基于多目标混合遗传算法的人力资源配置模型构建.pdfVIP

决 参 考 基于多目标混合遗传算法的人力资源配置模型构建 沈 国军 (河南财政税务高等专科学校 对外经济贸易系，郑州451464) 摘 要：文章提 出一种基于多目标混合遗传算法的人力资源配置方法，即采用多阶段决策模型来处理该问 题，将任务看作是决策者与外界的一系列交互作用，每个阶段均存在一些可用决策，且极易计算出它们的即时 效应。为了有效获得一组帕累托最优解，提 出了求解组合优化问题的多目标混合遗传算法，即利用多目标混合 遗传算法来寻求所有阶段的可行解。 关键词：人力资源配置；多目标优化；多阶段决策；混合遗传算法 中图分类号：O221 文献标识码：A 文章编号 ：1002—6487(20l3)21—0060—03 maxz1()=∑ () (1) 0 前言 minz2()=∑f2(y) 2() 资源配置问题是指为了实现利润最大化或成本最小 化而在各项目或业务单位所实施的资源分配过程。资源配 tG0()=∑毋(f)≤M (3) 置主要的研究问题是在给定资源约束条件下，找到可以将 有限资源分配给若干任务从而实现 目标优化的配置方案。 Yf=0，1…．，MVi ㈤ 人们通常采用遗传算法来求解多 目标优化问题，被称 根据上述数学模型，可将其扩展成多目标优化的新型 为多 目标进化算法或多 目标遗传优化。遗传算法具有多 数学模型。其中，在双准则资源配置问题中，将n个不同任 向性和全局搜索性等基本特征，可以对潜在解的集合进行 务分配给M个员工以实现资源约束条件下的利润最大化和 长期维护。且从点集合开始进行搜索可找出全局最优 成本最小化。表示为如下所示的双准则整数规划模型， 解。遗传算法的本质特征是可 以对候选解的集合进行操 maxz1()：∑∑户 (5) 作。为了获取最优性，各染色体通过利用 自然基因算子来 产生更好解的方式进行信息交换。在遗传算法中，可采用 minz2()=∑∑cz (6) 优化技术对存在于实际优化问题中的非光滑、非连续、不 可微分函数进行求解。本文采用混合遗传算法来同时解 tGO(z)=∑∑ ≤M (7) 决多目标和多阶段人力资源配置问题 。 G(办=∑ =1，Vi (8) 1 多准则人力资源配置的网络模型 z =0或 1，Vz， (9) 1．1 多准则人力资源配置的网络模型建构 模型中的参数及变量： 本文首先将多准则人力资源配置问题转化为网络模 i表示地方商店指数(i-1…2 N)； 型，并用阶段来表示有限的供给。考虑带有多 目标的人力 j表示售货员指数 (j=1…2．．，M)； 资源配置问题可以实现总成本的最小化及人力配置决策 n表示地方商店的总数量； 总效率的最大化。为此，可以采用多阶段基于决策的混合 M表示售货员的总数量； 遗传算法。最优化寻求可能选择集上解的问题以优化某 clj表示分配j个售货员时地方i的成本； 些准则，且在不失一般性的情况下，形式上利用以下点来