电子商务平台上商家的竞争日趋激烈，由于产品本身的趋同化，客户服务成为商家的核心竞争力。电商商家的多平台运营、多产品线销售、多环节服务的特点要求了客户服务的多样化，也必然造成了客服人员的多技能化，给客服人员的排班带来新的挑战。　　论文首先分析了电商发展趋势下客户服务的重要性、客服人员排班的必要性，以及客服人员掌握多技能的现实迫切性。在“时间段内技能稳定”假设下，本论文建立了基于线性整数规划的多技能人员基础排班模型，并结合实际案例引入考虑人性化需求约束对基础排班模型进行改进，构建多技能客服人员排班模型，实现在人员总成本不变的前提下，充分利用拥有的人力，使得上班人数尽量贴合客户需求的变化。　　其次针对多技能客服人员排班模型分别设计了两种求解算法：遗传算法和差分算法。两种算法采用相同的实数编码方式、适应度函数、种群再生方式以及其他控制参数，并通过各自的算子分别进行遗传操作和差分操作。遗传算法分别通过单点交叉和片段交叉、单点变异和多点变异之间的比较，选择出求解速度和优化效果较好的交叉和变异方式。此外，本文提出了一种新的种群再生方式——再生种群通过复制当前最优种群结合随机产生的新种群，在避免最优个体丢失的同时增加了种群多样性。　　针对单独使用遗传算法求解模型出现的收敛速度慢、容易陷入局部最优等问题，本文还设计了遗传算法和差分算法的混合算法——遗传-差分混合算法，以发挥遗传算法优化效果好、差分算法收敛速度快的优点。此外，论文还提出了三种混合算法的设计思路：变异混合、交叉混合以及将差分算法的最优解作为遗传算法的一个初始解。通过算例实验，证明三种设计思路都能得到比单独使用遗传算法或者差分算法更好的表现，可以根据不同的需求选择合适的设计思路。本论文选择了优化效果和收敛速度较均衡的思路——将差分算法的最优解作为遗传算法的一个初始解，并验证了算法的实际有效性。　　最后通过运用MATLAB2015进行编码实现遗传-差分混合算法对多技能客服人员排班模型的求解。求解得到的排班结果均满足电商客服人员休息日及工作日的人性化需求，能够满足电商企业日常运营的人力需求，可以直接应用到排班的实践中。