RSO 排程引擎

問題

餐廳帶位看起來只是「找一張空桌」，但實際上同時牽涉桌型、人數、用餐時間、等候順序與翻桌率。用直覺安排，很容易出現大桌坐兩人、小桌排長隊的情況。

RSO 把座位安排當成一個最佳化問題：在給定的餐廳拓撲與用餐狀態下，找出讓等候時間與座位浪費都更小的安排。

方法

• 以圖論建立餐廳的節點搜尋網絡，描述桌位、區域與動線關係。
• 使用 ILP / CSP 建模座位容量、用餐時間與等候成本等限制條件。
• 以 27 桌的真實餐廳拓撲（原燒）作為案例，驗證排程結果。
• 規劃從 ADP 走向 MARL 的研究路線，處理更動態、更即時的多人決策情境。

案例規模

互動：座位拓撲

選擇人數，看看哪些空桌符合條件；點選桌子可以查看安排。按「重新排程」會模擬一次重新計算。這些是展示資料，不是正式營運數據。

技術筆記

• 為什麼不是貪婪法：每次都選「當下看起來最合適」的桌子，會在後續產生更大的等待成本；需要把時間與容量一起看。
• 限制條件：桌型、人數、用餐時間、動線與保留桌都會影響可行解，不是單純的二分圖匹配。
• 研究延伸：ADP 處理不確定性下的決策，MARL 則對應多個帶位者或動態環境的協作。

下一步

除了持續優化求解速度，也把即時用餐狀態與候位資料接進模型，讓排程從「離線最佳化」走向「線上決策」。