遗传算法与专家系统

Question

我对应该为新软件使用哪个系统存有一些疑问。
尚未编写任何代码，我只是分解了所有需求，然后才开始编码。
这将在一家为其他公司提供现场和远程服务的计算机公司中实施。
这些是我的变量：

• 技术人员数量
  
• 客户位置
  
• 问题类型
  
• 已为技术人员安排了服务
  
• 技术人员了解情况的专业知识
  
• 客户优先

也许有些遗漏了，但这些是最重要的。
这项工作是手动完成的，并且有人，我们有时看不到最佳路线。
假设一位客户致电询问打印机问题。
首先，检查哪些技术人员了解打印机。
那么，技术是否可用？离客户远吗？可以远程完成（软件问题）吗？
可以由离客户位置较近的其他技术人员完成吗？
该客户是否比其他客户拥有更多优先级？
技术人员的日程安排是否已满？如果是，请传递给另一位打印机/硬件技术人员。

我知道我的英语并不完美（不是我的自然语言），但我会尝试提供更多详细信息或根据需要更正文本。

所以，我的问题是，你会采取什么样的方法？遗传算法似乎很适合这种工作，我也有一些 GAF 和 WatchMaker（Java GA 框架）的经验。但是，在阅读上面的文字时，专家系统似乎也很合适。
有人做过这样的事情吗？！
我搜索了这种软件，但找不到类似的东西。
另一种方法会比这两种方法更好吗？！
此外，我正在建立一个包含所有技术能力和专业知识的表格，其中包含简单的规则，例如每个专业知识的 1 到 5 条。这也是一个决定因素。
谢谢。

Answer 1

为什么不两者都做？使用专家系统（规则引擎）来定义您的约束并使用元启发式（例如本地搜索或遗传算法）来解决它。计划引擎OptaPlanner（java，开源）正是这样做的（通过使用规则引擎 Drools）。架构如下所示：

Here's a video demonstrating the constraint flexibility on the vehicle routing problem (VRP).您的问题似乎是 VRP 上的高级变体（它是 TSP 上的变体）。

Answer 2

也许你可以从 TSP 开始， 这里http://en.m.wikipedia.org/wiki/Travelling_salesman_problem

我猜它只处理距离。