語言偏好信息下產(chǎn)品研發(fā)任務(wù)與人員一對(duì)多雙邊匹配模型研究

為了解決產(chǎn)品研發(fā)任務(wù)與人員一對(duì)多雙邊匹配問題，本文基于多粒度語言偏好信息構(gòu)建了研發(fā)任務(wù)與人員一對(duì)多雙邊匹配模型。首先，采用多粒度語言評(píng)價(jià)集，給出在評(píng)價(jià)屬性下研發(fā)任務(wù)與人員雙邊主體的多粒度語言偏好信息。然后將多粒度語言偏好信息轉(zhuǎn)化為在評(píng)價(jià)屬性下研發(fā)任務(wù)與人員雙邊主體的三角模糊數(shù)，并計(jì)算研發(fā)任務(wù)與人員雙邊主體的貼近度矩陣。同時(shí)，提出一種求解屬性權(quán)重方法，并進(jìn)一步給出研發(fā)任務(wù)與人員的一對(duì)多雙邊匹配問題轉(zhuǎn)化方式，并建立雙邊匹配模型。通過求解該模型，得到研發(fā)任務(wù)與人員的一對(duì)多雙邊匹配結(jié)果。

一、引言

隨著全球經(jīng)濟(jì)快速發(fā)展，市場(chǎng)需求越來越多樣化和個(gè)性化。企業(yè)為滿足這些需求，需不斷提升產(chǎn)品創(chuàng)新設(shè)計(jì)能力。產(chǎn)品創(chuàng)新設(shè)計(jì)任務(wù)的復(fù)雜性和動(dòng)態(tài)性增加。在產(chǎn)品研發(fā)中，如何合理配置人力資源以提高研發(fā)效率和創(chuàng)新能力是企業(yè)面臨的重要問題。雙邊匹配理論在人力資源管理、經(jīng)濟(jì)活動(dòng)等領(lǐng)域已有廣泛應(yīng)用，為解決產(chǎn)品研發(fā)任務(wù)與人員匹配問題提供理論基礎(chǔ)。

關(guān)于雙邊匹配研究可追溯到Gale提出的婚姻匹配，之后雙邊匹配在各領(lǐng)域取得豐碩成果，如醫(yī)療匹配、貿(mào)易匹配、服務(wù)匹配等。由于文化背景差異，匹配主體往往利用多粒度模糊語言刻畫屬性偏好信息。由研究可知，猶豫模糊偏好信息和對(duì)偶猶豫模糊偏好信息都是一種數(shù)值型匹配偏好信息的表達(dá)形式，但在某些環(huán)境下有時(shí)會(huì)出現(xiàn)難以量化表達(dá)的情況，此時(shí)，偏好信息需要用語言評(píng)價(jià)信息表達(dá)。針對(duì)多粒度語言集的粒度統(tǒng)一問題，Chen等提出了將多粒度語言集映射到由粒度的最小公倍數(shù)直接創(chuàng)建的基本語言集；Jiang等提出了利用模糊隸屬函數(shù)將多粒度語言信息轉(zhuǎn)換成模糊數(shù)；Zhang等使用二進(jìn)制表示模型來處理多粒度語言信息。綜上，這些研究為解決多粒度雙邊匹配提供了較好的方法。但大多粒度語言信息下雙邊匹配研究還需進(jìn)一步深入，且在實(shí)際任務(wù)與人員匹配中，可能存在一對(duì)多情況，故要考慮一對(duì)多雙邊匹配問題。

二、匹配問題描述

在匹配問題中，令研發(fā)任務(wù)集合為T={T1，T2，…，Tm}，研發(fā)人員集合為S={S1，S2，…，Sn}，其中i=1，2，…，m，j=1，2，…，n。令Ti對(duì)Sj評(píng)價(jià)屬性集合為P={P1，P2，…，P?}，屬性權(quán)重為W={W1，W2，…，W?}；并令表示Ti給的Sj在屬性P?下語言偏好信息，之后轉(zhuǎn)為三角模糊數(shù)。Sj對(duì)Ti的評(píng)價(jià)屬性集合為Q={Q1，Q2，…，Qh}，屬性權(quán)重為ω={ω1，ω2，…，ωh}；令表示Sj給Ti在屬性Qh下語言偏好信息，之后轉(zhuǎn)為三角模糊數(shù)。

三、匹配模型構(gòu)建

定義1設(shè)存在某一個(gè)，其隸屬函數(shù)為：

設(shè)和是兩個(gè)三角模糊數(shù)，則距離公式為：

進(jìn)一步地，Ti對(duì)Sj和Sj對(duì)Ti的綜合三角模糊數(shù)計(jì)算公式為：

其中，正、負(fù)理想三角模糊數(shù)為：

于是，Ti對(duì)Sj和Sj對(duì)Ti的距離公式為：

根據(jù)逼近理想解法，Ti對(duì)Sj和Sj對(duì)Ti的相對(duì)貼近度公式為：

依據(jù)貼近度最大化模型和最大熵理論，評(píng)價(jià)屬性權(quán)重確定模型：

對(duì)于Ti來說，若期望匹配的研發(fā)人員數(shù)量為λi，可分解為具有同樣語言偏好的λi個(gè)虛擬研發(fā)任務(wù)，虛擬研發(fā)任務(wù)集合表示為。因此，可將一對(duì)多匹配轉(zhuǎn)為一對(duì)一匹配。

綜上，以貼近度最大化為目標(biāo)，建立匹配模型：

四、案例分析

某智能手機(jī)系統(tǒng)有研發(fā)任務(wù){(diào)T1，T2，T3，T4}及研發(fā)人員{S1，S2，S3，S4，S5，S6，S7，S8}；T1和T3各要2位人員；T2和T4各要1位人員。此時(shí)虛擬任務(wù)集合為。任務(wù)對(duì)人員評(píng)價(jià)屬性為：專業(yè)技能P1、工作態(tài)度P2、學(xué)習(xí)能力P3；采用對(duì)Si評(píng)價(jià)，給出表1。人員對(duì)任務(wù)評(píng)價(jià)屬性為：技能要求Q1、功能需求Q2、質(zhì)量價(jià)格Q3、時(shí)間成本Q4；Si采用、對(duì)評(píng)價(jià)，給出表2。

依據(jù)前文公式，計(jì)算得到貼近度矩陣TS=[]6×8、ST=[]6×8。

令ζ= 0，構(gòu)建匹配度矩陣π=[πγj]6×8：

建立匹配模型，利用軟件LINGO求解得：Z=4.08，x15= x21= x37= x46= x58= x63。

綜上，匹 配結(jié)果：

結(jié)語：

論文基于多粒度語言偏好信息構(gòu)建了研發(fā)任務(wù)與人員一對(duì)多雙邊匹配模型，解決了一對(duì)多雙邊匹配問題。首先，采用語言評(píng)價(jià)集提取了在匹配評(píng)價(jià)屬性下雙邊主體多粒度語言偏好信息；其次，將多粒度語言偏好信息轉(zhuǎn)為三角模糊數(shù)，并計(jì)算貼近度矩陣；其中，提出匹配評(píng)價(jià)屬性權(quán)重確定方法，給出一對(duì)多雙邊匹配問題轉(zhuǎn)化方式；基于此，建立貼近度最大化的多目標(biāo)匹配模型。最后，通過案例，驗(yàn)證論文所提出模型的合理性和有效性。