鐘凡

（河海大學(xué) 商學(xué)院，江蘇 南京 211100）

基于層次遺傳算法的人力資源供應(yīng)鏈平臺(tái)研究

鐘凡

（河海大學(xué) 商學(xué)院，江蘇 南京 211100）

針對人力資源供應(yīng)鏈中生產(chǎn)商能夠獲得充足的人力供給優(yōu)化問題，本研究以供應(yīng)商、用人單位和生產(chǎn)商構(gòu)建人力資源供應(yīng)鏈系統(tǒng)平臺(tái)，采用雙層規(guī)劃模型描述人力資源供應(yīng)鏈問題，以人力資源成本和生產(chǎn)商用人的總費(fèi)用最低為目標(biāo)，分別建立上、下層規(guī)劃優(yōu)化模型，利用層次遺傳算法（HGA）作為求解模型的算法，并用模擬仿真證明了該算法的有效性：決策者和生產(chǎn)商目標(biāo)的Pareto Optimality最優(yōu)解分別集中在的[-3，-2]和[6，8]之間，優(yōu)化解選?。?2.75，7.0）和（-2.25，8.0）。該算法實(shí)現(xiàn)了人力資源供應(yīng)利益的最大化，且為人力資源的高效供給提供決策依據(jù)。

遺傳算法；雙層規(guī)劃；供應(yīng)鏈；人力資源

在人力資源供應(yīng)鏈系統(tǒng)中，供應(yīng)商是將用人單位和生產(chǎn)商聯(lián)系起來的紐帶[1]，對于供應(yīng)鏈的優(yōu)化問題則是提高整個(gè)人力資源網(wǎng)絡(luò)配置效率的核心問題。目前對人力資源供應(yīng)鏈的研究模型可分為離散性和連續(xù)性[2]。連續(xù)性的研究模型對廠商的選取沒有特定的要求與規(guī)定，其中最突出的是中心重心法[3]；而離散性的研究模型主要用于從多個(gè)方案中選取最佳方案[4]，其中最突出的是混合整數(shù)規(guī)劃法[5]。為了使生產(chǎn)商、供應(yīng)商以及用人公司3個(gè)利益共同體的決策和利益真實(shí)的反映出來，以便量化其對管理層人力資源最終規(guī)劃方案選擇方面的影響，本文利用規(guī)劃模型來解決人力資源供應(yīng)鏈平臺(tái)優(yōu)化選取的問題，提出和設(shè)計(jì)了層次遺傳算法（HGA）來求解該模型，該算法較好地協(xié)調(diào)了人力資源供應(yīng)鏈選取過程中利益相關(guān)方的目標(biāo)，使其更加符合人力資源作業(yè)過程中的真實(shí)情況，從而具有傳統(tǒng)的算法不具備的優(yōu)勢。

1 供應(yīng)鏈平臺(tái)與規(guī)劃建模

1.1 人力資源供應(yīng)鏈平臺(tái)

人力資源供應(yīng)鏈協(xié)同平臺(tái)主要分供應(yīng)鏈中的用人公司，生產(chǎn)商以及人力資源供應(yīng)商3個(gè)部分，這3個(gè)部門分別處于供應(yīng)鏈中的不同環(huán)節(jié)，分工各有不同，因此對信息的需求及敏銳程度也有所偏重，人力資源供應(yīng)鏈協(xié)同平臺(tái)的具體分工如圖1所示。

圖1 人力資源供應(yīng)鏈協(xié)管理同平臺(tái)

1.2 人力資源供應(yīng)鏈平臺(tái)問題描述

Leader（上層規(guī)劃模型）用于描述管理層對各種方案的規(guī)劃與選取[6]。文中將其運(yùn)用于人力資源供應(yīng)鏈平臺(tái)決策的優(yōu)化問題，描述人力資源需求管理層在人力資源成本最小化的條件之下獲得最優(yōu)質(zhì)的人力資源的方案；Follower（下層規(guī)劃模型）用于描述人力資源供應(yīng)商在其所處的多個(gè)人力資源供應(yīng)鏈之間決定其供應(yīng)人力資源分配量的方案，從而使人力資源供應(yīng)鏈的上游獲利更多。本文在參考規(guī)劃模型的基礎(chǔ)上，供應(yīng)商、用人公司及生產(chǎn)商之間的跨度以數(shù)量的形式表現(xiàn)在方案選取的目標(biāo)函數(shù)中，以便方案選取研究。具體的人力資源供應(yīng)鏈優(yōu)化選取模型如下所示。

1）Leader模型

其中，Cij、dij和xij分別表示生產(chǎn)商在人力資源供應(yīng)鏈中由i環(huán)節(jié)到j(luò)環(huán)節(jié)對人力資源培訓(xùn)的單位成本、流程跨度和人力資源需求量（i=1，…，m；j=1，…n）；fj表示在供應(yīng)鏈環(huán)節(jié)中j由環(huán)節(jié)至供應(yīng)鏈終端的固定成本；zj為0-1變量，如j環(huán)節(jié)為供應(yīng)商環(huán)節(jié)則zj為1，其他情況下均zj為0；pjk為從用人單位k到供應(yīng)商j環(huán)節(jié)的中間耗費(fèi)成本；wkj為用人單位k到供應(yīng)商的人力資源供應(yīng)量；djk為用人單位k到供應(yīng)商環(huán)節(jié)j的流程跨度。若B為總投資額度，Mk為用人單位k的供應(yīng)能力，Vj為生產(chǎn)商的人力資源需求量，則上層規(guī)劃模型還要滿足如下的約束條件：

2）Follower模型

在上述的模型中，為了保證生產(chǎn)商的人力資源需求量在供應(yīng)商之間進(jìn)行配置與劃分，利用Ui表示生產(chǎn)商i的需求量，同時(shí)，為了保證對供應(yīng)商的供應(yīng)能力和生產(chǎn)商的人力資源需求量非負(fù)的約束，因此，還需要滿足以下條件：

2 求解人力資源供應(yīng)的層次遺傳算法

2.1 基本原理

進(jìn)化算法中的遺傳算法（genetic algorithm，GA）應(yīng)用最為廣泛[7-8]，文中在前人研究基礎(chǔ)上，基于管理決策者之間的博弈對遺傳算法進(jìn)行優(yōu)化，從而進(jìn)一步解決一些非凸目標(biāo)函數(shù)的雙層規(guī)劃問題[9]。該算法可以迭代求解Pareto Optimality狀態(tài)下雙層規(guī)劃模型所獲得的Follower模型最優(yōu)解和Leader模型最優(yōu)解[10]，進(jìn)而解決供應(yīng)鏈上下游環(huán)節(jié)中人力資源配置的優(yōu)化問題。層次遺傳算法的具體步驟如圖2所示。在對雙層規(guī)劃模型進(jìn)行最優(yōu)解計(jì)算時(shí)可限制其遺傳進(jìn)化代數(shù)為外層循環(huán)當(dāng)前的迭代次數(shù)從而提高最優(yōu)解的精度，最終整個(gè)系統(tǒng)趨于Pareto Optimality狀態(tài)。

圖2 層次遺傳算法

2.2 種群個(gè)體編碼設(shè)計(jì)

管理層決策變量編碼方式分別為：Zj利用二進(jìn)制進(jìn)行編碼[11]，每個(gè)人力資源供應(yīng)鏈中的供應(yīng)商都對應(yīng)一個(gè)特定的編碼，其位串的長度為參與的供應(yīng)商的數(shù)量和用人單位數(shù)量的總和，當(dāng)選取到某個(gè)供應(yīng)商則設(shè)定其位置1，其他情況下全部為0；wjk和供應(yīng)鏈下游決策變量xij利用實(shí)數(shù)進(jìn)行編碼。為了使算法的運(yùn)算更為簡便，還需要對管理決策者對于人力資源供應(yīng)商選擇的方案進(jìn)行一定的預(yù)先處理[12]，對于未入選的供應(yīng)商其需求量默認(rèn)為0；再者對供應(yīng)鏈中生產(chǎn)商在與各個(gè)供應(yīng)商之間的需求人數(shù)進(jìn)行歸一處理[13]。在進(jìn)行Follower遺傳算法演繹時(shí)要注意各個(gè)編碼方案之間的原則一致性[14]。

2.3 實(shí)現(xiàn)步驟

利用層次遺傳算法原理求解Leader和Follower的模型人力資源供應(yīng)鏈最優(yōu)平臺(tái)的具體流程如下:

步驟 1：以管理層的規(guī)劃變量為依據(jù)并與Leader的規(guī)劃變量相對應(yīng)對種群X（zj，wjk）進(jìn)行重新的設(shè)定，并設(shè)定外層循環(huán)次數(shù)；

步驟2：將Leader種群的每個(gè)元素考慮在內(nèi)求解Follower規(guī)劃問題：1）默認(rèn)Follower遺傳算法的個(gè)體數(shù)量并且設(shè)定其遺傳代數(shù)為當(dāng)前的外層循環(huán)次數(shù)；2）對Follower的遺傳算法群落進(jìn)行編碼、評價(jià)以及變異等操作[15]；3）求得在Pareto Optimality狀態(tài)下Leader種群最優(yōu)解個(gè)體所對應(yīng)下的Follower最優(yōu)解，并將其構(gòu)成一個(gè)群體Y傳遞到上游進(jìn)行進(jìn)一步的算法演繹；

步驟3：將Follower種群的每個(gè)元素考慮在內(nèi)求解Leader規(guī)劃問題：1）默認(rèn)Leader遺傳算法的個(gè)體數(shù)量并且設(shè)定其遺傳代數(shù)為當(dāng)前的外層循環(huán)次數(shù)；2）對Leader的遺傳算法群落進(jìn)行編碼、評價(jià)以及變異等操作[16]；3）求得在Pareto Optimality狀態(tài)下Follower種群最優(yōu)解個(gè)體所對應(yīng)下的Leader最優(yōu)解群體X；

步驟4：以供應(yīng)鏈中上下游之間的利益關(guān)系為依據(jù)對各個(gè)群體中的個(gè)體進(jìn)行適應(yīng)度分析，選擇供應(yīng)鏈上游等級較低或者環(huán)節(jié)跨度大的父代個(gè)體；再將供應(yīng)鏈上游群體中的個(gè)體與當(dāng)前的子代個(gè)體按照非支配的原則進(jìn)行排序，再根據(jù)供應(yīng)鏈上游等級以及環(huán)節(jié)跨度選擇N個(gè)個(gè)體進(jìn)行下一步進(jìn)化；

步驟5：終止算法檢驗(yàn)。當(dāng)外層循環(huán)的數(shù)量達(dá)到了最大迭代次數(shù)，或者人力資源供應(yīng)鏈平臺(tái)中群體的適應(yīng)度平均變化幅度達(dá)到既定范圍則算法終止。二者取其一或者都滿足，則供應(yīng)鏈上游集群為最優(yōu)解的集合，決策者能夠獲得最終的最優(yōu)方案。若二者都不滿足，則回到步驟2繼續(xù)執(zhí)行算法。

3 供應(yīng)鏈平臺(tái)優(yōu)化及模擬仿真

3.1 人力資源供應(yīng)鏈平臺(tái)設(shè)計(jì)

利用供應(yīng)鏈調(diào)控的原理，并與人力資源流程優(yōu)化的特點(diǎn)，主要以計(jì)算機(jī)軟件開發(fā)平臺(tái)的需求為任務(wù)目標(biāo)，為了同時(shí)使得供應(yīng)商，生產(chǎn)商以及用人公司對人力資源配置的需求，故將人力資源供應(yīng)鏈平臺(tái)的設(shè)計(jì)分為八大模塊來高效運(yùn)行:能力素質(zhì)模型管理，人力資源測評中心，人力資源培訓(xùn)管理，人力資源績效管理，人才職業(yè)生涯管理，人力資源配置管理，人力資源釆購管理，人力成本收益管理，如圖3所示。

圖3 人力資源供應(yīng)鏈平臺(tái)

3.2 層次遺傳算法模擬仿真

本實(shí)驗(yàn)選取Intel Pentium Dual T2330筆記本進(jìn)行算法的執(zhí)行與最后的操作設(shè)計(jì)，并利用MATLAB R2007A進(jìn)行軟件操作。

在層次遺傳算法模擬仿真部分主要增加了部分生產(chǎn)商渠道的數(shù)以及用人單位的數(shù)量，各生產(chǎn)商的人才資源需求量一般按照隨機(jī)抽樣的方式選取。假定用人單位在A、B、C 3個(gè)地點(diǎn)都設(shè)有分公司，并且其運(yùn)作流程相互獨(dú)立各自盈虧自負(fù)，其對于人才資源的需求先由用人單位進(jìn)行培訓(xùn)，再供應(yīng)至供應(yīng)商環(huán)節(jié)進(jìn)行在崗訓(xùn)練，最終推薦給生產(chǎn)商完成對人力資源的最終培訓(xùn)。根據(jù)用人單位，供應(yīng)商以及生產(chǎn)商在供應(yīng)鏈平臺(tái)協(xié)同利益最大化的利益需求，人力資源外包機(jī)構(gòu)的需求量充足的情況下，在供應(yīng)鏈平臺(tái)中選取優(yōu)秀信質(zhì)的100家企業(yè)，從中至少選取10家企業(yè)作為人力資源供應(yīng)鏈核心環(huán)節(jié)，假定100家用用人單位企業(yè)對人力資源的需求量在樣本合理范圍之內(nèi)，其人力資源供應(yīng)鏈系統(tǒng)如圖4所示。

圖4 人力資源供應(yīng)鏈系統(tǒng)

假定供應(yīng)商到生產(chǎn)商、用人單位到供應(yīng)商對于人才的輸送中間耗費(fèi)成本為單位成本，再假定單個(gè)供應(yīng)商對于人力資源信息處理量的限度為30 000 000條，生產(chǎn)商對于 HR部門的年度預(yù)算限度約為30 000 000元，選取人力資源供應(yīng)商即人力資源外包機(jī)構(gòu)的中間環(huán)節(jié)成本耗費(fèi)為500 000元，供應(yīng)商、用人單位以及生產(chǎn)商的環(huán)節(jié)選取一般由系統(tǒng)隨機(jī)抽選。利用層次遺傳算法對人力資源供應(yīng)鏈管理平臺(tái)的優(yōu)化所獲得的Pareto Optimality狀態(tài)下最優(yōu)解群體，如圖5所示。

圖5 Pareto Optimality狀態(tài)下最優(yōu)解

由圖5可得，Pareto Optimality最優(yōu)解主要集中在：決策者目標(biāo)的[-3，-2]之間，生產(chǎn)商目標(biāo)的[6，8]之間。因此，對于層次遺傳算法對該人力資源供應(yīng)鏈管理模擬平臺(tái)的優(yōu)化解選?。?2.75，7.0）和（-2.25，8.0）。而由于在非凸情況下獲取的并非唯一最優(yōu)解，因此人力資源管理層在選取供應(yīng)鏈環(huán)節(jié)最優(yōu)質(zhì)的人力資源外包機(jī)構(gòu)進(jìn)行人力資源供給時(shí)，可根據(jù)需求從帕累托群體中選取最符合公司狀況的最優(yōu)解作為解決供應(yīng)鏈上下游環(huán)節(jié)中人力資源配置的優(yōu)化問題的決策方案。

4 結(jié)束語

通過對層次遺傳算法進(jìn)行細(xì)致的演繹來解決人力資源供應(yīng)鏈中人力資源配置優(yōu)化的問題。為了使生產(chǎn)商，供應(yīng)商以用人公司3個(gè)利益共同體的決策和利益真實(shí)的反映出來，以便量化其對管理層人力資源最終規(guī)劃方案選擇方面的影響，在進(jìn)行層次遺傳算法演繹的過程中，人力資源供應(yīng)鏈下游與上游參與者之間進(jìn)行博弈，通過避免惡性競爭的方式，以非合作作為最終的策略實(shí)現(xiàn)管理層對HR資源的決策以及人力資源供應(yīng)方之間的利益最大化。層次遺傳算法在人力資源方面的應(yīng)用對于解決供應(yīng)鏈中人力資源最優(yōu)化配置具有很強(qiáng)的實(shí)際意義，對不同的公司情況及公司的財(cái)務(wù)狀況，只需對供應(yīng)鏈中的生產(chǎn)商和用人單位的最終目標(biāo)函數(shù)進(jìn)行修改就能切實(shí)解決針對每個(gè)公司而不同的決策方案?？傊?，利用層次遺傳算法優(yōu)化供應(yīng)鏈平臺(tái)，從內(nèi)部來說能夠有效的協(xié)調(diào)人力資源部門與其他部門之間的協(xié)作，從外部來說也能夠幫助企業(yè)與利益相關(guān)方共同實(shí)現(xiàn)利益的最大化，這對優(yōu)化人力資源供應(yīng)鏈系統(tǒng)的框架、提高公司和用人單位人力資源部門運(yùn)作的效率以及對于人才的篩選都具有積極的意義。

[1]朱雷，黎建強(qiáng)，汪明.不確定條件下應(yīng)急管理人力供應(yīng)鏈多功能資源配置魯棒優(yōu)化問題[J].系統(tǒng)工程理論與實(shí)踐，2015（3）:736-742.

[2]單汨源，吳宇婷，任斌.一種服務(wù)供應(yīng)鏈拓展模型構(gòu)建研究[J].科技進(jìn)步與對策，2011，28（21）:10-16.

[3]劉宏偉，汪傳雷，倫墨華，等.重心法模型及解法優(yōu)化研究[J].物流技術(shù)，2013，32（13）:287-290.

[4]武玉英，饒毓書，蔣國瑞.供應(yīng)鏈并發(fā)協(xié)商粒子群優(yōu)化模型研究 [J].計(jì)算機(jī)工程與應(yīng)用，2016，52（4）:229-233.

[5]劉俊梅，高岳林.非線性混合整數(shù)規(guī)劃問題的改進(jìn)差分進(jìn)化算法[J].工程數(shù)學(xué)學(xué)報(bào)，2010，27（6）:967-974.

[6]王旭，石琳，葛顯龍.物流服務(wù)供應(yīng)商選擇的雙層規(guī)劃模型及云遺傳算法 [J].計(jì)算機(jī)應(yīng)用研究，2011，28（8）:2871-2875.

[7]鄧鐵清，任艮全，劉英博.基于遺傳算法的工作流個(gè)人工作列表資源調(diào)度[J].軟件學(xué)報(bào)，2012，23（7）:1702-1716.

[8]梁亞瀾，聶長海.覆蓋表生成的遺傳算法配置參數(shù)優(yōu)化[J].計(jì)算機(jī)學(xué)報(bào)，2012，35（7）:1522-1538.

[9]任愛紅.基于最近區(qū)間近似和區(qū)間規(guī)劃方法求解一類模糊雙層規(guī)劃問題 [J].模糊系統(tǒng)與數(shù)學(xué)，2015（4）:139-145.

[10]劉楠楠，石玉，范勝輝.基于Pareto最優(yōu)的PID多目標(biāo)優(yōu)化設(shè)計(jì)[J].信息與控制，2010，39（4）:385-390.

[11]馮登科，阮奇，杜利敏.二進(jìn)制布谷鳥搜索算法[J].計(jì)算機(jī)應(yīng)用，2013，33（6）:1566-1570.

[12]武星，樓佩煌，唐敦兵.基于精英進(jìn)化導(dǎo)向的多目標(biāo)PID參數(shù)優(yōu)化 [J].控制理論與應(yīng)用，2010，27（9）:1235-1239.

[13]曹道友，程家興.基于改進(jìn)的選擇算子和交叉算子的遺傳算法[J].計(jì)算機(jī)技術(shù)與發(fā)展，2010，20（2）:44-47.

[14]王錚，劉民，宋瑩，等.一類復(fù)雜生產(chǎn)調(diào)度問題的基于符號演繹的調(diào)度方法[J].控制與決策，2010，25（10）:1489-1493.

[15]李鑫.改進(jìn)變異操作的多種群遺傳算法[J].信息系統(tǒng)工程，2012（9）:136-140.

[16]郭廣頌，王燕芳.包含交叉和變異操作的交互式遺傳算法[J].計(jì)算機(jī)工程，2015，41（3）:182-185.

Research on level of human resources supply chain platform based on hierarchy genetic algorithm

ZHONG Fan
（Business School，Hohai University，Nanjing 211100，China）

For human resource supply chain manufacturers can obtain sufficient manpower supply optimization problem，this research suppliers，employers and manufacturers to build human resources supply chain systems platform，bi-level programming model to describe the human resource supply chain issues，to human effectiveness of resource costs and the total cost of production of commercial human minimum targets were established on the lower level optimization model using hierarchical genetic algorithm（HGA）as the algorithm model，and use simulation proved that the algorithm is:policy makers and manufacturer goals Pareto Optimality optimal solutions were concentrated in the[-3，-2]and between [6，8]，select the optimal solution（-2.75，7.0）and（-2.25，8.0）.The algorithm maximizes the supply of human resources interests，and provide decision-making basis for the efficient supply of human resources.

genetic algorithm；bilevel programming；supply chain；human resources

TN02

：A

：1674－6236（2017）05-0001-04

2016-05-24稿件編號：201605223

國家自然科學(xué)基金資助項(xiàng)目（61303005）；國家社科基金項(xiàng)目（10bzx73）

鐘 凡（1990—），男，河南鄭州人，碩士研究生。研究方向：戰(zhàn)略管理。