基于層次遺傳算法的人力資源供應鏈平臺研究

鐘凡

（河海大學 商學院，江蘇 南京 211100）

基于層次遺傳算法的人力資源供應鏈平臺研究

鐘凡

（河海大學 商學院，江蘇 南京 211100）

針對人力資源供應鏈中生產商能夠獲得充足的人力供給優化問題，本研究以供應商、用人單位和生產商構建人力資源供應鏈系統平臺，采用雙層規劃模型描述人力資源供應鏈問題，以人力資源成本和生產商用人的總費用最低為目標，分別建立上、下層規劃優化模型，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：決策者和生產商目標的Pareto Optimality最優解分別集中在的[-3，-2]和[6，8]之間，優化解選取（-2.75，7.0）和（-2.25，8.0）。該算法實現了人力資源供應利益的最大化，且為人力資源的高效供給提供決策依據。

遺傳算法；雙層規劃；供應鏈；人力資源

在人力資源供應鏈系統中，供應商是將用人單位和生產商聯系起來的紐帶[1]，對于供應鏈的優化問題則是提高整個人力資源網絡配置效率的核心問題。目前對人力資源供應鏈的研究模型可分為離散性和連續性[2]。連續性的研究模型對廠商的選取沒有特定的要求與規定，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方案中選取最佳方案[4]，其中最突出的是混合整數規劃法[5]。為了使生產商、供應商以及用人公司3個利益共同體的決策和利益真實的反映出來，以便量化其對管理層人力資源最終規劃方案選擇方面的影響，本文利用規劃模型來解決人力資源供應鏈平臺優化選取的問題，提出和設計了層次遺傳算法（HGA）來求解該模型，該算法較好地協調了人力資源供應鏈選取過程中利益相關方的目標，使其更加符合人力資源作業過程中的真實情況，從而具有傳統的算法不具備的優勢。

1 供應鏈平臺與規劃建模

1.1 人力資源供應鏈平臺

人力資源供應鏈協同平臺主要分供應鏈中的用人公司，生產商以及人力資源供應商3個部分，這3個部門分別處于供應鏈中的不同環節，分工各有不同，因此對信息的需求及敏銳程度也有所偏重，人力資源供應鏈協同平臺的具體分工如圖1所示。

圖1 人力資源供應鏈協管理同平臺

1.2 人力資源供應鏈平臺問題描述

Leader（上層規劃模型）用于描述管理層對各種方案的規劃與選取[6]。文中將其運用于人力資源供應鏈平臺決策的優化問題，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質的人力資源的方案；Follower（下層規劃模型）用于描述人力資源供應商在其所處的多個人力資源供應鏈之間決定其供應人力資源分配量的方案，從而使人力資源供應鏈的上游獲利更多。本文在參考規劃模型的基礎上，供應商、用人公司及生產商之間的跨度以數量的形式表現在方案選取的目標函數中，以便方案選取研究。具體的人力資源供應鏈優化選取模型如下所示。

1）Leader模型

其中，Cij、dij和xij分別表示生產商在人力資源供應鏈中由i環節到j環節對人力資源培訓的單位成本、流程跨度和人力資源需求量（i=1，…，m；j=1，…n）；fj表示在供應鏈環節中j由環節至供應鏈終端的固定成本；zj為0-1變量，如j環節為供應商環節則zj為1，其他情況下均zj為0；pjk為從用人單位k到供應商j環節的中間耗費成本；wkj為用人單位k到供應商的人力資源供應量；djk為用人單位k到供應商環節j的流程跨度。若B為總投資額度，Mk為用人單位k的供應能力，Vj為生產商的人力資源需求量，則上層規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，為了保證生產商的人力資源需求量在供應商之間進行配置與劃分，利用Ui表示生產商i的需求量，同時，為了保證對供應商的供應能力和生產商的人力資源需求量非負的約束，因此，還需要滿足以下條件：

2 求解人力資源供應的層次遺傳算法

2.1 基本原理

進化算法中的遺傳算法（genetic algorithm，GA）應用最為廣泛[7-8]，文中在前人研究基礎上，基于管理決策者之間的博弈對遺傳算法進行優化，從而進一步解決一些非凸目標函數的雙層規劃問題[9]。該算法可以迭代求解Pareto Optimality狀態下雙層規劃模型所獲得的Follower模型最優解和Leader模型最優解[10]，進而解決供應鏈上下游環節中人力資源配置的優化問題。層次遺傳算法的具體步驟如圖2所示。在對雙層規劃模型進行最優解計算時可限制其遺傳進化代數為外層循環當前的迭代次數從而提高最優解的精度，最終整個系統趨于Pareto Optimality狀態。

圖2 層次遺傳算法

2.2 種群個體編碼設計

管理層決策變量編碼方式分別為：Zj利用二進制進行編碼[11]，每個人力資源供應鏈中的供應商都對應一個特定的編碼，其位串的長度為參與的供應商的數量和用人單位數量的總和，當選取到某個供應商則設定其位置1，其他情況下全部為0；wjk和供應鏈下游決策變量xij利用實數進行編碼。為了使算法的運算更為簡便，還需要對管理決策者對于人力資源供應商選擇的方案進行一定的預先處理[12]，對于未入選的供應商其需求量默認為0；再者對供應鏈中生產商在與各個供應商之間的需求人數進行歸一處理[13]。在進行Follower遺傳算法演繹時要注意各個編碼方案之間的原則一致性[14]。

2.3 實現步驟

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

步驟 1：以管理層的規劃變量為依據并與Leader的規劃變量相對應對種群X（zj，wjk）進行重新的設定，并設定外層循環次數；

步驟2：將Leader種群的每個元素考慮在內求解Follower規劃問題：1）默認Follower遺傳算法的個體數量并且設定其遺傳代數為當前的外層循環次數；2）對Follower的遺傳算法群落進行編碼、評價以及變異等操作[15]；3）求得在Pareto Optimality狀態下Leader種群最優解個體所對應下的Follower最優解，并將其構成一個群體Y傳遞到上游進行進一步的算法演繹；

步驟3：將Follower種群的每個元素考慮在內求解Leader規劃問題：1）默認Leader遺傳算法的個體數量并且設定其遺傳代數為當前的外層循環次數；2）對Leader的遺傳算法群落進行編碼、評價以及變異等操作[16]；3）求得在Pareto Optimality狀態下Follower種群最優解個體所對應下的Leader最優解群體X；

步驟4：以供應鏈中上下游之間的利益關系為依據對各個群體中的個體進行適應度分析，選擇供應鏈上游等級較低或者環節跨度大的父代個體；再將供應鏈上游群體中的個體與當前的子代個體按照非支配的原則進行排序，再根據供應鏈上游等級以及環節跨度選擇N個個體進行下一步進化；

步驟5：終止算法檢驗。當外層循環的數量達到了最大迭代次數，或者人力資源供應鏈平臺中群體的適應度平均變化幅度達到既定范圍則算法終止。二者取其一或者都滿足，則供應鏈上游集群為最優解的集合，決策者能夠獲得最終的最優方案。若二者都不滿足，則回到步驟2繼續執行算法。

3 供應鏈平臺優化及模擬仿真

3.1 人力資源供應鏈平臺設計

利用供應鏈調控的原理，并與人力資源流程優化的特點，主要以計算機軟件開發平臺的需求為任務目標，為了同時使得供應商，生產商以及用人公司對人力資源配置的需求，故將人力資源供應鏈平臺的設計分為八大模塊來高效運行:能力素質模型管理，人力資源測評中心，人力資源培訓管理，人力資源績效管理，人才職業生涯管理，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 人力資源供應鏈平臺

3.2 層次遺傳算法模擬仿真

本實驗選取Intel Pentium Dual T2330筆記本進行算法的執行與最后的操作設計，并利用MATLAB R2007A進行軟件操作。

在層次遺傳算法模擬仿真部分主要增加了部分生產商渠道的數以及用人單位的數量，各生產商的人才資源需求量一般按照隨機抽樣的方式選取。假定用人單位在A、B、C 3個地點都設有分公司，并且其運作流程相互獨立各自盈虧自負，其對于人才資源的需求先由用人單位進行培訓，再供應至供應商環節進行在崗訓練，最終推薦給生產商完成對人力資源的最終培訓。根據用人單位，供應商以及生產商在供應鏈平臺協同利益最大化的利益需求，人力資源外包機構的需求量充足的情況下，在供應鏈平臺中選取優秀信質的100家企業，從中至少選取10家企業作為人力資源供應鏈核心環節，假定100家用用人單位企業對人力資源的需求量在樣本合理范圍之內，其人力資源供應鏈系統如圖4所示。

圖4 人力資源供應鏈系統

假定供應商到生產商、用人單位到供應商對于人才的輸送中間耗費成本為單位成本，再假定單個供應商對于人力資源信息處理量的限度為30 000 000條，生產商對于 HR部門的年度預算限度約為30 000 000元，選取人力資源供應商即人力資源外包機構的中間環節成本耗費為500 000元，供應商、用人單位以及生產商的環節選取一般由系統隨機抽選。利用層次遺傳算法對人力資源供應鏈管理平臺的優化所獲得的Pareto Optimality狀態下最優解群體，如圖5所示。

圖5 Pareto Optimality狀態下最優解

由圖5可得，Pareto Optimality最優解主要集中在：決策者目標的[-3，-2]之間，生產商目標的[6，8]之間。因此，對于層次遺傳算法對該人力資源供應鏈管理模擬平臺的優化解選取（-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解，因此人力資源管理層在選取供應鏈環節最優質的人力資源外包機構進行人力資源供給時，可根據需求從帕累托群體中選取最符合公司狀況的最優解作為解決供應鏈上下游環節中人力資源配置的優化問題的決策方案。

4 結束語

通過對層次遺傳算法進行細致的演繹來解決人力資源供應鏈中人力資源配置優化的問題。為了使生產商，供應商以用人公司3個利益共同體的決策和利益真實的反映出來，以便量化其對管理層人力資源最終規劃方案選擇方面的影響，在進行層次遺傳算法演繹的過程中，人力資源供應鏈下游與上游參與者之間進行博弈，通過避免惡性競爭的方式，以非合作作為最終的策略實現管理層對HR資源的決策以及人力資源供應方之間的利益最大化。層次遺傳算法在人力資源方面的應用對于解決供應鏈中人力資源最優化配置具有很強的實際意義，對不同的公司情況及公司的財務狀況，只需對供應鏈中的生產商和用人單位的最終目標函數進行修改就能切實解決針對每個公司而不同的決策方案。總之，利用層次遺傳算法優化供應鏈平臺，從內部來說能夠有效的協調人力資源部門與其他部門之間的協作，從外部來說也能夠幫助企業與利益相關方共同實現利益的最大化，這對優化人力資源供應鏈系統的框架、提高公司和用人單位人力資源部門運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，汪明.不確定條件下應急管理人力供應鏈多功能資源配置魯棒優化問題[J].系統工程理論與實踐，2015（3）:736-742.

[2]單汨源，吳宇婷，任斌.一種服務供應鏈拓展模型構建研究[J].科技進步與對策，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化研究[J].物流技術，2013，32（13）:287-290.

[4]武玉英，饒毓書，蔣國瑞.供應鏈并發協商粒子群優化模型研究 [J].計算機工程與應用，2016，52（4）:229-233.

[5]劉俊梅，高岳林.非線性混合整數規劃問題的改進差分進化算法[J].工程數學學報，2010，27（6）:967-974.

[6]王旭，石琳，葛顯龍.物流服務供應商選擇的雙層規劃模型及云遺傳算法 [J].計算機應用研究，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人工作列表資源調度[J].軟件學報，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優化[J].計算機學報，2012，35（7）:1522-1538.

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

[10]劉楠楠，石玉，范勝輝.基于Pareto最優的PID多目標優化設計[J].信息與控制，2010，39（4）:385-390.

[11]馮登科，阮奇，杜利敏.二進制布谷鳥搜索算法[J].計算機應用，2013，33（6）:1566-1570.

[12]武星，樓佩煌，唐敦兵.基于精英進化導向的多目標PID參數優化 [J].控制理論與應用，2010，27（9）:1235-1239.

[13]曹道友，程家興.基于改進的選擇算子和交叉算子的遺傳算法[J].計算機技術與發展，2010，20（2）:44-47.

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

[15]李鑫.改進變異操作的多種群遺傳算法[J].信息系統工程，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].計算機工程，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

國家自然科學基金資助項目（61303005）；國家社科基金項目（10bzx73）

鐘 凡（1990—），男，河南鄭州人，碩士研究生。研究方向：戰略管理。