知識型員工-任務(wù)匹配程度計算系統(tǒng)設(shè)計與實現(xiàn)

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）

知識型員工是知識密集型企業(yè)的核心資源.知識型項目完成的質(zhì)量和效率主要是由員工擁有的知識及對知識應(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，項目成員的選擇主要依靠管理者的經(jīng)驗.如何充分利用已有的信息，實現(xiàn)員工與項目的合理匹配，已成為知識密集型企業(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)度問題視為一個帶約束條件的優(yōu)化目標(biāo)函數(shù)求解問題，一般考慮時間等影響因素［4-5］.該類方法主要針對勞動密集型企業(yè)，當(dāng)員工的知識水平和能力也逐漸成為主要約束條件時，現(xiàn)有的模型和系統(tǒng)難以直接應(yīng)用于知識密集型企業(yè).為此，一些學(xué)者對知識型項目的調(diào)度問題進(jìn)行了研究.例如王慶［1］將知識型項目員工調(diào)度過程分為項目需求分析與分解、員工能力分析與建模、員工與任務(wù)匹配程度分析與計算、調(diào)度決策優(yōu)化幾個階段.

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

項目可分解為若干任務(wù)，知識型員工-任務(wù)匹配程度計算是實現(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，針對知識型員工調(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)度實驗平臺.Otero等［11］提出一個模糊專家系統(tǒng)架構(gòu)，實現(xiàn)了對員工能力的自動評分，但是對員工專業(yè)知識的描述還比較粗略.

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、抽象空間和實體空間的統(tǒng)一描述語言［12-13］.本文針對知識型員工和項目的特點(diǎn)，提出了一個知識型員工-任務(wù)匹配程度計算系統(tǒng)總體框架，分析了概念知識地圖的協(xié)同創(chuàng)作過程和基于幾何代數(shù)的員工-任務(wù)匹配程度計算過程，最后給出了該系統(tǒng)的實際應(yīng)用.

1 系統(tǒng)總體框架及工作流程

知識型員工-任務(wù)匹配程度計算系統(tǒng)通過對員工和項目信息的綜合利用，可以計算員工-任務(wù)的匹配程度，并將計算結(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)計方法和JAVA 語言，進(jìn)行匹配程度計算系統(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.界面層是對系統(tǒng)的整體界面布局進(jìn)行控制，包括概念知識地圖創(chuàng)建、員工和項目信息采集、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)層是對員工-任務(wù)匹配程度計算流程的實現(xiàn)，包括根據(jù)概念知識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)對象基類和核心計算引擎，用以支撐幾何代數(shù)運(yùn)算.

匹配程度計算系統(tǒng)工作流程如下：

1）構(gòu)建概念知識地圖.概念知識地圖由相關(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.概念知識地圖可用于對員工專業(yè)知識和項目任務(wù)需求進(jìn)行規(guī)范化描述.同時可以利用概念知識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)員工知識和任務(wù)所需知識之間的差異.因此快速準(zhǔn)確的構(gòu)建概念知識地圖是實現(xiàn)員工-任務(wù)匹配程度計算的前提和基礎(chǔ).目前知識密集型企業(yè)涉及的知識不斷增多，概念知識地圖需要不斷更新，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)部的知識型員工快速建立和維護(hù)概念知識地圖，員工有權(quán)對概念及其關(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)作和知識交流，并且可以存儲和記錄在交流中產(chǎn)生的各種信息.每位員工都會對協(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)通過分析概念知識地圖構(gòu)建時的日志文件，獲得員工交流時形成的網(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，提示管理員鎖定頁面，系統(tǒng)根據(jù)概念知識地圖生成語義距離矩陣［14］.

圖1 知識型員工-任務(wù)匹配程度計算系統(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，包括項目報告、程序文檔、科研論文、專利等，統(tǒng)計和分析智力成果的關(guān)鍵詞、合作者等信息.用關(guān)鍵詞（知識點(diǎn)）及其權(quán)重表示員工的知識領(lǐng)域及掌握程度.根據(jù)項目需求將項目分解為任務(wù).利用專家知識，將每一項任務(wù)的功能需求分解為一系列不同權(quán)重的知識點(diǎn).根據(jù)員工具備的知識、任務(wù)所需員工應(yīng)具備的知識和語義距離矩陣，計算所涉及的知識點(diǎn)的語義參數(shù).并結(jié)合員工對知識的掌握程度和知識對任務(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象和任務(wù)所需員工工作能力對象，完成對工作能力的量化.

3）計算員工-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）計算結(jié)果可視化.針對每項任務(wù)，按照點(diǎn)集距離指標(biāo)從小到大對員工工作能力進(jìn)行排序，同時進(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

基于幾何代數(shù)的員工-任務(wù)匹配程度計算功能框圖如圖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)行計算；之后通過可視化類對計算結(jié)果進(jìn)行可視化.在數(shù)據(jù)層，構(gòu)建幾何代數(shù)計算引擎，即幾何代數(shù)數(shù)據(jù)對象基類（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)合實際任務(wù)需求，并根據(jù)幾何代數(shù)運(yùn)算特點(diǎn)對員工的工作能力進(jìn)行抽象和表達(dá)，在系統(tǒng)API層上設(shè)計數(shù)據(jù)存儲結(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，計算知識點(diǎn)的坐標(biāo).根據(jù)概念知識地圖（ConKowMap），分別計算兩兩概念（知識點(diǎn)）之間的距離（DisBetCon）；獲取所有知識點(diǎn)之間的語義距離矩陣（DisSemMat）；使用隨機(jī)法計算多次，獲得知識點(diǎn)的坐標(biāo)初值（IniValCoo），保證這個初值與語義距離矩陣的誤差最??；對初值進(jìn)行優(yōu)化，將其作為知識點(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)對象，派生出相應(yīng)數(shù)據(jù)對象類包括員工類（Worker）和任務(wù)類（Task），另外，需要構(gòu)建存儲返回結(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)作概念知識地圖

圖3 概念知識地圖的協(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)成一個有向網(wǎng)絡(luò).當(dāng)討論了一段時間后，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，采用一個概率函數(shù)表示員工的決策能力，根據(jù)員工的個人信息（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：一對一方式和多對多方式.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)建模方法對員工間的交流互動進(jìn)行分析.通過對協(xié)作過程進(jìn)行研究，觀察并預(yù)測不同觀點(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)超過閾值時鎖定概念知識地圖的編輯頁面.

1）蒙特卡洛方法

蒙特卡洛方法是一種隨機(jī)性算法，是通過多次仿真實驗，模擬員工討論過程中的行為和互動，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，統(tǒng)計各個員工的觀點(diǎn).一對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，便于實現(xiàn)，計算效率高，可以滿足系統(tǒng)實時仿真的要求.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 知識型員工-任務(wù)匹配程度計算

工作能力對象為員工關(guān)于某一個知識點(diǎn)的工作能力或技能.包含n 種屬性的一個工作能力對象可映射為n 維空間中的一個點(diǎn)c.知識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)說明外積的計算過程.

設(shè)基向量的集合為｛ei｝，任意一個多維向量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 知識型員工-任務(wù)匹配程度計算過程Fig.5 Calculation process of matching degree between knowledge worker and project

運(yùn)算符號“?”代表內(nèi)積、外積和幾何積中任意一種運(yùn)算.Γkij為張量，對于不同運(yùn)算，這個張量是不同的.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)用實例

某知識密集型企業(yè)需要開發(fā)一個知識管理系統(tǒng).該企業(yè)共有41名知識型員工，需指派5名員工完成此項目.基于上述匹配程度計算系統(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.例如針對一個概念的某一個問題，如果有3名員工參與討論，預(yù)測大約需要經(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地圖.由于員工采用協(xié)同創(chuàng)作的方式構(gòu)建概念知識地圖需要一定的時間，為了對系統(tǒng)的匹配效果進(jìn)行驗證，在此借鑒知網(wǎng)相似度計算軟件WordSimilarity，計算所有單個詞語之間的相似度，獲得對應(yīng)的語義距離矩陣，如圖6 左上方所示.

其次，將該知識管理系統(tǒng)項目劃分為“知識采集功能模塊”、“知識推薦功能模塊”、“知識借閱與審批功能模塊”、“知識地圖功能模塊”、“系統(tǒng)管理功能模塊”5個開發(fā)任務(wù)，如圖6右上方所示.例如，可將任務(wù)四“知識地圖功能模塊”分解為“知識地圖”、“關(guān)聯(lián)知識檢索”、“本體”和“領(lǐng)域本體”等14個知識點(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)于知識點(diǎn)“知識地圖”的工作能力對象可表示為cTASK4＿1＝0.036e1-0.225e2＋0.832e3＋0.3e4，其中，（0.036，-0.225，0.832）為“知識地圖”的語義參數(shù)；0.3表示該知識點(diǎn)對任務(wù)四的重要程度.

統(tǒng)計員工所有成果，用知識點(diǎn)及其權(quán)重表示員工的專業(yè)知識.例如，員工陳某某（CWD）的專業(yè)知識可用“知識推薦”、“知識推薦算法”和“用戶模型”等10個知識點(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)于知識點(diǎn)“知識推薦”的工作能力對象可表示為

最后，計算員工-任務(wù)的匹配程度.設(shè)w1＝w2＝0.5.根據(jù)圖5所示的匹配程度計算流程，依次計算員工CWD 關(guān)于“知識推薦”的工作能力對象與任務(wù)四“知識地圖功能模塊”關(guān)于“知識地圖”的工作能力對象的內(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“知識推薦”的工作能力對象到任務(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

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

該系統(tǒng)可作為知識管理系統(tǒng)的功能擴(kuò)展，有助于更好地利用系統(tǒng)中的員工知識等信息，實現(xiàn)對員工工作能力（尤其是專業(yè)知識）的自動評價.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)度問題中的一個環(huán)節(jié).未來需要對有時間、費(fèi)用等其他約束條件的知識型員工的調(diào)度問題做進(jìn)一步研究.

（

）：

［1］王慶.知識型企業(yè)知識員工任務(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.資源受限多項目調(diào)度的混合遺傳算法［J］.浙江大學(xué)學(xué)報：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)資源受限項目調(diào)度的多種群蟻群算法［J］.浙江大學(xué)學(xué)報：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)度實驗設(shè)計及其軟件開發(fā)［J］.實驗室研究與探索，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算［J］.中文計算語言學(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)的知識型員工-項目匹配程度計算方法［J］.計算機(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.