Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Multi-kernel Covariance Terms in Multi-output Support Vector Machines Kapitel lesen Erstes Kapitel lesen

2020 | OriginalPaper | Buchkapitel

Heuristic Search in LegalTech: Dynamic Allocation of Legal Cases to Legal Staff

verfasst von : Mayowa Ayodele, Richard Allmendinger, K. Nadia Papamichail

Erschienen in: Machine Learning, Optimization, and Data Science

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

We investigate an allocation problem inspired by the process of assigning legal cases (matters) to staff in law firms. Addressing this problem is important as it can prevent issues around unbalanced workloads and over-recruitment, thus decreasing costs. This initial study on the topic frames the problem as a combinatorial dynamic single-objective problem (minimising tardiness) with constraints modelling staff-client relationships, staff capacities, and earliest start dates of matters. The paper motivates the allocation problem and puts it in context with the literature. Further contributions include: (i) a formal problem definition, (ii) the proposal and validation of a feature-rich problem generator to create realistic test cases, (iii) an initial analysis of the performance of selected heuristics (a greedy approach, a nature-inspired approach, and random search) on different test instances, and finally (iv) a discussion on directions for future research.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel A Deep Learning Based Fault Detection Method for Rocket Launcher Electrical System
Nächstes Kapitel Unsupervisedly Learned Representations – Should the Quest Be Over?
Fußnoten
1
 
Literatur
1.
Alcaraz, J., Maroto, C.: A robust genetic algorithm for resource allocation in project scheduling. Ann. Oper. Res. 102(1–4), 83–109 (2001)MathSciNetMATHCrossRef
2.
Alcaraz, J., Maroto, C., Ruiz, R.: Solving the multi-mode resource-constrained project scheduling problem with genetic algorithms. J. Oper. Res. Soc. 54(6), 614–626 (2003)MATHCrossRef
3.
Allmendinger, R., Knowles, J.: On handling ephemeral resource constraints in evolutionary search. Evol. Comput. 21(3), 497–531 (2013)CrossRef
4.
Altenberg, L.: NK-fitness landscapes. In: Bäck, Th., F.D.M.Z. (ed.) The Handbook of Evolutionary Computation. Oxford University Press, Oxford (1997)
5.
Ayodele, M.: Effective and efficient estimation of distribution algorithms for permutation and scheduling problems. Ph.D. thesis, Robert Gordon University (2018)
6.
Ayodele, M., McCall, J., Regnier-Coudert, O.: BPGA-EDA for the multi-mode resource constrained project scheduling problem. In: 2016 IEEE Congress on Evolutionary Computation (CEC), pp. 3417–3424. IEEE (2016)
7.
8.
9.
Chaudhry, I.A., Khan, A.A.: A research survey: review of flexible job shop scheduling techniques. Int. Trans. Oper. Res. 23(3), 551–591 (2016)MathSciNetMATHCrossRef
10.
Elloumi, S., Fortemps, P.: A hybrid rank-based evolutionary algorithm applied to multi-mode resource-constrained project scheduling problem. Eur. J. Oper. Res. 205(1), 31–41 (2010)MathSciNetMATHCrossRef
11.
Emons, W.: Legal fees and lawyers’ compensation. In: Parisi, F. (ed.) The Oxford Handbook of Law and Economics, chap. 12, pp. 247–258. Oxford University Press, Oxford (2017)
12.
Farshidi, S., Ziarati, K.: A bi-population genetic algorithm with two novel greedy mode selection methods for MRCPSP. Adv. Comput. Sci. Int. J. 5(4), 66–77 (2016)
13.
14.
Kramer, A., Subramanian, A.: A unified heuristic and an annotated bibliography for a large class of earliness-tardiness scheduling problems. J. Sched. 22(1), 21–57 (2019)MathSciNetMATHCrossRef
15.
Kundakcı, N., Kulak, O.: Hybrid genetic algorithms for minimizing makespan in dynamic job shop scheduling problem. Comput. Ind. Eng. 96, 31–51 (2016)CrossRef
16.
Lova, A., Tormos, P., Cervantes, M., Barber, F.: An efficient hybrid genetic algorithm for scheduling projects with resource constraints and multiple execution modes. Int. J. Prod. Econ. 117(2), 302–316 (2009)CrossRef
17.
18.
Osman, M., Abo-Sinna, M.A., Mousa, A.: An effective genetic algorithm approach to multiobjective resource allocation problems (MORAPs). Appl. Math. Comput. 163(2), 755–768 (2005)MathSciNetMATH
19.
Özbakir, L., Baykasoğlu, A., Tapkan, P.: Bees algorithm for generalized assignment problem. Appl. Math. Comput. 215(11), 3782–3795 (2010)MathSciNetMATH
20.
Regnier-Coudert, O., McCall, J., Ayodele, M., Anderson, S.: Truck and trailer scheduling in a real world, dynamic and heterogeneous context. Transp. Res. Part E: Logist. Transp. Rev. 93, 389–408 (2016)CrossRef
21.
Tofan, S., Allmendinger, R., Zanda, M., Stephens, O.: Heuristic allocation of computational resources. In: Proceedings of the Genetic and Evolutionary Computation Conference, pp. 1256–1263 (2017)
22.
Van Peteghem, V., Vanhoucke, M.: An experimental investigation of metaheuristics for the multi-mode resource-constrained project scheduling problem on new dataset instances. Eur. J. Oper. Res. 235(1), 62–72 (2014)MATHCrossRef
23.
Wang, L., Fang, C.: An effective estimation of distribution algorithm for the multi-mode resource-constrained project scheduling problem. Comput. Oper. Res. 39(2), 449–460 (2012)CrossRef
Metadaten
Titel
Heuristic Search in LegalTech: Dynamic Allocation of Legal Cases to Legal Staff
verfasst von
Mayowa Ayodele
Richard Allmendinger
K. Nadia Papamichail
Copyright-Jahr
2020
Buch
Machine Learning, Optimization, and Data Science

Print ISBN: 978-3-030-64579-3

Electronic ISBN: 978-3-030-64580-9

Copyright-Jahr: 2020

DOI
https://doi.org/10.1007/978-3-030-64580-9_28

Premium Partner

    Bildnachweise