基于粒子群算法的知识员工任务指派与调度优化

《基于粒子群算法的知识员工任务指派与调度优化》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第一章导言一个算例，将天津YG高新技术产业有限公司的某次知识员工任务指派及调度抽象化，在Matlab7．0平台上，通过粒子群算法对该算例进行模拟仿真，得到了大量的实验数据，对这些实验数据的分析结果显示，粒子群算法可以有效的求解知识员工任务指派及调度。第六章总结了本文的研究结论，同时也给出了本文的研究展望。5第二章文献综述2．1员工任务指派及调度研究综述20世纪90年代至今，人力资源的有效利用一直是国内外学者研究的热点问题。科学地进行员工任务指派及调度，是提高人力资源效率的重要体现。近年来，知识员工在企业中扮演着越来越

2、重要的角色，对知识员工任务指派及调度的相关研究也日趋活跃。由于本文的研究对象属于员工任务指派及调度范畴大类，因此本文针对员工任务指派及调度优化的相关文献进行了分析和总结。从问题求解算法的角度来看，员工任务指派及调度的求解算法主要包括精确求解和近似求解两大类。精确求解方法包括分支．切割法【3】、整数规划和随机数法的混合方法14]、切割线生成法【51等，适合求解规模小、约束简单的员工任务指派及调度问题。而对于大规模复杂的问题，由于求解的状态空间呈几何级数增加，在有限时间内无法精确求解，大多采用近似求解。21世纪之前，员工

3、任务指派及调度问题的求解更多习惯于使用矩阵、线性规划等精确求解方法。St6fanJ．Darmoni等(1995)使用了非周期性的约束规划模型来解决护士排班问题16]，而KenDarby-Dowman等(1997)则结合使用整数规划和约束调度求解广义任务指派问题171。国内学者秦学志和王雪华(1996)建立了一类最优指派问题的动态规划模型【8】，黄德才(1999)在进一步分析了广义指派决策问题的基础上，亦给出了该问题的线性规划模型191。进入2l世纪，国外和国内学者提出了多种虽复杂但却更符合问题真实环境的算法，而近似求

4、解算法也逐渐取代精确求解算法，展现出其极强的优越性。其中，现代启发式算法成为近似求解大规模复杂的员工任务指派及调度问题的研究热点。以前的启发式算法在搜索的过程中很容易就陷入了局部极值，而现代启发式算法克服了这个缺点。它充分利用了问题自身的信息去控制其对邻域的搜索，从而可以有选择的去接收一些次于当前最优解的邻居，这样不但走出了局部极值的困扰，而且还能够探索更广泛的解空间。国外，X．Cai和K．N．Li(2000)通过遗传算法制定了一个多标准的优化模型来处理具有复合技能的员工调度问题，并指出复合技能员工的调度将是未来研究

5、重点【101，在这之后，K．Bouleimen和H．Lecocq(2003)给出了模拟退火算法在资源受限的前提下调度问题的解决方案Il¨。UweAickelin和KathrynA．Dowsland(2004)使用遗传算法完成了护士的排班工作【12]，而面对这同一问题，WalterJ．Gutjahr和MarionS．Rauner(2005)则使用了蚁群优化6第二章文献综述算法，取得了比贪婪分配算法更好的效果【13】。近年来，国外学者开始尝试使用复杂度更高的混合算法。J．Heinonen和F．Pettersson(200

6、7)将混合蚁群算法用来处理员工调度问题，取得了理想的效果【141，随之，RueyHueiYeh等学者(2009)通过混合粒子群优化算法进行员工任务分配，结果表明，该方法比遗传算法更有效率【15】。国内在总结前人经验和吸收国外最新成果的基础上，运用启发式算法解决员工任务指派及调度问题亦得到了迅猛发展。郭定刚(2004)通过遗传算法较好地解决了航空产品项目中的人员调度问题【161，李远敏和陈帆(2005)则针对软件项目中人员调度的特殊性，提出了一个启发判别式，并以此对广泛应用的网络计划技术进行了改进‘切。谈文芳等(200

7、7)学者通过改进的粒子群算法对员工任务指派提出了新方案，实例及数字仿真验证了改进粒子群优化算法的有效性【lsl。随着员工任务的指派及调度问题受到了越来越广泛的关注，国内的解决方案也随之呈现多元化趋势发展。李响和王庆(2008)采用基于禁忌搜索l拊混合遗传算法进行农机科研人员的任务调度研究，提出了一种新颖直观的双染色体基因编码方法【191。时维国和薛倩(2009)考虑到遗传算法的早熟收敛和禁忌搜索算法的自适应优点，提出了一种解决调度问题最短完成时间的有效的混合算法【201，而王静宇等(2010)则结合遗传算法和蚁群算法

8、的各自优点，对遗传算法和蚁群算法进行融合并应用于特殊环境中的任务调度【2¨。综上所述，国内外学者的相关研究遵循着人类的认知规律：由简单到复杂，由低级到高级，趋于更符合真实的问题环境。研究进展的主要特征有：(1)经典优化算法在员工任务指派及调度研究中的应用已经趋于成熟，而现代启发式的优化算法则还处于起步发展阶段。传统单一算法有目标规划方法阎、单纯