蟻群算法在人力資源優(yōu)化配置中的應(yīng)用研究.ppt

17,蟻群算法在人力資源優(yōu)化配置中的應(yīng)用研究,指導(dǎo)老師：樸春慧 學(xué) 生：吳亞蘭 專 業(yè)：電子商務(wù) 2019年7月9日,17,2/19,2,主要內(nèi)容,指派問(wèn)題模型和研究現(xiàn)狀 基本蟻群算法 改進(jìn)的蟻群算法（APACO） 演示系統(tǒng)設(shè)計(jì) 實(shí)驗(yàn)分析 結(jié)論,17,3/19,3,1-1 指派問(wèn)題的研究現(xiàn)狀,人力資源優(yōu)化配置問(wèn)題可歸于一類指派問(wèn)題。 匈牙利算法。運(yùn)籌學(xué)中最基本的方法。小數(shù)據(jù)集，手工。 降階優(yōu)化算法。用系數(shù)矩陣對(duì)解矩陣進(jìn)行變換?？s小可行解數(shù)目 閉環(huán)DNA算法。大量的識(shí)別序列和DNA編碼。內(nèi)切酶有限。 蟻群算法、遺傳算法、協(xié)商算法、基于模糊關(guān)系的工作分配算法等求解最優(yōu)化問(wèn)題的啟發(fā)式方法被廣泛關(guān)注，應(yīng)用于任務(wù)指派問(wèn)題的研究中。,17,4/19,4,1-2指派問(wèn)題的數(shù)學(xué)模型,有 個(gè)人和 個(gè)任務(wù)，已知第 個(gè)人做第 個(gè)任務(wù)的費(fèi)用為 ，要求確定人和任務(wù)之間的一一對(duì)應(yīng)的指派方案，使完成這些任務(wù)的總費(fèi)用最少。 數(shù)學(xué)模型：,17,5/19,5,2-1蟻群算法概述,nest,food,蟻群算法(Ant Colony Algorithm)是由意大利學(xué)者Dorigo M，Colorni A等人于20世紀(jì)90年代初期通過(guò)模擬自然界中螞蟻集體尋徑的行為而提出的一種基于種群的啟發(fā)式仿生進(jìn)化算法。,Dorigo,圖1 蟻群尋徑模擬,17,6/19,6,2-2 蟻群優(yōu)化算法的研究現(xiàn)狀,蟻群優(yōu)化是由螞蟻系統(tǒng)演變而成的一種NP-hard問(wèn)題的通用啟發(fā)式解法。 著名的旅行商問(wèn)題（traveling salesman problem, TSP） 改進(jìn)的蟻群算法： 最大-最小螞蟻系統(tǒng) 混合螞蟻系統(tǒng) 快速螞蟻系統(tǒng),圖2 TSP模型,17,7/19,7,2-3 標(biāo)準(zhǔn)的蟻群優(yōu)化系統(tǒng),1.轉(zhuǎn)移規(guī)則 2.信息素更新 3.次優(yōu)解 4. 最優(yōu)解,17,8/19,8,3 ACOAP算法模型-1,設(shè)需要指派3個(gè)人去完成3個(gè)任務(wù)，并知道每個(gè)人完成每個(gè)任務(wù)所需的費(fèi)用，則可得到一個(gè)三行三列的系數(shù)矩陣。,指派問(wèn)題的系數(shù)矩陣形成移動(dòng)矩陣 相同行的不同列之間移動(dòng)，并且此列未到達(dá)過(guò) 信息素集中在節(jié)點(diǎn) 轉(zhuǎn)到下一個(gè)節(jié)點(diǎn)的代價(jià)為下一個(gè)節(jié)點(diǎn)的系數(shù)矩陣值 轉(zhuǎn)移概率并非選擇最大節(jié)點(diǎn)，有干擾因子 到達(dá)一個(gè)節(jié)點(diǎn)，立即進(jìn)行節(jié)點(diǎn)信息素的更新 所有螞蟻完成一次覓食，比較次優(yōu)解，全局信息素的更新,圖3 ACOAP算法模型,17,9/19,9,3 ACOAP算法模型-2,轉(zhuǎn)移概率。產(chǎn)生隨機(jī)數(shù) ，如果 ，則根據(jù)下式，螞蟻移向概率最大的節(jié)點(diǎn)。否則在可選節(jié)點(diǎn)中隨機(jī)選擇一個(gè)。 局部信息素更新。當(dāng)螞蟻選擇此節(jié)點(diǎn)后，立即更新此節(jié)點(diǎn)的信息素。 全局信息素更新。當(dāng)所有螞蟻完成一次覓食后，得到次優(yōu)解。優(yōu)于全局最優(yōu)解，更新全局信息素。,17,10/19,10,4 演示系統(tǒng)設(shè)計(jì),主要技術(shù)：Swing，Thread,17,11/19,11,5 實(shí)驗(yàn)1-1,實(shí)驗(yàn)?zāi)康模旱玫叫畔⑺貑l(fā)因子，期望值啟發(fā)因子，干擾因子，螞蟻數(shù)量，局部信息素?fù)]發(fā)系數(shù)，全局信息素的揮發(fā)系數(shù)范圍 規(guī)模為10的干擾因子實(shí)驗(yàn)設(shè)置及結(jié)果，10次，迭代次數(shù)不同 所有實(shí)驗(yàn),17,12/19,12,實(shí)驗(yàn)1-2干擾因子,17,13/19,13,5 實(shí)驗(yàn)1-3,信息素啟發(fā)因子 1,2，參考文獻(xiàn)1 期望值啟發(fā)因子 為1，參考文獻(xiàn)1 局部信息素?fù)]發(fā)系數(shù) 0.2,0.4，文獻(xiàn)中取0.2 全局信息素?fù)]發(fā)系數(shù) 0.6,0.8，文獻(xiàn)中取0.7 干擾因子 0.1,0.2，文獻(xiàn)中取 0.35 螞蟻數(shù)量 ，參考文獻(xiàn)中的范圍,17,14/19,14,5 實(shí)驗(yàn)2,實(shí)驗(yàn)?zāi)康模候?yàn)證算法的有效性,參數(shù)設(shè)置及結(jié)果-,17,15/19,15,5 實(shí)驗(yàn)3,與其他算法性能對(duì)比,參數(shù)設(shè)置及結(jié)果-,17,16/19,16,5 實(shí)驗(yàn)4,實(shí)驗(yàn)?zāi)康模簡(jiǎn)尉€程和多線程對(duì)比 實(shí)驗(yàn)數(shù)據(jù)為ORLIB的規(guī)模為100的數(shù)據(jù)集 ，大規(guī)模數(shù)據(jù)集 運(yùn)行時(shí)間：?jiǎn)尉€程： 14.57分鐘 多線程：9.37分鐘,17,17/19,17,6 結(jié)論與展望,結(jié)論 深入研究了將改進(jìn)的蟻群算法應(yīng)用于企業(yè)人力資源的優(yōu)化配置方案，并通過(guò)編程實(shí)驗(yàn)進(jìn)行了實(shí)例分析，證明了其有效性。 為將蟻群算法應(yīng)用于人力資源優(yōu)化配置提供了新的思路和具體方法。 展望 獲取系數(shù)矩陣?？商接憣eb2.0理念和民主評(píng)議反饋機(jī)制相結(jié)合來(lái)生成系數(shù)矩陣的方法，企業(yè)合作，驗(yàn)證其實(shí)際效果。 算法需要改進(jìn)，大規(guī)模數(shù)