前言：本站為你精心整理了企業(yè)人力資源智能調(diào)度算法研究范文，希望能為你的創(chuàng)作提供參考價值，我們的客服老師可以幫助你提供個性化的參考范文，歡迎咨詢。

摘要：由于傳統(tǒng)智能調(diào)度算法存在動態(tài)規(guī)劃不完善的情況，導致運算結果耗時過長，因此研究基于大數(shù)據(jù)的企業(yè)人力資源智能調(diào)度算法。此次研究通過基于大數(shù)據(jù)背景建立動態(tài)規(guī)劃模型，實現(xiàn)企業(yè)人力資源動態(tài)規(guī)劃，設計智能調(diào)度算法的初始優(yōu)先級表、基于優(yōu)先級表提出智能調(diào)度算法。實驗結果表明：與傳統(tǒng)算法相比，此次研究所提出的算法在運算速度上更具優(yōu)勢，平均耗時縮短了7.261s。證明基于優(yōu)先級表的智能調(diào)度算法，能夠幫助減少基于大數(shù)據(jù)的企業(yè)人力資源智能調(diào)度工作量。

關鍵詞：大數(shù)據(jù)；人力資源管理；智能調(diào)度算法；動態(tài)調(diào)度；動態(tài)規(guī)劃模型

企業(yè)人力資源管理問題，作為一個貫穿企業(yè)發(fā)展始終的重要問題，在當前大數(shù)據(jù)時代背景下，企業(yè)的人力資源模塊，正在不斷進行著管理方法上的改革與創(chuàng)新。而這樣的變革能夠產(chǎn)生的關鍵，離不開科學技術以及互聯(lián)網(wǎng)技術日新月異的發(fā)展與更新。當前，基于大數(shù)據(jù)、云平臺計算所建立的各類數(shù)據(jù)庫，能夠幫助在極短時間內(nèi)匯總、整合多個單元模塊中的多組數(shù)據(jù)，且能夠智能地快速匹配相應的算法，再結合各行業(yè)用戶的實際情況，不斷對數(shù)據(jù)庫進行容量的擴充和算法的更新。企業(yè)的人力資源管理工作，在與大數(shù)據(jù)、云計算這些依托于先進技術所建立的平臺相結合后，能在短時間內(nèi)快速降低工作量，解放人力的同時，還能夠有效節(jié)約成本，并且能夠?qū)︸g雜而繁多的數(shù)據(jù)，進行合理的歸納和整理?；诖髷?shù)據(jù)的多種智能調(diào)度算法，搭載這些算法的云平臺，再科學應用到人力資源的智能調(diào)度方面的工作上。最終目的是幫助企業(yè)的財務、人事，以及管理層及時完成對企業(yè)人力的智能調(diào)度，有助于推進企業(yè)的智能化發(fā)展。

1基于大數(shù)據(jù)的企業(yè)人力資源智能調(diào)度算法

1.1基于大數(shù)據(jù)的企業(yè)人力資源動態(tài)規(guī)劃

企業(yè)人力資源的相關工作，隨著企業(yè)的商業(yè)化、智能化程度的提升，呈現(xiàn)出了工作量明顯降低、資源整合速度明顯提高的良好態(tài)勢。這些改變，均離不開在大數(shù)據(jù)時代下，逐漸推廣普及的智能云平臺的應用。一般情況下，平臺的計算性能越是卓越，面對海量數(shù)據(jù)的處理能力就越強。針對這樣的現(xiàn)實條件，就需要利用基于大數(shù)據(jù)的各類數(shù)據(jù)庫，進行對人力資源智能調(diào)度的動態(tài)規(guī)劃。受任務規(guī)模、先后順序以及資源消費情況的影響，企業(yè)人力資源管理工作，并不存在一個通用的智能調(diào)度算法。對此，就要綜合企業(yè)人力資源調(diào)度任務的具體情況，結合動態(tài)規(guī)劃理論，對調(diào)度算法中需要進行優(yōu)化的問題，進行一個以時間為劃分因素的階段性劃分，幫助建立企業(yè)人力資源動態(tài)規(guī)劃最優(yōu)策略模型。在企業(yè)的人力資源調(diào)度工作中，現(xiàn)有的算法也能夠做到依據(jù)工作現(xiàn)階段的狀態(tài)，對下一階段的工作狀態(tài)進行確定。進行狀態(tài)的確定時，我們能夠用狀態(tài)轉(zhuǎn)移方程（Educationofstate），來展現(xiàn)這種狀態(tài)推演的規(guī)律，該方程為：1(,()),1,2,pppppxBxwxpn+==⋅⋅⋅（1）依據(jù)（1）的方程，能夠進一步對幫助定義整個階段過程，以及所有后部子過程進行指標推導，指標函數(shù)的公式為：1(,,,),1,2knppnQxwxpn+⋅⋅⋅⋅=⋅⋅⋅（2）根據(jù)狀態(tài)轉(zhuǎn)移方程和指標函數(shù)的公式，在實際上對人力資源進行調(diào)度工作時，就可以通過對狀態(tài)變量px、決策變量()ppWx自身的特性，確定決策集合px，之后代入式（1）的狀態(tài)轉(zhuǎn)移方程，最后需要確定階段指標與指標函數(shù)之間的是一種怎樣的計算形式，并且這些計算形式，包括但不限于該階段的指標存在極大、極小以及兩數(shù)之積的情況。這就需要依據(jù)具體的企業(yè)人力資源調(diào)度情況，來得出最優(yōu)值函數(shù)滿足的遞推方程，完成動態(tài)規(guī)劃模型的建立。

1.2設計初始優(yōu)先級表

因為需要結合階段任務截止期，以及初始優(yōu)先級這兩個參數(shù)進行設計。所以需要通過提出新型智能調(diào)度算法，制定開展合理運算的實時優(yōu)先級調(diào)度方案，在考慮階段任務的初始優(yōu)先級和任務時間約束問題的同時，通過結合優(yōu)先級表的設計原則，設計智能調(diào)度算法優(yōu)先級表，具體如圖1所示。通過對圖1的設計，我們能夠發(fā)現(xiàn)，上面箭頭的指向代表著任務實時優(yōu)先級從高到低順序，其中縱軸上的代表階段任務的相對截止期，橫軸上的代表初始優(yōu)先級，兩種參數(shù)按先后順序從下至上排列。結合圖1的走向情況，就不得不提到優(yōu)先級表的設計原則：在某階段出現(xiàn)了初始優(yōu)先級和截止期這兩個參數(shù)都完全相同的任務后，以任務生成的先后順序來劃分任務的實時優(yōu)先級，并且在距離待執(zhí)行任務的相對截止期較近，且任務生成時間早于其他任務的，優(yōu)先級表就會自動提升該任務的實時優(yōu)先級。結合圖1，能夠幫助推導出實時優(yōu)先級的計算公式，其中實時優(yōu)先級為C，按相對截止期進行排隊的任務隊列為w，按照初始優(yōu)先級進行排隊的任務隊列為q，那么實時優(yōu)先級公式為：(2)(1)2wqwqCq+−+−=+（3）依據(jù)式（3），能夠?qū)θ蝿盏膶崟r優(yōu)先級進行計算，并按優(yōu)先級表的展示順序，來對任務的先后執(zhí)行順序進行劃分。

1.3基于優(yōu)先級表的智能調(diào)度算法

在企業(yè)人力資源的階段性動態(tài)規(guī)劃工作完成后，在能夠建立相關模型的基礎上，能夠提出基于優(yōu)先級表模式的智能調(diào)度算法。企業(yè)人力資源的智能調(diào)度因為具有極大的工作分配彈性和非線性，就需要通過借助時間這一參數(shù)，對企業(yè)人力資源的調(diào)度任務進行整合。但是，在特定的任務調(diào)度中，任務產(chǎn)生和執(zhí)行的時間，不能作為除執(zhí)行任務以外的衡量標準。當前，基于各種模式的人力資源智能調(diào)度算法，其在運行過程中，往往存在任務優(yōu)先級值固定的情況，并沒有將運算任務的截止期考慮進去。這樣的算法在使用中，就出現(xiàn)了對執(zhí)行任務中所需執(zhí)行時間，控制嚴重不足的情況。為了使基于大數(shù)據(jù)的智能調(diào)度算法，能夠更加符合當前時代下企業(yè)人力資源管理工作開展的需要。因此需要充分考慮對平臺的智能調(diào)度算法進行革新，通過對之前已經(jīng)投入應用的算法優(yōu)缺點進行總結，進一步提出基于初始優(yōu)先級表和任務截止期的算法設計[7-8]。最終目的是幫助確定各階段任務的實時優(yōu)先級，解決其他算法經(jīng)常出現(xiàn)的優(yōu)先級固定、所需執(zhí)行時間的約束嚴重不足的問題。在本文提出的算法中，應假設一個實時計算任務請求R，那么其順序為：在式（4）中，i代表等待被執(zhí)行的實時任務編號，bornie代表實時任務的生成時間，waitie表示該任務排隊等待被執(zhí)行時，所需等待的最長時間，該數(shù)值由企業(yè)人數(shù)、業(yè)務量等情況來決定。而deadie代表任務截止期，iy代表任務的初始優(yōu)先級，數(shù)值越小該任務的初始優(yōu)先級就越高。之后將當前時間假設為s，那么實時任務的相對截止期ia滿足式(5)：deadiia=e−s（5）依據(jù)式（5），我們能夠明確地計算出，實時任務的相對截止期ia，會隨著時間的推移慢慢減小數(shù)值，這代表著其任務優(yōu)先級會隨時間的增加而增加。

2實驗研究

通過實驗，將本文提出的人力資源智能調(diào)度算法作為實驗組，以傳統(tǒng)算法作為對照組，比較兩種算法在運算時的所耗時長。圖2為仿真測試軟件所搭建的基本測試環(huán)境。如圖2所示，該仿真測試環(huán)境是一個尺寸為100m*100m正方形劃區(qū)。其中位于圖2中心的矩形，代表著該基本測試環(huán)境的中心節(jié)點。其他的正方形為普通節(jié)點。此次實驗，將本文提出的算法和傳統(tǒng)算法的數(shù)據(jù)分別帶入到該仿真環(huán)境當中。實驗組按照距三角形中心節(jié)點的遠近來進行編號，對照組按照階段任務的順序，來進行編號。兩種算法在完成了所安排的全部編號工作后，就開始對階段任務的相關數(shù)據(jù)，分別進行數(shù)據(jù)融合，圖2為兩個測試組，對階段任務數(shù)據(jù)的融合效果。依據(jù)圖3的數(shù)據(jù)代入情況，能夠就最終生成的任務數(shù)據(jù)融合樹中看出，本文提出的智能調(diào)度算法，與傳統(tǒng)算法相比，運算性能和融合效果都更加優(yōu)越。但為保證仿真測試結果更加可靠，再進行20組數(shù)據(jù)運算實驗，實驗數(shù)據(jù)如表1所示。根據(jù)表1中的數(shù)據(jù)運算結果可知，在20階段次數(shù)據(jù)融合測試下，實驗組的平均耗時，相較于對照組的平均耗時縮短了7.261s。由該結果可知，本文提出的智能調(diào)度算法，相較于傳統(tǒng)智能調(diào)度算法，能夠有效地縮短對階段任務數(shù)據(jù)進行融合與計算的所需時長，基于優(yōu)先級表的人力資源智能調(diào)度算法，在性能上更加卓越。

3結語

此次研究對基于大數(shù)據(jù)時代背景下，企業(yè)人力資源智能調(diào)度算法進行了創(chuàng)新設計，提出了基于優(yōu)先級表的新型智能調(diào)度算法，并與傳統(tǒng)的智能調(diào)度算法進行了耗時對比實驗，加強了算法的融合邏輯，并取得了極佳的效果。但本次研究還存在諸多不足之處，應在未來的智能算法研究過程中，以本文研究作為依托，優(yōu)化對相關算法的創(chuàng)新。

作者:黃辰 劉雪飛 單位:云南工商學院