基于遗传算法的工作排期系统设计与实践

1. 项目背景与核心需求

去年参与过某大型企业年度工作规划项目，当时用Excel手工排期整整折腾了两周。今年再次接到类似需求时，我决定系统性地解决这个痛点。工作安排本质上是个多约束条件的资源优化问题，需要同时考虑：

• 人力资源的技能匹配度
• 任务间的依赖关系
• 紧急/重要程度权重
• 人员工作负荷均衡

传统手工排期最大的问题是无法实时验证调整后的影响。比如市场部突然要求提前活动档期，手工表格需要重新计算所有关联任务的时间线，这个过程至少需要半天工作量。

2. 解决方案设计

2.1 技术选型对比

测试了三种技术路线：

1. Excel+VBA：开发快但维护难，多人协作时版本混乱
2. Project专业软件：功能全面但学习成本高，移动端支持差
3. 低代码平台+算法：最终选择明道云+自定义甘特图组件，原因：
   • 可配置的任务属性字段
   • 基于角色的权限控制
   • 内置的冲突检测机制
   • 支持API对接考勤系统

2.2 关键数据结构

python复制class Task:
    id: str
    name: str
    duration: int  # 单位:天
    dependencies: List[str]  # 前置任务ID列表
    resources: List[str]  # 所需人员技能标签
    
class Resource:
    id: str
    name: str
    skills: List[str]
    max_weekly_hours: int = 40

3. 核心算法实现

3.1 拓扑排序优化

采用Kahn算法处理任务依赖关系时，增加了紧急度权重：

python复制def topological_sort(tasks):
    in_degree = {t.id:0 for t in tasks}
    graph = defaultdict(list)
    
    # 构建依赖图
    for task in tasks:
        for dep in task.dependencies:
            graph[dep].append(task