人工神经网络在大型运动会志愿者选拔安置中的应用研究.pdfVIP

理 结 适 大型运动会是一个庞大的工程，在组织管理中，需要大 量的不同知识结构、技能结构的志愿者参与。传统上通常采 goodnes~= Wai +biasiai+inputiai (1) j 用考试和工作分析的方法了解志愿者知识和技能结构，同 式中，ai是接收结点i的激活值，是发送结点j的激活 时运用心理测量的方法 了解各人员的心理特质，然后通过 值 ，i是它们之 间的联结权重 ，biasi是结点 i的偏置值 ， 相互匹配的方法将志愿者安置到合适 的岗位上去，从理论 inpu~结点 i的外部输入。 上讲这是很优化的，但实际操作中往往会遇到许多困难。例 整个网络的适合度是该网络中所有接收结点的适合度 如，某个工作岗位只需要一名志愿者，但有好几个人都适合 之和，用下式表示： 于这一岗位；或者有些员工 同时适合多个 岗位，或者只有少 = 数岗位不适合，显然，如何选择就需要作全面的、系统的考 goodness=∑∑w~jaiaj++二∑!一iinnppuuttiai++∑bbiiaassiiaall ((22)) j 虑。在每次大型运动会中总是同时有许多岗位和许多志愿 网络是通过不断更新各结点的激活值来使goodness达 者，如何通过人员安置使整体的志愿者和 岗位的匹配程度 到最大，从(1)式可以看出，结点i的goondessi是和从其它结 达到最高，即不是从单个 岗位和单个人员来考虑，而是从整 点、外界的输入和预先的偏置值有关的，这些都可以看作是 个运动会组织的整体利益来对人员安置做 出决策，这正是 结点i的输入值neti，定义为： 本文要探讨的问题，我们试图用人工神经 网络中的约束满 neti=int( wai +biasi)+ext(input~) (3) 意模型来解决这个问题。 2．约束满意模型约束 显然式中( W日a +bias)代表了结点 i从网络 内部得 满意模型是人工神经网络中的一种模型，该模型中的 到的输入量，input~代表了结点 i从网络外部得到输入量。系 每一个结点都代表一个假设。例如，“可以安排志愿者 a。到 数 int和 ext，分别反映了从 内部和从外部得到的输入量对该 工作岗位 b．”，若该结点被激活了，则表示该假设成立了；若 结点 i的相对影响程度，若 inI比ext大，则从 内部得到的输 该结点经过网络运行后未被激活，则表示该假设不能成立。 入量的影响较大，反之亦然。 各结点之间的联结权重代表了各个假设之间的约束。例如， 如果根据 (3)式得到的ne 为正值，那么，该结点按下式 某个结点表示假设 “可以安排志愿者 a。担任工作b”，另一 进行激活值更新： 个结点表示假设 “可以安排志愿者 a担任工作b：”。这 2个 巩(t+1)：ai(t)+nela[ceiling--~(t)】 (