劉澤雙，張平平，熊國強(qiáng)

（西安理工大學(xué) 經(jīng)濟(jì)與管理學(xué)院，西安 710054）

跨省際區(qū)域人力資源開發(fā)協(xié)同度預(yù)測(cè)

劉澤雙，張平平，熊國強(qiáng)

（西安理工大學(xué) 經(jīng)濟(jì)與管理學(xué)院，西安 710054）

針對(duì)人力資源開發(fā)的非線性變化規(guī)律的問題，文章提出一種利用變步長(zhǎng)自適應(yīng)的布谷鳥算法優(yōu)化灰色神經(jīng)網(wǎng)絡(luò)（VSACS-GNN）參數(shù)的預(yù)測(cè)模型。同時(shí)為解決跨省際區(qū)域人力資源協(xié)同開發(fā)度評(píng)估問題，基于協(xié)同理論，構(gòu)建了跨省際區(qū)域人力資源開發(fā)有序度與協(xié)同度模型。研究發(fā)現(xiàn)，VSACS-GNN模型對(duì)跨省際區(qū)域人力資源開發(fā)協(xié)同度的預(yù)測(cè)精度高于其他預(yù)測(cè)方法。利用VSACS-GNN模型對(duì)跨區(qū)域人力資源開發(fā)協(xié)同度的預(yù)測(cè)，有助于區(qū)域內(nèi)相關(guān)統(tǒng)籌機(jī)構(gòu)準(zhǔn)確評(píng)估復(fù)合系統(tǒng)的協(xié)同度，為跨區(qū)域人力資源開發(fā)提供科學(xué)的理論指導(dǎo)。

人力資源開發(fā)；協(xié)同度；VSACS算法；GNN算法

0　引言

伴隨著經(jīng)濟(jì)一體化的進(jìn)程，大城市、大都市增長(zhǎng)極的快速出現(xiàn)，跨省際區(qū)域復(fù)雜系統(tǒng)內(nèi)人力資源分布結(jié)構(gòu)決定了整個(gè)區(qū)域內(nèi)的經(jīng)濟(jì)一體化進(jìn)程，區(qū)域內(nèi)資源的競(jìng)爭(zhēng)，逐漸演變?yōu)閷?duì)人才的競(jìng)爭(zhēng)，提高人力資源開發(fā)度及優(yōu)化配置是區(qū)域經(jīng)濟(jì)健康發(fā)展的必然選擇[1]。通過對(duì)跨省際區(qū)域間人力資源開發(fā)協(xié)同度的預(yù)測(cè)，一方面，可以有效把握區(qū)域整個(gè)系統(tǒng)的人力資源開發(fā)協(xié)同度水平，促使區(qū)域政府及其他管理機(jī)構(gòu)對(duì)區(qū)域人力資源開發(fā)采取合理性措施，積極留住、吸引優(yōu)秀人才，增強(qiáng)整個(gè)區(qū)域人力資源競(jìng)爭(zhēng)力。另一方面，可以及時(shí)發(fā)現(xiàn)省際各區(qū)域子系統(tǒng)人力資源開發(fā)存在的問題，針對(duì)短板子系統(tǒng)制定有效措施方案，區(qū)域子系統(tǒng)之間通過相互借鑒，制定科學(xué)的人力資源流動(dòng)體制，促進(jìn)人力資源在整個(gè)區(qū)域內(nèi)部的良性互動(dòng)，最終實(shí)現(xiàn)跨省際復(fù)合系統(tǒng)的人力資源開發(fā)可持續(xù)性和經(jīng)濟(jì)的快速發(fā)展[2]。

人力資源目前存在的定量預(yù)測(cè)方法有回歸預(yù)測(cè)、馬爾可夫預(yù)測(cè)、神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)、灰色系統(tǒng)預(yù)測(cè)方法等?；貧w預(yù)測(cè)一般要求數(shù)據(jù)具有規(guī)律性，而區(qū)域內(nèi)人力資源開發(fā)的數(shù)據(jù)一般呈現(xiàn)非規(guī)律性。馬爾可夫的預(yù)測(cè)效果取決于模型的概率轉(zhuǎn)移矩陣估計(jì)，只有當(dāng)區(qū)域內(nèi)部人力資源的轉(zhuǎn)移概率存在一定規(guī)律時(shí)，才能達(dá)到預(yù)測(cè)效果。神經(jīng)網(wǎng)絡(luò)具有一定的容錯(cuò)能力，但需要設(shè)計(jì)多個(gè)系數(shù)，越復(fù)雜的設(shè)計(jì)，其內(nèi)在的誤差就會(huì)越大?；疑到y(tǒng)預(yù)測(cè)針對(duì)雜亂的小數(shù)據(jù)具有一定的整合作用，但是缺乏自組織性和自適應(yīng)性?；疑窠?jīng)網(wǎng)絡(luò)組合模型在一定程度上可以相互彌補(bǔ)缺陷，提高預(yù)測(cè)精度，但是灰色神經(jīng)網(wǎng)絡(luò)是隨機(jī)化初始權(quán)值與閾值，會(huì)導(dǎo)致每次的預(yù)測(cè)結(jié)果不一樣。布谷鳥算法（CS）將孵育寄生行為與萊維分布相結(jié)合來進(jìn)行智能優(yōu)化，CS算法包含的參數(shù)較少，有較好的通用性和魯棒性[3]。為了提高CS算法的自適應(yīng)性，本文提出用步長(zhǎng)更新方式改進(jìn)CS算法，并將改進(jìn)后的CS算法與灰色神經(jīng)網(wǎng)絡(luò)結(jié)合，利用改進(jìn)CS算法來優(yōu)化灰色神經(jīng)網(wǎng)絡(luò)的權(quán)值與閾值，提高灰色神經(jīng)網(wǎng)絡(luò)的擬合能力。

1　模型構(gòu)建

1.1GNN模型

1982年鄧聚龍教授基于數(shù)學(xué)相關(guān)理論，提出了灰色系統(tǒng)理論[4]。設(shè)原始數(shù)據(jù)序列為表示為x(t)，一次累加后的序列為表示為y(t)，預(yù)測(cè)結(jié)果表示為z(t)。包含n個(gè)參數(shù)的灰色微分方程為：

式(1)中y2，···，yn表示系統(tǒng)的輸入?yún)?shù)；y1為系統(tǒng)輸出參數(shù)；a，b1，b2，···，bn-1為微分方程系數(shù)。式（1）的時(shí)間響應(yīng)式為：

式（2）的微分方程反映了灰色系統(tǒng)有將離散數(shù)據(jù)擬合的功能和對(duì)小數(shù)據(jù)建模的優(yōu)勢(shì)。將式（2）兩邊同時(shí)乘以神經(jīng)網(wǎng)絡(luò)的傳遞函數(shù)才能夠映射到BP神經(jīng)網(wǎng)絡(luò)上。同時(shí)令則式（2）可以轉(zhuǎn)化為式（3）：

將變換后的式(3)映射后得到的灰色神經(jīng)網(wǎng)絡(luò)結(jié)果如圖1所示。其中，t表示輸入?yún)?shù)的序號(hào)，y2(t)，···，yn(t)為輸入?yún)?shù)；w21，w22，···,w2n，w31，···，w3n表示權(quán)值；y1為預(yù)測(cè)值，圖中網(wǎng)絡(luò)的權(quán)重(i=2，3，···n)，w3i=1+e-at(i=1，2，···，n)，θ為輸出的閾值，θ=(1+e-at)(d-y1(0))。則灰色神經(jīng)網(wǎng)絡(luò)的輸出表示為：1.2基于改進(jìn)CS算法的灰色伸進(jìn)網(wǎng)絡(luò)預(yù)測(cè)模型

圖1　灰色神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)

2010年，YANGX和DEB兩位學(xué)者提出了一個(gè)新型科學(xué)計(jì)算機(jī)布谷鳥搜索算法（CS）[5]。CS在尋優(yōu)過程中，每個(gè)鳥巢代表一個(gè)候選解，首先在初始化種群的基礎(chǔ)上，計(jì)算對(duì)應(yīng)的適應(yīng)度值。然后采用levy游走方式隨機(jī)搜索，獲得新的鳥巢位置，并計(jì)算對(duì)應(yīng)的新解，與搜索前的適應(yīng)度值進(jìn)行對(duì)比，保留最好的鳥巢。其次,在鳥巢數(shù)量是固定的情況下存在發(fā)現(xiàn)外來鳥蛋的概率pa=[0，1]，寄生巢主人根據(jù)概率可以選擇丟棄鳥蛋和鳥巢，重新在新的位置生成新的鳥巢。設(shè)第i個(gè)寄生巢在第t代的位置為L(zhǎng)(λ)為布谷鳥隨機(jī)游走搜索方式，布谷鳥搜尋鳥巢的路徑和位置更替為:，其中δ為布谷鳥游走步長(zhǎng)控制量參數(shù)，⊕為點(diǎn)對(duì)點(diǎn)對(duì)乘。

在搜索的過程中，步長(zhǎng)越大，算法搜索的全局性就會(huì)越好，較大的步長(zhǎng)會(huì)導(dǎo)致搜索的精度較低，步長(zhǎng)越小，精度會(huì)變得越高，但是會(huì)導(dǎo)致速度變慢。為了協(xié)調(diào)標(biāo)準(zhǔn)CS算法搜索全局與搜索精度的問題，通過改進(jìn)步長(zhǎng)更新公式對(duì)CS算法進(jìn)行優(yōu)化，優(yōu)化后算法稱為變步長(zhǎng)自適應(yīng)布谷鳥算法(VSACS）[6]。

式中 stepmin是步長(zhǎng)的最小值，本文中取 stepmin= 0.0001；a是隨的變化曲線，p取值范圍為[1,30],t為目前的迭代次數(shù)，Tmax為算法設(shè)定的最大迭代次數(shù)。由式（4）可以看出隨著時(shí)間的遞進(jìn)，布谷鳥的步長(zhǎng)是逐漸降低的，在游走初期，較大步長(zhǎng)的全局搜索能力能夠較快收斂到較優(yōu)的鳥巢附近，迭代次數(shù)的增加，步長(zhǎng)變小，轉(zhuǎn)變?yōu)榫植克阉?，增?qiáng)了搜索的精度。變步長(zhǎng)自適應(yīng)布谷鳥算法優(yōu)化灰色神經(jīng)網(wǎng)絡(luò)(VSACS-GNN)的具體流程如圖2所示。

圖2　基于VSACS算法的灰色伸進(jìn)網(wǎng)絡(luò)預(yù)測(cè)流程

2　實(shí)證分析

2.1構(gòu)建人力資源開發(fā)指標(biāo)體系

通過查閱相關(guān)文獻(xiàn)，發(fā)現(xiàn)有關(guān)人力資源開發(fā)指標(biāo)出現(xiàn)頻率最多的有教育投入與培訓(xùn)投入、教育制度、社會(huì)保證制度、就業(yè)人數(shù)、人才的流動(dòng)、成人教育、醫(yī)療保健投入、科研投入等[7]。在這些指標(biāo)中，發(fā)現(xiàn)有些指標(biāo)被包含在其他指標(biāo)中，例如，成人教育和職業(yè)教育包含在教育和培訓(xùn)中。本文中，盡量應(yīng)用量化的指標(biāo)去替代定性的指標(biāo)，舍棄一些微觀的、模糊的、評(píng)價(jià)困難的指標(biāo)，例如人力資源道德素質(zhì)和社會(huì)保障制度。依據(jù)指標(biāo)選取的關(guān)鍵原則、可測(cè)量性原則和目標(biāo)導(dǎo)向性原則，經(jīng)過了指標(biāo)的初選、篩選，本文確定區(qū)域人力資源開發(fā)程度的一級(jí)指標(biāo)為教育水平[8]、科技研發(fā)[9]、醫(yī)療保障[10]、就業(yè)狀況[11]、社會(huì)保障[12]。二級(jí)指標(biāo)為：人均教育經(jīng)費(fèi)(元/人)、普通高等學(xué)校在校生人數(shù)(萬)、中等職業(yè)學(xué)校在校生人數(shù)(萬)、教育費(fèi)用占GDP比重（%）；R&D經(jīng)費(fèi)支出占GDP比重（%）、人均科技支出（元/人）、專利申請(qǐng)量(項(xiàng));每萬人擁有床位數(shù)(張)、每萬人擁有衛(wèi)生技術(shù)人數(shù)(人)、人均消費(fèi)醫(yī)療衛(wèi)生經(jīng)費(fèi)(元)；從業(yè)人員占總?cè)丝诒戎兀?）、新增農(nóng)村勞動(dòng)力轉(zhuǎn)移就業(yè)人數(shù)(萬)、城鎮(zhèn)新增就業(yè)人數(shù)（萬）；社會(huì)保障與就業(yè)經(jīng)費(fèi)占GDP的比重（%）[13]。

2.2跨省際區(qū)域人力資源開發(fā)協(xié)同度模型

本文基于協(xié)同學(xué)中的序參量原理以及役使原理，構(gòu)筑跨省際區(qū)域間的人力資源開發(fā)協(xié)同度評(píng)價(jià)模型。設(shè)跨省際區(qū)域?yàn)閺?fù)合系統(tǒng)表示復(fù)合區(qū)域內(nèi)的不同區(qū)域子系統(tǒng)的個(gè)數(shù)。設(shè)ej為第 j個(gè)系統(tǒng)的序參量，ej=(ej1，ej2，…ejn)，其中n≥1，βji≤eji≤αji，i=[1，n]，假設(shè) ej1，ej2，…，ejl1的取值大小與系統(tǒng)的有序度之間是正相關(guān)關(guān)系。因此給出系統(tǒng)有序度的定義：

αji的取值一般為第 j個(gè)子系統(tǒng)第i個(gè)指標(biāo)上限值的110%，同時(shí)βji取值為第 j個(gè)子系統(tǒng)第i個(gè)指標(biāo)下限值的110%。由總體看,子系統(tǒng)的有序度為：

假設(shè)在初始時(shí)刻t0各子系統(tǒng)的有序度為，而當(dāng)整個(gè)復(fù)合系統(tǒng)發(fā)展演變到時(shí)刻t1,各子系統(tǒng)的有序度為定義整個(gè)系統(tǒng)的協(xié)同度為SD,則復(fù)合系統(tǒng)的協(xié)同度SD為：

式中滿足以下條件：

2.3樣本數(shù)據(jù)的來源

2015年6月5號(hào)，國務(wù)院批復(fù)了《大別山革命老區(qū)振興發(fā)展規(guī)劃》，該規(guī)劃將大別山革命老區(qū)的主要范圍劃定為：河南省信陽市、駐馬店市全境；安徽省六安市、安慶市全境；湖北省黃岡市、隨州市全境。本文選取大別山區(qū)占有主要面積的6個(gè)市：信陽、駐馬店、六安、安慶、黃岡和隨州作為研究對(duì)象。查閱各省市的統(tǒng)計(jì)局、教育局、科技局、財(cái)政局等部門發(fā)布的統(tǒng)計(jì)年鑒、年度公報(bào)、政府工作匯報(bào)等文件來獲取相關(guān)數(shù)據(jù)。依據(jù)上文構(gòu)建的指標(biāo)體系，共統(tǒng)計(jì)了6個(gè)市的2004年至2014年數(shù)據(jù)。在計(jì)算人力資源開發(fā)協(xié)同度之前，利用主成分分析對(duì)各市的指標(biāo)數(shù)據(jù)進(jìn)行降維，把主成分看成序參量,然后利用協(xié)同度評(píng)價(jià)模型，計(jì)算出6個(gè)市的人力資源開發(fā)的有序度與協(xié)同度,具體如表1所示。

本文選取6個(gè)市的人力資源開發(fā)有序度作為VSACS優(yōu)化GNN預(yù)測(cè)模型的輸入數(shù)據(jù)，相對(duì)應(yīng)的協(xié)同度作為預(yù)測(cè)模型的輸出數(shù)據(jù)。將2005—2012年的數(shù)據(jù)作為預(yù)測(cè)模型的訓(xùn)練樣本，2013—2014年數(shù)據(jù)作為測(cè)試仿真樣本。

2.4仿真預(yù)測(cè)

本文應(yīng)用的預(yù)測(cè)仿真系統(tǒng)為MATLAB R2011b，輸入為6個(gè)參數(shù)，輸出為1個(gè)參數(shù)。設(shè)布谷鳥的群體規(guī)模為10，網(wǎng)絡(luò)訓(xùn)練迭代次數(shù)設(shè)為100。鳥巢主人發(fā)現(xiàn)外來鳥蛋的概率取值為 pa=0.25，搜索空間范圍 lb=-5，ub=5，游走最大步長(zhǎng) stepmax=0.01,最小步長(zhǎng)為stepmin=0.0001。為驗(yàn)證算法的有效性，分別建立了神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型、灰色神經(jīng)預(yù)測(cè)模型、遺傳算法改進(jìn)的GNN預(yù)測(cè)模型、VSACS-GNN預(yù)測(cè)模型，以相對(duì)誤差來比較算法的性能，具體訓(xùn)練仿真過程與結(jié)果如圖3與圖4所示。

圖3　 VSACS-GNN迭代過程

圖4　各預(yù)測(cè)模型預(yù)測(cè)結(jié)果比較

表1　各子系統(tǒng)人力資源開發(fā)的有序度與協(xié)同度

由圖3可知，在較短的時(shí)間內(nèi)，預(yù)測(cè)模型的迭代實(shí)現(xiàn)了預(yù)測(cè)值與實(shí)際值之間的誤差幾乎為0。說明網(wǎng)絡(luò)得到了很好的訓(xùn)練，可以進(jìn)行預(yù)測(cè)仿真。此時(shí)得到的灰色神經(jīng)網(wǎng)絡(luò)的模型：z(t)=0.3219e-0.3056t+(1.4715x1+1.5393x2+0.8024x3+1.2873x4+1.8730x5+1.8730x6)(1-e-0.3056t)，預(yù)測(cè)模型的具體預(yù)測(cè)結(jié)果如表2所示。

表2　各模型的預(yù)測(cè)結(jié)果

預(yù)測(cè)顯示，2005—2016年大別山區(qū)6個(gè)市區(qū)域間人力資源開發(fā)的協(xié)同度是逐漸提高，但是發(fā)展水平較為緩慢且并不穩(wěn)定。2016年6個(gè)市的人力資源開發(fā)的協(xié)同度僅為0.4297，處于一個(gè)較低協(xié)同階段。VSACS-GNN模型在預(yù)測(cè)協(xié)同度的之前,需要構(gòu)建一階方程、一個(gè)變量的灰色模型G(1,1)來預(yù)測(cè)出各輸入?yún)?shù)，本文中各子系統(tǒng)開發(fā)的有序度被看作是預(yù)測(cè)模型的輸入?yún)?shù)。因此，根據(jù)G(1,1)預(yù)測(cè)結(jié)果，能夠?qū)^(qū)域子系統(tǒng)的有序度做出縱向的分析和橫向比較，找出對(duì)協(xié)同開發(fā)產(chǎn)生影響的短板子系統(tǒng)。由訓(xùn)練得到的協(xié)同預(yù)測(cè)模型可知，x5與x6的系數(shù)較大，說明了目前對(duì)大別山區(qū)跨省際區(qū)域人力資源協(xié)同開發(fā)影響最大的是黃岡與隨州的人力資源開發(fā)有序度。而x3的系數(shù)最小，說明了六安市的人力資源開發(fā)有序度對(duì)整個(gè)系統(tǒng)的協(xié)同度影響最小。

3　結(jié)論

本文基于VSACS-GNN模型，對(duì)我國典型的跨省際的大別山區(qū)人力資源開發(fā)協(xié)同度進(jìn)行預(yù)測(cè)。其結(jié)果表明：VSACS-GNN模型用于預(yù)測(cè)人力資源開發(fā)協(xié)同度是可行的，且其預(yù)測(cè)精度高于其他預(yù)測(cè)算法。證實(shí)了VSACS-GNN在處理數(shù)據(jù)樣本少、在時(shí)間序列上呈現(xiàn)出較大的不穩(wěn)定性的問題具有獨(dú)特的處理優(yōu)勢(shì)。VSACS-GNN在跨省際區(qū)域人力資源開發(fā)協(xié)同度的有效預(yù)測(cè)，促進(jìn)區(qū)域間共同協(xié)商制定人力資源開發(fā)戰(zhàn)略，將跨省市區(qū)域之間的競(jìng)爭(zhēng)博弈轉(zhuǎn)變?yōu)檎w實(shí)力的提升，有效發(fā)揮人力資源的聚集能力，促進(jìn)區(qū)域內(nèi)各子系統(tǒng)人力資源的可持續(xù)開發(fā)和復(fù)合系統(tǒng)內(nèi)經(jīng)濟(jì)的均衡發(fā)展。

[1]Kenneth E P,Benjamin Y,Theresita V A.Human Resource Develop?ment in Transitioning Societies in the Developing World:The Philip?pines[J].Advances in Developing Human Resources,2006,31(1).

[2]Darlene F R.Human Resource Development,Evaluation,and Sustain?ability:What Are the Relationships[J].Human Resource Development International,2014,17(5).

[3]李煜,馬良.新型元啟發(fā)式布谷鳥搜索算法[J].系統(tǒng)工程,2012,30 (8).

[4]Alvisi S,FTanchini M.Grey Neural Networks for River Stage Fore?casting With Uncertainty[J].Physics and Chemistry of the Earth,2012, 6(4).

[5]Yang X S,Deb S,Suash D.Engineering Optimisation by Cuckoo Search[J].International Journal of Mathematical Modeling and Numer?ical Optimisation,2010,1(14).

[6]王聯(lián)國,洪毅,趙付青等.一種簡(jiǎn)化的人工魚群算法[J].小型微型計(jì)算機(jī)系統(tǒng),2009,8(30).

[7]Marquardt M,Berger N O.The Future:Globalization and New Roles for HRD[J].Advances in Developing Human Resources,2003,5(3).

[8]Monica L.National Human Resource Development in the United Kingdom[J].Advances in Developing Human Resource,2004,4(3).

[9]Xing J,Wu J.Study on the Rural Human Resource Development In?fluence Factors and the Policies Response:Evidence From Chongqing city[J].International Business and Management,2013,7(1).

[10]Jithendran J K,Tom B.Human Resources Development for Tourism in Rural Communities:A Case Study of Kerala[J].Asia Pacific Jour?nal of Tourism Research,2002,7(2).

[11]Reid B.Improving Human Resources for Health Planning in Devel?oping Economies[J].Human Resource Development International, 2014,17(1).

[12]Maksims K.Analysis of Factors Influencing the Choice of Solutions for Human Resource Development[J].Procedia-Social and Behavior?al Sciences,2014,2(156).

[13]Wes H.Employment Creation and Localization:The Crucial Human Resource Issue for the GCC[J].The International Journal of Human Resource Management,2007,18(1).

（責(zé)任編輯/浩天）

F241

A

1002-6487（2016）22-0076-04

國家自然科學(xué)基金資助項(xiàng)目（71173171）；信陽市哲學(xué)社會(huì)科學(xué)規(guī)劃項(xiàng)目（2014ZZZD011）

劉澤雙（1966—），男，河南信陽人，博士，教授，研究方向：人力資源開發(fā)與管理、系統(tǒng)工程管理、戰(zhàn)略管理。（通訊作者）張平平（1989—），女，河南周口人，碩士研究生，研究方向：人力資源開發(fā)與管理。熊國強(qiáng)（1961—），男，河南信陽人，博士，教授，研究方向：應(yīng)急管理、投資管理。