蟻群算法在人力資源優(yōu)化配置中的應用研究

蟻群算法在人力資源優(yōu)化配置中的應用研究17第一頁，共二十頁。主要內(nèi)容指派問題模型和研究現(xiàn)狀基本蟻群算法改進的蟻群算法（APACO）演示系統(tǒng)設計實驗分析結(jié)論172

第二頁，共二十頁。1-1指派問題的研究現(xiàn)狀人力資源優(yōu)化配置問題可歸于一類指派問題。匈牙利算法。運籌學中最基本的方法。小數(shù)據(jù)集，手工。降階優(yōu)化算法。用系數(shù)矩陣對解矩陣進行變換?？s小可行解數(shù)目閉環(huán)DNA算法。大量的識別序列和DNA編碼。內(nèi)切酶有限?！伻核惴?、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，應用于任務指派問題的研究中。173

第三頁，共二十頁。1-2指派問題的數(shù)學模型有個人和個任務，已知第個人做第個任務的費用為，要求確定人和任務之間的一一對應的指派方案，使完成這些任務的總費用最少。數(shù)學模型：174

第四頁，共二十頁。2-1蟻群算法概述nestfood蟻群算法(AntColonyAlgorithm)是由意大利學者Dorigo

M，ColorniA等人于20世紀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)式仿生進化算法。Dorigo圖1蟻群尋徑模擬175

第五頁，共二十頁。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問題的通用啟發(fā)式解法。著名的旅行商問題（travelingsalesmanproblem,TSP）改進的蟻群算法：最大-最小螞蟻系統(tǒng)混合螞蟻系統(tǒng)快速螞蟻系統(tǒng)……

圖2TSP模型176

第六頁，共二十頁。2-3標準的蟻群優(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177

第七頁，共二十頁。3ACOAP算法模型-1設需要指派3個人去完成3個任務，并知道每個人完成每個任務所需的費用，則可得到一個三行三列的系數(shù)矩陣。指派問題的系數(shù)矩陣形成移動矩陣相同行的不同列之間移動，并且此列未到達過信息素集中在節(jié)點轉(zhuǎn)到下一個節(jié)點的代價為下一個節(jié)點的系數(shù)矩陣值轉(zhuǎn)移概率并非選擇最大節(jié)點，有干擾因子到達一個節(jié)點，立即進行節(jié)點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3ACOAP算法模型178

第八頁，共二十頁。3ACOAP算法模型-2轉(zhuǎn)移概率。產(chǎn)生隨機數(shù)，如果，則根據(jù)下式，螞蟻移向概率最大的節(jié)點。否則在可選節(jié)點中隨機選擇一個。局部信息素更新。當螞蟻選擇此節(jié)點后，立即更新此節(jié)點的信息素。全局信息素更新。當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。179

第九頁，共二十頁。4演示系統(tǒng)設計主要技術(shù)：Swing，Thread1710

第十頁，共二十頁。5實驗1-1實驗目的：得到信息素啟發(fā)因子，期望值啟發(fā)因子，干擾因子，螞蟻數(shù)量，局部信息素揮發(fā)系數(shù)，全局信息素的揮發(fā)系數(shù)范圍規(guī)模為10的干擾因子實驗設置及結(jié)果，10次，迭代次數(shù)不同所有實驗1711

第十一頁，共二十頁。實驗1-2干擾因子1712

第十二頁，共二十頁。5實驗1-3信息素啟發(fā)因子[1,2]，參考文獻1期望值啟發(fā)因子為1，參考文獻1局部信息素揮發(fā)系數(shù)[0.2,0.4]，文獻中取0.2全局信息素揮發(fā)系數(shù)[0.6,0.8]，文獻中取0.7干擾因子[0.1,0.2]，文獻中取0.35螞蟻數(shù)量，參考文獻中的范圍1713

第十三頁，共二十頁。5實驗2實驗目的：驗證算法的有效性參數(shù)設置及結(jié)果--》1714

第十四頁，共二十頁。5實驗3與其他算法性能對比參數(shù)設置及結(jié)果--》1715

第十五頁，共二十頁。5實驗4實驗目的：單線程和多線程對比實驗數(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)集運行時間：單線程：14.57分鐘多線程：9.37分鐘1716

第十六頁，共二十頁。6結(jié)論與展望結(jié)論深入研究了將改進的蟻群算法應用于企業(yè)人力資源的優(yōu)化配置方案，并通過編程實驗進行了實例分析，證明了其有效性。為將蟻群算法應用于人力資源優(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理念和民主評議反饋機制相結(jié)合來生成系數(shù)矩陣的方法，企業(yè)合作，驗證其實際效果。算法需要改進，大規(guī)模數(shù)據(jù)集，收斂速度慢。1717

第十七頁，共二十頁。致謝感謝樸老師對我的耐心指導感謝實驗室?guī)熜謳熃銓ξ业拇罅χС指兄x各位老師感謝各位同學1718

第十八頁，共二十頁。

Thankyou,Questions?17第十九頁，共二十頁。內(nèi)容總結(jié)蟻群算法在人力資源優(yōu)化配置中的應用研究。17。1-1指派問題的研究現(xiàn)狀。人力資源優(yōu)化配置問題可歸于一類指派問題。用系數(shù)矩陣對解矩陣進行變換。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問題的通用啟發(fā)式解法。指派問題的系數(shù)矩陣形成移動矩陣。轉(zhuǎn)到下一個節(jié)點的代價為下一個節(jié)點的系數(shù)矩陣值。到達一個節(jié)點，立即進行節(jié)點信息素的更新。所有