一种基于双边匹配理论的智慧班组人岗管理平台的制作方法

本发明涉及人岗管理，具体为一种基于双边匹配理论的智慧班组人岗管理平台。

背景技术：

1、随着现代企业对岗位的标准化管理要求不断提高，智能化的人岗管理平台逐渐成为企业现代化管理技术的重要部分。制定规范、合理、公正的岗位匹配标准，能够激励员工的工作积极性和创造性，促进员工的工作主动性，提高企业的工作效率和员工的工作满意度，增强企业的吸引力和竞争力，为企业带来更高效的运营和更稳定的发展。

2、现有的人岗匹配研究多通过计算相似度来衡量人岗匹配程度，常见的方法有余弦相似度计算、欧式距离计算等。alberto等分析岗位推荐平台中求职者的个人资料并确定他们的偏好，提出了一种面向职业导向的工作反馈机制，根据历史案例经验进行推理并做出最终决定；陈梦婷等设计了一种面向毕业生的实习岗位推荐算法，向量化处理了毕业生与岗位的特征属性，并利用余弦相似度进行差异计算；阮小芸等基于知识图谱分析了人才与工作岗位的属性关联，构建工作推荐模型以提高推理效率；reusens等提出了一个完全基于隐式反馈数据的用户协同过滤系统，评估了哪些数据类型最能表明求职者的职位兴趣，并验证了推荐算法的有效性与适用性。诸多学者对人岗匹配方法展开了较为广泛地研究，但多数基于历史数据较为简单地计算了人岗匹配特性。上述研究以定性分析为主，且大多针对员工或用户的单向岗位推荐，对人岗间的双向分析较为粗糙，难以应用于实际的企业人员与岗位管理。

3、双边匹配理论的研究与应用最早在1962年由gale与shapley于一篇开创性论文中提出，近年来该理论在各行各业的匹配问题研究中得到快速发展。gimbert等研究男女稳定匹配的经典组合问题，引导每个参与者对其相反性别参与者进行评价，将表示偏好的排序作为模型的输入，分析了相关变量对稳定匹配算法的近似可操作性的影响；唐家俊等基于gale-shapley算法分析虚拟电厂与分布式资源匹配，提出了基于熵权-层次分析法的模型求解方法；李颖新等对设计任务与知识资源的匹配进行研究，建立了面向云制造模式的匹配框架，以产品研制工艺知识为例验证了该方法的质量；liu等考虑了学生与项目之间的资源匹配问题，根据学生的喜好将他们划分为不同的类型，并且开发了策略证明机制以满足公平性和效率等要求；pu等分析了中介服务在双边市场中的数值型、区间数型和无，序枚举型三种常用的指标类型，提出了广义偏好顺序确定方法，解决主体间多指标难以确定偏好的问题；song等为了实现任务需求与资源容量的有效匹配，基于特征分析的统一描述方法建立了分布式计算环境下的动态双向匹配模型，结果表明该方法在总体完成时间和响应延迟方面均得到了一定优化。近年来针对不同类型的双边资源匹配研究逐渐成为领域热点，但现有的人岗双边匹配研究较少，且大多都以基础测算为主，且极少考虑匹配结果对个体匹配满意度的影响。

4、综上，本发明基于双边匹配理论对管理平台进行研究，考虑企业整体满意度与员工个人满意度，使其更加符合实际工作情况，能够向管理层提供更为科学和客观的评估参考，帮助企业更有效地组织管理人力资源，并提高员工的满意度与工作效率。

技术实现思路

1、针对现有技术中智慧班组中的数字化人岗双边匹配问题，提出了一种基于双边匹配理论的智慧班组人岗管理平台，通过员工对岗位间的互评计算员工与岗位彼此的偏好序，从企业与员工两者的角度出发，以整体满意度最大与个体满意度方差最小为优化目标，以个体最大匹配数与最差匹配限制为约束。

2、为实现上述目的，本发明提供如下技术方案：

3、一种基于双边匹配理论的智慧班组人岗管理平台，其特征在于，包括如下步骤：

4、步骤一、基于物元原理的偏好序；首先要对员工与岗位双方的各项评价指标评分进行数据处理，得到人员与岗位彼此的偏好序；

5、步骤二、双边匹配模型构建；所述双边匹配模型包括整体满意度、员工个体满意度方差和约束条件；

6、步骤三、双边匹配模型求解；人岗双边匹配模型为非线性0-1规划模型，可采用启发式算法进行求解。

7、优选的，在步骤一中，基于物元原理构建建立人岗双边匹配评价模糊物元矩阵rmn：

8、

9、式中：uij为各项评价指标cj下员工(岗位)对岗位(员工)的评价值；

10、根据最大-最小算子规范化原理得到模糊物元矩阵并根据δij＝(1-uij)2得到标准差平方复合模糊物元矩阵rδ：

11、

12、确定评价指标的熵：

13、

14、式中：

15、各项评价指标的权重wj的计算公式为：

16、

17、偏好序利用贴近度作为依据，贴近度值越高表明关联度越高，偏好序越靠前；

18、选取欧式距离来计算贴近度，计算公式为：

19、

20、式中：

21、设员工集合为a＝{a1，a2，···，am}，其中ai表示第i个员工，i＝1，2，···，m；岗位集合为b＝{b1，b2，···，bn}，其中bj表示第j个岗位，j＝1，2，···，n；设r＝{r1，r2，···，rm}为员工ai给出的关于岗位b的偏好序向量，员工ai把岗位bj排在第rij位；设s＝{s1，s2，···，sm}为岗位bj给出的关于员工a偏好序向量，岗位bj把员工ai排在第sij位。

22、为完成人员与岗位的双向匹配机制，设计了一种如图2所示的双边匹配模型，ai代表员工，bj代表岗位，图2中ai与bj之间的有向线的权值表示供需双方的偏好序大小，ai与bj之间的无向粗线表示ai与bj匹配；

23、优选的，在步骤二中，所述整体满意度为在得到偏好序后利用其计算满意度值，设αij为第i个员工ai对第j个岗位bj的满意度值，βij为第j个岗位bj对第i个员工ai的满意度值；现实情况下，偏好排序与满意度不呈线性关系，如员工对排序为第一与第二的岗位满意度差距会远大于倒数第一与倒数第二的岗位满意度差距，于是定义αij与βij的表达式为：

24、

25、

26、式中：rij与sij分别为人岗双方的对应偏好排序，即定义双方的偏好序倒数为双方的满意度；

27、为构建优化模型并进行编码求解，引入0-1决策变量xij，xij为1表示第i个员工与第j个岗位相匹配，为0表示不匹配；员工与岗位双方的整体满意度优化模型为：

28、

29、

30、目标z1表示最大化员工主体a关于岗位主体b匹配的总体满意度，目标z2表示最大化岗位主体b关于员工主体a匹配的总体满意度，将z1与z2进行集计处理得到整体满意度总目标z3，模型表达为

31、式中：η1与η2为权重系数，本发明均取0.5，若岗位管理者更加注重岗位方的满意度，可适当增大η2的比例。整体满意度最大

32、优选的，在步骤二中，所述员工个体满意度方差是为了避免各员工在对匹配到的岗位发生满意度差距较大而产生负面心理的情况，建立员工个体满意度方差优化模型，其表达为

33、

34、式中：为员工的个体满意度平均值。员工个体满意度方差最小

35、优选的，在步骤二中，所述约束条件为最大匹配数约束与最差匹配限制约束为

36、

37、

38、

39、

40、式中：pi为与第i个员工相匹配的岗位最大个数；qj为与第j个岗位相匹配的员工最大个数；hi为第i个员工匹配的岗位个数，tj为第j个岗位匹配员工的个数，

41、式(12)与式(13)为最大匹配数约束，式(12)表示人员与岗位匹配的最大个数，式(13)表示岗位与员工匹配的最大个数；式(14)与式(15)为最差匹配限制约束，限制双方的匹配满意度值均大于与其末hi或tj位的满意度累加值。

42、优选的，在步骤二中，双边匹配模型求解采用nsga-ⅱ算法并进行改进，具体求解步骤如下：

43、步骤1：信息输入，双边满意度排序计算；由员工与岗位管理者分别进行需求信息输入，平台分别建立员工与岗位相互的评价指标集c与d；根据步骤二所述的满意度排序方法进行计算，并得到双方的满意度排序表；

44、步骤2：染色体编码；本发明的染色体个体采取二维0-1编码方式，建立总长度为m×n的编码矩阵e，m、n分别表示需要进行匹配的员工与岗位总人数，染色中的0-1为目标函数中的xij取值，初始化的编码矩阵e各行列元素分别进行求和须满足式(12)与式(13)的约束条件；

45、步骤3：适应度计算；适应度计算过程选取式(10)的倒数与式(11)为目标函数，使两者的期望均为最小值；

46、步骤4：种群进化策略；本发明所构建的种群在进化过程中既要考虑个体的二维特性，又要及时检查个体是否满足约束，并对不满足约束的个体进行调整，故编程设计了适合本文模型的交叉与变异算子；同时，为了提高算法的收敛速度，对交叉与变异概率进行改进；

47、(1)改进交叉算子：在进行交叉操作时，首先将父个体编码矩阵中奇数行的码值进行交换，对交换后得到的各个子个体的各列进行约束条件检查，若式(12)与式(13)的约束条件满足则约束标志位为真，交叉操作结束；若不满足(该列元素之和大于规定)，则搜索不满足约束列的第一个1出现的位置，并将其与该行的第一个0交换位置，交换后再次检查约束标志位，为真则交叉操作结束，为假则将两者的元素值复原，并将该1与该行下一个0进行交换，重复上述操作，直至约束标志位为真；交叉算子伪代码如表1所示。

48、表1改进的行交叉算子伪代码

49、

50、(2)改进变异算子：为防止种群进化早熟，设计变异算子对交叉后的个体进行一定概率的修改；首先产生两个1～m间的两个不相同的随机数，并分别赋给变量u、v，将发生变异的个体e的u、v行码值进行交换，完成变异操作；对变异后的个体进行约束条件检查，若约束标志位为真则变异操作结束；若为假，则查找到该行的第一个1，并将其与其交换行所对应的元素进行交换复原，检查约束标志位，为真则结束变异操作，为假则对下一个1重复上述操作，直至约束标志位为1；变异算子伪代码如表2所示。

51、表2改进的行变异算子伪代码

52、

53、(3)交叉与变异概率：为保证种群的多样性，同时提高算法的收敛速度，本发明对交叉概率pc与变异概率pm进行改进，过大的会加重对染色体的破坏，影响算法收敛速度，而过小的pc与pm又可能使得算法出现早熟，陷入局部最优解，故设计自适应的交叉与变异概率以缓解上述现象，自适应交叉与变异概率公式为

54、

55、

56、式中：fmax与favg分别为所有染色体中的最大适应度值与平均适应度值；pcmax与pmmax分别为最大交率与最大变异率；f’为q1与q2两个染色体中较高的适应度值；f为染色体q的适应度值；

57、自适应思想为在算法前期赋予种群较大的交叉与变异概率，保证种群多样性与搜算范围，而在算法的后期随着染色体的适应度提高，减小交叉与变异概率，防止较优解被破坏并提高收敛速度；pcmax与pmmax的取值分别取0.9与0.4，通过该种改进方法帮助算法实现广且快的进化目标。

58、一种基于双边匹配理论的智慧班组人岗管理平台的操作方法，如图1所示，包括如下步骤：

59、步骤一、员工与岗位管理者分别将评价信息输入平台；

60、步骤二、服务器收到信息后分别进行员工与岗位双向的满意度排序计算，得到两份排序表；

61、步骤三、根据排序表进行双边匹配算法的运算，得到匹配匹配结果；

62、步骤四、匹配结果经平台输出至岗位管理者端，为管理者提供参考，最终经与员工协商，得到共识后确定最终的人事方案。

63、与现有技术相比，本发明的有益效果是：本发明首先基于物元原理，通过员工对岗位间的互评计算员工与岗位彼此的偏好序，从企业与员工两者的角度出发，以整体满意度最大与个体满意度方差最小为优化目标，以个体最大匹配数与最差匹配限制为约束；继而运用nsga-ⅱ算法进行求解，染色体采取二维0-1编码方式，并对求解过程中的交叉算子、变异算子及交叉与变异概率做出改进。以国家电网某公司的班组管理平台信息为例，取运算后得到的pareto前沿解集中为(0.24,0.28)的解进行分析，验证本文方法可获得满足整体与个体满意度均衡的匹配方案。将本发明匹配模型实现于平台数字化人岗匹配功能，能够为岗位管理者提供人岗双方满意的匹配方案。