我在考虑为一个新软件选择哪种系统时有些犹豫。
目前还没有编写任何代码，我只是在分析所有的需求，然后再开始编码。
这个软件将在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
- 技术人员已安排的服务
- 技术人员对情况的专业知识
- 客户优先级
可能还有一些变量没有列出，但这些是最重要的。
目前这项工作是手动完成的，作为人类，我们有时无法找到最佳的解决方案。
假设一个客户打电话说有打印机问题。
首先，检查哪个技术人员了解打印机。
然后，这个技术人员是否有空？离客户远吗？可以远程解决（软件问题）吗？
是否有更靠近客户位置的其他技术人员可以解决？
这个客户的优先级是否比另一个需要相同技术人员服务的客户高？
技术人员的日程安排是否已满？如果是，转给另一个打印机/硬件技术人员。
我知道我的英语不是很好（这不是我的母语），但我会尽量提供更多细节或根据需要修正文本。
所以，我的疑问是，您会采取哪种方法？遗传算法似乎适合这种工作，我对GAF和WatchMaker（Java遗传算法框架）也有一些经验。然而，阅读上述文本时，专家系统似乎也合适。
有人做过类似的事情吗？
我搜索过这种类型的软件，但找不到类似的。
是否有比这两种方法更好的其他方法？
另外，我正在建立一个表格，列出所有技术人员的能力和专业知识，使用简单的规则，如每个专业知识的1到5级评分。这也是一个决策因素。
谢谢。
回答：
为什么不两者兼用呢？使用专家系统（规则引擎）来定义你的约束条件，再使用元启发式算法（如局部搜索或遗传算法）来解决问题。规划引擎OptaPlanner（Java，开源）正是这样做的（使用规则引擎Drools）。其架构如下所示：
这里有一个视频展示了在车辆路径问题（VRP）上的约束灵活性演示。你的问题似乎是VRP的一个高级变体（VRP是TSP的一个变体）。
