一種基于大數據技術的人力資源智能化調度算法研究

費淼 肖波 鄭炯 中國核動力研究設計院

大數據技術在容量、速度、真實性、復雜性、價值等方面具有顯著的優勢，將大數據技術應用于人力資源規劃、招聘與配置、培訓、績效評價以及薪酬管理等方面可以有效提高人力資源調度的效率與質量，幫助企業實現人力資源管理的優化，進而推動企業的長效發展。以大數據技術為基礎建立人力資源數據庫，可以快速完成人力資源數據模塊的匯總、整合與分析，還可以自主完成智能算法的匹配，當企業人力資源狀態發生變化時可以快速地完成數據庫的修正與人力資源調度算法的調整。因此，在大數據技術的基礎上結合云計算等其他相關信息技術建立人力資源智能化管理平臺，可以有效縮減人力資源管理的工作量，簡化人力資源調度管理的流程，提高人力資源調度管理的效率，促進企業人力資源管理模式的革新。經過一段時間的發展，大數據技術在人力資源管理中衍生出多種智能化調度算法，根據企業實際情況選擇匹配度最高的算法有助于企業在財務管理、人事管理以及運營管理等層面實現創新，提高企業在人力資源管理方面的競爭力。

一、基于大數據的人力資源智能化調度算法

（一）基于大數據技術的人力資源動態規劃

現階段，在市場經濟不斷向上發展與大數據技術獲得廣泛應用的雙重推動下，企業人力資源管理的智能化程度、管理效率以及管理質量得到大幅提升，企業人力資源管理體系也日趨完善，人力資源的整合與調度也得到了顯著的優化。大數據技術是一種具有代表性的信息技術，將其與云平臺技術、互聯網技術以及計算機輔助分析等相結合，可以實現海量數據信息的快速處理。特別是以大數據技術為基礎可以根據用戶需要創建各種類型的數據庫，通過對人力資源數據的動態分析與預測可以實現人力資源的愿景動態規劃與調度。在當前企業多元化發展新業態下，人力資源規模、人力資源調度規劃的秩序以及調度成本等會對企業人力資源調度產生較大影響，因此，目前還未建立一種廣泛通用的人力資源調度算法[1]。基于大數據技術的人力資源智能化調度實踐需要企業人力資源管理人員根據其人力資源管理工作的實際需求與規劃，選擇相應的算法并進行適當的修正，最后以時間為變量創建人力資源調度算法模型[2]。實際上，使用現有的一些人力資源調度算法也基本能夠在當前人力資源存續條件下完成對未來一段時間人力資源狀態預測與規劃。其中，人力資源狀態的演進規律滿足如下式(1)所示：

在式(1)的基礎上，可以實現對人力資源全過程狀態的預測及相關子過程的指標分析，指標分析的理論依據如下公式(2)：

通過分析式(1)和式(2)可以知道，在人力資源的調度過程中，當狀態變量xp與決策變量Wp(xp)已知時，可以得到基于xp的決策集合，再將決策集合帶回式(1)中。然后，明確計算指標與指標函數的關聯，結合企業人力資源具體情況逆推出包含最優值函數的遞推公式，即確定了企業人力資源調度的動態模型。

（二）初始優先級表設計

設計初始優先級表之前首先需要弄清優先級表的設計原則，即：若在某特定階段出現的兩個任務的截止期與初始優先級兩項指標完全一致，則應按照產生任務的先后來確定任務的實時優先級。若其中某一任務剩余的相對截止期較短時，在優先級表的作用下會讓該任務的實時優先級得到提升[3]。關于大數據技術下企業人力資源調度算法的研究需要根據階段任務的截止期完成初始優先級表，因此，需要充分考慮實際情況選擇合理的優先級調度方法，同時兼顧任務時間約束與初始優先級[4]。最后，綜合優先級表的設計規范得到如下圖1所示的實時優先級示意圖。

圖1中，任務實時優先級沿著箭頭的正方向逐漸降低，豎坐標方向對應階段任務相對截止期，橫坐標對應初始優先級。通過對上圖1的分析可以得到如下式(3)所示的實時優先級計算公式。

其中，C表示任務的實時優先級；W表示任務的相對截止期；q表示根據初始優先級確定的任務隊列。

按照上式(3)所示的計算邏輯可以得到任務的實時優先級，結合優先級表中的先后順序確定任務的執行先后順序。

（三）智能調度算法

如上述分析，建立階段性的企業人力資源動態規劃且明確企業人力資源調度計算模型后，可以在優先級表的基礎上確定企業智能化調度算法[5]。實際上，企業人力資源智能化調度算法具有明顯的非線性特征，同時，關于人力資源的調度又具有較大的彈性空間，因此，應充分結合時間指標來整合企業人力資源的調度管理[6]。但是，當人力資源的某一調度任務確定后，任務的產生時間與執行時間已經被排除在人力資源智能化調度的衡量標準之外了。現階段，在不同推演模式下存在多種關于企業人力資源的智能調度算法，但是，這其中的許多算法在應用中存在任務優先級值為固定值的問題，造成這種問題的原因是因為該算法并引入人力資源調度任務計算的截止期。這種任務優先級值為固定值的智能化調度算法在應用中會造成人力資源調度任務執行時間約束不足的問題。除了以大數據技術為基礎確定的人力資源智能化調度算法外，還存在其他多種基于不同算法平臺的人力資源調度模式[7]。通過總結分析其他人力資源智能調度算法的優勢與不足，可以為基于大數據技術的企業人力資源智能化調度算法的創新提供依據，還有助于解決傳統調度算法中存在的任務優先級值固定、任務執行時間約束不足等問題[8]。在上述分析的基礎上，假定R表示某實時計算任務請求，則任務的執行順序滿足下式(4)。

其中，i指的是等待被執行實時任務序號，指的是實時任務生成時間，指的是任務被執行等待時間的最大值，的數值大小主要受企業人數與業務量等因素的影響。指的是任務截止期，yi指的是某一任務初始優先級，yi的數值越小則該任務初始優先級越高。假定當前時間為s，則實時任務相對截止期ai可以通過下式(5)計算得到。

由式(5)可以知道，當時間越來越大時，相對截止期ai會逐漸減小，即當時間增加時任務的優先級也會相應地變高。

二、實證分析

以傳統的人力資源調度算法為對照組，以基于大數據技術的人力資源智能化調度算法為實驗組，通過仿真模擬實驗確定兩種算法所花費的總時間。通過仿真軟件建立的測試環境示意圖如下圖2所示。

由上圖2可知，仿真環境成正方形分布，尺寸大小為100m×100m。中心區域的深色矩形為該仿真測試環境的中心節點，除中心節點以外的正方形代表普通節點。分別將基于大數據技術的人力資源智能化調度算法與傳統調度算法帶到圖2所示的仿真環境中，記為實驗組與對照組。同時，根據三角形中心節點的遠近情況來完成對實驗組序號的確定，以階段任務順序確定對照組的編號。實驗組與對照組的編號工作完成后，采用合適的方式將兩組數據進行融合，得到如下圖3所示的階段任務數據融合效果示意圖，由圖3可以看出基于大數據技術的人力資源智能化調度算法相較于傳統算法在融合效果與運算效率方面存在顯著的優勢。

選取20組數據進行實驗組與對照組的耗時對比，以驗證仿真測試結果的可靠性，對照數據如下表1所示。

表1 階段數據融合總耗時

由表1可知，實驗組階段數據融合總耗時的平均值為2.069秒，對照組階段數據融合總耗時的平均值為9.328秒。實驗組與對照組相比，在平均耗時方面少用了7.259秒。由此可知，采用本文所述的基于大數據技術的人力資源智能化調度算法可以顯著縮短階段任務數據融合與調度耗時，提高人力資源調度計算效率，其結果的可靠性也更高。

三、結語

綜上所述，在當前市場經濟形式下，人力資源的調度管理直接關系到企業經營效益與人員管理水平。傳統的人力資源調度算法雖然能夠在一定程度上提升人力資源調度與管理水平，但是在應用中存在優先級值固定等問題，文章提出的智能化調度算法在性能與效率方面存在顯著的優勢，合理利用該種算法可以有效提升人力資源調度的智能化水平，幫助企業實現更高質量的人力資源管理。