基于改進粒子群算法的建筑施工人力資源優化配置

楊芳芳

摘要：隨著我國城市化進程的加快，建筑工業逐步發展壯大，在經濟增長中占領主導地位。在項目建設實施的過程中難免出現資源的競爭以及分配不合理的情況，而人力資源作為關鍵性的資源，其合理配置起著舉足輕重的作用，同時也是施工企業人才管理的重要部分，直接影響著建筑施工的效益和發展。

本文首先對國內建筑施工人力資源配置的現狀進行研究，并對其存在的問題進行分析，其次對建筑施工人力資源采用層次分析法確定人力資源供需量、評判標準及其權重等，并信息素更新、可變因素轉換及遺傳算法的融合等方面的因素進行加總對粒子群算法進行改進，在改進的基礎上提出合理的解決人力資源優化分配問題的方案。

關鍵詞：人力資源優化配置；粒子群算法；層次分析法；數學模型。

一、背景概述

（一）問題描述

人力資源是施工企業生存和發展的基礎，其配置、質量、結構等直接關系到企業的可持續發展。雖然我國科學家對企業的人力資源優化管理進行了長期的探討與研究，但他們更多的是在人力資源制度、激勵制度等方面進行改進，并未改變建筑企業施工隊伍龐大以及施工隊伍分配不平衡等問題。尤其是由于建筑行業自身的特點，短期內并不能培養出一批高素質的人才進入行業內部。因此，合理配置人力資源顯得尤為重要。

（二）研究意義

1、本算法能夠對有限的人力資源進行配置，改善行業內部人力資源配置現存的各類問題。

2、縮短我國建筑企業與國際先進企業的差距，使我國建筑企業逐步國際化。

3、最大程度的滿足行業內建筑施工群體的個人期望，讓他們在項目建設過程中找到最適合自己的位置，并能在其位置發揮最大的作用。

二、相關算法簡介

（一）層次分析法

層次分析法（The analytic hierarchy process）最早由美國運籌學家Thomas L.Staaty提出的一種層次權重決策分析法，并應用于解決包含多項標準的復雜問題。

現實生活中，在作決策之前往往需要考慮很多因素，而這些因素大都是相互制約，相互影響的，無法進行定量分析。層次分析法可以將決策系統層次化，通過逐層比較來確定為最終決策提供的依據。

（二）粒子群算法

粒子群算法最早由美國社會心理學家James Kennedy和電氣工程師Russell Eberhart提出，是通過模擬鳥群覓食行為而發展起來的一種基于群體協作的隨機搜索算法，可被納入多主體優化系統。在PSO中，每個優化問題的解都是搜索空間中的一個粒子，所有粒子都有一個由被優化的函數決定的適應值，每個粒子還有一個速度決定他們飛翔的方向和距離。然后，粒子們就追尋當前的最優粒子在解空間內搜索。他們通過群間協作達到最優目的。

PSO初始化為一群隨機粒子（隨機解），然后在其約束范圍內，根據一定的條件，通過迭代找到最優解，在每一次迭代中，粒子通過跟蹤兩個“極值”來更新自己。個體極值pBest是粒子本身所找到的最優解，另一個極值是整個種群目前找到的最優解，即全局極值gBest。

三、相關參數分析

（一）層次分析

一個工程項目的進行，需要多個不同崗位的成員相互配合，不同崗位的復雜程度，所處環境，所需人數也各不相同。可采用層次分析法對主要崗位（機械保障部、質檢部、工程技術部、材料部、安全部）的人員分配進行分析，并將工作難度，工作量大小，技術含量作為評判標準。

（1）工作難度：工作難度越大，相應部門員工越多；

（2）工作量：工作量越大，相應部門員工越多；

（3）技術含量：技術含量越大，高質量人才越多；

（二）粒子群算法

假定在建設施工過程中，每個施工人員可以當做是一個粒子，其規模是N，第i（i=1，2，…N）個施工人員的位置是xi=[xi1，xi2，…xiN]，其飛行速度即對當前職位的把握度v=[vi1，vi2，…viN]，最優位置為gbest，歷史最好位置為pbest。

約束條件如下：

（1）工程施工部人數最多；

（2）員工質量：機械保障部>=質檢部>=工程技術部>材料部>安全部。

（二）可變信息

（1）施工階段不同，各個部門所需人員數量不同；

（2）施工階段不同，不同崗位的人員可以進行交互作業。

四、建立數學模型

（一）算法簡述

Step1：根據層次分析法，確定施工人員規模N，組數為m，每組xi成員，考慮約束條件，對各部門施工人員的人數進行初始化；

Step2：按一定標準計算每個成員的適應度；將其函數值按照由小到大的順序進行排序，得到全局最優值gbest；

Step3：對分組后的成員進行編號，第i組成員編號為[xi，xn+i，x2n+i…x（j-1）n+i]，其中i∈[1，m]，j∈[1，n]；

Step4：對于每個成員，將其適應度與所經歷過的最好位置的適應度進行比較，如果適應度增大，就代表成員所處位置更適合，則將其作為成員的個體歷史最優值，用當前位置更新個體歷史最好位置pbest=gbest；

Step5：選出組內最優位置gbest，對于第i組粒子，有gbest=xi；

Step6：每個小組中n個成員按照步驟Step4更新自身位置，迭代完成后對每個成員按適應度由小到大的順序進行排序， 排序后的成員進入下一次組內迭代。轉到Step5。

Step7：達到組內迭代要求后，各組更新后的成員進入下一次分組， 轉到Step3。迭代公式如下：

vi是粒子速度，ψ是項目完成權重，presenti是粒子的當前位置，最優位置為gbest，歷史最優位置為pbest，rand（）是介于（0，1）之間的隨機數， c1，c2是學習因子，一般取c1=c2=2。

Step8：達到分組次數后， 退出。

Step9：將可變因素融入，按照上述步驟進行計算，得到不同階段不同崗位的人員分配。

五、模型分析

（一）模型預測

通過改進的粒子群優化算法，能夠將業內現有的人員進行合理的分配調整，每個人能夠在最適合的崗位工作。不僅可以為人員數目的控制與調整提供一個很好的依據，也節約了業內的人力資源。

通過改進的粒子群算法對人力資源進行優化配置，使建筑行業中多數施工人員能夠在項目建設過程中找到最適合自己的位置，很大程度的滿足個人期望，也可以節約人力的分配，并且每個項目組的全部成員之間都可以形成良好的協作狀態，將團隊力量發揮到極致。

（二）模型優點

與現有的人力資源配置相比，經過修整的業內人力資源狀況更適合企業的長期發展：

（1）人力資源利用率大大提升。盡管業內人數有限，但經過合理的搭配，每個人都能發揮自身最大的作用。

（2）業內人員形成競爭。全體人員通過自身實力確定其崗位的高低，通過競爭更能促進個人能力的進步。

優化的粒子群算法也可以應用于施工順序等各個方面。比如，進行小組的排序，即施工順序，按照粒子群算法的適應函數，計算各個小組的適應度數值，并從大到小進行排列，最大的即最先施工，適應度相差不多的可以視為相等，可同時開始施工。施工開始后，按施工階段的差異進行人員的再次調整，可加快整體施工進程。

（三）模型不足

本模型不能從根本解決建筑行業人力資源不平衡的問題，只能對現有資源進行調整。若要徹底改變行業現狀，不僅需要政策的扶持，也需要轉變人們對建筑行業的思想。

六、總結

針對粒子群優化算法早熟收斂的弊端，本文提出了加入信息素更新、可變因素轉換的改進粒子群優化算法，并用層次分析法并進行簡化，嘗試應用于建筑施工人力資源配置優化中去，期望解決工程施工中不同部門人力資源分配不平衡的現象。

參考文獻：

[1]馬良金，《建筑施工企業人力資源管理改進方案研究》，浙江大學碩士論文.

[2]任杰，《建筑施工企業人力資源開發與管理》，工程管理學報，2011年02月，第25卷，第一期.

[3]李雋，李新建，王玉姣，《人力資源管理角色發展動因的多視角分析與研究展望》，外國經濟與管理，2014，05（36）.

[4]劉逸，《粒子群優化算法的改進及應用研究》，西安電子科技大學，博士論文.

[5]徐迅，《多目標粒子群優化算法及其應用研究》，江南大學，碩士論文.