□孫朝苑 董戰(zhàn)英

[電子科技大學(xué) 成都 611731]

不完全偏好序下考慮同事偏好的項(xiàng)目-員工匹配決策研究

□孫朝苑 董戰(zhàn)英

[電子科技大學(xué) 成都 611731]

針對(duì)具有不完全偏好序值信息的項(xiàng)目-員工匹配決策問(wèn)題，給出了一種考慮同組員工間具有同事偏好關(guān)系的匹配決策方法。首先對(duì)匹配雙方給出的不完全偏好序信息規(guī)范化處理，轉(zhuǎn)化為等級(jí)置信度形式。其次，以規(guī)范化的等級(jí)置信度匹配信息為證據(jù)，融合獲得項(xiàng)目與員工、員工與員工的融合總信度，并進(jìn)一步轉(zhuǎn)化為匹配滿(mǎn)意度，以項(xiàng)目-員工、員工-其他員工的匹配滿(mǎn)意度最大化為目標(biāo)構(gòu)建并求解考慮同事偏好的匹配決策模型。最后通過(guò)一個(gè)算例說(shuō)明了所提方法的可行性和有效性。

同事偏好；匹配決策；不完全偏好序；證據(jù)推理

引言

雙邊匹配決策是指匹配雙方主體利用獲得的若干信息通過(guò)一定的方式對(duì)對(duì)方主體進(jìn)行排序或擇優(yōu)，然后通過(guò)某種決策分析方法獲得令匹配雙方主體盡可能滿(mǎn)意的匹配結(jié)果[1]。雙邊匹配問(wèn)題最早起源于婚姻匹配問(wèn)題和大學(xué)錄取問(wèn)題[2]。此后被逐漸應(yīng)用于人力資源中員工與崗位的匹配問(wèn)題[3]、貿(mào)易活動(dòng)中買(mǎi)賣(mài)雙方及合作伙伴的選擇問(wèn)題[4～5]、風(fēng)險(xiǎn)投資商與風(fēng)險(xiǎn)企業(yè)的匹配問(wèn)題[6]等。

人力資源中的員工與項(xiàng)目的匹配問(wèn)題作為人力資源管理中的關(guān)鍵環(huán)節(jié)已成為企事業(yè)單位關(guān)注的焦點(diǎn)。傳統(tǒng)的員工與項(xiàng)目匹配決策中大多考慮一方匹配主體給出的關(guān)于另一方匹配主體的偏好信息，而現(xiàn)實(shí)生活中項(xiàng)目與員工匹配問(wèn)題均涉及到同組或同群成員間的同事偏好關(guān)系，而這種偏好關(guān)系會(huì)影響到成員之間的協(xié)作配合程度，直接關(guān)系到該項(xiàng)目組的工作效率和質(zhì)量。所謂的同事偏好即是指在項(xiàng)目和員工相互選擇的過(guò)程中，員工之間存在的偏好關(guān)系，員工會(huì)根據(jù)其他員工的相關(guān)信息，如知識(shí)技能互補(bǔ)、熟悉程度等因素對(duì)彼此進(jìn)行排序選擇。理論研究中，Dutta和Masso最先提出了考慮同事偏好關(guān)系的匹配問(wèn)題，定義了F-字典偏好，并利用DM模型證明了F-字典偏好下穩(wěn)定匹配的存在性[7]。Echenique和Yenmez針對(duì)學(xué)生之間存在同事偏好關(guān)系的學(xué)生與學(xué)校的匹配問(wèn)題，提出一種尋求穩(wěn)定匹配的算法[8]。Kominers改進(jìn)了[8]中的匹配方法，給出了可以確定任意經(jīng)典多對(duì)一匹配問(wèn)題的所有穩(wěn)定匹配集合的算法[9]。Pycia在分割法和聯(lián)盟環(huán)境下，研究了具有同事偏好匹配問(wèn)題的穩(wěn)定匹配方法[10]。Flanagan從合同匹配理論的角度研究了帶有同事偏好的多對(duì)一匹配決策問(wèn)題[11]。

已有的研究為進(jìn)一步研究具有同事偏好的匹配決策提供了較好的思路和支撐，然而需要指出的是，現(xiàn)有研究中很少考慮匹配雙方給出的偏好序中存在缺失和不確定的情況。而實(shí)際數(shù)據(jù)收集時(shí)，由于人們思維的模糊性和現(xiàn)實(shí)情況的復(fù)雜性，常出現(xiàn)不確定或不完全的信息。針對(duì)具有不完全不確定信息的匹配問(wèn)題，不少學(xué)者也做出了相關(guān)研究，如：Iwama等提出具有不完全信息的匹配決策算法并應(yīng)用于婚姻匹配問(wèn)題[12]。Liu等研究了不完全信息下的穩(wěn)定匹配問(wèn)題[13]。Knoblauch研究了具有不完全偏好信息的不嚴(yán)格條件下的婚姻匹配，并分析了一邊主體隨機(jī)生成選擇偏好的G-S算法及其性質(zhì)[14]。樂(lè)琦等針對(duì)具有不完全不確定信息匹配問(wèn)題，從匹配滿(mǎn)意度的角度出發(fā)，構(gòu)建了多目標(biāo)匹配決策模型[15～17]。但現(xiàn)有的文獻(xiàn)中處理不完全不確定偏好信息的方法多是將不確定偏好序信息看作為等概率的離散隨機(jī)變量，求其期望，進(jìn)一步以期望轉(zhuǎn)化為滿(mǎn)意度，這樣將項(xiàng)目和員工匹配雙方給出的匹配信息中不完全不確定信息等同于精確信息，導(dǎo)致匹配信息的丟失。綜上，本文提出一種匹配決策方法，該方法將項(xiàng)目和員工給出的偏好序值信息轉(zhuǎn)化為等級(jí)置信度的形式，保留了序值信息中的不完全不確定性，并利用證據(jù)推理融合序值信息，進(jìn)一步轉(zhuǎn)化為匹配滿(mǎn)意度，以得到的項(xiàng)目和員工間的匹配滿(mǎn)意度最大為目標(biāo)，構(gòu)建并求解考慮同事偏好的項(xiàng)目-員工匹配決策模型，通過(guò)算例說(shuō)明了所提方法的實(shí)用性和有效性。

一、項(xiàng)目-員工匹配問(wèn)題描述

在具有不完全不確定偏好序信息下考慮同事偏好的雙邊匹配問(wèn)題中不僅要考慮匹配雙方給出的不完全不確定偏好信息，還需要考慮同群或同組主體之間的不完全不確定偏好信息。因此，在雙邊匹配決策過(guò)程中需要考慮三個(gè)方面的滿(mǎn)意度，即項(xiàng)目主體對(duì)員工主體的滿(mǎn)意度、員工主體對(duì)項(xiàng)目主體的滿(mǎn)意度，以及擬進(jìn)入同一項(xiàng)目組的員工之間的滿(mǎn)意度。

設(shè)項(xiàng)目主體集合A=｛A1,A2,???,Ai,???,Am｝，其中Ai代表第i個(gè)項(xiàng)目主體，i=1,2,???,m；員工主體集合B=｛B1,B2,???,Bj,???,Bn｝，其中Bj代表第j位員工主體，j=1,2,???,n。設(shè)為員工對(duì)項(xiàng)目的不完全不確定偏好序值信息，；特別地，若則員工對(duì)項(xiàng)目的偏好信息退化為精確偏好序值信息；若員工對(duì)項(xiàng)目的偏好序值信息，表示員工未給出對(duì)該項(xiàng)目的偏好序值信息。同理可設(shè)為項(xiàng)目對(duì)員工的不完全不確定偏好序值信息，；設(shè)為員工Bj對(duì)其他員工Bj的不完全不確定偏好序值信息，其中。

基于以上論述，本文要解決的問(wèn)題是，考慮員工之間的同事偏好關(guān)系，根據(jù)員工、項(xiàng)目主體給出的不完全不確定匹配信息，如何通過(guò)一種有效的匹配決策方法快速得到令項(xiàng)目主體和員工均滿(mǎn)意的匹配結(jié)果。

二、項(xiàng)目-員工匹配決策模型

針對(duì)上述問(wèn)題，以下給出了不完全偏好序下考慮同事偏好的項(xiàng)目-員工匹配決策方法，該方法的具體思路為：將不完全不確定偏好序匹配信息轉(zhuǎn)化為等級(jí)置信度的形式，利用等級(jí)置信度可以直接表達(dá)不確定信息以及證據(jù)推理能夠處理不確定問(wèn)題的特性，以等級(jí)置信度形式的匹配信息作為證據(jù)進(jìn)行融合，保留匹配信息的不完全不確定性，獲得融合總信度值，進(jìn)一步轉(zhuǎn)化為匹配滿(mǎn)意度，構(gòu)建和求解以雙方匹配滿(mǎn)意度最大化為目標(biāo)的匹配決策模型，獲得令項(xiàng)目和員工均滿(mǎn)意的匹配結(jié)果。

（一）規(guī)范化項(xiàng)目-員工匹配信息

在具有不完全序值信息的考慮同事偏好的雙邊匹配問(wèn)題中，項(xiàng)目主體、員工給出的不完全、不確定偏好序值信息，表示一方主體將另一方主體排在了第rL至rU位，且rL或rU越小，則另一方主體的排序位置越靠前，一方主體對(duì)另一方主體評(píng)價(jià)越好，若r表示該主體對(duì)另一方主體的具體排序，則r可看作是上具有等概率信息的離散隨機(jī)變量，因此的概率向量可表示為，其中[18]。

因此可對(duì)項(xiàng)目主體、員工給出的相關(guān)偏好序信息進(jìn)行規(guī)范化處理，具體如下：

若員工Bj對(duì)項(xiàng)目Ai的偏好信息為，則記H=｛H1,H2,???,Ht,???,Hm｝，其中Hi為員工Bj將項(xiàng)目Ai排在了第t位，t=1,2,???,m。則可以轉(zhuǎn)化為：，其中

例1：?jiǎn)T工-項(xiàng)目匹配過(guò)程中存在8個(gè)項(xiàng)目，員工Bj對(duì)項(xiàng)目Ai的偏好信息為，則可轉(zhuǎn)化為：

類(lèi)似的，將Ai對(duì)員工Bj偏好信息轉(zhuǎn)化為：；員工Bj對(duì)其他員工偏好信息轉(zhuǎn)化為：。

當(dāng)偏好序信息存在缺失值時(shí)，如：?jiǎn)T工Bj對(duì)項(xiàng)目Ai的偏好信息，并不能認(rèn)為Bj將Ai排在任意位置的可能性相等，只能作為信息的缺失，因?yàn)椴坏韧谒磉_(dá)的意思才是Bj將Ai排在任意位置的可能性相等。因此本文將轉(zhuǎn)化為，記HN表示信息不確定，則，當(dāng)表示信息完全不能確定。

（二）融合項(xiàng)目-員工匹配信息

考慮到證據(jù)推理方法解決了證據(jù)理論中的悖論問(wèn)題并可以有效地對(duì)若干個(gè)不確定的子問(wèn)題進(jìn)行融合[19]，可以有效地保留項(xiàng)目、員工給出的偏好序信息的不完全不確定性，因此本文采用證據(jù)推理對(duì)規(guī)范化的項(xiàng)目、員工的等級(jí)置信匹配信息進(jìn)行融合。

為了便于融合，首先對(duì)等級(jí)數(shù)目進(jìn)行統(tǒng)一規(guī)范化，根據(jù)文獻(xiàn)[20]中等級(jí)效用確定方法可知，最高等級(jí)的效用值為1，最低等級(jí)的效用值為0。即：?jiǎn)T工Bj對(duì)項(xiàng)目Ai的偏好排序的等級(jí)效用值為：t=1,2,???,m；項(xiàng)目Ai對(duì)員工Bj的偏好排序的等級(jí)效用值為：。對(duì)不同等級(jí)形式進(jìn)行規(guī)范化時(shí)，可根據(jù)相對(duì)地位進(jìn)行規(guī)范化處理，所謂的相對(duì)地位即是效用值一樣，鑒于等級(jí)個(gè)數(shù)一般為奇數(shù)，以下m、n默認(rèn)為奇數(shù)，若m（或n）為偶數(shù)，則轉(zhuǎn)化方法中的m（或n）可統(tǒng)一替換為2m-1（或2n-1），具體如下：

令等級(jí)集合為H=｛H1,H2,???,HC+1｝，C為(m-1)與(n-1)的最小公倍數(shù)，根據(jù)效用值相同的原理，可將HA下分別轉(zhuǎn)化為：

例2：項(xiàng)目A1給出員工B1的偏好排序?yàn)?，B1給出A1的偏好排序，m=5，n=7。

A1對(duì)B1的偏好排序：

B1對(duì)A1的偏好排序：

C為(m-1)與(n-1)的最小公倍數(shù)，即C=12，則A1對(duì)B1的偏好排序和B1對(duì)A1的偏好排序均可以轉(zhuǎn)化為等級(jí)數(shù)為H=｛H1,H2,???,H13｝下的偏好排序，具體如下：

經(jīng)過(guò)以上轉(zhuǎn)化，偏好序信息均轉(zhuǎn)化為H=｛H1,H2,???,HC+1｝下的等級(jí)置信度，可利用證據(jù)推理分別對(duì)員工Bj對(duì)項(xiàng)目Ai和項(xiàng)目Ai對(duì)員工Bj的等級(jí)置信形式的匹配信息進(jìn)行融合。

設(shè)mk,A表示員工Bj對(duì)項(xiàng)目Ai的偏好信息在評(píng)價(jià)等級(jí)Hk的基本概率設(shè)置，mH,A表示未設(shè)置給任意評(píng)價(jià)等級(jí)H的基本概率，，其中是由于權(quán)重而引起的信度；是由于偏好信息的不完整引起的信度，mk,B表示項(xiàng)目Ai對(duì)員工Bj的偏好信息在評(píng)價(jià)等級(jí)Hk的基本概率設(shè)置，mH,B表示未設(shè)置給任意評(píng)價(jià)等級(jí)H的基本概率，，其中是由于權(quán)重而引起的信度；是由于偏好信息的不完整引起的信度，則：

經(jīng)過(guò)證據(jù)融合后，可以得到員工Bj和項(xiàng)目Ai的融合總信度值：

（三）構(gòu)建項(xiàng)目-員工匹配決策模型

基于上節(jié)計(jì)算的融合總信度值，可根據(jù)匹配決策者對(duì)不確定信息的態(tài)度（如：樂(lè)觀、悲觀、折中）選擇不同的方法將融合總信度值轉(zhuǎn)化為滿(mǎn)意度[19]，并獲得項(xiàng)目Ai與員工Bj的融合滿(mǎn)意度、員工Bj和員工的融合滿(mǎn)意度，

式（15）、式（16）、式（17）分別為樂(lè)觀、悲觀、折中態(tài)度處理不確定信息的情況下融合總信度轉(zhuǎn)化為滿(mǎn)意度公式。

基于獲得的項(xiàng)目主體與員工的融合滿(mǎn)意度、員工與其他員工融合滿(mǎn)意度，引入0-1變量xij，xij=1表示員工Bj與項(xiàng)目Ai進(jìn)行了配對(duì)，xij=0表示員工Bj與項(xiàng)目Ai未配對(duì)，xijxij′的取值表示員工Bj和Bj′是否均與Ai配對(duì)，xij、xij′取值均為1時(shí)，Bj和Bj′均與Ai配對(duì)，Bj與Bj′成為同事，綜合考慮項(xiàng)目與員工之間的偏好關(guān)系以及同一項(xiàng)目組中員工間存在的偏好關(guān)系，建立如下多目標(biāo)非線性匹配決策模型。

模型中的式（18）表示項(xiàng)目主體與員工主體的融合滿(mǎn)意度最大化，式（19）表示員工主體B對(duì)成為其同事的其他員工的融合滿(mǎn)意度最大化，式（20）表示每一位員工至多只能進(jìn)入一個(gè)項(xiàng)目，每個(gè)項(xiàng)目可以選擇多名員工，其中Pi為項(xiàng)目Ai所需員工的人數(shù)。

為求解上述匹配模型，考慮到融合滿(mǎn)意度α、β量綱一致，可采用線性加權(quán)的方法將上述匹配模型轉(zhuǎn)化為單目標(biāo)匹配模型，優(yōu)化模型可采用蟻群算法等智能優(yōu)化算法進(jìn)一步求解。

綜上所述，不完全偏好序下考慮同事偏好的項(xiàng)目-員工的匹配決策方法步驟如下：

步驟1：獲取項(xiàng)目、員工給出的偏好序匹配信息；

步驟2：將項(xiàng)目、員工給出的相關(guān)偏好序匹配信息規(guī)范化處理，轉(zhuǎn)化為等級(jí)置信度形式，如式（1），針對(duì)員工和項(xiàng)目等級(jí)數(shù)目不同的情況，利用式（2）～式（5）將不同等級(jí)擴(kuò)展為相同等級(jí)；

步驟3：根據(jù)規(guī)范化的匹配信息，利用式（6）～式（14）對(duì)匹配信息證據(jù)融合，獲得員工和項(xiàng)目的融合信度值及員工與員工的融合信度值；

步驟4：根據(jù)獲得的融合信度值采用不同的決策態(tài)度如式（15）～（17）得出融合滿(mǎn)意度，根據(jù)融合滿(mǎn)意度設(shè)計(jì)和求解匹配模型，即式（18）～式（22），得到匹配結(jié)果。

三、算例分析

成都市某電力公司，由于公司業(yè)務(wù)的擴(kuò)展，現(xiàn)準(zhǔn)備向新疆、西藏、青海、寧夏、甘肅五個(gè)省份大力推廣產(chǎn)品，而目前該公司業(yè)務(wù)部有13名員工可接受外派，該公司根據(jù)各省份的整體市場(chǎng)規(guī)模裁定新疆（A1）需要業(yè)務(wù)員3名、青海（A2）需要業(yè)務(wù)員3名，西藏（A3）需要業(yè)務(wù)員2名，甘肅（A4）需要業(yè)務(wù)員3名，寧夏（A5）需要業(yè)務(wù)員2名，員工根據(jù)業(yè)務(wù)擴(kuò)展省份的業(yè)務(wù)規(guī)模、工作強(qiáng)度、工作環(huán)境等對(duì)省區(qū)進(jìn)行了排序，由于業(yè)務(wù)員需到陌生的環(huán)境進(jìn)行工作，他們希望與自己分配到同一省區(qū)的業(yè)務(wù)員是自己熟悉的或與自己關(guān)系好的業(yè)務(wù)員，并提供了與其他業(yè)務(wù)員優(yōu)先合作順序，另一方面市場(chǎng)總監(jiān)根據(jù)每個(gè)省區(qū)的情況對(duì)業(yè)務(wù)員進(jìn)行了排序具體如表1、表2、表3所示。

充分考慮業(yè)務(wù)員與省區(qū)的偏好排序，為了獲得令雙方都滿(mǎn)意的匹配結(jié)果，首先對(duì)業(yè)務(wù)員、省區(qū)給出的相關(guān)偏好序匹配信息規(guī)范化處理，針對(duì)業(yè)務(wù)員和省區(qū)分別為5個(gè)等級(jí)和13個(gè)等級(jí)，利用式（2）～式（5）將等級(jí)統(tǒng)一擴(kuò)展為13個(gè)等級(jí)；根據(jù)規(guī)范化的匹配信息，利用式（6）～式（14）對(duì)匹配信息證據(jù)融合，以項(xiàng)目主體A4和員工主體B6為例，融合過(guò)程簡(jiǎn)述如下：

表1 業(yè)務(wù)員對(duì)其他業(yè)務(wù)員的偏好序信息

表2 業(yè)務(wù)員對(duì)省區(qū)的偏好序信息

表3 省區(qū)對(duì)業(yè)務(wù)員的偏好序信息

A4對(duì)B6的偏好序?yàn)棣?，B6對(duì)A4偏好序?yàn)閇2, 4]，首先對(duì)不同等級(jí)的偏好信息進(jìn)行統(tǒng)一規(guī)范化處理，則A4對(duì)B6的偏好排序可以轉(zhuǎn)化為：

B6對(duì)A4偏好排序可以轉(zhuǎn)化為：

然后對(duì)規(guī)范后的信息進(jìn)行證據(jù)融合，取wA=0.5，wB=0.5，則：

經(jīng)過(guò)證據(jù)融合后，得到的項(xiàng)目A4和員工B6融合總信度值為：

最后，根據(jù)上節(jié)介紹的三種將融合信度值轉(zhuǎn)化為滿(mǎn)意度的方法，則A4對(duì)B6的滿(mǎn)意度分為以下三種情況：

本算例對(duì)待不確定信息采用折中的態(tài)度，獲得融合滿(mǎn)意度，如表4、表5所示。

根據(jù)業(yè)務(wù)員與省區(qū)的融合滿(mǎn)意度和業(yè)務(wù)員與其他業(yè)務(wù)員的融合滿(mǎn)意度，利用式（18）～式（22）構(gòu)建并求解業(yè)務(wù)員與省區(qū)的匹配決策模型，可獲得最終匹配結(jié)果：A1?B3、A1?B6、A1?B13、A2?B1、A2?B12、A2?B7、A3?B8、A3?B2、A4?B10、A4?B9、A4?B5A5?B4、A5?B11。即：業(yè)務(wù)員B3、B6、B13與新疆匹配；業(yè)務(wù)員B1、B12、B7與青海匹配；業(yè)務(wù)員B8、B2與西藏匹配；業(yè)務(wù)員B10、B9、B5與甘肅匹配；業(yè)務(wù)員B4、B11與寧夏匹配。

表4 業(yè)務(wù)員與省區(qū)的融合滿(mǎn)意度

表5 業(yè)務(wù)員與其他業(yè)務(wù)員的融合滿(mǎn)意度

為說(shuō)明本文所提方法的可行性和有效性，由于現(xiàn)有文獻(xiàn)中考慮主體偏好信息存在不完全或者不確定情形時(shí)，對(duì)存在缺失偏好的處理方式是對(duì)其不匹配，對(duì)不確定的偏好信息的處理方式是對(duì)其求期望，以期望進(jìn)一步轉(zhuǎn)化為滿(mǎn)意度，現(xiàn)有處理方法將造成信息的缺失。為說(shuō)明本文所提方法的可行性和有效性，針對(duì)上述案例，本文將綜合對(duì)比一篇同時(shí)考慮不完全和不確定偏好信息的文獻(xiàn)[17]。首先在文獻(xiàn)[17]中，若一方匹配主體給出的關(guān)于另一方匹配主體的偏好信息為空集，則判定為該主體與對(duì)方是不兼容的，即不能成為匹配對(duì)。比如本文算例中B3給出的關(guān)于B6的偏好信息為空集，若按照文獻(xiàn)[17]中的方法，B3和B6是沒(méi)有資格成為匹配對(duì)的，此方法剝奪了其與對(duì)方匹配的權(quán)力。而本文所提的方法正是為了彌補(bǔ)以上不足，即使由于個(gè)人判斷的模糊性或者問(wèn)題的復(fù)雜性，匹配主體有時(shí)給出的偏好信息存在缺失，也可以獲得與對(duì)方匹配的資格。通過(guò)本文方法獲得的匹配結(jié)果如表6所示，B3和B6是可以成為匹配對(duì)，可以成為項(xiàng)目組A1的同事的。

其次，利用文獻(xiàn)[17]中對(duì)不確定偏好信息的轉(zhuǎn)換方式（方法2）計(jì)算求解本章的算例，并給出了未考慮同事偏好下的省區(qū)-業(yè)務(wù)員匹配結(jié)果求解的匹配結(jié)果，與本文所提方法的匹配結(jié)果對(duì)比如表6所示：從匹配結(jié)果可知本文所提方法和未考慮同事偏好的匹配結(jié)果不盡相同，說(shuō)明了同事偏好對(duì)最終的匹配結(jié)果存在著直接的影響。方法2獲得的匹配結(jié)果與本文方法獲得的匹配結(jié)果不盡相同，主要因?yàn)樵诜椒?中，計(jì)算滿(mǎn)意度時(shí)，對(duì)不確定匹配信息求期望，進(jìn)一步以期望轉(zhuǎn)化為滿(mǎn)意度，這個(gè)轉(zhuǎn)化過(guò)程中造成部分匹配信息的丟失。如A1對(duì)B2給出的偏好排序?yàn)閇6, 8]，求其期望為7，進(jìn)一步轉(zhuǎn)化為滿(mǎn)意度為0.5，這樣等同于A1對(duì)B2給出的偏好排序?yàn)?，損失了排在第6位和第8位的可能性，因此有可能得不到真正令匹配雙方均滿(mǎn)意的匹配結(jié)果。

表6 兩種匹配決策方法的匹配結(jié)果

四、結(jié)語(yǔ)

本文針對(duì)不完全偏好序下考慮同事偏好的項(xiàng)目-員工匹配問(wèn)題，提出了一種匹配決策方法。首先本文所提方法不僅考慮了項(xiàng)目-員工匹配過(guò)程中同事偏好行為對(duì)匹配結(jié)果的影響，也考慮了偏好序值存在缺失不完全不確定的情況，相比以往匹配決策過(guò)程更加符合現(xiàn)實(shí)情況；其次本文所提方法在處理不確定信息時(shí)保留了不確定信息，減少了不確定信息的丟失；最后本文以證據(jù)推理為主要工具，結(jié)合決策理論、優(yōu)化理論等，對(duì)不完全偏好序下考慮同事偏好的項(xiàng)目-員工匹配問(wèn)題進(jìn)行建模和方法研究，并通過(guò)算例驗(yàn)證了方法的可行性和有效性，研究結(jié)果可為政府或企業(yè)針對(duì)現(xiàn)實(shí)中的匹配問(wèn)題提出決策參考。但由于現(xiàn)實(shí)環(huán)境的復(fù)雜性，在獲取項(xiàng)目-員工的匹配信息時(shí)可能不僅僅是偏好序的形式，也可能存在諸如語(yǔ)言評(píng)價(jià)值、精確值、直覺(jué)模糊數(shù)、三角模糊數(shù)等多種信息形式。那么能否將該文的研究推廣到具有多種信息類(lèi)型的匹配決策問(wèn)題中是筆者的一個(gè)后續(xù)研究方向。

[1] 陳圣群.基于分布式序關(guān)系的雙邊匹配決策方法[J].運(yùn)籌與管理, 2016, 25(3): 146-150.

[2] GALE D，SHAPLEY L.College admissions and the stability of marriage[J].American Mathematical Monthly, 1962,69(1): 9-15.

[3] HUANG D K, CHIU H N, YEH R H, et al.A fuzzy multi-criteria decision making approach for solving a biobjective personnel assignment problem[J].Computers and Industrial Engineering, 2009, 56(1): 1-10.

[4] 梁海明, 姜艷萍.二手房組合交易匹配決策方法[J].系統(tǒng)工程理論與實(shí)踐, 2015, 35(2): 358-367.

[5] MINDRUTA D, MOEEN M, AGARWAL R.A twosided matching approach for partner selection and assessing complement arities in partner’s attributes inter-firm alliances[J].Strategic Management Journal, 2016, 37(1): 206-231.

[6] HELLMANN T, PURI M.Venture capital and the professionalization of start-up firm: Empirical evidence[J].Journal of Finance, 2002, 57(1): 169-197.

[7] DUTTA B, MASSó J.Stability of Matchings when Individuals Have Preferences Over Colleagues[J].Journal of Economic Theory, 1997, 75(2): 464-475.

[8] ECHENIQUE F, YENMEZ M B.A Solution to Matching with Preferences over Colleagues[J].Games and Economic Behavior, 2007, 59(1): 46-71.

[9] KOMINERS S D.Matching with Preferences over Colleagues Solves Classical Matching[J].Games and Economic Behavior, 2010, 68(2): 773-780.

[10] PYCIA M.Stability and Preference Alignment in Matching and Coalition Formation[J].Econometrica, 2012,80(1): 323-362.

[11] FLANAGAN F.Contracts vs.Preferences over Colleagues in Matching[J].International Journal of Games Theory, 2015, 44(1): 209-223.

[12] IWAMA K, MIYAZAKI S, YAMAUCHI N.A-Approximation Algorithm for the Stable Marriage Problem[J].Algorithmica, 2005, 51(3): 342-356.

[13] LIU Q, MAILATH G J, POSTLEWAITE A, et al.Stable matching with incomplete information[J].Econometrica,2014, 82(2): 541-587.

[14] KNOBLAUCH V.Marriage matching and gender satisfaction[J].Social Choice and Welfare, 2009, 32(1): 15-27.

[15] 樂(lè)琦, 樊治平.具有不確定偏好序信息的雙邊匹配決策問(wèn)題研究[J].運(yùn)籌與管理, 2012, 21(1): 57-63.

[16] 樂(lè)琦, 樊治平.基于不完全序值信息的雙邊匹配決策方法[J].管理科學(xué)學(xué)報(bào), 2015, 18(2): 23-35.

[17] 樂(lè)琦, 王中興, 李健.不完全不確定序數(shù)信息下的雙邊匹配決策[J].模糊系統(tǒng)與數(shù)學(xué), 2015, 29(2): 118-124.

[18] 樂(lè)琦, 張磊, 張莉莉.不確定偏好序信息下考慮主體心理行為的雙邊匹配決策方法[J].運(yùn)籌與管理, 2015, 24(4):113-120.

[19] WANG Y M, YANG J B, XU D L.Environmental impact assessment using the evidential reasoning approach[J].European Journal of Operational Research, 2006, 174(3): 1885-1913.

[20] YANG J B, WANG Y M, XU D L, et al.The evidential reasoning approach for MADA under both probabilistic and fuzzy uncertainties[J].European Journal of Operational Research, 2006, 171(1): 309-343.

編 輯 何婧

A Study on Project-Employee Matching Decision Considering Colleagues Preferences Under Incomplete Preference Ordering Information

SUN Chao-yuan DONG Zhan-ying
(University of Electronic Science and Technology of China Chengdu 611731 China)

A matching decision method considering colleagues preferences relation is proposed to solve the project-employee matching decision problems with incomplete ordering information.Firstly, the incomplete ordering information given by matching agents is transformed into rank belief degrees.Secondly, two-sided rank belief degrees are taken as pieces of evidence and the fusion degrees of projects-employees and employee-other employees are got by evidence fusion.Furthermore, fusion degrees are transformed into the satisfaction degrees,then an optimization model is constructed and solved considering colleagues preferences relation, where the two objectives are to maximize projects-employees’ satisfaction degrees and maximize the employee-other employees’satisfaction degrees.Finally, a numerical example illustrates the feasibility and effectiveness of the proposed method.

Colleagues preferences; matching decision; incomplete preference ordering; evidential reasoning

C934

A

10.14071/j.1008-8105(2017)06-0093-08

2017-03-08

國(guó)家自然科學(xué)基金項(xiàng)目（71571032）.

孫朝苑（1976-）女，博士，電子科技大學(xué)經(jīng)濟(jì)與管理學(xué)院副教授、碩士生導(dǎo)師；董戰(zhàn)英（1991-）女，電子科技大學(xué)經(jīng)濟(jì)與管理學(xué)院碩士研究生.