基于大数据的企业人力资源智能调度算法研究.docxVIP

?

?

基于大数据的企业人力资源智能调度算法研究

?

?

黄辰刘雪飞

摘要：由于传统智能调度算法存在动态规划不完善的情况，导致运算结果耗时过长，因此研究基于大数据的企业人力资源智能调度算法。此次研究通过基于大数据背景建立动态规划模型，实现企业人力资源动态规划，设计智能调度算法的初始优先级表、基于优先级表提出智能调度算法。实验结果表明：与传统算法相比，此次研究所提出的算法在运算速度上更具优势，平均耗时缩短了7.261s。证明基于优先级表的智能调度算法，能够帮助减少基于大数据的企业人力资源智能调度工作量。

关键词：大数据;人力资源管理;智能调度算法;动态调度;动态规划模型

本文索引：黄辰，刘雪飞.[J].中国商论，2021（19）：-141.

：F272：A：2096-0298（2021）10（a）--03

企业人力资源管理问题，作为一个贯穿企业发展始终的重要问题，在当前大数据时代背景下，企业的人力资源模块，正在不断进行着管理方法上的改革与创新。而这样的变革能够产生的关键，离不开科学技术以及互联网技术日新月异的发展与更新。当前，基于大数据、云平台计算所建立的各类数据库，能够帮助在极短时间内汇总、整合多个单元模块中的多组数据，且能够智能地快速匹配相应的算法，再结合各行业用户的实际情况，不断对数据库进行容量的扩充和算法的更新。企业的人力资源管理工作，在与大数据、云计算这些依托于先进技术所建立的平台相结合后，能在短时间内快速降低工作量，解放人力的同时，还能够有效节约成本，并且能够对驳杂而繁多的数据，进行合理的归纳和整理。基于大数据的多种智能调度算法，搭载这些算法的云平台，再科学应用到人力资源的智能调度方面的工作上。最终目的是帮助企业的财务、人事，以及管理层及时完成对企业人力的智能调度，有助于推进企业的智能化发展。

1基于大数据的企业人力资源智能调度算法

1.1基于大数据的企业人力资源动态规划

企业人力资源的相关工作，随着企业的商业化、智能化程度的提升，呈现出了工作量明显降低、资源整合速度明显提高的良好态势。这些改变，均离不开在大数据时代下，逐渐推广普及的智能云平台的应用。一般情况下，平台的计算性能越是卓越，面对海量数据的处理能力就越强。针对这样的现实条件，就需要利用基于大数据的各类数据库，进行对人力资源智能调度的动态规划。受任务规模、先后顺序以及资源消费情况的影响，企业人力资源管理工作，并不存在一个通用的智能调度算法。对此，就要综合企业人力资源调度任务的具体情况，结合动态规划理论，对调度算法中需要进行优化的问题，进行一个以时间为划分因素的阶段性划分，帮助建立企业人力资源动态规划最优策略模型。在企业的人力资源调度工作中，现有的算法也能够做到依据工作现阶段的状态，对下一阶段的工作状态进行确定。进行状态的确定时，我们能够用状态转移方程（Educationofstate），来展现这种状态推演的规律，该方程为：

（1）

依据（1）的方程，能够进一步对帮助定义整个阶段过程，以及所有后部子过程进行指标推导，指标函数的公式为：

（2）

根据状态转移方程和指标函数的公式，在实际上对人力资源进行调度工作时，就可以通过对状态变量、决策变量自身的特性，确定决策集合，之后代入式（1）的状态转移方程，最后需要确定阶段指标与指标函数之间的是一種怎样的计算形式，并且这些计算形式，包括但不限于该阶段的指标存在极大、极小以及两数之积的情况。这就需要依据具体的企业人力资源调度情况，来得出最优值函数满足的递推方程，完成动态规划模型的建立。

1.2设计初始优先级表

因为需要结合阶段任务截止期，以及初始优先级这两个参数进行设计。所以需要通过提出新型智能调度算法，制定开展合理运算的实时优先级调度方案，在考虑阶段任务的初始优先级和任务时间约束问题的同时，通过结合优先级表的设计原则，设计智能调度算法优先级表，具体如图1所示。

通过对图1的设计，我们能够发现，上面箭头的指向代表着任务实时优先级从高到低顺序，其中纵轴上的代表阶段任务的相对截止期，横轴上的代表初始优先级，两种参数按先后顺序从下至上排列。结合图1的走向情况，就不得不提到优先级表的设计原则：在某阶段出现了初始优先级和截止期这两个参数都完全相同的任务后，以任务生成的先后顺序来划分任务的实时优先级，并且在距离待执行任务的相对截止期较近，且任务生成时间早于其他任务的，优先级表就会自动提升该任务的实时优先级。结合图1，能够帮助推导出实时优先级的计算公式，其中实时优先级为C，按相对截止期进行排队的任务队列为w，按照初始优先级进行排队的任务队列为q，那么实时优先级公式为：

（3）

依据式（3），能够对任务的实时优先级进行计算，并按优先级表的展示顺序，来对任务的先后执行顺序进行划分。

1.3基于优先级表的智能调度算