基于粒子群算法的知識員工任務(wù)指派與調(diào)度優(yōu)化

《基于粒子群算法的知識員工任務(wù)指派與調(diào)度優(yōu)化》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、第一章導(dǎo)言一個算例，將天津YG高新技術(shù)產(chǎn)業(yè)有限公司的某次知識員工任務(wù)指派及調(diào)度抽象化，在Matlab7．0平臺上，通過粒子群算法對該算例進行模擬仿真，得到了大量的實驗數(shù)據(jù)，對這些實驗數(shù)據(jù)的分析結(jié)果顯示，粒子群算法可以有效的求解知識員工任務(wù)指派及調(diào)度。第六章總結(jié)了本文的研究結(jié)論，同時也給出了本文的研究展望。5第二章文獻綜述2．1員工任務(wù)指派及調(diào)度研究綜述20世紀(jì)90年代至今，人力資源的有效利用一直是國內(nèi)外學(xué)者研究的熱點問題?？茖W(xué)地進行員工任務(wù)指派及調(diào)度，是提高人力資源效率的重要體現(xiàn)。近年來，知識員工在企業(yè)中扮演著越來越

2、重要的角色，對知識員工任務(wù)指派及調(diào)度的相關(guān)研究也日趨活躍。由于本文的研究對象屬于員工任務(wù)指派及調(diào)度范疇大類，因此本文針對員工任務(wù)指派及調(diào)度優(yōu)化的相關(guān)文獻進行了分析和總結(jié)。從問題求解算法的角度來看，員工任務(wù)指派及調(diào)度的求解算法主要包括精確求解和近似求解兩大類。精確求解方法包括分支．切割法【3】、整數(shù)規(guī)劃和隨機數(shù)法的混合方法14]、切割線生成法【51等，適合求解規(guī)模小、約束簡單的員工任務(wù)指派及調(diào)度問題。而對于大規(guī)模復(fù)雜的問題，由于求解的狀態(tài)空間呈幾何級數(shù)增加，在有限時間內(nèi)無法精確求解，大多采用近似求解。21世紀(jì)之前，員工

3、任務(wù)指派及調(diào)度問題的求解更多習(xí)慣于使用矩陣、線性規(guī)劃等精確求解方法。St6fanJ．Darmoni等(1995)使用了非周期性的約束規(guī)劃模型來解決護士排班問題16]，而KenDarby-Dowman等(1997)則結(jié)合使用整數(shù)規(guī)劃和約束調(diào)度求解廣義任務(wù)指派問題171。國內(nèi)學(xué)者秦學(xué)志和王雪華(1996)建立了一類最優(yōu)指派問題的動態(tài)規(guī)劃模型【8】，黃德才(1999)在進一步分析了廣義指派決策問題的基礎(chǔ)上，亦給出了該問題的線性規(guī)劃模型191。進入2l世紀(jì)，國外和國內(nèi)學(xué)者提出了多種雖復(fù)雜但卻更符合問題真實環(huán)境的算法，而近似求

4、解算法也逐漸取代精確求解算法，展現(xiàn)出其極強的優(yōu)越性。其中，現(xiàn)代啟發(fā)式算法成為近似求解大規(guī)模復(fù)雜的員工任務(wù)指派及調(diào)度問題的研究熱點。以前的啟發(fā)式算法在搜索的過程中很容易就陷入了局部極值，而現(xiàn)代啟發(fā)式算法克服了這個缺點。它充分利用了問題自身的信息去控制其對鄰域的搜索，從而可以有選擇的去接收一些次于當(dāng)前最優(yōu)解的鄰居，這樣不但走出了局部極值的困擾，而且還能夠探索更廣泛的解空間。國外，X．Cai和K．N．Li(2000)通過遺傳算法制定了一個多標(biāo)準(zhǔn)的優(yōu)化模型來處理具有復(fù)合技能的員工調(diào)度問題，并指出復(fù)合技能員工的調(diào)度將是未來研究

5、重點【101，在這之后，K．Bouleimen和H．Lecocq(2003)給出了模擬退火算法在資源受限的前提下調(diào)度問題的解決方案Il¨。UweAickelin和KathrynA．Dowsland(2004)使用遺傳算法完成了護士的排班工作【12]，而面對這同一問題，WalterJ．Gutjahr和MarionS．Rauner(2005)則使用了蟻群優(yōu)化6第二章文獻綜述算法，取得了比貪婪分配算法更好的效果【13】。近年來，國外學(xué)者開始嘗試使用復(fù)雜度更高的混合算法。J．Heinonen和F．Pettersson(200

6、7)將混合蟻群算法用來處理員工調(diào)度問題，取得了理想的效果【141，隨之，RueyHueiYeh等學(xué)者(2009)通過混合粒子群優(yōu)化算法進行員工任務(wù)分配，結(jié)果表明，該方法比遺傳算法更有效率【15】。國內(nèi)在總結(jié)前人經(jīng)驗和吸收國外最新成果的基礎(chǔ)上，運用啟發(fā)式算法解決員工任務(wù)指派及調(diào)度問題亦得到了迅猛發(fā)展。郭定剛(2004)通過遺傳算法較好地解決了航空產(chǎn)品項目中的人員調(diào)度問題【161，李遠(yuǎn)敏和陳帆(2005)則針對軟件項目中人員調(diào)度的特殊性，提出了一個啟發(fā)判別式，并以此對廣泛應(yīng)用的網(wǎng)絡(luò)計劃技術(shù)進行了改進‘切。談文芳等(200

7、7)學(xué)者通過改進的粒子群算法對員工任務(wù)指派提出了新方案，實例及數(shù)字仿真驗證了改進粒子群優(yōu)化算法的有效性【lsl。隨著員工任務(wù)的指派及調(diào)度問題受到了越來越廣泛的關(guān)注，國內(nèi)的解決方案也隨之呈現(xiàn)多元化趨勢發(fā)展。李響和王慶(2008)采用基于禁忌搜索l拊混合遺傳算法進行農(nóng)機科研人員的任務(wù)調(diào)度研究，提出了一種新穎直觀的雙染色體基因編碼方法【191。時維國和薛倩(2009)考慮到遺傳算法的早熟收斂和禁忌搜索算法的自適應(yīng)優(yōu)點，提出了一種解決調(diào)度問題最短完成時間的有效的混合算法【201，而王靜宇等(2010)則結(jié)合遺傳算法和蟻群算法

8、的各自優(yōu)點，對遺傳算法和蟻群算法進行融合并應(yīng)用于特殊環(huán)境中的任務(wù)調(diào)度【2¨。綜上所述，國內(nèi)外學(xué)者的相關(guān)研究遵循著人類的認(rèn)知規(guī)律：由簡單到復(fù)雜，由低級到高級，趨于更符合真實的問題環(huán)境。研究進展的主要特征有：(1)經(jīng)典優(yōu)化算法在員工任務(wù)指派及調(diào)度研究中的應(yīng)用已經(jīng)趨于成熟，而現(xiàn)代啟發(fā)式的優(yōu)化算法則還處于起步發(fā)展階段。傳統(tǒng)單一算法有目標(biāo)規(guī)劃方法閻、單純