李 磊等謝小璐 郭 睿

（江南大學(xué)商學(xué)院，江蘇無錫 214122）

創(chuàng)新型人才的區(qū)間數(shù)群決策評價研究

李 磊等謝小璐 郭 睿

（江南大學(xué)商學(xué)院，江蘇無錫 214122）

科技創(chuàng)新型人才的規(guī)模成為國家綜合實力的重要指標(biāo)之一，專家給予人才的評價往往存在猶豫而適合采取區(qū)間數(shù)打分，為此建立集結(jié)信息的非線性規(guī)劃模型，提出利用模擬植物生長算法集結(jié)區(qū)間數(shù)信息，構(gòu)建群決策偏好矩陣。采用可能度和排序向量法進行排名，選取創(chuàng)新意識、創(chuàng)新人格、創(chuàng)新能力和智力4個指標(biāo)，以實例進行科技創(chuàng)新型人才的評價研究。研究結(jié)果表明，模擬植物生長算法能有效地集結(jié)多個專家的隨機區(qū)間數(shù)，具有簡便、靈活的特點。

創(chuàng)新型人才；科技人才；模擬植物生長算法；區(qū)間數(shù)；群決策

1 引言

競爭力的關(guān)鍵就在于創(chuàng)新型人才的培養(yǎng)，尤其是科技創(chuàng)新型人才。創(chuàng)新型人才為中國參與經(jīng)濟全球化、建設(shè)創(chuàng)新型國家、全面建設(shè)小康社會宏偉目標(biāo)的實現(xiàn)奠定了夯實的基礎(chǔ)。關(guān)于對創(chuàng)新型人才的評價，國外文獻(xiàn)主要從人才需具備的因素出發(fā)來討論。例如，美國心理學(xué)家Wechsler指出，大多數(shù)諾貝爾獎獲得者青少年時代并非高智商，而是屬于中等或中等以上，但是，他們都具有強烈的好奇心、興趣以及高度的自信心，其創(chuàng)造的內(nèi)在動機、勤奮刻苦的鉆研精神、頑強的意志品質(zhì)等意識特征突出。Guilford認(rèn)為，對問題的感受性，思維的流暢性、靈活性和獨創(chuàng)性，重組能力，概念結(jié)構(gòu)的復(fù)雜性在人的創(chuàng)造能力結(jié)構(gòu)中起著重要的作用[1]。Stemberg的研究表明，人的創(chuàng)造性受到智力、知識、認(rèn)知風(fēng)格、人格特征、動機、環(huán)境等因素的影響。其中，人的個性和環(huán)境是不容忽視的因素[2]。

Stanley強調(diào)，獨創(chuàng)性是創(chuàng)新型人才最明顯的標(biāo)志[3]。Henderson提出創(chuàng)新型人才應(yīng)該具備堅強的毅力、冒險精神和變通能力[4]。Corn和Dyer等卻認(rèn)為只要擁有敏銳的洞察力，就可以判定為創(chuàng)新型人才，要深入分析洞察力在創(chuàng)新型人才成長中的挖掘[5-6]。國內(nèi)許多學(xué)者則對如何定義創(chuàng)新型人才進行了闡述， 并提出了一系列評價方法。例如，王楠等從規(guī)模、創(chuàng)新能力以及結(jié)構(gòu)等指標(biāo)研究了四川省科技人才的建設(shè)[7]。房國忠等從人格特征、學(xué)習(xí)素質(zhì)、思維特征、社會能力等4個方面分析了創(chuàng)新型人才的基本素質(zhì)結(jié)構(gòu)，構(gòu)建了創(chuàng)新型人才的素質(zhì)模型[8]。謝小璐利用層次分析法構(gòu)建了高校創(chuàng)新型人才的評價模型[9]。李良成等利用因子分析法提取資源與投入、環(huán)境和效能3個主因子，構(gòu)建廣東省創(chuàng)新型科技人才評價模型[10]。丁剛等建立了科技創(chuàng)新人才建設(shè)的評價指標(biāo)，利用GPCA模型和ESDA法，從省域?qū)用娉霭l(fā)對30個地區(qū)的發(fā)展態(tài)勢進行評價[11]。刑潔等提出基于遺傳神經(jīng)網(wǎng)絡(luò)的環(huán)渤海經(jīng)濟圈、長三角和珠三角創(chuàng)新型人才競爭力評價研究，明確濱湖新區(qū)的競爭力水平[12]。

歸納起來，國內(nèi)外專家對科技創(chuàng)新型人才的評價主要集中在創(chuàng)新意識、創(chuàng)新人格、創(chuàng)新能力和智力4個大類方向。這些評價方法有別于單純以成績作為考核標(biāo)準(zhǔn)的方式，其重點應(yīng)轉(zhuǎn)變?yōu)槿绾伍_拓創(chuàng)新思維，從而取得突破。但是，專家往往從自己的經(jīng)驗和知識出發(fā)，對待判定的人才進行綜合評價，不可避免地受到環(huán)境、心理、主觀認(rèn)識的局限性等因素的干擾，使判斷結(jié)果存在偏差。

本文則利用多屬性群決策理論，通過一定數(shù)量的專家個體分別對待定人才依次打分，將集結(jié)的信息處理后獲取最終評價值并進行排序。然而，以實數(shù)的形式給出的分?jǐn)?shù)無法確切地表達(dá)專家的意見，因此提出通過模擬植物生長算法集合每個人才關(guān)于每個評價指標(biāo)的群決策偏好區(qū)間數(shù)，得到各人才群體構(gòu)成的群決策偏好矩陣，結(jié)合可能度矩陣和排序向量法獲取排序結(jié)果。

2 區(qū)間數(shù)群決策評價模型

2.1 基本定義

定義1 如果［a-,a+］，其中a-,a+∈R，稱a為一個區(qū)間數(shù)。顯然地，當(dāng)a-=a+時就退化為一個實數(shù)。

設(shè)一個決策問題有N個方案，各方案包含V個因素，那么Q個決策人員對N個方案的V個屬性分別進行評價的區(qū)間數(shù)表示為］，其中i=1, 2,…,N; j=1, 2,…,V; k=1, 2,…,Q 。

定義2 由N個方案的偏好向量構(gòu)成的矩陣稱為群決策偏好矩陣，記作R=。

定義3 對任意的區(qū)間數(shù)［a-, a+］，［b-, b+］則稱為區(qū)間數(shù)［a-, a+］，［b-, b+］的離合度。

2.2 信息集結(jié)

2.2.1 模擬植物生長算法2007年李彤提出模擬植物生長算法（PGSA）應(yīng)用于單級與二級整數(shù)規(guī)劃問題[13]。該算法具有運算時間短、計算速度快、可收斂、對參數(shù)的依賴性小等優(yōu)點[14]。模擬植物生長算法由自然界的植物生長規(guī)律衍變而來，從根部開始朝著光源伸展，又分裂出枝干，一直循環(huán)下去。猶如在二維空間從初始點出發(fā)，依照路徑延伸、分裂，直至尋找到光源，即全局最優(yōu)解。因此必須確定搜索的可行域。如果可行域過大，就存在無最優(yōu)解的情況。

為了避免出現(xiàn)上文提到的評價結(jié)果偏差問題，引入有限元方法，采用分形幾何學(xué)中的謝爾賓斯基地毯。在正方形內(nèi)部劃分為9等分，去除最中間的小正方形。對剩余8塊小正方形進行9等分，同樣地減掉最中間的正方形。經(jīng)過無限次的劃分后，形成一系列點集的分形圖，最終形成謝爾賓斯基地毯。將謝爾賓斯基地毯作為約束條件的有界閉箱，地毯中所有正方形的4個頂點作為有限元網(wǎng)格的結(jié)點，以有限元網(wǎng)格點作為模擬植物生長的初始生長點[15]。

2.2.2 集結(jié)信息的PGSA算法

假定在生長點按4個方位生長并產(chǎn)生新枝，新枝間旋轉(zhuǎn)角度α=90°。分枝長度設(shè)定為l/ 1000。若空間內(nèi)有n個已知區(qū)間數(shù)A1, A2,…,An，求區(qū)間數(shù)B使最小。該問題的PGSA迭代步驟為：

步驟1 產(chǎn)生以謝爾賓斯基地毯中所有正方形頂點的初始生長點am∈X ，其中X為Rn中的有界區(qū)域；

步驟2 所有初始生長點的生長素值為：

步驟3 由生長素值建立各生長點在0-1的概率生長空間，產(chǎn)生隨機數(shù)選擇當(dāng)次迭代生長點am；

步驟4 確定步長λ，生長點am以α=90°生長，以新生長點中的最優(yōu)點替換am；

步驟5 如果沒有新的生長點產(chǎn)生且達(dá)到預(yù)先給定的迭代次數(shù)，即獲取全局最優(yōu)解且停止計算，否則轉(zhuǎn)到步驟2。

以上步驟的計算結(jié)果可得到一個偏好區(qū)間數(shù)。

構(gòu)建集結(jié)信息的非線性規(guī)劃模型其中，Ω表示謝爾賓斯基地毯構(gòu)成的有界空間，為已知的區(qū)間數(shù)，］是與離合度最小得到的全局最優(yōu)區(qū)間，其中i=1,2,…,N; j=1,2,…,V 。

本研究利用PGSA計算各方案中所有決策個體針對每個屬性的集中偏好區(qū)間數(shù)。對于N個方案，每個方案包含V個因素的決策問題總共存在N×V個偏好區(qū)間，即得到N×V的群決策偏好矩陣。

2.3 可能度與區(qū)間數(shù)排序

針對區(qū)間數(shù)的排序主要有兩種，自定義一種反映兩個區(qū)間的比較規(guī)則進而得到排序結(jié)果相對于直接化成實數(shù)形式更合理[16]。因為轉(zhuǎn)換為實數(shù)可能導(dǎo)致信息失真，無法全面考慮所有決策個體的意愿，降低了其評價精確度。

借助文獻(xiàn)[17]的可能度計算方法。對任意給定的非負(fù)區(qū)間［r-,r+］,［r-,r+］，式（3）為區(qū)間1122［r-,r+］≥［r-,r+］的可能度。1122

其中，lr1r2為兩區(qū)間數(shù)交集的模長。 當(dāng)兩個區(qū)間數(shù)相等時，

利用式（3）對不同方案的同一個指標(biāo)的區(qū)間數(shù)進行兩兩比較，建立關(guān)于每個指標(biāo)的可能度偏好矩陣，其中，j=1, 2,…,V 。顯然地，可能度矩陣P.j是一個互補決策判斷矩陣，即矩陣中行標(biāo)與列標(biāo)互換的兩元素之和為1。

對可能度矩陣實施排序向量公式[18]

其中，i=1, 2,…,N; j=1, 2,…,V 。

故可能度矩陣P.j相對應(yīng)的排序向量是。根據(jù)指標(biāo)的排序向量和已知的指標(biāo)權(quán)重得各方案的評價值：，最后由的大小對方案排序，選出最佳方案。

3 區(qū)間數(shù)群決策評價步驟

步驟1 利用模擬植物生長算法計算非線性規(guī)劃模型，滿足所有專家以評價指標(biāo)為標(biāo)準(zhǔn)，給每個候選人才打分后得到的偏好區(qū)間，共N×V次。

步驟3 兩兩比較不同候選人才間在同一個指標(biāo)下的區(qū)間數(shù)，求出相應(yīng)的可能度，得每個指標(biāo)的可能度矩陣

步驟4 利用排序向量法得可能度矩陣P.j的排序向量，結(jié)合已知的指標(biāo)權(quán)重＇，計算各候選人的評價值，最終排出候選人才的名次。

4 實例分析

某單位舉辦“創(chuàng)新之星”評選活動，吸引了眾多科技人才參與競選。通過前期各位申請者提交的材料，最終篩選出3位員工i1、i2、i3角逐前三名。在決賽過程中，選手們不僅要展示自己的風(fēng)采，而且要接受評委專家的考核。

假如共有15名專家評委參與評價，打分表包括4個指標(biāo)，分別為創(chuàng)新意識j1、創(chuàng)新人格j2、創(chuàng)新能力j3和智力j4。單位規(guī)定各評價指標(biāo)的權(quán)重分別為0.15、0.3、0.45和0.1。由于候選人的各方面表現(xiàn)差距較小，因此，單位決定給予15名專家評委一定的猶豫彈性空間，根據(jù)3位科技人才的表現(xiàn)給出的評價區(qū)間值如表1-表3所示。試確定3個科技人才的名次。

利用MATLAB軟件，以模擬植物生長算法分別經(jīng)過1萬次迭代計算非線性規(guī)劃模型，共12個，得到3個候選人綜合15位評委給出的關(guān)于創(chuàng)新意識j1、創(chuàng)新人格j2、創(chuàng)新能力j3和智力j4的偏好區(qū)間數(shù)分別為

r11=［4.0000,5.0000］r12=［3.9230,5.0000］

r13=［3.9325,5.0150］r14=［6.2320,8.2755］

r21=［3.8670,5.0000］r22=［3.8460,4.9360］

r23=［3.8230,5.0000］r24=［6.4770,8.4230］

r31=［4.4500,5.0000］r32=［4.7730,5.3995］

r33=［4.3540,5.0000］r34=［6.5140,8.4650］

故評委對各科技人才的偏好矩陣可表示為：

表1 科技人才i1的評價區(qū)間值

表2 科技人才i2的評價區(qū)間值

表3 科技人才i3的評價區(qū)間值

由可能度計算公式得關(guān)于創(chuàng)新型人才評價指標(biāo)的可能度矩陣：

通過排序向量公式求得可能度矩陣P.1、P.2、P.3、P.4的排序向量分別為：

ω1=（0.3056,0.2807,0.4137）

ω2=（0.2988,0.2486,0.4527）

ω3=（0.3107,0.2870,0.4022）

ω4=（0.3008,0.3450,0.3542）

由于評價指標(biāo)的權(quán)重向量為

ξ=（0.15,0.3,0.45,0.1）＇

因此，以4個評價指標(biāo)為評選標(biāo)準(zhǔn)的3個科技人才綜合得分值為value=（0.3054,0.2803,0.4143）。3個科技人才的排名結(jié)果依次為i3＞i1＞i2，即i3獲得第一名，i1獲得第二名，i2獲得第三名。

與現(xiàn)有的文獻(xiàn)相比，創(chuàng)新型人才評價以區(qū)間數(shù)形式給出且進行信息集結(jié)的問題研究非常少。本文在尊重專家原來意愿的基礎(chǔ)上以簡便的模型和算法綜合每個專家的區(qū)間數(shù)信息。另外，文獻(xiàn)[19]和文獻(xiàn)[20]均是在OWA算子基礎(chǔ)上變化后得到的新算子，歸根結(jié)底就是加權(quán)集結(jié)，疊加過程容易產(chǎn)生信息失真。因此，并非任何情況都適合采取算子分析法集結(jié)區(qū)間數(shù)信息。本文的人工智能算法避免了此問題，可應(yīng)用于任意多個專家意見不統(tǒng)一的隨機區(qū)間數(shù)的集結(jié)。

5 結(jié)語

在創(chuàng)新型人才評價過程中，專家打分具有一定的主觀性，為了實現(xiàn)公平、公正、公開，需要對各位專家給出的判斷進行集結(jié)。如果遇到大群體、多指標(biāo)的情形，無疑加大了信息總結(jié)的難度。本文吸納以往的文獻(xiàn)描述，確定了創(chuàng)新意識、創(chuàng)新人格、創(chuàng)新能力和智力4個大類作為標(biāo)桿來評選出科技創(chuàng)新型人才的排名次序。針對專家以區(qū)間數(shù)對候選人打分的情況，建立非線性規(guī)劃模型，通過模擬植物生長算法集中了每位科技人才關(guān)于每項評價指標(biāo)的群決策偏好區(qū)間向量和矩陣，利用可能度和排序向量公式得到各候選人的最終排序。結(jié)果表明，該算法應(yīng)用于決策評價，解決了涉及已知區(qū)間數(shù)情形下的群決策問題，具有簡便、靈活的特點。

[1] Guilford J P. Traits of Creativity[M]. New York: New York Harper & Publisher, 1959:142-161.

[2] Stemberg R J.智力風(fēng)格的本質(zhì)[M].張麗芳,譯.上海:上海人民出版社,2010.

[3] Stanley J C. Varieties of Intellectual Talent[J]. Journal of Creative Behavior, 1997,31(2):90-120.

[4] Henderson S J. Product Inventors and Creativity: the Finer Dimensions of Enjoyment[J]. Creativity Research Journal, 2004,16(2):293-312.

[5] Corn J. Finding and Grooming Breakthrough Innovators [J]. Harvard Business Review, 2008,86(12):63-68.

[6] Dyer J, Gregersen H, Christensen T, et al. The Innovator’s DNA[J]. Harvard Business Review, 2009,87(12): 51-71.

[7] 王楠,何彬,秦穎.四川省科技人才隊伍建設(shè)的對策思考[J].軟科學(xué),2008,22(3):100-103.

[8] 房國忠,王曉鈞.基于人格特質(zhì)的創(chuàng)新型人才素質(zhì)模型分析[J].東北師大學(xué)報:哲學(xué)社會科學(xué)版,2007(3): 106-108.

[9] 謝小璐.基于層次分析法的創(chuàng)新型人才評價研究[J].寧波廣播電視大學(xué)學(xué)報,2012,10(3):89-91.

[10] 李良成,楊國棟.基于因子分析的廣東省創(chuàng)新型科技人才競爭力評價[J].科技管理研究,2012(10):51-55.

[11] 丁剛,羅暖.我國省域科技創(chuàng)新人才隊伍建設(shè)的現(xiàn)在評價與空間聚集效應(yīng)研究——基于GPCA模型和ESDA方法[J].武漢理工大學(xué)學(xué)報:社會科學(xué)版,2012,25(4): 519-524.

[12] 刑潔,劉芳.基于遺傳神經(jīng)網(wǎng)絡(luò)的天津濱湖新區(qū)人才競爭力評價[J].科學(xué)管理研究,2012,30(3):97-100.

[13] 李彤,宿偉玲,李磊.單級與二級整數(shù)規(guī)劃算法原理及應(yīng)用[M].北京:科學(xué)出版社,2007:53-78.

[14] Sirjani R, Mohamed A, Shareef H. Optimal Capacitor Placement in a Radial Distribution System Using Harmony Search Algorithm[J]. Journal of Applied Sciences, 2010,10(23):2998-3006.

[15] 李彤.基于模擬植物生長的二級整數(shù)規(guī)劃算法研究[D].天津:天津大學(xué),2004.

[16] Nakahara Y. User Oriented Ranking Criteria and Its Application to Fuzzy Mathematical Programming Problems[J]. Fuzzy Sets and Systems, 1998,94(3):275-286.

[17] 李德清,谷云東.一種基于可能度的區(qū)間數(shù)排序方法[J].系統(tǒng)工程學(xué)報,2008,23(2):243-246.

[18] 徐澤水.不確定多屬性決策方法及應(yīng)用[M].北京:清華大學(xué)出版社,2004:107-108.

[19] José M M, Anna M G. Complex Group Decision Making Under Risk and Uncertainty[J]. Soft Computing in Management and Business Economics, 2012,286:81-93.

[20] Liu J P, Lin S, Chen H Y, et al. The Continuous Quasi-OWA Operator and Its Application to Group Decision Making[J]. Group Decision and Negotiation, 2013,22 (4):715-738.

Research of Evaluation for Group Decision on S&T Innovative Talents

Li Lei, Xie Xiaolu, Guo Rui
(School of Business, Jiangnan University, Wuxi 214122)

The scale of innovative talents in science and technology becomes one of the important indicators of national strengths. The evaluation of the innovative talents should be solved urgently. Experts always vacillatingly give talent evaluation lead to compatibly take points with intervals. This article established linear programming model of information gathering and used plant growth simulation algorithm to gather information of interval numbers and then built preference matrix of group decision making. Then possibility formula and sort vector method were applied to rank. Finally 4 indexes were selected to evaluate, including innovative consciousness, innovative personality, innovative ability and intellectual. Then an example was given to analyze. The results show that plant growth simulation algorithm could ef f ectively integrate random interval numbers of multiple experts. The way is both simple and fl exible.

innovative talents, talents in science and technology, plant growth simulation algorithm, interval number, group decision making

C934

A

10.3772/j.issn.1674-1544.2014.03.002

李磊（1959- ），男，江南大學(xué)商學(xué)院教授，博士生導(dǎo)師，研究方向：科技管理，決策理論及方法。謝小璐*（1988- ），男，江南大學(xué)商學(xué)院碩士研究生，研究方向：決策管理與智能算法。郭睿（1990- ），男，江南大學(xué)商學(xué)院碩士研究生，研究方向：技術(shù)經(jīng)濟及管理。

國家自然科學(xué)基金項目“基于模擬植物生長算法的整數(shù)多級規(guī)劃算法研究”（70371051）；浙江省高校人文社科重點研究基地重大招標(biāo)支撐子項目“供應(yīng)鏈感知的WSN覆蓋優(yōu)化研究”（RWSKZD04-2012ZB2）。

2013年10月27日。