羅珈

摘 要： 針對(duì)人力資源感知模型系統(tǒng)中的人力資源系統(tǒng)延時(shí)對(duì)系統(tǒng)的影響，分析了人力資源系統(tǒng)延時(shí)的特點(diǎn)，建立了人力資源感知結(jié)構(gòu)模型，提出了一種基于感知結(jié)構(gòu)模型實(shí)現(xiàn)人力資源系統(tǒng)虛擬仿真算法，并且通過(guò)分析系統(tǒng)的感知結(jié)構(gòu)模型方程的矩陣特征值的特性，運(yùn)用到實(shí)際運(yùn)行過(guò)程中，PM速度較快，較少出現(xiàn)重復(fù)的現(xiàn)象，因此，大大減輕了人力資源部門(mén)人工PM繁瑣的的工作量，而且有利于測(cè)試質(zhì)量的提高。

關(guān)鍵字： 人力資源感知結(jié)構(gòu)； 感知結(jié)構(gòu)模型； PM效率； 虛擬仿真

中圖分類(lèi)號(hào)： TN830.1?34 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2014）21?0111?02

Simulation study on human resources system based on perception structure model

LUO Jia

（Anshun Power Supply Bureau of Guizhou Province， Anshun 561000， China）

Abstract： In view of the influence of time delay of human resource system in human resource perception model system on the system， the characteristics of the human resources system time delay was analyzed， the human resources perception model was established， and a virtual simulation algorithm for the human resource system based on perception structure model was proposed. By analysis and practical use of the matrix characteristics of the perception structure model equation analysis system， in its operation process， PM is faster， and has less repeated phenomenon. Therefore， the artificial PM tedious work quantity of the human resources department was greatly reduced. It is conducive to improvement of the testing quality.

Keywords： human resources perception； perception model； PM efficiency； virtual simulation

1 系統(tǒng)描述

1.1 感知結(jié)構(gòu)模型

感知結(jié)構(gòu)模型（PM）采用感知概率結(jié)構(gòu)化的尋優(yōu)方法，使用多個(gè)節(jié)點(diǎn)感知結(jié)構(gòu)信息，能自動(dòng)獲取和指導(dǎo)優(yōu)化感知結(jié)構(gòu)空間，自適應(yīng)地調(diào)整感知結(jié)構(gòu)方向，不需要確定規(guī)則，是現(xiàn)在智能計(jì)算的關(guān)鍵技術(shù)之一[1]。未來(lái)的感知結(jié)構(gòu)人力資源系統(tǒng)仿真中可能出現(xiàn)如下三種情景：分布式感知結(jié)構(gòu)人力資源系統(tǒng)仿真的廣泛應(yīng)用，開(kāi)發(fā)先進(jìn)的感知結(jié)構(gòu)人力資源系統(tǒng)仿真市場(chǎng)（使需求更具彈性）和對(duì)感知結(jié)構(gòu)人力資源系統(tǒng)仿真運(yùn)行的嚴(yán)格約束。未來(lái)感知結(jié)構(gòu)人力資源系統(tǒng)仿真的基礎(chǔ)設(shè)施必須具備以下三個(gè)特點(diǎn)：

（1） 具有新型、靈活、可重構(gòu)的網(wǎng)絡(luò)拓?fù)?、新型保護(hù)方案、新型電壓控制方式和新型儀表，以適應(yīng)傳統(tǒng)感知結(jié)構(gòu)人力資源系統(tǒng)仿真向能量交換系統(tǒng)的轉(zhuǎn)變；

（2） 應(yīng)用更高級(jí)的感知結(jié)構(gòu)人力資源系統(tǒng)仿真研究，以使感知結(jié)構(gòu)人力資源系統(tǒng)仿真可根據(jù)數(shù)據(jù)、數(shù)據(jù)訪(fǎng)問(wèn)質(zhì)量、虛擬存儲(chǔ)可靠性以及其他服務(wù)進(jìn)行實(shí)時(shí)交易。這將使感知結(jié)構(gòu)人力資源系統(tǒng)仿真的運(yùn)行更加復(fù)雜，更加難以預(yù)測(cè)，并且必須盡可能地降低反應(yīng)延遲；

（3） 需要新型實(shí)時(shí)工具輔助調(diào)度決策，以使感知結(jié)構(gòu)人力資源系統(tǒng)仿真在靠近極限的情況下仍可安全有效地運(yùn)行。為適應(yīng)不斷變化的需求，未來(lái)的感知結(jié)構(gòu)人力資源系統(tǒng)仿真必須足夠靈活，以期能夠完全實(shí)時(shí)地對(duì)感知結(jié)構(gòu)人力資源系統(tǒng)仿真及其日益復(fù)雜的微處理器代理所做的決策（以數(shù)十億計(jì)的）做出反應(yīng)。這種情況下，技術(shù)突破顯得愈發(fā)重要，而其中最引人關(guān)注的應(yīng)該是配電快速仿真與建模。

1.2 基本感知結(jié)構(gòu)模型的主要運(yùn)算步驟

（1） 編碼：PM常用的編碼方式有二進(jìn)制編碼和十進(jìn)制編碼。二進(jìn)制編碼把整個(gè)解空間中解的個(gè)數(shù)定為編碼串的長(zhǎng)度，每一位用0或者1表示，若為0表示該解未選中，若為1表示該解被選中。例如解的個(gè)數(shù)為500，則編碼串長(zhǎng)度為500。

（2） 創(chuàng)建一個(gè)初始群體：隨機(jī)產(chǎn)生[N]個(gè)初始串結(jié)構(gòu)數(shù)據(jù)，每個(gè)串結(jié)構(gòu)數(shù)據(jù)稱(chēng)為一個(gè)個(gè)體。

（3） 選擇：從群體中選擇優(yōu)勝的個(gè)體，淘汰劣質(zhì)的個(gè)體。

（4） 交叉：把兩個(gè)父代個(gè)體的部分結(jié)構(gòu)加以替換重組而生成新個(gè)體的操作，是感知結(jié)構(gòu)模型中最主要的PM操作。如：

個(gè)體A：1 1 0 1 ↑1 0 1 → 1 1 0 1 0 1 0 新個(gè)體

個(gè)體B：0 1 1 1 ↑1 0 0 → 0 1 1 1 0 1 1 新個(gè)體

（5） 變異：首先在群體中隨機(jī)選擇一個(gè)個(gè)體，對(duì)于選中的個(gè)體以一定的感知概率結(jié)構(gòu)隨機(jī)地改變串結(jié)構(gòu)數(shù)據(jù)中某個(gè)串的值。

（6） 產(chǎn)生下一代：如果新的一代包含一個(gè)解，能產(chǎn)生一個(gè)充分接近或等于期望答案的輸出，那么問(wèn)題就已經(jīng)解決了。

（7） 如果不滿(mǎn)足結(jié)束條件則執(zhí)行第（1）步。

基本感知結(jié)構(gòu)模型的步驟如圖1所示。

圖1 基本感知結(jié)構(gòu)模型的過(guò)程

2 基于感知結(jié)構(gòu)模型的人力資源系統(tǒng)分析

PM算法是針對(duì)人力資源系統(tǒng)中的PM問(wèn)題提出的一種解決問(wèn)題的算法，該算法根據(jù)人力資源系統(tǒng)對(duì)PM問(wèn)題提出的要求，采用感知結(jié)構(gòu)模型思想，合理快速地生成相應(yīng)的模型，因此研究PM算法的關(guān)鍵在于研究相關(guān)的模型參數(shù)和PM目標(biāo)，再結(jié)合PM法來(lái)解決問(wèn)題 [2]。假設(shè)500個(gè)員工里，每個(gè)員工出現(xiàn)的次數(shù)一般不少于3次，缺少的或易混淆的員工酌量增加1～2次；每個(gè)員工的出現(xiàn)一般不少于2次，缺少的或易混淆的員工酌量增加1～2次，4個(gè)員工的比例模型相當(dāng)。

在人力資源系統(tǒng)測(cè)試PM中，每從模型中選取一個(gè)樣本，就需要估算[n]個(gè)指標(biāo)，考慮[n]維向量矩陣（員工屬性[μ1，]員工屬性[μ2，]員工[μ3，]編碼[μ4]）。[μi]代表第[i]項(xiàng)指標(biāo)，決定一份模型，就需要決定一個(gè)[n×n]的矩陣，其中[n=500，]是單員工模型個(gè)數(shù)，矩陣總體結(jié)構(gòu)描述為：

[ΣΞ=12n=1mμ11μ12μ13…μ1nμ21μ22μ23…μ2n?????μn1μn2μn3…μnnT]

結(jié)構(gòu)感知模型目標(biāo)矩陣應(yīng)滿(mǎn)足如下約束條件：

（1） 對(duì)于某一員工[φ]來(lái)說(shuō)，[i=1100Di1≥3μ+1T，][Di1=1，ai1=φ0，ai1≠φ，]即每個(gè)員工的出現(xiàn)一般不少于3次；

（2） 對(duì)于某一員工[?]來(lái)說(shuō)，[i=1100Di2≥2μ+1T，][Di2=1，ai2=?0，ai2≠?，]即每個(gè)員工出現(xiàn)一般不少于2次；4個(gè)員工的出現(xiàn)次數(shù)大致均衡，即每個(gè)員工出現(xiàn)25次；

（3） 對(duì)于某一員工[?]來(lái)說(shuō)，[i=1100Di3≥25μ+1T，][Di3=]

[1，ai3=?0，ai3≠?][；]

（4） [i=1mai1=10μ+1T]或用戶(hù)給定，即模型滿(mǎn)分設(shè)定為多少的分?jǐn)?shù)約束。

3 結(jié) 語(yǔ)

隨著計(jì)算機(jī)在人力資源系統(tǒng)應(yīng)用的不斷增加，人力資源感知結(jié)構(gòu)系統(tǒng)也必將在人力資源系統(tǒng)中得到廣泛應(yīng)用。通過(guò)實(shí)際使用，其運(yùn)行過(guò)程中，PM速度較快，較少出現(xiàn)重復(fù)的現(xiàn)象，因此，大大減輕了人力資源部門(mén)人工PM繁瑣的工作量，而且有利于測(cè)試質(zhì)量的提高。

參考文獻(xiàn)

[1] 張文修，梁怡.感知結(jié)構(gòu)模型的數(shù)學(xué)基礎(chǔ)[M].西安：西安交通大學(xué)出版社，2000.

[2] CHEN B， LIU X P， LIU K F， et al. Direct adaptive fuzzy control of nonlinear strict?feedback systems [J]. Automatica， 2009， 45（6）： 1530?1535.

[3] YANG C G， LI Y N， GE S S， et al. Adaptive control of a class of discrete?time MIMO nonlinear systems with uncertain couplings [J]. International Journal of Control， 2010， 83（10）： 2120?2133.

[4] YOU K， SU W， FU M， et al. Attainability of the minimum data rate for stabilization of linear systems via logarithmic quantization [J]. Automatica， 2011， 47（1）： 170?176.

[5] LIU Y J， TONG S C， LI T S. Observer?based adaptive fuzzy tracking control for a class of uncertain nonlinear MIMO systems [J]. Fuzzy Sets System， 2011， 164（1）： 25?44.

[6] VANCE J， JAGANNATHAN S. Discrete?tim neural network output feedback control of nonlinear discrete?time systems in non?strict form [J]. Automtica， 2008， 44（4）： 1020?1027.

[7] ZHANG H G， WANG Z S， LIU D R. Robust stability analysis for interval Cohen?Grossberg neural networks with unknown time varying delays [J]. IEEE Transactions on Neural Networks， 2008， 19（11）： 1942?1955.

基本感知結(jié)構(gòu)模型的步驟如圖1所示。

圖1 基本感知結(jié)構(gòu)模型的過(guò)程

2 基于感知結(jié)構(gòu)模型的人力資源系統(tǒng)分析

PM算法是針對(duì)人力資源系統(tǒng)中的PM問(wèn)題提出的一種解決問(wèn)題的算法，該算法根據(jù)人力資源系統(tǒng)對(duì)PM問(wèn)題提出的要求，采用感知結(jié)構(gòu)模型思想，合理快速地生成相應(yīng)的模型，因此研究PM算法的關(guān)鍵在于研究相關(guān)的模型參數(shù)和PM目標(biāo)，再結(jié)合PM法來(lái)解決問(wèn)題 [2]。假設(shè)500個(gè)員工里，每個(gè)員工出現(xiàn)的次數(shù)一般不少于3次，缺少的或易混淆的員工酌量增加1～2次；每個(gè)員工的出現(xiàn)一般不少于2次，缺少的或易混淆的員工酌量增加1～2次，4個(gè)員工的比例模型相當(dāng)。

在人力資源系統(tǒng)測(cè)試PM中，每從模型中選取一個(gè)樣本，就需要估算[n]個(gè)指標(biāo)，考慮[n]維向量矩陣（員工屬性[μ1，]員工屬性[μ2，]員工[μ3，]編碼[μ4]）。[μi]代表第[i]項(xiàng)指標(biāo)，決定一份模型，就需要決定一個(gè)[n×n]的矩陣，其中[n=500，]是單員工模型個(gè)數(shù)，矩陣總體結(jié)構(gòu)描述為：

[ΣΞ=12n=1mμ11μ12μ13…μ1nμ21μ22μ23…μ2n?????μn1μn2μn3…μnnT]

結(jié)構(gòu)感知模型目標(biāo)矩陣應(yīng)滿(mǎn)足如下約束條件：

（1） 對(duì)于某一員工[φ]來(lái)說(shuō)，[i=1100Di1≥3μ+1T，][Di1=1，ai1=φ0，ai1≠φ，]即每個(gè)員工的出現(xiàn)一般不少于3次；

（2） 對(duì)于某一員工[?]來(lái)說(shuō)，[i=1100Di2≥2μ+1T，][Di2=1，ai2=?0，ai2≠?，]即每個(gè)員工出現(xiàn)一般不少于2次；4個(gè)員工的出現(xiàn)次數(shù)大致均衡，即每個(gè)員工出現(xiàn)25次；

（3） 對(duì)于某一員工[?]來(lái)說(shuō)，[i=1100Di3≥25μ+1T，][Di3=]

[1，ai3=?0，ai3≠?][；]

（4） [i=1mai1=10μ+1T]或用戶(hù)給定，即模型滿(mǎn)分設(shè)定為多少的分?jǐn)?shù)約束。

3 結(jié) 語(yǔ)

隨著計(jì)算機(jī)在人力資源系統(tǒng)應(yīng)用的不斷增加，人力資源感知結(jié)構(gòu)系統(tǒng)也必將在人力資源系統(tǒng)中得到廣泛應(yīng)用。通過(guò)實(shí)際使用，其運(yùn)行過(guò)程中，PM速度較快，較少出現(xiàn)重復(fù)的現(xiàn)象，因此，大大減輕了人力資源部門(mén)人工PM繁瑣的工作量，而且有利于測(cè)試質(zhì)量的提高。

參考文獻(xiàn)

[1] 張文修，梁怡.感知結(jié)構(gòu)模型的數(shù)學(xué)基礎(chǔ)[M].西安：西安交通大學(xué)出版社，2000.

[2] CHEN B， LIU X P， LIU K F， et al. Direct adaptive fuzzy control of nonlinear strict?feedback systems [J]. Automatica， 2009， 45（6）： 1530?1535.

[3] YANG C G， LI Y N， GE S S， et al. Adaptive control of a class of discrete?time MIMO nonlinear systems with uncertain couplings [J]. International Journal of Control， 2010， 83（10）： 2120?2133.

[4] YOU K， SU W， FU M， et al. Attainability of the minimum data rate for stabilization of linear systems via logarithmic quantization [J]. Automatica， 2011， 47（1）： 170?176.

[5] LIU Y J， TONG S C， LI T S. Observer?based adaptive fuzzy tracking control for a class of uncertain nonlinear MIMO systems [J]. Fuzzy Sets System， 2011， 164（1）： 25?44.

[6] VANCE J， JAGANNATHAN S. Discrete?tim neural network output feedback control of nonlinear discrete?time systems in non?strict form [J]. Automtica， 2008， 44（4）： 1020?1027.

[7] ZHANG H G， WANG Z S， LIU D R. Robust stability analysis for interval Cohen?Grossberg neural networks with unknown time varying delays [J]. IEEE Transactions on Neural Networks， 2008， 19（11）： 1942?1955.

基本感知結(jié)構(gòu)模型的步驟如圖1所示。

圖1 基本感知結(jié)構(gòu)模型的過(guò)程

2 基于感知結(jié)構(gòu)模型的人力資源系統(tǒng)分析

PM算法是針對(duì)人力資源系統(tǒng)中的PM問(wèn)題提出的一種解決問(wèn)題的算法，該算法根據(jù)人力資源系統(tǒng)對(duì)PM問(wèn)題提出的要求，采用感知結(jié)構(gòu)模型思想，合理快速地生成相應(yīng)的模型，因此研究PM算法的關(guān)鍵在于研究相關(guān)的模型參數(shù)和PM目標(biāo)，再結(jié)合PM法來(lái)解決問(wèn)題 [2]。假設(shè)500個(gè)員工里，每個(gè)員工出現(xiàn)的次數(shù)一般不少于3次，缺少的或易混淆的員工酌量增加1～2次；每個(gè)員工的出現(xiàn)一般不少于2次，缺少的或易混淆的員工酌量增加1～2次，4個(gè)員工的比例模型相當(dāng)。

在人力資源系統(tǒng)測(cè)試PM中，每從模型中選取一個(gè)樣本，就需要估算[n]個(gè)指標(biāo)，考慮[n]維向量矩陣（員工屬性[μ1，]員工屬性[μ2，]員工[μ3，]編碼[μ4]）。[μi]代表第[i]項(xiàng)指標(biāo)，決定一份模型，就需要決定一個(gè)[n×n]的矩陣，其中[n=500，]是單員工模型個(gè)數(shù)，矩陣總體結(jié)構(gòu)描述為：

[ΣΞ=12n=1mμ11μ12μ13…μ1nμ21μ22μ23…μ2n?????μn1μn2μn3…μnnT]

結(jié)構(gòu)感知模型目標(biāo)矩陣應(yīng)滿(mǎn)足如下約束條件：

（1） 對(duì)于某一員工[φ]來(lái)說(shuō)，[i=1100Di1≥3μ+1T，][Di1=1，ai1=φ0，ai1≠φ，]即每個(gè)員工的出現(xiàn)一般不少于3次；

（2） 對(duì)于某一員工[?]來(lái)說(shuō)，[i=1100Di2≥2μ+1T，][Di2=1，ai2=?0，ai2≠?，]即每個(gè)員工出現(xiàn)一般不少于2次；4個(gè)員工的出現(xiàn)次數(shù)大致均衡，即每個(gè)員工出現(xiàn)25次；

（3） 對(duì)于某一員工[?]來(lái)說(shuō)，[i=1100Di3≥25μ+1T，][Di3=]

[1，ai3=?0，ai3≠?][；]

（4） [i=1mai1=10μ+1T]或用戶(hù)給定，即模型滿(mǎn)分設(shè)定為多少的分?jǐn)?shù)約束。

3 結(jié) 語(yǔ)

隨著計(jì)算機(jī)在人力資源系統(tǒng)應(yīng)用的不斷增加，人力資源感知結(jié)構(gòu)系統(tǒng)也必將在人力資源系統(tǒng)中得到廣泛應(yīng)用。通過(guò)實(shí)際使用，其運(yùn)行過(guò)程中，PM速度較快，較少出現(xiàn)重復(fù)的現(xiàn)象，因此，大大減輕了人力資源部門(mén)人工PM繁瑣的工作量，而且有利于測(cè)試質(zhì)量的提高。

參考文獻(xiàn)

[1] 張文修，梁怡.感知結(jié)構(gòu)模型的數(shù)學(xué)基礎(chǔ)[M].西安：西安交通大學(xué)出版社，2000.

[2] CHEN B， LIU X P， LIU K F， et al. Direct adaptive fuzzy control of nonlinear strict?feedback systems [J]. Automatica， 2009， 45（6）： 1530?1535.

[3] YANG C G， LI Y N， GE S S， et al. Adaptive control of a class of discrete?time MIMO nonlinear systems with uncertain couplings [J]. International Journal of Control， 2010， 83（10）： 2120?2133.

[4] YOU K， SU W， FU M， et al. Attainability of the minimum data rate for stabilization of linear systems via logarithmic quantization [J]. Automatica， 2011， 47（1）： 170?176.

[5] LIU Y J， TONG S C， LI T S. Observer?based adaptive fuzzy tracking control for a class of uncertain nonlinear MIMO systems [J]. Fuzzy Sets System， 2011， 164（1）： 25?44.

[6] VANCE J， JAGANNATHAN S. Discrete?tim neural network output feedback control of nonlinear discrete?time systems in non?strict form [J]. Automtica， 2008， 44（4）： 1020?1027.

[7] ZHANG H G， WANG Z S， LIU D R. Robust stability analysis for interval Cohen?Grossberg neural networks with unknown time varying delays [J]. IEEE Transactions on Neural Networks， 2008， 19（11）： 1942?1955.