能力集扩张的管理决策分析方法研究.docVIP

能力集扩张的管理决策分析方法研究 王华亭1, 2, 冯俊文1, 苗成林1, 王 健2 （1. 南京理工大学经济管理学院，南京 210094；2. 南京涌新电子有限公司 南京 211178） [摘要] 能力集扩张(competence set expansion)是在决策过程中，决策者将已获得的能力集(competence set)拓展到解决问题所需能力集的过程。分析了能力集以及能力集扩张的概念，从确定型与不确定性、多目标决策、动态能力集等方面提出了能力集扩张的研究方法。 [关键词] 能力集扩张; 习惯领域; 管理决策 [中图分类号] C93; F224; F202 [文献标识码] A [文章编号] 1009(1742(2008)08(0000(00 1 能力集与能力集扩张 1.1 能力集的界定 对每个管理决策问题，都存在有一能力集(CS, competence set), 包括达到问题的满意解所需要的念头、知识、信息和技巧等[1]。当决策者已经获得该能力集，或认为已经获得和精通这一能力集合时，面对此决策问题能快速地做出决策，否则，决策者将需要透过学习等方法来扩张自己的能力集。 能力集包含个基本概念图 图能力集合及构成图’s structure 图1中，E表示某决策问题，Tr(E)Tr）表示解决问题真正需要的能力集(为解决问题E真需要的念头技巧等)，Tr*(E)表示决策者认为要成功解决问题所需要具备的能力集，即决策者感性认识上的能力集，Sk(E)表示实际上决策者已经获得的能力集，S*(E) 表示决策者感性认识上已经获得的能力集合。能力集分析的目的在于界定真需要的能力集，和决策者实际上拥有的能力集，并且帮助决策者有效地扩张自己的能力集以利于决策。这里，能力集扩张(expansion of competence set)是指决策者对这一问题作决策时，在限定时间内，由已经获得的Sk扩张到解决问题所需的Tr。 能力集CS)的研究是PHD)理论研究非常活跃的一个领域，该领域研究为PHD定量研究提供了数学方法。如早期Yu and Zhang用Next-best方法寻找CS最小成本扩展过程；Li and Yu利用推理图（deduction graph）以01整数规划求解，找出最佳能力集扩展过程；及Feng的表格法等等，这些研究主要集中CS扩展方面，对CS的个人、单目标的决策进行了定性分析Next-best演算法来找到最小成本扩张过程。但是，除了成本外，尚须将收益纳入考虑，才能以净收益来决定真正的最佳扩张过程。Yu and Zhang比较能力集合的扩张过程的成本和收益，进而由此决定是否值得扩展[5]。 假如把Tr, Sk视为模糊集，则以隶属函数来表示其间的关系。因为实际决策问题的不确定性，故可将能力集分解成几个随机集合来讨论。Yu and Zhang利用扩张过程的期望报酬，并结合扩张成本的方式找出最佳扩张过程[6]。 上述研究中，能力集合扩张的成本皆假定为对称。若能力集合的扩张成本为非对称时，则Next-best扩张过程并不一定是最小成本扩张过程。 Li and Yu用推理图（deduction graph）的概念，以0―1整数规划来求解，找出最佳能力集扩张过程。Li and Yu将成本由以往对称的限制改为不对称的，更符合实际情况。并考虑中间技能(intermediate skills)和复合技能(compound skills)的影响。中间技能不包含在Tr(E)中，但若能学习得到此技能，则有助于其他技能的获得。由复合技能来学习的成本，比个别由各个技能来学习的成本低。Li and Yu更进一步考虑当技巧有不同熟练程度时的情况，即多水平(multi-levels)能力集扩张问题。采用的准则是使扩张成本最低和整体熟练程度最高(熟练成本最低是以隶属程度来衡量)，亦以0―1整数规划来求解。虽然此一全新求解方法改善了以MST来求解时所产生的一些问题，但其过程复杂程度较高，且在技能(即图的节点)众多的情况下，利用整数规划求解将使运算成本大幅提高，降低了效率。Li and Yu所采用的MST扩张方法——推理图法的致命弱点之一是假定推理图是无圈的，这也进一步限制了它的使用。 Shi and Yu[7]将Yu and Zhang早期的Next-best方法推广到了非对称成本扩张的情形，提出了最小树扩张过程(minimal tree expansion process)，这一过程仍然是采用整数规划的方法，但大大提高了扩张方法的适用性。 2 能力集扩张的管理决策分析方法研究[8] 传统的能力集分析主要集中在离散能力集的扩张研究，且集中于确定性分析。如何借助于不确定性推理技术和原理(概率推理、证据推理、模糊推理、信息推理、包含度推理等)