基于层次遗传算法的人力资源供应链平台研究

钟凡

（河海大学 商学院，江苏 南京 211100）

基于层次遗传算法的人力资源供应链平台研究

钟凡

（河海大学 商学院，江苏 南京 211100）

针对人力资源供应链中生产商能够获得充足的人力供给优化问题，本研究以供应商、用人单位和生产商构建人力资源供应链系统平台，采用双层规划模型描述人力资源供应链问题，以人力资源成本和生产商用人的总费用最低为目标，分别建立上、下层规划优化模型，利用层次遗传算法（HGA）作为求解模型的算法，并用模拟仿真证明了该算法的有效性：决策者和生产商目标的Pareto Optimality最优解分别集中在的[-3，-2]和[6，8]之间，优化解选取（-2.75，7.0）和（-2.25，8.0）。该算法实现了人力资源供应利益的最大化，且为人力资源的高效供给提供决策依据。

遗传算法；双层规划；供应链；人力资源

在人力资源供应链系统中，供应商是将用人单位和生产商联系起来的纽带[1]，对于供应链的优化问题则是提高整个人力资源网络配置效率的核心问题。目前对人力资源供应链的研究模型可分为离散性和连续性[2]。连续性的研究模型对厂商的选取没有特定的要求与规定，其中最突出的是中心重心法[3]；而离散性的研究模型主要用于从多个方案中选取最佳方案[4]，其中最突出的是混合整数规划法[5]。为了使生产商、供应商以及用人公司3个利益共同体的决策和利益真实的反映出来，以便量化其对管理层人力资源最终规划方案选择方面的影响，本文利用规划模型来解决人力资源供应链平台优化选取的问题，提出和设计了层次遗传算法（HGA）来求解该模型，该算法较好地协调了人力资源供应链选取过程中利益相关方的目标，使其更加符合人力资源作业过程中的真实情况，从而具有传统的算法不具备的优势。

1 供应链平台与规划建模

1.1 人力资源供应链平台

人力资源供应链协同平台主要分供应链中的用人公司，生产商以及人力资源供应商3个部分，这3个部门分别处于供应链中的不同环节，分工各有不同，因此对信息的需求及敏锐程度也有所偏重，人力资源供应链协同平台的具体分工如图1所示。

图1 人力资源供应链协管理同平台

1.2 人力资源供应链平台问题描述

Leader（上层规划模型）用于描述管理层对各种方案的规划与选取[6]。文中将其运用于人力资源供应链平台决策的优化问题，描述人力资源需求管理层在人力资源成本最小化的条件之下获得最优质的人力资源的方案；Follower（下层规划模型）用于描述人力资源供应商在其所处的多个人力资源供应链之间决定其供应人力资源分配量的方案，从而使人力资源供应链的上游获利更多。本文在参考规划模型的基础上，供应商、用人公司及生产商之间的跨度以数量的形式表现在方案选取的目标函数中，以便方案选取研究。具体的人力资源供应链优化选取模型如下所示。

1）Leader模型

其中，Cij、dij和xij分别表示生产商在人力资源供应链中由i环节到j环节对人力资源培训的单位成本、流程跨度和人力资源需求量（i=1，…，m；j=1，…n）；fj表示在供应链环节中j由环节至供应链终端的固定成本；zj为0-1变量，如j环节为供应商环节则zj为1，其他情况下均zj为0；pjk为从用人单位k到供应商j环节的中间耗费成本；wkj为用人单位k到供应商的人力资源供应量；djk为用人单位k到供应商环节j的流程跨度。若B为总投资额度，Mk为用人单位k的供应能力，Vj为生产商的人力资源需求量，则上层规划模型还要满足如下的约束条件：

2）Follower模型

在上述的模型中，为了保证生产商的人力资源需求量在供应商之间进行配置与划分，利用Ui表示生产商i的需求量，同时，为了保证对供应商的供应能力和生产商的人力资源需求量非负的约束，因此，还需要满足以下条件：

2 求解人力资源供应的层次遗传算法

2.1 基本原理

进化算法中的遗传算法（genetic algorithm，GA）应用最为广泛[7-8]，文中在前人研究基础上，基于管理决策者之间的博弈对遗传算法进行优化，从而进一步解决一些非凸目标函数的双层规划问题[9]。该算法可以迭代求解Pareto Optimality状态下双层规划模型所获得的Follower模型最优解和Leader模型最优解[10]，进而解决供应链上下游环节中人力资源配置的优化问题。层次遗传算法的具体步骤如图2所示。在对双层规划模型进行最优解计算时可限制其遗传进化代数为外层循环当前的迭代次数从而提高最优解的精度，最终整个系统趋于Pareto Optimality状态。

图2 层次遗传算法

2.2 种群个体编码设计

管理层决策变量编码方式分别为：Zj利用二进制进行编码[11]，每个人力资源供应链中的供应商都对应一个特定的编码，其位串的长度为参与的供应商的数量和用人单位数量的总和，当选取到某个供应商则设定其位置1，其他情况下全部为0；wjk和供应链下游决策变量xij利用实数进行编码。为了使算法的运算更为简便，还需要对管理决策者对于人力资源供应商选择的方案进行一定的预先处理[12]，对于未入选的供应商其需求量默认为0；再者对供应链中生产商在与各个供应商之间的需求人数进行归一处理[13]。在进行Follower遗传算法演绎时要注意各个编码方案之间的原则一致性[14]。

2.3 实现步骤

利用层次遗传算法原理求解Leader和Follower的模型人力资源供应链最优平台的具体流程如下:

步骤 1：以管理层的规划变量为依据并与Leader的规划变量相对应对种群X（zj，wjk）进行重新的设定，并设定外层循环次数；

步骤2：将Leader种群的每个元素考虑在内求解Follower规划问题：1）默认Follower遗传算法的个体数量并且设定其遗传代数为当前的外层循环次数；2）对Follower的遗传算法群落进行编码、评价以及变异等操作[15]；3）求得在Pareto Optimality状态下Leader种群最优解个体所对应下的Follower最优解，并将其构成一个群体Y传递到上游进行进一步的算法演绎；

步骤3：将Follower种群的每个元素考虑在内求解Leader规划问题：1）默认Leader遗传算法的个体数量并且设定其遗传代数为当前的外层循环次数；2）对Leader的遗传算法群落进行编码、评价以及变异等操作[16]；3）求得在Pareto Optimality状态下Follower种群最优解个体所对应下的Leader最优解群体X；

步骤4：以供应链中上下游之间的利益关系为依据对各个群体中的个体进行适应度分析，选择供应链上游等级较低或者环节跨度大的父代个体；再将供应链上游群体中的个体与当前的子代个体按照非支配的原则进行排序，再根据供应链上游等级以及环节跨度选择N个个体进行下一步进化；

步骤5：终止算法检验。当外层循环的数量达到了最大迭代次数，或者人力资源供应链平台中群体的适应度平均变化幅度达到既定范围则算法终止。二者取其一或者都满足，则供应链上游集群为最优解的集合，决策者能够获得最终的最优方案。若二者都不满足，则回到步骤2继续执行算法。

3 供应链平台优化及模拟仿真

3.1 人力资源供应链平台设计

利用供应链调控的原理，并与人力资源流程优化的特点，主要以计算机软件开发平台的需求为任务目标，为了同时使得供应商，生产商以及用人公司对人力资源配置的需求，故将人力资源供应链平台的设计分为八大模块来高效运行:能力素质模型管理，人力资源测评中心，人力资源培训管理，人力资源绩效管理，人才职业生涯管理，人力资源配置管理，人力资源釆购管理，人力成本收益管理，如图3所示。

图3 人力资源供应链平台

3.2 层次遗传算法模拟仿真

本实验选取Intel Pentium Dual T2330笔记本进行算法的执行与最后的操作设计，并利用MATLAB R2007A进行软件操作。

在层次遗传算法模拟仿真部分主要增加了部分生产商渠道的数以及用人单位的数量，各生产商的人才资源需求量一般按照随机抽样的方式选取。假定用人单位在A、B、C 3个地点都设有分公司，并且其运作流程相互独立各自盈亏自负，其对于人才资源的需求先由用人单位进行培训，再供应至供应商环节进行在岗训练，最终推荐给生产商完成对人力资源的最终培训。根据用人单位，供应商以及生产商在供应链平台协同利益最大化的利益需求，人力资源外包机构的需求量充足的情况下，在供应链平台中选取优秀信质的100家企业，从中至少选取10家企业作为人力资源供应链核心环节，假定100家用用人单位企业对人力资源的需求量在样本合理范围之内，其人力资源供应链系统如图4所示。

图4 人力资源供应链系统

假定供应商到生产商、用人单位到供应商对于人才的输送中间耗费成本为单位成本，再假定单个供应商对于人力资源信息处理量的限度为30 000 000条，生产商对于 HR部门的年度预算限度约为30 000 000元，选取人力资源供应商即人力资源外包机构的中间环节成本耗费为500 000元，供应商、用人单位以及生产商的环节选取一般由系统随机抽选。利用层次遗传算法对人力资源供应链管理平台的优化所获得的Pareto Optimality状态下最优解群体，如图5所示。

图5 Pareto Optimality状态下最优解

由图5可得，Pareto Optimality最优解主要集中在：决策者目标的[-3，-2]之间，生产商目标的[6，8]之间。因此，对于层次遗传算法对该人力资源供应链管理模拟平台的优化解选取（-2.75，7.0）和（-2.25，8.0）。而由于在非凸情况下获取的并非唯一最优解，因此人力资源管理层在选取供应链环节最优质的人力资源外包机构进行人力资源供给时，可根据需求从帕累托群体中选取最符合公司状况的最优解作为解决供应链上下游环节中人力资源配置的优化问题的决策方案。

4 结束语

通过对层次遗传算法进行细致的演绎来解决人力资源供应链中人力资源配置优化的问题。为了使生产商，供应商以用人公司3个利益共同体的决策和利益真实的反映出来，以便量化其对管理层人力资源最终规划方案选择方面的影响，在进行层次遗传算法演绎的过程中，人力资源供应链下游与上游参与者之间进行博弈，通过避免恶性竞争的方式，以非合作作为最终的策略实现管理层对HR资源的决策以及人力资源供应方之间的利益最大化。层次遗传算法在人力资源方面的应用对于解决供应链中人力资源最优化配置具有很强的实际意义，对不同的公司情况及公司的财务状况，只需对供应链中的生产商和用人单位的最终目标函数进行修改就能切实解决针对每个公司而不同的决策方案。总之，利用层次遗传算法优化供应链平台，从内部来说能够有效的协调人力资源部门与其他部门之间的协作，从外部来说也能够帮助企业与利益相关方共同实现利益的最大化，这对优化人力资源供应链系统的框架、提高公司和用人单位人力资源部门运作的效率以及对于人才的筛选都具有积极的意义。

[1]朱雷，黎建强，汪明.不确定条件下应急管理人力供应链多功能资源配置鲁棒优化问题[J].系统工程理论与实践，2015（3）:736-742.

[2]单汨源，吴宇婷，任斌.一种服务供应链拓展模型构建研究[J].科技进步与对策，2011，28（21）:10-16.

[3]刘宏伟，汪传雷，伦墨华，等.重心法模型及解法优化研究[J].物流技术，2013，32（13）:287-290.

[4]武玉英，饶毓书，蒋国瑞.供应链并发协商粒子群优化模型研究 [J].计算机工程与应用，2016，52（4）:229-233.

[5]刘俊梅，高岳林.非线性混合整数规划问题的改进差分进化算法[J].工程数学学报，2010，27（6）:967-974.

[6]王旭，石琳，葛显龙.物流服务供应商选择的双层规划模型及云遗传算法 [J].计算机应用研究，2011，28（8）:2871-2875.

[7]邓铁清，任艮全，刘英博.基于遗传算法的工作流个人工作列表资源调度[J].软件学报，2012，23（7）:1702-1716.

[8]梁亚澜，聂长海.覆盖表生成的遗传算法配置参数优化[J].计算机学报，2012，35（7）:1522-1538.

[9]任爱红.基于最近区间近似和区间规划方法求解一类模糊双层规划问题 [J].模糊系统与数学，2015（4）:139-145.

[10]刘楠楠，石玉，范胜辉.基于Pareto最优的PID多目标优化设计[J].信息与控制，2010，39（4）:385-390.

[11]冯登科，阮奇，杜利敏.二进制布谷鸟搜索算法[J].计算机应用，2013，33（6）:1566-1570.

[12]武星，楼佩煌，唐敦兵.基于精英进化导向的多目标PID参数优化 [J].控制理论与应用，2010，27（9）:1235-1239.

[13]曹道友，程家兴.基于改进的选择算子和交叉算子的遗传算法[J].计算机技术与发展，2010，20（2）:44-47.

[14]王铮，刘民，宋莹，等.一类复杂生产调度问题的基于符号演绎的调度方法[J].控制与决策，2010，25（10）:1489-1493.

[15]李鑫.改进变异操作的多种群遗传算法[J].信息系统工程，2012（9）:136-140.

[16]郭广颂，王燕芳.包含交叉和变异操作的交互式遗传算法[J].计算机工程，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稿件编号：201605223

国家自然科学基金资助项目（61303005）；国家社科基金项目（10bzx73）

钟 凡（1990—），男，河南郑州人，硕士研究生。研究方向：战略管理。