企业工资制度合理性问题 数学建模练习.docVIP

企业工资制度合理性问题 摘要 本文围绕企业工资制度的合理性问题进行分析，我们以神经网络模型、BP算法、层次属性模型为基础，科学合理地分析了该企业员工工资与可控因素的关系，并进一步分析了女工的待遇问题。 在问题一中，我们通过建立神经网络模型来确定日平均工资与各因素的相关程度： 我们以工龄、性别、受教育状况等7个相关因素作为输入神经节点，以日平均工资为输出节点，通过神经网络BP算法求解得出各相关因素对日平均工资影响的相关权重，其中工龄与日平均工资的关系尤为密切。 在问题二中，为了合理确定性别及婚姻状况对女性员工工资的影响，我们分别从性别和婚姻状况这两个单因素去分析其对日平均工资的影响。我们通过建立属性层次模型来求解性别和婚姻状况对日工资的影响权重。 我们在7个相关因素中除去性别和婚姻状况两个因素建立层次模型。模型分为三层： 一、性别对收入的影响模型结构： ■最高层为男女对工资影响的综合评价层，记为J； ■中间层为工资因素层，包含5个因素：B工龄、D受教育状况、E工作部门性质、F培训情况、G一线工作； ■最底层为对象层，即:男（记为M），女（记为W） 通过求解最后得出合成属性权为： 由此可以看出男性与女性在工资待遇上是不完全平等的，有一定的性别歧视在里面。 二、婚姻状况对收入的影响模型结构： 以是否结婚作为决策对象，我们主要从根据题目中所给婚姻状态以外其他因素进行考虑。建立层次结构，模型分为三层： ■最高层为女性是否结婚对工资影响的综合评价层，记为J； ■中间层为工资因素层，包含5个因素：B工龄、D受教育状况、E工作部门性质、F培训情况、G一线工作； ■最底层为对象层，即: 女性未婚（N），女性已婚（记为Y） 通过求解最后得出合成属性权为： 由此看出婚姻状况对女性收入有影响，未婚女性的工资明显高于已婚女性。 在问题三中，我们通过神经网络模型与层次分析法相结合，通过反复改变网络参数使误差尽可能小。 关键词：神经网络模型 BP算法 属性层次模型 属性判断矩阵 问题重述 在部门各项管理活动中，职工工资可以说是人们最为关切、议论最多的部分，因此也常常是最受重视的部分。一般说来，现代企业的工资具有补偿职能、激励职能、调节职能、效益职能。科学合理的工资制度，是激励职工的劳动积极性，提高劳动效率的重要手段。对于企业中的各种不同的“特殊职务族”，是否要制定和执行专门的倾斜与优惠政策，如对管理干部、高级专家、女工等。 B 工龄 C 婚姻状况 D 受教育状况 E 工作部门性质 F 培训情况 G 一线工作情况 Y 日平均工资 相对属性测度 相对属性权向量 3.问题分析 由题意可知，问题一中要求我们分析平均日工资与所给因素之间的关系，尤其要分析出与哪些因素关系更加密切。 平均日工资=性别、工龄、学历、工作岗位等因素的函数关系。我们采用神经网络BP算法来建立日平均工资的神经网络模型，以各影响因素作为输入变量，来分析各个对日平均工资有影响的非线性因素。通过求解得出各因素对日平均工资的相关权重，从而确立哪些因素对日平均工资影响更加密切。 在问题二中，要分析女性是否受到不公平待遇，及其婚姻状况对其收入的影响。我们分别从性别和婚姻状况这两个单因素去分析其对日平均工资的影响。我们建立属性层次模型，分别求解性别和婚姻状况对日平均工资的影响权重。 在问题三中，由于神经网络模型的求解结果在很大程度上由选择的参数决定，所以我们可以通过将其与层次分析法相结合，构成检验模型。通过反复调整参数使误差尽可能减小。 4.模型的建立与求解 问题一：分析平均日工资与其他因素之间的关系 4.1.1模型的分析建立 4.1.1.1、日平均工资的相关因素 由题可知，日平均工资与性别、工龄、婚姻状况、受教育状况、工作部门性质、培训情况、一线工作情况等因素有关。我们可用公式表示为： 4.1.1.2、BP算法的介绍 神经网络模型通常由输入层、输出层、和若干隐含层组成，每层包含有多个神经元，各层之间以权值相连。 在图1中，假定输入层、隐含层和输出层的神经元分别是N、M和K，是网络的输入层；是网络的隐含层；是神经网络输出层的实际输入值，输入神经元到隐含层神经元j的权值为，而隐含神经元j到输出神经元K的权值为，另外用分别表示隐含层和输出层神经元的阈值，则三层BP网络的数学模型可用下列数学公式表示： 隐含层个神经元的输出为： 输出层各神经元的输出为： 其中激活函数为： 4.1.1.3 日平均工资的神经网络模型的建立 根据神经网络BP算法的介绍，再结合日平均工资水平的相关因素，运用神经网络BP算法我们可以建立一个日平均工资的神经网络模型。其结构如下： ① 输入部分: 影响日平均工资的各个相关因素指标。采用本文分析的7个相关因素作为输入神经节点。 ② 输出部分