2015中文写作格式模板-东南大学.DOC

基于分层蚁群算法的人力资源智能优化配置系统研究 焦X1，祁X1，孙XX1, 2 （）Human Resource Distribution Smart Optimizing System Using Multi-Layer Ant Colony Optimization Jiao X1, Qi X1, Sun XX1, 2 (1. School of Mechanical Engineering, Southeast University, Nanjing, 210000; 2. School of Information Engineering, Southeast University, Nanjing, 210096) Abstract: To improve the quality of human resource distribution (HRD) in enterprise, a system of HRD (HRDS) is designed in this paper. Based on the function requirement and the features of HRD, the frame structure and functional module of the system is built in this paper. According to the features of HRD, the state transition rule and pheromone update rule in ant colony optimization (ACO) are appropriately modified, so that the optimizing process can be obviously reduced. Experimental results manifest that this system is accurate, useful and high efficiency. Key words: Workflow; Human resource; Ant colony optimization; Distribution optimizing 制造业内部竞争日益激烈，如何合理利用自身资源是企业生存与否的一个重要因素。人力资源作为企业的一项重要资源，其分配的质量将直接影响着企业的运营效果，从而决定了企业的生存与否。然而，尽管目前许多企业配套了ERP、PDM、MES等信息系统以提升自身的管理与运行效率，但是在人员与任务匹配方面，一般仍采用手工方式，凭借管理者的个人管理经验完成。由于个人经验往往带有主观性、局限性，难以从全局入手获得最优方案，这导致人力资源分配成为企业运营的瓶颈。 针对此现状，近年来许多学者展开了针对人员配置优化的研究，常见的有基于各类算法（如基于 基金项目：南京市科技计划项目（2008软资03027） 作者简介：焦X，（1985-），男，硕士研究生，E-mail: jiaoxxx@；祁X，（1964-），女，副教授，E-mail: qixx@；孙XX，（1965-）男，教授，博导，E-mail: sunxx@. 神经网络增强学习算法[1]、multi-objective immune Deadline-based[2-3]、locality principle[4]和自行设计的algorithm[5]等）或基于各类策略[6-7]。但各类优化方法，大多仅从优化目标入手，未考虑企业自身分配任务时的固有特点和习惯，对企业现有的信息管理系统未能加以充分利用。人力资源分配的工作是一种典型的多目标优化问题，而蚁群算法已被证明是解决该问题的有力工具之一[8-11]，关于蚁群算法在资源优化配置中的应用，也获得了相应成果[12-13]。但是关于人力资源配置方面的研究尚少，并且在现有研究中，进行任务分配时所需的参数，一般由人工指定，如员工的能力值、任务所需时间等。本文通过将蚁群算法与数据挖掘技术相结合，将对现有管理平台的数据挖掘结果反馈于分配算法过程，使得任务分配优化能够在企业固有的任务分配习惯和特点的基础上展开，所优化的结果更具有实用性。最后的测试结果表明，该系统具有较高的实用性及效率。 1 系统功能结构 针对企业的信息化管理程度，该系统设计成可作为一个独立系统单独运行，也可作为功能模块，无缝整合入企业现有的信息管理系统。因此设计该系统功能结构如图1所示。该系统拥有自身独立的运行功能结构，同时设计了与企业现有管理平台的数据接口。 图2 系统工作流程 2 系统关键技术 2.1 蚁群优化的信息矩阵预配置 从日志库中获取的相关信息经过处理，以矩阵的形式参与蚁群算法的优化计算，