基于多目標優(yōu)化的科研項目人力資源配置研究

劉鵬飛 賀霞旭 何克晶

1(華南農(nóng)業(yè)大學數(shù)學與信息學院數(shù)學系 廣東 廣州 510642)2(華南理工大學工商管理學院博士后流動站 廣東 廣州 510640)3(華南理工大學計算機科學與工程學院 廣東 廣州 510006)

基于多目標優(yōu)化的科研項目人力資源配置研究

劉鵬飛1賀霞旭2何克晶3

1(華南農(nóng)業(yè)大學數(shù)學與信息學院數(shù)學系 廣東 廣州 510642)2(華南理工大學工商管理學院博士后流動站 廣東 廣州 510640)3(華南理工大學計算機科學與工程學院 廣東 廣州 510006)

以高?？萍柬椖抗芾頌閷嶋H背景，分析了人力資源優(yōu)化的必要性，研究了在多個優(yōu)化目標下科研項目和參與人員的雙邊匹配問題。首先給出支持成員分組的雙邊匹配問題的數(shù)學描述；在此基礎上，以最優(yōu)化合理分組的三個實際指標為目標，建立雙邊匹配多目標決策模型，并依據(jù)該模型的特點設計了基于多目標遺傳算法的求解方法。在匹配模型的基礎上，設計了基于瀏覽器/服務器架構(gòu)的人力資源管理系統(tǒng)以提高實用性。最后通過一個實例驗證了模型的有效性和可行性。

多目標 成員選擇 匹配 科研團隊

0 引 言

人力資源配置是項目管理的核心要素之一。高等院校是高端人力資源的重要集中地，高?？蒲许椖渴侨瞬排囵B(yǎng)與知識創(chuàng)新的關(guān)鍵手段。我國當前高?？蒲袌F隊主持的很多科研項目，投入產(chǎn)出比太高，科技成果轉(zhuǎn)化率較低和轉(zhuǎn)化質(zhì)量不高，并與現(xiàn)實社會需要脫軌[1]。一方面，研究人員發(fā)表的國際論文雖已排在世界前列，但平均被引用次數(shù)較低，學術(shù)影響力有限。2012年的SCI和EI檢索工具收錄我國論文總數(shù)前者在世界排名第2，后者排名第1。以《SCI》為例，2008-2012年間收錄的我國科技論文的5年滾動被引用次數(shù)(Citations times)為370多萬次，但論文影響(Impact)為5.62，低于2007年-2011年間的6.20[2]。另一方面，部分科研項目雖然獲得高額經(jīng)費投入，卻難以轉(zhuǎn)化為實踐工程項目，對生產(chǎn)力的促進作用有限。即產(chǎn)生一種矛盾，我國科研機構(gòu)和高等院校每年科技成果雖遞增，但與國際相比，企業(yè)的產(chǎn)品技術(shù)偏低，國外技術(shù)引進合同的每項平均金額與國內(nèi)技術(shù)合同平均金額差別較大[3]。

產(chǎn)生以上問題的原因多方面，如高校、政府和企業(yè)等各部門在規(guī)劃、管理、評估等管理體系的因素，或者科技立項時忽略成果轉(zhuǎn)化和市場需求，推廣和后期跟蹤等。但不同研究均未關(guān)注到微觀方面的原因。首先，科研團隊從組建初期需要顧全團隊人才和資源匹配與優(yōu)化問題。團隊所擁有充足的資源，包括人力、資金、物力和時間等是增強執(zhí)行力的保障。其次，在項目執(zhí)行過程中，團隊成員之間具有共享信息和互相學習的作用，也可能產(chǎn)生相互干擾和沖突問題。異質(zhì)性團隊成員如何在認知并非十分協(xié)調(diào)的情況下，創(chuàng)造出開放性的討論環(huán)節(jié)進行知識共享，主動進行自我管理，快速融入問題并尋找到解決方案，將不同的意見和想法轉(zhuǎn)化為促進團隊的創(chuàng)造力[4]，則是非常關(guān)鍵的問題。因而，優(yōu)化的組建方案(資源優(yōu)勢組合并優(yōu)化)和完善的管理，對團隊最終的項目效果或成果產(chǎn)生重要的影響。中共中央辦公廳、國務院辦公廳在2015年9月印發(fā)《關(guān)于在部分區(qū)域系統(tǒng)推進全面創(chuàng)新改革試驗的總體方案》，特別指出“探索激發(fā)創(chuàng)新者動力和活力的有效舉措……強化對創(chuàng)新人才的激勵，實現(xiàn)人盡其才、才盡其用、用有所成”。由此可見團隊成員選擇的重要性已經(jīng)上升到了影響國家創(chuàng)新的高度。

1 問題與實施方案

1.1 現(xiàn)狀描述

高等院校的科研團隊以科學技術(shù)研究為目標，由人數(shù)相對固定且數(shù)量不多的高校教師，和教師所帶的人數(shù)相對較多但流動性較大的研究生組成，團隊具有跨學科、跨部門或跨校際等不同形式。科研項目一般以團隊形式完成，以發(fā)揮團隊合作力量，因而，涉及到人力資源優(yōu)化的環(huán)節(jié)主要包括申請和實施。項目申請環(huán)節(jié)一般由一名專家作為主持人，加上若干名合作者(一般有教師和研究生)作為共同申請人。項目執(zhí)行環(huán)節(jié)則除了上述申請人外，還會加入導師們所指導的若干名研究生參與實施，他們成為科研核心資源的重要梯隊。

上述人員搭配過程中，項目負責人往往根據(jù)個人判斷和人際網(wǎng)絡組織成員及開展科研工作。該類方式以參與人員自由選擇科研項目和團隊為主，再報送主管人員，或者由項目主管教師指定某些同學參與某些項目。這種粗放式的人力資源組織和管理方法隨意性強，缺乏科學性，給科研的開展埋下了隱患。成員選擇(人員搭配)是科研團隊生命周期的重要環(huán)節(jié)之一。以學生自主選擇科研項目為例，首先在執(zhí)行初期，部分學生在組隊時只考慮與個體社會交往圈中的核心成員組隊(多以同質(zhì)性群體為主)協(xié)作完成課題，忽略自身的實際技能和團隊成員異質(zhì)性組成的互補作用；其次，在執(zhí)行過程中，部分成員跟隨能力比較強的其他成員，在科研實踐過程中發(fā)揮作用甚微，搭便車現(xiàn)象頻出。成員無法參與到合適的項目，影響了參與的積極性和能動性。如果由項目主管教師合理地指定項目的參與人員，則需要熟悉不同項目對于參與人員的技能需求，并了解實驗室團隊的眾導師所指導的多名研究生性格和特長，量才適用，挖掘成員的潛力，并聯(lián)結(jié)成員們的各種合力形成動力環(huán)境，提高執(zhí)行效率。如此大量的前期工作和要求在實際操作中存在困難。

1.2 文獻分析

當前大部分科研課題涉及到多學科間的滲透與融合，知識結(jié)構(gòu)以基礎性和專向性為核心區(qū)域，并向其他專業(yè)輻射，向復雜性方向發(fā)展。對應地，成員選擇也要從技能、文化和心理等方面進行多角度考慮。項目創(chuàng)新成果依賴于人員優(yōu)勢科學化組合，項目成員部分技能匱乏，則影響項目進程與最終效果。即研究中稱之為“知識缺口”，科研項目所需求的知識由團隊成員供給，當知識供給不足以滿足知識需求時，產(chǎn)生知識缺口[5]。反之，項目組成員全體將理論知識與科研實踐妥善結(jié)合，則能夠提高科研項目完成質(zhì)量。

針對上述情況，已有研究多從宏觀角度分析高?？蒲许椖恐袌F隊建設的影響因素。例如吳衛(wèi)[6]認為項目負責人往往在項目所代表的科研方向具有很強的研究能力，但不一定具有豐富的項目團隊人力資源管理經(jīng)驗，在團隊成員的選擇、任務分配等方面不一定合理安排，最終影響團隊績效。李霞在對知識共享行為、學習行為及團隊績效研究時認為，成員異質(zhì)性在科研團隊對知識共享行為具有正影響[4]。邢一亭等[7]設計了反映合作效果的研究框架，它基于合作過程及合作結(jié)果中團隊成員、團隊以及合作整體三個層次的指標水平。

部分研究在具體實踐層面上提出解決方案。例如，李綱在研究中將科研團隊視為一個元網(wǎng)絡，以成員、知識、目標為元素，建立元矩陣，分析了科研團隊的成員選擇路徑[5]。肖偉等通過問卷調(diào)查和統(tǒng)計分析確定了虛擬團隊成員選擇的能力評判準則得分，然后再基于AHP模糊優(yōu)先規(guī)劃法幫助虛擬團隊選擇合適成員[8]。晉琳琳利用Tabu算法對科研團隊成員選擇優(yōu)化進行改進，將候選解的替換限定在特定角色的備選集合內(nèi)，提高搜索效率[9]。許正權(quán)等運用模糊相似優(yōu)先比法對團隊工作成員進行識別工作，來幫助團隊組建者組建教學團隊[10]。李浩君等[11]基于KNN 算法實現(xiàn)了學習伙伴分組策略，導學者遵循組間同質(zhì)和組內(nèi)異質(zhì)分組原則，為學習者動態(tài)推薦最佳學習伙伴，但不能為某項課題或者活動選出最佳分組。Merigó等研究人員應用有序加權(quán)平均算子選擇合適學生參與交叉學科研究[12]并提出新的聚合算子，其中實習課題與學生是一一映射關(guān)系，沒有考慮到選取多人構(gòu)成團隊，分組完成課題的情況。

1.3 問題描述與解決框架

基于當前高?？蒲袌F隊在組建和執(zhí)行環(huán)節(jié)中存在的上述問題，我們認為最初始和關(guān)鍵的部分是人員與課題任務的配對?？茖W合理和嚴謹有效的配對，可以調(diào)動成員潛能的發(fā)揮并獲得良好效果，實現(xiàn)資源優(yōu)勢組合和組合優(yōu)勢發(fā)揮。根據(jù)團隊建設及優(yōu)化理論，我們認為在組建項目團隊時應針對項目成員的個體化特征及課題的能力需求，采用定量方法自動完成成員與項目的匹配。

假設團隊成員在每一階段最多只能參加一個項目，則項目成員與項目課題的匹配屬于一對多雙邊匹配問題。雙邊匹配早期的研究關(guān)注婚姻匹配[13]，屬于一對一雙邊匹配。解決方法一般是以買方與賣方互為值域，以雙方的屬性是否得到滿足為約束，將其轉(zhuǎn)化為約束滿足問題進行求解[14]。此外還有學者考慮穩(wěn)定匹配條件的一對多雙邊匹配決策方法[15]。然而，目前已有的匹配算法大多考慮求得一方最優(yōu)匹配，即只有一個優(yōu)化目標。少數(shù)研究將一對多雙邊匹配問題轉(zhuǎn)化為等價的一對一雙邊匹配問題, 進而在穩(wěn)定匹配條件下, 以各方主體序值之和最小為目標，構(gòu)建多目標優(yōu)化模型求解[16]。沈國軍將多目標遺傳算法應用到人力資源配置優(yōu)化上，實現(xiàn)人力配置總成本的最小化及配置決策總效率的最大化[17]。一對多雙邊匹配決策的研究較少，目前尚無將一對多匹配決策應用到科研管理上的研究。

為提高科研管理效率，本文以科技項目管理過程中人員分組為實際背景，構(gòu)建了三個具有內(nèi)在沖突的優(yōu)化目標以保證分組合理性；結(jié)合多目標優(yōu)化在資源分配的優(yōu)勢，并探討了模型的求解方法，分組框架見圖1所示。目標層包含項目目標和個人目標，前者在組織層具體細化為要達到目標而必須實現(xiàn)的科研項目知識需求，后者細化為個人在參與項目中所希冀的志愿以及個人特長。為此，需要通過算法將多個科研項目與多個成員有機糅合構(gòu)成項目組。

圖1 實踐團隊分組框架

項目主管教師發(fā)布多個科研項目，對應所需的各種技能以及需要的人數(shù)，成員根據(jù)自己的實際情況輸入各種技能的掌握程度，例如各項編程語言開發(fā)能力、想象力、創(chuàng)新力、邏輯推理能力、搜索資料能力、表達能力等，在盡量滿足成員的第一志愿的前提下，推薦若干個第一志愿無法滿足的成員到某課題組成能力互補，且具有較好完成能力的團隊。算法一直持續(xù)運行直到所有成員都分配到某一個課題，系統(tǒng)總流程如圖2所示。

圖2 系統(tǒng)總流程

2 匹配算法描述

科研項目參與人員的分組問題可簡要描述為，有M個課題和N個候選成員，分組后使得同一個課題最多只由一個小組完成。算法需輸入項目成員候選人的選題志愿和各項技能值(例如自主性、條理性等)、課題的小組額定人數(shù)范圍以及選該課題的小組應具備的各項能力值。根據(jù)實際，分組結(jié)果要求滿足如下條件以保證分組的合理性和公平性：(1) 滿足盡量多的成員候選人的選題志愿；(2) 同一小組各成員的各項能力互補且達到該課題的能力要求；(3) 不同小組間實力應盡量均衡。上述目標將來可以隨實際需要而重新制定修改。

問題的數(shù)學描述為，設有N個參與者和M個課題，最多有O項技能，參與者可以掌握這O項技能的任意多個(每項數(shù)值為0～100之間，代表項目參與者對該項技能的掌握程度)。設I={1,2,…,N}，J={1,2,…,M}，K={1,2,…,O}；參與者si={(vi,Pi)|viR,PiRn}，iI；vi為其選擇的課題，Pi=(pi1,pi2,…,piO)為其各項技能組成的向量；課題tj={(αj,βj,Qj)|αjZ+,βjZ+,QjRn}，jJ；[αj,βj]為其額定小組人數(shù)范圍，Qi=(qi1,qi2,…,qiO)為該課題所要求的小組能力值向量；si和tj的信息由輸入給出。

2.1 數(shù)據(jù)預處理

考慮到部分課題會出現(xiàn)很少參與者選擇甚至沒有參與者選擇的情況，因此需要從候選課題的名單中排除這些課題。先根據(jù)參與者的選題情況，選出M′個課題(即對原先的M個課題去掉少人或無人選的一些課題)，使得N個參與者一定能分成合法的M′組，設M為M′。(假設各課題設定的額定小組人數(shù)范圍保證一定能選出這樣的M′個課題)，即轉(zhuǎn)為如下最優(yōu)化問題。

2.2 決策模型

根據(jù)問題的要求，可以轉(zhuǎn)為求解關(guān)于M+2個目標函數(shù)的最優(yōu)化問題。對于“滿足盡量多的參與者的選題志愿”要求，可以將滿足的參與者志愿數(shù)設成一個目標函數(shù)；對于“同一小組內(nèi)的成員各項能力互補且達到該課題的能力要求”條件，可以將評價M個小組的綜合實力的函數(shù)設成M個目標函數(shù)；最后用一個目標函數(shù)來評價這M個小組間的實力是否均衡。

設：

(1)

(2)

設：

(3)

由此可以建立如下多目標決策模型：

min{F=({f1,f2,…,fM,g,h)}

(4)

(5)

(6)

xij=0或1i∈Ij∈J

(7)

模型中，式(1)、式(2)和式(3)為目標函數(shù)。式(1)描述課題tj的組內(nèi)成員的能力互補程度，fj越小則組內(nèi)成員的能力越互補；式(2)描述不同項目小組之間的綜合實力的均衡程度，g越小則課題組間的實力越均衡；式(3)從尊重參與者的志愿選擇考慮,顯然h越小，越多的參與者被分配到自己選擇的課題小組中；式(4)為最終的優(yōu)化函數(shù)，因為要求實力平均，所以總體離差越小越好。為了統(tǒng)一，h也設為越小越好；式(5)為多向匹配限制，即允許多對一匹配，一個小組中有多個參與者；式(6)為單向匹配限制，即只允許一對一匹配，一個參與者只能分配到一個課題組；式(7)為模型的決策變量約束，xij為0-1整數(shù)變量。

2.3 多目標遺傳算法求解方案

模型中的M+2個目標函數(shù)具有不同的量綱，可采用多目標遺傳算法包NSGA-II對其求解，它保留了單目標遺傳算法的基本框架，使用快速非支配排序和個體間的擁擠度來計算個體的適應度，使用選擇算子對種群進行篩選，再進行交叉和變異操作，重復迭代若干代數(shù)后得出近似的最優(yōu)解。

(1) 匹配算法主要流程

設種群規(guī)模為sz，代數(shù)為gen，優(yōu)化流程為如下五步。a) 隨機生成初始種群；b) 對種群進行快速非支配排序；c) 計算個體的擁擠度，利用擁擠度比較算子和選擇算子對種群進行篩選，最終使種群規(guī)模下降到sz；d) 對種群進行進化操作得到子代種群，將子代種群與父代種群合并；e) 重復步驟b-步驟d，迭代gen次。

(2) 個體基因編碼

(3) 快速非支配排序

按照帕累托最優(yōu)順序?qū)ΨN群進行排序，每一個個體被劃分到特定的非支配層中，賦予其優(yōu)先級，越靠前的非支配層具有越高的優(yōu)先級。稱a=(a1,a2,…,an)被個體b=(b1,b2,…,bn)支配，當且僅當bi≤ai,(i=1,2,…,n)，且至少有一個i使得bi

(4) 擁擠度比較算子

為了了解每個解周圍的其他解的分布情況，計算與其相鄰的兩個個體在每個子目標函數(shù)上的距離差之和(本文稱之為擁擠度)。由于同一非支配層的個體具有相同的優(yōu)先級，為了比較它們之間的優(yōu)劣，可以計算同一非支配層中個體間的密度，若一個個體附近的其他個體非常多，則該個體具有的價值就相對較小(因為可以用附近的個體將其代替)；反之，該個體具有的價值就相對較大，則該個體被認為適應度較高。

在同一非支配層上，基于每個目標函數(shù)對個體進行排序：令兩個邊界個體的擁擠度為無窮；對于其他個體，第i個個體的擁擠度di=∑(fi+1,j-fi-1,j)，其中fi,j為個體i的第j個目標函數(shù)值。該種群中的每個個體都擁有如下兩個屬性：(1) 非支配排序?qū)蛹?irank)；(2) 擁擠度(idisitance)?？梢远x擁擠度算子如下：個體i優(yōu)于個體j表示 (irankjdisitance)。此算子的含義是，當兩個解屬于不同的非支配排序的層級時，選擇非支配層級較低的解，當兩個解屬于同一個非支配層級的時候，選擇擁擠度較大的解，即此解周圍的個體較少，所在區(qū)域解的分布較為稀疏。

(5) 選擇算子

采用錦標賽選擇法，隨機地從種群挑選Stour個個體(Stour為事先確定的參數(shù))，然后根據(jù)擁擠度比較算子將最好的個體選作父個體。重復進行這個過程直到完成個體的選擇。

(6) 進化算子

3 雙邊匹配實驗

匹配模型通過Java開發(fā)實現(xiàn)，為了方便測試，還開發(fā)了輔助程序以隨機生成輸入文件：包括課題及對應要求，以及若干參與者的不同技能熟練程度。本部分通過仿真實例來驗證模型及求解方法的有效性和可用性。此外在上述核心匹配模型的基礎上，開發(fā)了一套基于瀏覽器/服務器架構(gòu)且功能完整的科研人力資源管理系統(tǒng)，以增強模型的實用性。教師和學生都能夠注冊登錄到系統(tǒng)。教師能夠發(fā)布課題，學生能夠填寫個人技能信息和選題志愿。多個課題發(fā)布后，教師能夠通過網(wǎng)頁操作調(diào)用核心匹配模型得到優(yōu)化后的分組方案。圖3(a)為教師發(fā)布課題界面，圖3(b)為學生選題界面，圖3(c)為課題自動分組結(jié)果界面。

圖3 實驗界面

3.1 數(shù)據(jù)輸入

數(shù)據(jù)輸入的第一部分為一行，包含3個正整數(shù)n、m、p，分別代表參與者人數(shù)、課題數(shù)、參與者的技能種類數(shù)(n<500，m<200，p<50)；第二部分包含n行，分別代表n個參與者。每行有p+1個數(shù)，第一個數(shù)為該參與者自選的課題號(課題號取值從0到m-1)，剩下的p個數(shù)為p項技能的數(shù)值(目前設置為0～100，越大代表該項技能越熟練，下同)；第三部分有m行，分別代表m個課題，每行有p+2個數(shù)，前兩個數(shù)a、b代表該課題組的額定人數(shù)范圍為[a，b]，剩下的p個數(shù)為該課題組所要求的p項技能的數(shù)值。

3.2 數(shù)據(jù)輸出

匹配模型的主輸出文件列出一套完整的參與者分組結(jié)果(僅最優(yōu)解集中離原點最近的帕累托最優(yōu)解，其他的帕累托最優(yōu)解若有需要亦可輸出)。第一部分有n行，每行一個數(shù)，第i行代表編號為i-1的參與者所選的課題號；第二部分有m行，分別代表m個課題，第二部分的第一行代表第一個課題的分組結(jié)果，依此類推；每行有一個數(shù)numj，代表該課題組的參加人數(shù)，其次有numj個數(shù)，代表屬于該組的參與者編號。

匹配模型的次要輸出文件包含了遺傳算法的中間結(jié)果，即每一代所有個體中離原點最近的個體與原點的距離d。由第一部分的決策模型可知，目標函數(shù)值都為非負，故到原點的距離越小代表解越優(yōu)秀，這點在任意多維空間都成立。圖4顯示了一個測試用例的最優(yōu)距離d在不同迭代次數(shù)下的變化過程。其中第一代個體為隨機產(chǎn)生，可近似看作是參與者自由組隊與選題?？梢钥闯?，隨著迭代次數(shù)的增加，分配方案逐漸趨向于最優(yōu)，明顯優(yōu)于參與者自由組隊方案。

圖4 最優(yōu)距離迭代

4 結(jié) 語

我國高校是科技創(chuàng)新的主力軍，占全國科研力量的比率大，從事科學技術(shù)研究的教師比例高，發(fā)表的科技論文篇數(shù)高，經(jīng)費投資多。然而，與國際相比，在學術(shù)影響力和生產(chǎn)力轉(zhuǎn)化方面依然存在較多問題。從微觀角度究其原因，在于有機整合科研人力資源和優(yōu)化團隊成員搭配問題。本文認為高校分項目組建對應的復合型知識結(jié)構(gòu)的科研團隊，可以先解決項目最初始環(huán)節(jié)的人員—項目匹配問題。

本文設計并實現(xiàn)了基于多目標優(yōu)化的自動分組決策模型，定量地實現(xiàn)了參與者與科技項目的最佳匹配，從雙邊匹配實驗的仿真實例結(jié)果可知，驗證了模型及求解方法的可行性。在實踐中，可以使科研團隊成員的分組，既具有公平性，調(diào)動參與者的積極性，又能實現(xiàn)合理的人員匹配，降低了項目組建和執(zhí)行中的人為干擾和沖突，促使合作者更可能成為共生群體，并激發(fā)成員的潛能。不僅能提高課題的完成效率與質(zhì)量，更有益于創(chuàng)新性成果的研發(fā)。部分導師和研究生試用本系統(tǒng)后，給予了較高的評價。另外，本模型的優(yōu)化目標可以根據(jù)實際情況以調(diào)整，可應用在各領(lǐng)域的項目人力資源管理。

不足之處在于：首先，參與者的各項技能需要自填，主觀性因素較多可能會出現(xiàn)失之偏頗的情況，從而影響了后續(xù)的匹配算法的效果；其次，當前參與者在每個階段只能填寫一個希望參與的課題志愿，算法暫時無法處理多個志愿。進一步的研究將解決上述不足。

[1] 馬曉君,潘昌偉.高?？萍汲晒D(zhuǎn)化的困境與推進策略[J].現(xiàn)代教育管理,2015(1):78-82.

[2] 關(guān)曉靜.中國科技統(tǒng)計年鑒-2014[M].北京:中國統(tǒng)計出版社,2014.

[3] 劉姝威,陳偉忠,王爽,等.提高我國科技成果轉(zhuǎn)化率的三要素[J].中國軟科學,2006(4):55-58,123.

[4] 李霞.高校創(chuàng)新型科研團隊知識共享行為、學習行為及團隊績效研究[J].軟科學,2012,26(6):83-87,91.

[5] 李綱,劉先紅.知識缺口視域下科研團隊成員選擇研究[J].科技進步與對策,2015,32(12):139-143.

[6] 吳衛(wèi),陳雷霆.談高?？蒲袌F隊的組建與管理[J].科技管理研究,2006,26(11):140-141,155.

[7] 邢一亭,孫曉琳,王刊良.科研團隊合作效果研究——一個高?？蒲袌F隊合作狀況的調(diào)查分析[J].科學學與科學技術(shù)管理,2009,30(1):181-184.

[8] 肖偉,趙嵩正,魏慶琦.基于AHP模糊優(yōu)先規(guī)劃的虛擬團隊成員選擇方法[J].統(tǒng)計與決策,2009(4):151-153.

[9] 晉琳琳.基于知識溢出的科研團隊成員選擇模型研究[J].科技管理研究,2010,30(12):185-188.

[10] 許正權(quán),王華清,王紅軍,等.基于模糊相似優(yōu)先比法的高校教學團隊成員選擇[J].價值工程,2014(26):1-2.

[11] 李浩君,項靜,華燕燕.基于KNN算法的mCSCL學習伙伴分組策略研究[J].現(xiàn)代教育技術(shù),2014,24(3):86-93.

[12] Merigó J M,López-Jurado P,Gracia M C,et al.A method under uncertain information for the selection of students in interdisciplinary studies[J].International Journal of Social,Behavioral,Educational,Economic,Business and Industrial Engineering,2009,3(7):1383-1390.

[13] Irving R W,Leather P.The complexity of counting stable marriages[J].SIAM Journal of Computing,1986,15(3):656-667.

[14] Jung J J,Jo G S.Brokerage between buyer and seller agents using constraint satisfaction problem models[J].Decision Support Systems,2000,28(4):293-304.

[15] 李銘洋,樊治平,樂琦.考慮穩(wěn)定匹配條件的一對多雙邊匹配決策方法[J].系統(tǒng)工程學報,2013,28(4):454-463.

[16] Martínez R,Massó J,Neme A,et al.The blocking lemma for a many-to-one matching model[J].Journal of Mathematical Economics,2010,46(5):937-949.

[17] 沈國軍.基于多目標混合遺傳算法的人力資源配置模型構(gòu)建[J].統(tǒng)計與決策,2013(21):60-63.

RESEARCH ON THE HUMAN RESOURCE ALLOCATION OF SCIENTIFIC RESEARCH PROJECTS BASED ON MULTI-OBJECTIVE OPTIMIZATION

Liu Pengfei1He Xiaxu2He Kejing3

1(CollegeofMathematicsandInformatics,SouthChinaAgricultureUniversity,Guangzhou510642,Guangdong,China)2(SchoolofBusinessAdministration,SouthChinaUniversityofTechnology,Guangzhou510640,Guangdong,China)3(SchoolofComputerScienceandEngineering,SouthChinaUniversityofTechnology,Guangzhou510006,Guangdong,China)

Based on the background of university science and technology project management, this paper analyzes the necessity of human resource optimization and studies the bilateral matching of scientific research projects and participants under multiple optimization goals. Firstly, the mathematical description of the bilateral matching problem which supports member grouping is given. Based on this, a multi-objective decision model of bilateral matching is established with the objective of optimizing the three actual indexes of reasonable grouping, and a method based on multi-objective genetic algorithm is designed according to the characteristics of the model. Based on the matching model, a human resource management system based on B/S structure is designed to improve the practicability. Finally, an example is given to verify the effectiveness and feasibility of the model.

Multi-objective Member selection Matching Scientific research team

2016-04-03。國家自然科學基金項目(11401223，61375006，61272200)；中國博士后科學基金項目(2015M572301)；廣東省哲學社會科學“十二五”規(guī)劃2015年度學科共建項目(GD15XSH05)。劉鵬飛，講師，主研領(lǐng)域：數(shù)據(jù)挖掘。賀霞旭，助理研究員。何克晶，教授。

TP3

A

10.3969/j.issn.1000-386x.2017.05.038