基于细菌觅食算法的知识员工任务指派及调度研究

摘要

随着信息时代的到来，拥有丰富知识的知识型员工已经成为企业的重要资源之一，也是企业得以发展的根本。知识员工具有较强的独立性、自主性和创造性，因此也就使得知识型员工具有更高的自我实现意识，正是由于知识型员工的这些特点，造成了企业知识型员工的流失率增大，并且给企业带来管理和控制等方面的问题。因此，将员工及时、合理的调配到合适的工作岗位对于提升企业人力资源的优化配置，提高任务完成的效率，降低薪酬成本，增加企业的竞争能力发挥了重要作用，员工指派及调度问题也就成为企业的重要战略焦点。
　　 许多大型企业为了提高自身的核心竞争力，都努力尝试把人工智能优化技术引入企业中，以便实现企业的智能化管理。本文研究的细菌觅食算法是最近出现的一种人工智能优化算法，该算法解决了其他算法容易陷入局部最优的问题，以及拥有较好的全局搜索能力等优点。
　　 本文主要通过理论与实践相结合，查阅大量的相关文献，对查阅的文献进行分析总结，将所查阅的文献从研究对象、解决方法、应用领域这三个方面进行探讨。可以看出:前人在所研究的对象上逐渐由简单变复杂;在解决的方法上，由精确方法过渡到近似求解方法;在研究的应用领域上也越来越广。通过找出前人研究的优点与不足，得出了解决基于细菌觅食算法的知识员工任务指派及调度问题的必要性。
　　 在前人研究的基础上，本文系统地分析、总结了知识员工与一般员工相比，在个人素质、工作能力、个性特点、价值实现等方面的特点，得出了对知识型员工进行任务指派及调度的重要性。同时，本文提出了需要研究的问题，并对其进行简单的描述与定义;在建模阶段，根据各企业的文化差异，以及企业环境的动态性和多样性，加之高难度的任务指派问题，综合考虑以使客户满意度达到最大、企业花费成本最小、知识员工的工作负荷量均匀，运用细菌觅食算法等技术实现对企业管理中的知识员工任务指派问题的相关研究;最终建立了任务指派及调度的数学模型，以企业需要完成的4个项目为案例进行模拟仿真，其中每个项目包含6个任务，并由6个知识员工来完成。本文在计算机上进行模拟仿真，利用MATLAB软件设计开发出了一套基于细菌觅食算法的知识员工任务指派及调度系统，得到了多目标规划的最优解，以及相应情况下知识员工任务指派及调度的时间安排表。文章最后给出了系统的算例分析，实验结果表明根据细菌觅食算法得到的目标函数的平均值和最优值趋近于相等，具有很好的收敛性，实验最后找到了最优解。细菌觅食算法克服了陷入局部最优值的缺点，体现了较好的全局搜索能力等优点，提高了解的质量，为企业知识员工的任务指派及调度提供了科学的依据。
　　 本文的主要创新点如下:
　　 (1)为了满足企业与知识员工之间的多种要求，文章合理地设置了多目标规划，使所研究的问题尽量趋于现实情况。同时将企业的人力资源的合理分配问题与运筹学、应用数学、人工智能学以及计算机科学等学科联系起来，提出了企业人力资源的合理配置问题，构建了基于细菌觅食算法的知识员工调度优化的数学模型，将人力资源领域的知识型员工调度问题进行模拟化，建立了一套具有普适性的数学调度模型，为企业知识员工的调配提供了一种科学的工具和方法。
　　 (2)设计了一套用于解决知识员工任务指派及调度问题的细菌觅食算法仿真程序，为知识员工调度问题提供了一种好的求解算法，并通过案例进行实证。程序开发后调试的结果对企业具有很好的借鉴作用。
　　 如何处理好知识员工任务指派及调度问题对企业的发展有着至关重要的作用，通过本文探索性的研究，为知识员工的任务指派及调度问题提供了一个很好的解决方案，为解决企业人力资源的优化配置提供了新的思路和方法。

目录

声明

摘要

第一章 导言

1．1 研究的背景、目的及意义

1．1．1 研究的背景

1．1．2 研究目的

1．1．3 研究意义

1．2 研究方案

1．3 论文的创新点

1．4 论文的结构

第二章 文献综述

2．1 研究的应用领域

2．2 研究对象的角度

2．2．1 同质员工

2．2．2 异质员工

2．3 研究方法的角度

2．3．1 精确求解方法

2．3．2 近似求解方法

2．4 文献综述小结

第三章 问题的提出及界定

3．1 知识员工的界定及特点

3．1．1 知识员工的界定

3．1．2 知识员工的特点

3．2 问题的提出

3．3 问题的描述

第四章 研究的方法

4．1 多目标规划

4．1．1 多目标最优化的模型

4．1．2 多目标最优化问题的求解方法

4．2 细菌觅食算法

4．2．1 趋药性行为(chemotaxis)

4．2．2 繁殖行为(reproduction)

4．2．3 迁移行为(elimination and dispersal)

第五章 基于细菌觅食算法的多目标知识员工任务指派及调度模型的建立

5．1 模型的建立

5．1．1 模型假定

5．1．2 符号说明

5．1．3 模型的构建

5．2 问题的编码

5．3 问题的解码

5．4 问题的处理流程

第六章 仿真实证

6．1 基础数据

6．2 仿真结果分析

第七章 结论与展望

7．1 结论

7．2 展望

参考文献

发表论文及参加科研情况说明

附录

致谢