我应该使用哪种 AI 技术来分配人员执行任务?

人工智能 优化 约束满足问题 规划 线性规划
2021-10-25 17:03:16

我正在尝试学习人工智能并考虑将其应用到我们的系统中。我们有一个翻译行业的应用程序。我们现在做的是协调器C将文件分配给翻译器T. 协调员通常会考虑这些标准(但不限于):

  • 文件的截止日期和翻译人员的可用性
  • 翻译者可以翻译的语言对
  • 译者是否已经达到了他的目标?(也许我们可以将文件交给其他翻译人员以达到他们的目标)
  • 译者文件的难度等级(基础翻译、医学领域、IT领域)
  • 译者的准确性
  • 翻译速度

鉴于以下情况,是否可以向协调员提出建议,她可以向其分配特定文件?

我需要研究哪些方法/主题?

(我正在考虑将 javascript 作为主要工具,如果 javascript 会成为实施中的更多障碍,则可能是 python。)

除了推荐译者外,我们还在考虑建议“译者的截止日期”。基本上,我们有“客户的截止日期”和“翻译的截止日期”

这样做的原因是,如果翻译人员整天忙于工作,向忙碌的翻译人员建议是有意义的,但让他在第二天完成。

1个回答

你所拥有的可以很好地描述为一个任务分配问题,它是作为人工智能规划子领域的一部分进行研究的。Russell 和 Norvig的第 10 章和第 11 章很好地概述了这一领域,尽管我认为他们并没有特别谈论任务分配。

解决这个问题有两种基本方法:集中式方法和分散式方法。

在集中式方法中,每个任务(或子任务)的属性和每个处理实体的技能都记录在中央数据库中。该任务被表述为一个优化问题。例如,给定处理器的技能和任务的类型,找到最小化平均处理时间(或成本,或稀有资源类型的使用,或任何你感兴趣的东西)的时间表。常见的方法包括将优化任务表述为线性规划问题将问题表述为图形并使用类似graphplan算法的东西;或将问题表述为约束满足问题并使用某种启发式引导的本地搜索。

还有各种其他更现代的技术。我不知道特别针对翻译任务的调查论文,但在机器人技术分布式计算方面有很多例子

尽管存在用于调度任务的良好 AI 技术,但它们的前提是能够量化任务的属性和代理的能力,以及翻译人员接受系统的决策。如果您想要一个交互式系统,您可能需要查看自然语言处理中的技术。如果你必须走那条路,混合计划调度系统的工作也可能是相关的。