【大學(xué)】蟻群算法在人力資源優(yōu)化配置中的應(yīng)用研究

1、17 蟻群算法在人力資源優(yōu)化配置中蟻群算法在人力資源優(yōu)化配置中 的應(yīng)用研究的應(yīng)用研究 17 主要內(nèi)容 o 指派問題模型和研究現(xiàn)狀 o 根本蟻群算法 o 改進(jìn)的蟻群算法APACO o 演示系統(tǒng)設(shè)計(jì) o 實(shí)驗(yàn)分析 o 結(jié)論 17 1-1 指派問題的研究現(xiàn)狀 o人力資源優(yōu)化配置問題可歸于一類指派問題。 o匈牙利算法。運(yùn)籌學(xué)中最根本的方法。小數(shù)據(jù)集，手工。 o降階優(yōu)化算法。用系數(shù)矩陣對(duì)解矩陣進(jìn)行變換。縮小可行解數(shù)目 o閉環(huán)DNA算法。大量的識(shí)別序列和DNA編碼。內(nèi)切酶有限。 o o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)化問題的啟發(fā)式方法被廣泛關(guān)注，應(yīng)用于任務(wù)指派問 題的研

2、究中。 17 1-2指派問題的數(shù)學(xué)模型 o有 個(gè)人和 個(gè)任務(wù)，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。 o數(shù)學(xué)模型： nji ji ji xij , 2 , 1, 人做第指派若0 人做第若指派第1 個(gè)任務(wù)第不 個(gè)任務(wù) nnnnn n n CCCC CCCC CCCC C 321 2232221 1131211 (1) zmin 11 n i n j ijijx c ) 4(), 2 , 1,(10 ) 3(), 2 , 1(1 (2), 2 , 1(1 . 1j n 1 njix nix njx t s ij n ij i ij

3、或 nn ij c i j 17 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 2-2 蟻群優(yōu)化算法的研究現(xiàn)狀 o蟻群優(yōu)化是由螞蟻系統(tǒng)演變而 成的一種NP-hard問題的通用啟 發(fā)式解法。 o著名的旅行商問題traveling salesman problem, TSP o改進(jìn)的蟻群算法： o最大-最小螞蟻系統(tǒng) o混合螞蟻系統(tǒng) o快速螞蟻系統(tǒng) 圖2

4、TSP模型 17 2-3 標(biāo)準(zhǔn)的蟻群優(yōu)化系統(tǒng) o1.轉(zhuǎn)移規(guī)那么 o2.信息素更新 o3.次優(yōu)解 o4. 最優(yōu)解 其他 時(shí)之間經(jīng)過和只螞蟻在時(shí)刻當(dāng)?shù)?, 0 1, )()1 () 1( 1 ijttk L Q tt k k ij m k k ijij ijijij k k tabuk ikik ijij k ij tabuj tabuj t t tp k , 0 , )( )( )( ), 1( ,minmkLL kiterateor iteratiormin minLL 17 3 ACOAP算法模型-1 o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， 那么可得到一個(gè)三行

5、三列的系數(shù)矩陣。 指派問題的系數(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 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 3 ACOAP算法模型-2 o轉(zhuǎn)移概率。產(chǎn)生隨機(jī)數(shù) ，如果 ，那么根據(jù)下式，螞 蟻移向概率最大的節(jié)點(diǎn)。否那么在可選節(jié)點(diǎn)中隨機(jī)選擇一個(gè)。 o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。 o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

6、全局信息素。 , 1, 1 )( 1 )( )1( , Crqnimp c n c n np mn a mn pq a pq pqij ) 10( 0 total pqpq c Q )1 ( ) ( , )1 (Nnode pqpqpqpq 17 4 演示系統(tǒng)設(shè)計(jì) 主要技術(shù)：Swing，Thread 17 5 實(shí)驗(yàn)1-1 o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 o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 o所有實(shí)驗(yàn) 17 實(shí)驗(yàn)1-2干擾因子 17 5 實(shí)驗(yàn)1-3 o信息素啟發(fā)因子 1,2，參考文獻(xiàn)1 o

7、期望值啟發(fā)因子 為1，參考文獻(xiàn)1 o局部信息素?fù)]發(fā)系數(shù) 0.2,0.4，文獻(xiàn)中取 o全局信息素?fù)]發(fā)系數(shù) 0.6,0.8，文獻(xiàn)中取 o干擾因子 0.1,0.2，文獻(xiàn)中取 o螞蟻數(shù)量 ，參考文獻(xiàn)中的范圍 n n 2 2 n n 0 17 5 實(shí)驗(yàn)2 o實(shí)驗(yàn)?zāi)康模候?yàn)證算法的有效性 6101296 1061476 781296 10141797 1215784 C 參數(shù)設(shè)置及結(jié)果- 17 5 實(shí)驗(yàn)3 o與其他算法性能比照 238120179175109111229147197201 117111157126142170206101172228 21019821917022511011710317912

8、6 217229149177110160167106158222 154238197178238221117236234108 237128241167172172194114208223 168184249114207221156102228163 149122110228214141190102163114 144115183124155243102199120140 149161218106216119102106230204 C 參數(shù)設(shè)置及結(jié)果- 17 5 實(shí)驗(yàn)4 o實(shí)驗(yàn)?zāi)康模簡(jiǎn)尉€程和多線程比照 o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 o運(yùn)行時(shí)間：?jiǎn)尉€程： 分鐘 多線程：分鐘 17 6 結(jié)論與展望 o結(jié)論 o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，并通過編程實(shí)驗(yàn)進(jìn)行了實(shí)例分析，證明了其有效性。 o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。 o展望 o獲取系數(shù)矩陣?？商接憣⒗砟詈兔?/p>