偏差大。同样,为了在合理时间内排出班次,自动排班算法求得的是局部最优解,而非全局最优解,导致排班覆盖有偏差。排班覆盖不足将直接降低呼叫中心的服务水平。为解决这些问题,需要提高系统算法的性能。本文在分析BP神经网络预测算法和自动排班算法并行化策略的基础上,将算法流程进行了并行化的改造,设计了一个MPI集群组件,将系统改造成基于MPI的并行排班系统,构建了一个基于MPI的并行排班系统。为了对改造后的系统进行定量分析,在实验环境中分别搭建了一个传统的串行排班系统和一个基于MPI的并行排班系统,进行两组对比实验:一是串行和并行系统的对比实验。对串行和并行排班系统的预测耗时、自动排班耗时、迭代次数、加速比、并行效率、预测拟合度、排班拟合度等指标进行对比;二是不同处理机数量下的并行系统对比实验。系统在不同处理机数量的情况下,对并行BP神经网络算法的运行时间、加速比、迭代次数、并行效率等指标进行对比分析。通过分析这两组试验数据,验证了并行排班系统是可行的,能够较好的提升预测和排班算法的性能,话务量预测的准确性提高了10%,排班覆盖方面均得到提升,运用到实际项目中较好的满足了业务需求和提高了呼叫中心的服务水平。本文还注意到了对于并行算法,处理机数量和算法加速比并非线性关系,并行算法的加速比和并行效率并不能双方都得到兼顾,为了权衡好两者,既要提高加速比又要较好的并行效率,关键是要找出合理的处理机个数。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
•   1.1 课题背景
•   1.2 国内外研究现状
•   1.3 论文研究内容
•   1.4 论文组织结构
• 第二章 相关理论基础
•   2.1 MPI概述
•     2.1.1 并行计算背景
•     2.1.2 MPI的特点
•     2.1.3 MPI的编程模式
•     2.1.4 基于MPI的并行程序设计
•     2.1.5 算法并行化步骤
•   2.2 BP神经网络算法
•     2.2.1 算法概述
•     2.2.2 BP神经网络结构
•     2.2.3 算法步骤
•   2.3 Erlang-C 人数预测算法
•   2.4 小结
• 第三章 排班系统概述
•   3.1 排班系统简介
•     3.1.1 排班系统术语
•     3.1.2 排班的本质
•     3.1.3 排班流程
•   3.2 预测话务量及人数
•     3.2.1 话务量预测算法
•     3.2.2 衡量预测算法的性能
•   3.3 自动排班算法
•     3.3.1 算法描述
•     3.3.2 衡量排班算法的性能
•   3.4 系统现状与改进思路
•     3.4.1 系统现状分析
•     3.4.2 BP神经网络算法并行化策略
•     3.4.3 自动排班算法并行化策略
•   3.5 小结
• 第四章 基于MPI的并行排班系统
•   4.1 并行化BP神经网络算法
•     4.1.1 预测样本数据的预处理
•       4.1.1.1 处理异常数据
•       4.1.1.2 数据标准化
•     4.1.2 BP神经网络结构
•     4.1.3 基于MPI的并行化的实现
•       4.1.3.1 采用主/从训练模式
•       4.1.3.2 分配样本数据
•       4.1.3.3 更新网络权值
•     4.1.4 主体类及函数
•   4.2 并行化自动排班算法
•     4.2.1 排班数据并行
•       4.2.1.1 排班日期队列
•       4.2.1.2 坐席队列
•     4.2.2 重构排班模块
•     4.2.3 排班最优适应度
•     4.2.4 主体类及函数
•   4.3 MPI集群设计
•     4.3.1 MPI集群模块
•       4.3.1.1 节点注册模块
•       4.3.1.2 任务分配模块
•       4.3.1.3 资源管理模块
•     4.3.2 主体类及函数
•   4.4 小结
• 第五章 实验过程及分析
•   5.1 实验准备
•     5.1.1 实验数据
•     5.1.2 实验环境
•     5.1.3 系统结构
•     5.1.4 MPI环境准备
•   5.2 并行算法的性能评估
•     5.2.1 执行时间
•     5.2.2 并行度
•     5.2.3 加速比
•   5.3 串并行对比实验
•     5.3.1 算法参数
•     5.3.2 串行排班系统
•     5.3.3 并行排班系统
•     5.3.4 串并行算法对比分析
•   5.4 并行模式比对实验
•   5.5 小结
• 第六章 总结与展望
•   6.1 工作总结
•   6.2 研究展望
• 参考文献
• 附录
• 致谢
• 攻读学位期间发表的学术论文

文章来源

类型: 硕士论文

作者: 龚召忠

导师: 姚斌,樊原生

关键词: 并行,排班,神经网络

来源: 上海交通大学

年度: 2019

分类: 基础科学,信息科技

专业: 数学,自动化技术

单位: 上海交通大学

分类号: O224;TP183

DOI: 10.27307/d.cnki.gsjtu.2019.002182

总页数: 69

文件大小: 1909K

下载量: 32