岳 芳，顧新建，劉 暢，代 風(fēng)，黃 鵬

（浙江大學(xué) 現(xiàn)代制造工程研究所，浙江 杭州310027）

知識(shí)型員工是知識(shí)密集型企業(yè)的核心資源.知識(shí)型項(xiàng)目完成的質(zhì)量和效率主要是由員工擁有的知識(shí)及對(duì)知識(shí)應(yīng)用、創(chuàng)新的狀況所決定的［1］.這些員工通常掌握著多種技能，能夠勝任多種工作［2］.目前，項(xiàng)目成員的選擇主要依靠管理者的經(jīng)驗(yàn).如何充分利用已有的信息，實(shí)現(xiàn)員工與項(xiàng)目的合理匹配，已成為知識(shí)密集型企業(yè)亟待解決的問題，并迫切需要相關(guān)決策工具的支持［3］.

可將員工調(diào)度問題視為一個(gè)帶約束條件的優(yōu)化目標(biāo)函數(shù)求解問題，一般考慮時(shí)間等影響因素［4-5］.該類方法主要針對(duì)勞動(dòng)密集型企業(yè)，當(dāng)員工的知識(shí)水平和能力也逐漸成為主要約束條件時(shí)，現(xiàn)有的模型和系統(tǒng)難以直接應(yīng)用于知識(shí)密集型企業(yè).為此，一些學(xué)者對(duì)知識(shí)型項(xiàng)目的調(diào)度問題進(jìn)行了研究.例如王慶［1］將知識(shí)型項(xiàng)目員工調(diào)度過程分為項(xiàng)目需求分析與分解、員工能力分析與建模、員工與任務(wù)匹配程度分析與計(jì)算、調(diào)度決策優(yōu)化幾個(gè)階段.

項(xiàng)目需求表示和員工工作能力建模是知識(shí)型員工調(diào)度問題的基礎(chǔ)，采用的量化指標(biāo)要能體現(xiàn)項(xiàng)目的需求及員工的能力.Gutjahr等［6］研究了項(xiàng)目組合選擇問題，考慮了基于學(xué)習(xí)的員工能力的變化，通過搜集資料對(duì)員工能力打分.柳春鋒［7］從技能和效率2個(gè)維度分析了技能型員工的調(diào)度問題.這些研究對(duì)能力的表示和分類比較簡(jiǎn)單，有必要探索面向項(xiàng)目知識(shí)需求的，能更好體現(xiàn)知識(shí)和特長的能力建模方法.通過將員工能力投影到專業(yè)知識(shí)和協(xié)作能力等多個(gè)維度上進(jìn)行解析，可在多維視野中對(duì)員工能力進(jìn)行綜合評(píng)判.評(píng)判能力的眾多維度就構(gòu)成了能力評(píng)價(jià)的多維空間，維度越多，對(duì)員工能力的度量就越準(zhǔn)確.

項(xiàng)目可分解為若干任務(wù)，知識(shí)型員工-任務(wù)匹配程度計(jì)算是實(shí)現(xiàn)員工合理選擇的依據(jù).Eiselt等［8］將員工和任務(wù)映射到一個(gè)二維的技能空間，在任務(wù)分配后，指派給員工的任務(wù)與員工之間的距離最小.這類方法多以歐氏幾何作為理論基礎(chǔ)，難以形成多維統(tǒng)一的運(yùn)算規(guī)則與框架.Erns等［9］指出，通過開發(fā)相關(guān)的輔助決策工具將有助于企業(yè)更好的進(jìn)行人力資源管理.目前，針對(duì)知識(shí)型員工調(diào)度決策支持系統(tǒng)，特別是員工-任務(wù)匹配程度計(jì)算系統(tǒng)的研究和應(yīng)用還較少.閆紀(jì)紅等［10］采用遺傳算法完成了基于學(xué)習(xí)遺忘作用的人員調(diào)度模塊開發(fā)，并基于Matlab搭建了調(diào)度實(shí)驗(yàn)平臺(tái).Otero等［11］提出一個(gè)模糊專家系統(tǒng)架構(gòu)，實(shí)現(xiàn)了對(duì)員工能力的自動(dòng)評(píng)分，但是對(duì)員工專業(yè)知識(shí)的描述還比較粗略.

幾何代數(shù)是一種以維度運(yùn)算為基礎(chǔ)的結(jié)合代數(shù)語言，空間可以被定義為向量集合間的運(yùn)算，空間維數(shù)由運(yùn)算法則確定，使幾何代數(shù)可能成為連接代數(shù)和幾何、抽象空間和實(shí)體空間的統(tǒng)一描述語言［12-13］.本文針對(duì)知識(shí)型員工和項(xiàng)目的特點(diǎn)，提出了一個(gè)知識(shí)型員工-任務(wù)匹配程度計(jì)算系統(tǒng)總體框架，分析了概念知識(shí)地圖的協(xié)同創(chuàng)作過程和基于幾何代數(shù)的員工-任務(wù)匹配程度計(jì)算過程，最后給出了該系統(tǒng)的實(shí)際應(yīng)用.

1 系統(tǒng)總體框架及工作流程

知識(shí)型員工-任務(wù)匹配程度計(jì)算系統(tǒng)通過對(duì)員工和項(xiàng)目信息的綜合利用，可以計(jì)算員工-任務(wù)的匹配程度，并將計(jì)算結(jié)果可視化，輔助管理者做出決策.基于面向?qū)ο蟮某绦蛟O(shè)計(jì)方法和JAVA 語言，進(jìn)行匹配程度計(jì)算系統(tǒng)架構(gòu)，該架構(gòu)包含3層：界面層、業(yè)務(wù)層和數(shù)據(jù)層，如圖1所示.界面層是對(duì)系統(tǒng)的整體界面布局進(jìn)行控制，包括概念知識(shí)地圖創(chuàng)建、員工和項(xiàng)目信息采集、匹配程度結(jié)果可視化.業(yè)務(wù)層與數(shù)據(jù)層是系統(tǒng)的核心.業(yè)務(wù)層是對(duì)員工-任務(wù)匹配程度計(jì)算流程的實(shí)現(xiàn)，包括根據(jù)概念知識(shí)地圖獲取語義距離矩陣、員工工作能力和任務(wù)所需員工工作能力的表達(dá)、員工-任務(wù)匹配程度分析等.在數(shù)據(jù)層，根據(jù)企業(yè)員工和任務(wù)所需員工的工作能力，構(gòu)建相應(yīng)的點(diǎn)等幾何代數(shù)數(shù)據(jù)對(duì)象基類和核心計(jì)算引擎，用以支撐幾何代數(shù)運(yùn)算.

匹配程度計(jì)算系統(tǒng)工作流程如下：

1）構(gòu)建概念知識(shí)地圖.概念知識(shí)地圖由相關(guān)詞匯或概念組織而成，可以展示概念的屬性及概念間的相互關(guān)系.概念知識(shí)地圖可用于對(duì)員工專業(yè)知識(shí)和項(xiàng)目任務(wù)需求進(jìn)行規(guī)范化描述.同時(shí)可以利用概念知識(shí)地圖生成的語義距離矩陣量化不同概念之間的差異，從而獲取企業(yè)員工知識(shí)和任務(wù)所需知識(shí)之間的差異.因此快速準(zhǔn)確的構(gòu)建概念知識(shí)地圖是實(shí)現(xiàn)員工-任務(wù)匹配程度計(jì)算的前提和基礎(chǔ).目前知識(shí)密集型企業(yè)涉及的知識(shí)不斷增多，概念知識(shí)地圖需要不斷更新，而且地圖的建立和維護(hù)需要一線員工的參與.因此可采用Wiki技術(shù)，依靠企業(yè)內(nèi)部的知識(shí)型員工快速建立和維護(hù)概念知識(shí)地圖，員工有權(quán)對(duì)概念及其關(guān)系進(jìn)行編輯、修改和投票等操作.此外，系統(tǒng)通過提供即時(shí)聊天工具和在線討論區(qū)等支持員工之間開展廣泛的協(xié)作和知識(shí)交流，并且可以存儲(chǔ)和記錄在交流中產(chǎn)生的各種信息.每位員工都會(huì)對(duì)協(xié)作結(jié)果產(chǎn)生影響，并且員工的觀點(diǎn)可能經(jīng)常改變，協(xié)作結(jié)果常常是不穩(wěn)定的.系統(tǒng)通過分析概念知識(shí)地圖構(gòu)建時(shí)的日志文件，獲得員工交流時(shí)形成的網(wǎng)絡(luò)結(jié)構(gòu)、交流方式等信息.當(dāng)協(xié)作結(jié)果比較成熟和穩(wěn)定時(shí)，提示管理員鎖定頁面，系統(tǒng)根據(jù)概念知識(shí)地圖生成語義距離矩陣［14］.

圖1 知識(shí)型員工-任務(wù)匹配程度計(jì)算系統(tǒng)總體框架Fig.1 General framework of matching system of knowledge workers and task

2）企業(yè)員工工作能力和任務(wù)所需員工工作能力的表達(dá).采集與員工相關(guān)的智力成果，包括項(xiàng)目報(bào)告、程序文檔、科研論文、專利等，統(tǒng)計(jì)和分析智力成果的關(guān)鍵詞、合作者等信息.用關(guān)鍵詞（知識(shí)點(diǎn)）及其權(quán)重表示員工的知識(shí)領(lǐng)域及掌握程度.根據(jù)項(xiàng)目需求將項(xiàng)目分解為任務(wù).利用專家知識(shí)，將每一項(xiàng)任務(wù)的功能需求分解為一系列不同權(quán)重的知識(shí)點(diǎn).根據(jù)員工具備的知識(shí)、任務(wù)所需員工應(yīng)具備的知識(shí)和語義距離矩陣，計(jì)算所涉及的知識(shí)點(diǎn)的語義參數(shù).并結(jié)合員工對(duì)知識(shí)的掌握程度和知識(shí)對(duì)任務(wù)的重要程度等信息，使用不同的多維向量集合“點(diǎn)集”分別構(gòu)建幾何代數(shù)空間中的員工工作能力對(duì)象和任務(wù)所需員工工作能力對(duì)象，完成對(duì)工作能力的量化.

3）計(jì)算員工-任務(wù)匹配程度.即員工工作能力與任務(wù)所需員工工作能力進(jìn)行匹配程度分析.通過計(jì)算點(diǎn)集與點(diǎn)集之間的距離間接獲得員工與任務(wù)的匹配程度.員工工作能力與任務(wù)所需員工工作能力一致性越高，距離越小.通過計(jì)算點(diǎn)與點(diǎn)之間的距離和點(diǎn)與點(diǎn)集之間的距離來獲得點(diǎn)集與點(diǎn)集之間的距離.而點(diǎn)與點(diǎn)之間的距離又是基于內(nèi)積、外積、幾何積等基本算子構(gòu)建的.

4）計(jì)算結(jié)果可視化.針對(duì)每項(xiàng)任務(wù)，按照點(diǎn)集距離指標(biāo)從小到大對(duì)員工工作能力進(jìn)行排序，同時(shí)進(jìn)行可視化展示，供決策者參考.

2 核心模塊數(shù)據(jù)結(jié)構(gòu)的設(shè)計(jì)

基于幾何代數(shù)的員工-任務(wù)匹配程度計(jì)算功能框圖如圖2上方所示.通過構(gòu)建用戶交互類庫，用于實(shí)現(xiàn)參數(shù)傳遞及可視化的用戶交互事件解析與處理功能.將量化后的員工工作能力，通過統(tǒng)一的參數(shù)傳遞類提交給員工-任務(wù)匹配程度分析模塊進(jìn)行計(jì)算；之后通過可視化類對(duì)計(jì)算結(jié)果進(jìn)行可視化.在數(shù)據(jù)層，構(gòu)建幾何代數(shù)計(jì)算引擎，即幾何代數(shù)數(shù)據(jù)對(duì)象基類（點(diǎn)、線和面等）以及幾何代數(shù)算法類（內(nèi)積、外積和幾何積等）.

結(jié)合實(shí)際任務(wù)需求，并根據(jù)幾何代數(shù)運(yùn)算特點(diǎn)對(duì)員工的工作能力進(jìn)行抽象和表達(dá)，在系統(tǒng)API層上設(shè)計(jì)數(shù)據(jù)存儲(chǔ)結(jié)構(gòu)及組織關(guān)系，如圖2下方所示.使用面向?qū)ο笏枷霕?gòu)建用于存儲(chǔ)各類多維數(shù)據(jù)的數(shù)據(jù)結(jié)構(gòu)以及數(shù)據(jù)操作類.

圖2 匹配程度計(jì)算功能框圖和主要數(shù)據(jù)類型及其組織關(guān)系Fig.2 Functional diagram of matching degree calculation，main data types and relationships

首先，計(jì)算知識(shí)點(diǎn)的坐標(biāo).根據(jù)概念知識(shí)地圖（ConKowMap），分別計(jì)算兩兩概念（知識(shí)點(diǎn)）之間的距離（DisBetCon）；獲取所有知識(shí)點(diǎn)之間的語義距離矩陣（DisSemMat）；使用隨機(jī)法計(jì)算多次，獲得知識(shí)點(diǎn)的坐標(biāo)初值（IniValCoo），保證這個(gè)初值與語義距離矩陣的誤差最??；對(duì)初值進(jìn)行優(yōu)化，將其作為知識(shí)點(diǎn)的坐標(biāo)終值（OptValCoo）.

其次，構(gòu)建多維向量數(shù)據(jù)基類-員工工作能力類.將知識(shí)點(diǎn)的坐標(biāo)終值（OptValCoo）與其他屬性，例如“掌握程度”等相結(jié)合，構(gòu)建員工工作能力類（Competence）.根據(jù)員工和任務(wù)等不同類型數(shù)據(jù)對(duì)象，派生出相應(yīng)數(shù)據(jù)對(duì)象類包括員工類（Worker）和任務(wù)類（Task），另外，需要構(gòu)建存儲(chǔ)返回結(jié)果的類（ReturnResults）.

然后，基于基本算子構(gòu)建適合匹配問題分析所需的幾何算子庫，包括點(diǎn)集間距離（GeoPointSet-ToPointSet）、點(diǎn)與點(diǎn)集間距離（GeoPointToPoint-Set）和點(diǎn)間距離（GeoPointToPoint）.這些是有效利用幾何代數(shù)工具解決匹配問題的基礎(chǔ).

最后，構(gòu)建基于幾何代數(shù)的核心計(jì)算引擎.包括內(nèi)積（InnerProduct）、外積（OuterProduct）、取模運(yùn)算（GeoModulo）、共軛運(yùn)算（GeoConjugate）、幾何積（GeoProduct）和取維度運(yùn)算（GeoGrade）等基本算子.

3 關(guān)鍵技術(shù)

3.1 協(xié)同創(chuàng)作概念知識(shí)地圖

圖3 概念知識(shí)地圖的協(xié)同創(chuàng)作過程Fig.3 Collaborative building process of conceptual knowledge map

員工在Web2.0環(huán)境下通過協(xié)同創(chuàng)作的方式構(gòu)建概念知識(shí)地圖.考慮到協(xié)作結(jié)果具有一定的隨機(jī)性和不確定性，為了保證知識(shí)地圖的質(zhì)量，通過構(gòu)建群體決策模型分析協(xié)同創(chuàng)作過程，設(shè)計(jì)協(xié)同規(guī)則，如圖3所示.每位員工均持有自己的觀點(diǎn)，在協(xié)作交流過程中，構(gòu)成一個(gè)有向網(wǎng)絡(luò).當(dāng)討論了一段時(shí)間后，匯總所有員工的觀點(diǎn)作為協(xié)作結(jié)果.首先，基于有限理性理論，采用一個(gè)概率函數(shù)表示員工的決策能力，根據(jù)員工的個(gè)人信息（入職年份等）并結(jié)合調(diào)查問卷的方法獲取相關(guān)參數(shù).其次，根據(jù)每次交流時(shí)參與人數(shù)不同，可將員工間的信息交流方式分為2種：一對(duì)一方式和多對(duì)多方式.在協(xié)作過程中形成的網(wǎng)絡(luò)結(jié)構(gòu)可分為：規(guī)則網(wǎng)絡(luò)、小世界網(wǎng)絡(luò)和隨機(jī)網(wǎng)絡(luò).最后，采用蒙特卡洛方法和系統(tǒng)建模方法對(duì)員工間的交流互動(dòng)進(jìn)行分析.通過對(duì)協(xié)作過程進(jìn)行研究，觀察并預(yù)測(cè)不同觀點(diǎn)在員工中的傳播情況.據(jù)此可以設(shè)置閾值，當(dāng)討論次數(shù)超過閾值時(shí)鎖定概念知識(shí)地圖的編輯頁面.

1）蒙特卡洛方法

蒙特卡洛方法是一種隨機(jī)性算法，是通過多次仿真實(shí)驗(yàn)，模擬員工討論過程中的行為和互動(dòng)，探求群體決策的內(nèi)在規(guī)律.員工按照預(yù)先設(shè)定的網(wǎng)絡(luò)結(jié)構(gòu)和討論規(guī)則進(jìn)行交流，并根據(jù)自身的決策能力和參與討論的其他員工的觀點(diǎn)，改變觀點(diǎn)或者保持原有觀點(diǎn).最后，達(dá)到規(guī)定的交流次數(shù)時(shí)，統(tǒng)計(jì)各個(gè)員工的觀點(diǎn).一對(duì)一交互分析過程如圖4左側(cè)所示.該方法比較靈活，適用于人數(shù)較少，協(xié)作網(wǎng)絡(luò)為隨機(jī)網(wǎng)絡(luò)的情況［15］.

2）系統(tǒng)建模方法

與蒙特卡洛方法相比，系統(tǒng)建模方法是一種根據(jù)理論模型得到的確定性算法，采用矩陣描述不同狀態(tài)之間的轉(zhuǎn)換概率，便于實(shí)現(xiàn)，計(jì)算效率高，可以滿足系統(tǒng)實(shí)時(shí)仿真的要求.通過系統(tǒng)建模方法，將協(xié)同創(chuàng)作過程中自發(fā)形成的網(wǎng)絡(luò)分解為一些子結(jié)構(gòu)（子群）.采用“子群—群體”決策的思路進(jìn)行研究.通過對(duì)最近鄰耦合網(wǎng)絡(luò)結(jié)構(gòu)的子群決策過程進(jìn)行研究，引入馬爾可夫鏈，用隨機(jī)Petri網(wǎng)表示子群決策過程，給出轉(zhuǎn)移概率矩陣及其遞推公式，利用矩陣乘法可得到多次討論后，不同狀態(tài)之間的轉(zhuǎn)換概率.分析過程如圖4右側(cè)所示.該方法可支持由小群體向具有類似結(jié)構(gòu)的大群體進(jìn)行擴(kuò)展，適用于人數(shù)較多，協(xié)作網(wǎng)絡(luò)為規(guī)則網(wǎng)絡(luò)的情況［16］.

3.2 知識(shí)型員工-任務(wù)匹配程度計(jì)算

工作能力對(duì)象為員工關(guān)于某一個(gè)知識(shí)點(diǎn)的工作能力或技能.包含n 種屬性的一個(gè)工作能力對(duì)象可映射為n 維空間中的一個(gè)點(diǎn)c.知識(shí)型員工擁有的工作能力及任務(wù)所需的員工應(yīng)該具備的工作能力可分別用點(diǎn)的集合A 和B 表示.將量化后的員工工作能力映射到幾何代數(shù)空間，以幾何代數(shù)空間中點(diǎn)集A 和點(diǎn)集B 之間的距離，作為員工和任務(wù)匹配程度的量度，計(jì)算過程如圖5所示.

其中，點(diǎn)集與點(diǎn)集之間的距離指標(biāo)可由點(diǎn)集中點(diǎn)與點(diǎn)之間的距離構(gòu)造［17］.根據(jù)內(nèi)積和外積的特性［18］，可定義點(diǎn)集A 中的點(diǎn)a 到點(diǎn)集B 中的點(diǎn)b 的綜合距離指標(biāo)［19］.w1和w2分別表示基于內(nèi)積和外積構(gòu)造的距離指標(biāo)的權(quán)重，可由系統(tǒng)預(yù)先設(shè)定.

圖4 協(xié)同創(chuàng)作過程中的員工決策分析Fig.4 Decision analysis of workers during collaborative building process

在外積的定義中，“‖‖”表示取模運(yùn)算；“＋”表示共軛運(yùn)算；“（a∧b）（a∧b）＋”表示多維向量（a∧b）和（a∧b）＋進(jìn)行幾何積運(yùn)算；＜＞i表示維度提取運(yùn)算，可解析出其中維度為i的對(duì)象［18］.由于外積涉及取模、共軛等多種運(yùn)算，因此詳細(xì)說明外積的計(jì)算過程.

設(shè)基向量的集合為｛ei｝，任意一個(gè)多維向量X，Y，Z∈Gn，可分別表示為

｛xi｝，｛yj｝，｛zk｝?R 是標(biāo)量.那么多維向量X和Y 之間內(nèi)積、外積和幾何積均可表示為

圖5 知識(shí)型員工-任務(wù)匹配程度計(jì)算過程Fig.5 Calculation process of matching degree between knowledge worker and project

運(yùn)算符號(hào)“?”代表內(nèi)積、外積和幾何積中任意一種運(yùn)算.Γkij為張量，對(duì)于不同運(yùn)算，這個(gè)張量是不同的.設(shè)運(yùn)算結(jié)果Z ＝X?Y，那么｛xi｝，｛yj｝和｛zk｝之間存在如下關(guān)系：

4 應(yīng)用實(shí)例

某知識(shí)密集型企業(yè)需要開發(fā)一個(gè)知識(shí)管理系統(tǒng).該企業(yè)共有41名知識(shí)型員工，需指派5名員工完成此項(xiàng)目.基于上述匹配程度計(jì)算系統(tǒng)總體框架，開發(fā)的系統(tǒng)如圖6所示.

圖6 系統(tǒng)界面及流程Fig.6 Interfaces and workflow of system

首先，采用協(xié)同創(chuàng)作的方式構(gòu)建概念知識(shí)地圖.在系統(tǒng)中設(shè)置了調(diào)查問卷，獲取這些員工的直覺和邏輯推理能力等決策能力的信息.然后采用蒙特卡洛法和系統(tǒng)建模法進(jìn)行估計(jì).例如針對(duì)一個(gè)概念的某一個(gè)問題，如果有3名員工參與討論，預(yù)測(cè)大約需要經(jīng)過4次以上的討論才能達(dá)到穩(wěn)定，并由此設(shè)置閾值鎖定概念知識(shí)地圖.由于員工采用協(xié)同創(chuàng)作的方式構(gòu)建概念知識(shí)地圖需要一定的時(shí)間，為了對(duì)系統(tǒng)的匹配效果進(jìn)行驗(yàn)證，在此借鑒知網(wǎng)相似度計(jì)算軟件WordSimilarity，計(jì)算所有單個(gè)詞語之間的相似度，獲得對(duì)應(yīng)的語義距離矩陣，如圖6 左上方所示.

其次，將該知識(shí)管理系統(tǒng)項(xiàng)目劃分為“知識(shí)采集功能模塊”、“知識(shí)推薦功能模塊”、“知識(shí)借閱與審批功能模塊”、“知識(shí)地圖功能模塊”、“系統(tǒng)管理功能模塊”5個(gè)開發(fā)任務(wù)，如圖6右上方所示.例如，可將任務(wù)四“知識(shí)地圖功能模塊”分解為“知識(shí)地圖”、“關(guān)聯(lián)知識(shí)檢索”、“本體”和“領(lǐng)域本體”等14個(gè)知識(shí)點(diǎn)，并根據(jù)功能的重要程度給予不同的權(quán)重.該任務(wù)所需的員工的工作能力可表示為點(diǎn)集CTASK4＝｛cTASK4＿1，cTASK4＿2，…，cTASK4＿14｝.關(guān)于知識(shí)點(diǎn)“知識(shí)地圖”的工作能力對(duì)象可表示為cTASK4＿1＝0.036e1-0.225e2＋0.832e3＋0.3e4，其中，（0.036，-0.225，0.832）為“知識(shí)地圖”的語義參數(shù)；0.3表示該知識(shí)點(diǎn)對(duì)任務(wù)四的重要程度.

統(tǒng)計(jì)員工所有成果，用知識(shí)點(diǎn)及其權(quán)重表示員工的專業(yè)知識(shí).例如，員工陳某某（CWD）的專業(yè)知識(shí)可用“知識(shí)推薦”、“知識(shí)推薦算法”和“用戶模型”等10個(gè)知識(shí)點(diǎn)表示，該員工的工作能力可表示為點(diǎn)集CCWD＝｛cCWD＿1，cCWD＿2，…，cCWD＿10｝.關(guān)于知識(shí)點(diǎn)“知識(shí)推薦”的工作能力對(duì)象可表示為

最后，計(jì)算員工-任務(wù)的匹配程度.設(shè)w1＝w2＝0.5.根據(jù)圖5所示的匹配程度計(jì)算流程，依次計(jì)算員工CWD 關(guān)于“知識(shí)推薦”的工作能力對(duì)象與任務(wù)四“知識(shí)地圖功能模塊”關(guān)于“知識(shí)地圖”的工作能力對(duì)象的內(nèi)積為0.316 6，外積為0.144 8，綜合距離指標(biāo)為0.230 7；CWD 關(guān)于“知識(shí)推薦”的工作能力對(duì)象到任務(wù)四的距離為0.152 6；CWD 到任務(wù)四的距離為0.115 1.

其他員工與任務(wù)四的匹配程度計(jì)算結(jié)果，如圖6左下方所示.結(jié)果由小到大進(jìn)行排序，林某某（LJK）排在第一位，說明該員工與任務(wù)四匹配程度最高，可以優(yōu)先考慮指派該員工完成任務(wù)四.

5 結(jié) 語

為了提高知識(shí)密集型企業(yè)知識(shí)型員工調(diào)度的自動(dòng)化水平，結(jié)合某企業(yè)的實(shí)際需求，構(gòu)建了一個(gè)知識(shí)型員工-任務(wù)匹配程度計(jì)算系統(tǒng)的總體框架，并提出了實(shí)現(xiàn)該系統(tǒng)的關(guān)鍵技術(shù)，包括概念知識(shí)地圖的構(gòu)建和員工-任務(wù)匹配程度的計(jì)算.實(shí)際應(yīng)用表明，該系統(tǒng)較充分考慮了知識(shí)型員工的專業(yè)知識(shí)和技能，可為員工的調(diào)度提供有價(jià)值的依據(jù).

該系統(tǒng)可作為知識(shí)管理系統(tǒng)的功能擴(kuò)展，有助于更好地利用系統(tǒng)中的員工知識(shí)等信息，實(shí)現(xiàn)對(duì)員工工作能力（尤其是專業(yè)知識(shí)）的自動(dòng)評(píng)價(jià).該系統(tǒng)著重考慮了員工的工作能力與任務(wù)的匹配問題，這僅是調(diào)度問題中的一個(gè)環(huán)節(jié).未來需要對(duì)有時(shí)間、費(fèi)用等其他約束條件的知識(shí)型員工的調(diào)度問題做進(jìn)一步研究.

（

）：

［1］王慶.知識(shí)型企業(yè)知識(shí)員工任務(wù)指派及調(diào)度決策問題研究［D］.天津：天津大學(xué)，2006.WANG Qing.Study on decision of knowledge workers task appointing and scheduling in knowledge enterprises［D］.Tianjin：Tianjin University，2006.

［2］張余.隨機(jī)能力提升下知識(shí)型員工調(diào)度問題研究［D］.西安：西安電子科技大學(xué)，2012.ZHANG Yu.Knowledge workers scheduling based on stochastic ability promotion［D］.Xi’an：Xidian University，2012.

［3］ALBA E，F(xiàn)RANCISCO CHICANO J.Software project management with GAs［J］.Information Sciences，2007，177（11）：2380-2401.

［4］應(yīng)瑛，壽涌毅，李敏.資源受限多項(xiàng)目調(diào)度的混合遺傳算法［J］.浙江大學(xué)學(xué)報(bào)：工學(xué)版，2009，43（1）：23-27.YING Ying，SHOU Yong-yi，LI Min.Hybrid genetic algorithm for resource constrained multi-project scheduling problem［J］.Journal of Zhejiang University：Engineering Science，2009，43（1）：23-27.

［5］壽涌毅，傅奧.多目標(biāo)資源受限項(xiàng)目調(diào)度的多種群蟻群算法［J］.浙江大學(xué)學(xué)報(bào)：工學(xué)版，2010，44（1）：51-55.SHOU Yong-yi，F(xiàn)U Ao.Multi-colony ant algorithm for multi-objective resource-constrained project scheduling［J］.Journal of Zhejiang University：Engineering Science，2010，44（1）：51-55.

［6］GUTJAHR W J，KATZENSTEINER S，REITER P，et al.Multi-objective decision analysis for competence-oriented project portfolio selection［J］.European Journal of Operational Research，2010，205（3）：670-679.

［7］柳春鋒.工程項(xiàng)目中技能型員工調(diào)度問題研究［D］.合肥：合肥工業(yè)大學(xué)，2011.LIU Chun-feng.Research on the skilled workforce scheduling problem in the engineering project［D］.Hefei：Hefei University of Technology，2011.

［8］EISELT H A，MARIANOV V.Employee positioning and workload allocation［J］.Computers ＆ Operations Research，2008，35（2）：513-524.

［9］ERNST A T，JIANG H，KRISHNAMOORTHY M，et al.Staff scheduling and rostering：A review of applications，methods and models［J］.European Journal of Operational Research，2004，153（1）：3-27.

［10］閆紀(jì)紅，王子墨.基于學(xué)習(xí)遺忘作用的人員調(diào)度實(shí)驗(yàn)設(shè)計(jì)及其軟件開發(fā)［J］.實(shí)驗(yàn)室研究與探索，2011，30（6）：55-58.YAN Ji-hong，WANG Zi-mo.Experimental design and software development of staff scheduling based on learning-forgetting effect［J］.Research and Exploration in Laboratory，2011，30（6）：55-58.

［11］OTERO L D，OTERO C E.A fuzzy expert system architecture for capability assessments in skill-based environments ［J］.Expert Systems with Applications，2012，39（1）：654-662.

［12］DORAN C，LASENBY A.Geometric algebra for physicists［M］.Cambridge：Cambridge University Press，2003：ix-xi.

［13］袁林旺，俞肇元，羅文，等.基于共形幾何代數(shù)的GIS三維空間數(shù)據(jù)模型［J］.中國科學(xué)：地球科學(xué)，2010，40（12）：1740-1751.YUAN Lin-wang，YU Zhao-yuan，LUO Wen，et al.A 3D GIS spatial data model based on conformal geometric algebra［J］.Scientia Sinica（Terrae），2010，40（12）：1740-1751.

［14］劉群，李素建.基于《知網(wǎng)》的詞匯語義相似度計(jì)算［J］.中文計(jì)算語言學(xué)，2002，7（2）：59-76.LIU Qun，LI Su-jian.Word similarity computing based on How-net［J］.Computational Linguistics and Chinese Language Processing，2002，7（2）：59-76.

［15］岳芳，顧新建，郭劍鋒，等.概念知識(shí)地圖協(xié)同創(chuàng)作過程中的群體決策模型［J］.科研管理，2015，36（1）：127-134.YUE Fang，GU Xin-jian，GUO Jian-feng，et al.Group decision-making model for collaboratively building conceptual knowledge map ［J］.Science Research Management，2015，36（1）：127-134.

［16］岳芳，顧新建，祁國寧，等.協(xié)同創(chuàng)作過程中的子群決策隨機(jī)過程模型［J］.計(jì)算機(jī)集成制造系統(tǒng)，2015，21（1）：21-30.YUE Fang，GU Xin-jian，QI Guo-ning，et al.Subgroup decision-making stochastic process model of collaborative building［J］.Computer Integrated Manufacturing Systems，2015，21（1）：21-30.

［17］DUBUISSON M P，JAIN A K.A modified Hausdorff distance for object matching ［C］∥Pattern Recognition.Conference A：Computer Vision ＆Image Processing，Proceedings of the 12th IAPR International Conference on.Jerusalem：IEEE，1994，1：566-568.

［18］PERWASS C.Geometric algebra with applications in engineering［M］.Berlin：Springer，2009：61-79.

［19］岳芳，顧新建，曹玉華，等.基于幾何代數(shù)的知識(shí)型員工-項(xiàng)目匹配程度計(jì)算方法［J］.計(jì)算機(jī)集成制造系統(tǒng)，2015，21（6）：1601-1608.YUE Fang，GU Xin-jian，CAO Yu-hua，et al.Matching method of knowledge workers and project based on geometric algebra［J］.Computer Integrated Manufacturing Systems，2015，21（6）：1601-1608.