基于改进粒子群算法的建筑施工人力资源优化配置

杨芳芳

摘要：随着我国城市化进程的加快，建筑工业逐步发展壮大，在经济增长中占领主导地位。在项目建设实施的过程中难免出现资源的竞争以及分配不合理的情况，而人力资源作为关键性的资源，其合理配置起着举足轻重的作用，同时也是施工企业人才管理的重要部分，直接影响着建筑施工的效益和发展。

本文首先对国内建筑施工人力资源配置的现状进行研究，并对其存在的问题进行分析，其次对建筑施工人力资源采用层次分析法确定人力资源供需量、评判标准及其权重等，并信息素更新、可变因素转换及遗传算法的融合等方面的因素进行加总对粒子群算法进行改进，在改进的基础上提出合理的解决人力资源优化分配问题的方案。

关键词：人力资源优化配置；粒子群算法；层次分析法；数学模型。

一、背景概述

（一）问题描述

人力资源是施工企业生存和发展的基础，其配置、质量、结构等直接关系到企业的可持续发展。虽然我国科学家对企业的人力资源优化管理进行了长期的探讨与研究，但他们更多的是在人力资源制度、激励制度等方面进行改进，并未改变建筑企业施工队伍庞大以及施工队伍分配不平衡等问题。尤其是由于建筑行业自身的特点，短期内并不能培养出一批高素质的人才进入行业内部。因此，合理配置人力资源显得尤为重要。

（二）研究意义

1、本算法能够对有限的人力资源进行配置，改善行业内部人力资源配置现存的各类问题。

2、缩短我国建筑企业与国际先进企业的差距，使我国建筑企业逐步国际化。

3、最大程度的满足行业内建筑施工群体的个人期望，让他们在项目建设过程中找到最适合自己的位置，并能在其位置发挥最大的作用。

二、相关算法简介

（一）层次分析法

层次分析法（The analytic hierarchy process）最早由美国运筹学家Thomas L.Staaty提出的一种层次权重决策分析法，并应用于解决包含多项标准的复杂问题。

现实生活中，在作决策之前往往需要考虑很多因素，而这些因素大都是相互制约，相互影响的，无法进行定量分析。层次分析法可以将决策系统层次化，通过逐层比较来确定为最终决策提供的依据。

（二）粒子群算法

粒子群算法最早由美国社会心理学家James Kennedy和电气工程师Russell Eberhart提出，是通过模拟鸟群觅食行为而发展起来的一种基于群体协作的随机搜索算法，可被纳入多主体优化系统。在PSO中，每个优化问题的解都是搜索空间中的一个粒子，所有粒子都有一个由被优化的函数决定的适应值，每个粒子还有一个速度决定他们飞翔的方向和距离。然后，粒子们就追寻当前的最优粒子在解空间内搜索。他们通过群间协作达到最优目的。

PSO初始化为一群随机粒子（随机解），然后在其约束范围内，根据一定的条件，通过迭代找到最优解，在每一次迭代中，粒子通过跟踪两个“极值”来更新自己。个体极值pBest是粒子本身所找到的最优解，另一个极值是整个种群目前找到的最优解，即全局极值gBest。

三、相关参数分析

（一）层次分析

一个工程项目的进行，需要多个不同岗位的成员相互配合，不同岗位的复杂程度，所处环境，所需人数也各不相同。可采用层次分析法对主要岗位（机械保障部、质检部、工程技术部、材料部、安全部）的人员分配进行分析，并将工作难度，工作量大小，技术含量作为评判标准。

（1）工作难度：工作难度越大，相应部门员工越多；

（2）工作量：工作量越大，相应部门员工越多；

（3）技术含量：技术含量越大，高质量人才越多；

（二）粒子群算法

假定在建设施工过程中，每个施工人员可以当做是一个粒子，其规模是N，第i（i=1，2，…N）个施工人员的位置是xi=[xi1，xi2，…xiN]，其飞行速度即对当前职位的把握度v=[vi1，vi2，…viN]，最优位置为gbest，历史最好位置为pbest。

约束条件如下：

（1）工程施工部人数最多；

（2）员工质量：机械保障部>=质检部>=工程技术部>材料部>安全部。

（二）可变信息

（1）施工阶段不同，各个部门所需人员数量不同；

（2）施工阶段不同，不同岗位的人员可以进行交互作业。

四、建立数学模型

（一）算法简述

Step1：根据层次分析法，确定施工人員规模N，组数为m，每组xi成员，考虑约束条件，对各部门施工人员的人数进行初始化；

Step2：按一定标准计算每个成员的适应度；将其函数值按照由小到大的顺序进行排序，得到全局最优值gbest；

Step3：对分组后的成员进行编号，第i组成员编号为[xi，xn+i，x2n+i…x（j-1）n+i]，其中i∈[1，m]，j∈[1，n]；

Step4：对于每个成员，将其适应度与所经历过的最好位置的适应度进行比较，如果适应度增大，就代表成员所处位置更适合，则将其作为成员的个体历史最优值，用当前位置更新个体历史最好位置pbest=gbest；

Step5：选出组内最优位置gbest，对于第i组粒子，有gbest=xi；

Step6：每个小组中n个成员按照步骤Step4更新自身位置，迭代完成后对每个成员按适应度由小到大的顺序进行排序， 排序后的成员进入下一次组内迭代。转到Step5。

Step7：达到组内迭代要求后，各组更新后的成员进入下一次分组， 转到Step3。迭代公式如下：

vi是粒子速度，ψ是项目完成权重，presenti是粒子的当前位置，最优位置为gbest，历史最优位置为pbest，rand（）是介于（0，1）之间的随机数， c1，c2是学习因子，一般取c1=c2=2。

Step8：达到分组次数后， 退出。

Step9：将可变因素融入，按照上述步骤进行计算，得到不同阶段不同岗位的人员分配。

五、模型分析

（一）模型预测

通过改进的粒子群优化算法，能够将业内现有的人员进行合理的分配调整，每个人能够在最适合的岗位工作。不仅可以为人员数目的控制与调整提供一个很好的依据，也节约了业内的人力资源。

通过改进的粒子群算法对人力资源进行优化配置，使建筑行业中多数施工人员能够在项目建设过程中找到最适合自己的位置，很大程度的满足个人期望，也可以节约人力的分配，并且每个项目组的全部成员之间都可以形成良好的协作状态，将团队力量发挥到极致。

（二）模型优点

与现有的人力资源配置相比，经过修整的业内人力资源状况更适合企业的长期发展：

（1）人力资源利用率大大提升。尽管业内人数有限，但经过合理的搭配，每个人都能发挥自身最大的作用。

（2）业内人员形成竞争。全体人员通过自身实力確定其岗位的高低，通过竞争更能促进个人能力的进步。

优化的粒子群算法也可以应用于施工顺序等各个方面。比如，进行小组的排序，即施工顺序，按照粒子群算法的适应函数，计算各个小组的适应度数值，并从大到小进行排列，最大的即最先施工，适应度相差不多的可以视为相等，可同时开始施工。施工开始后，按施工阶段的差异进行人员的再次调整，可加快整体施工进程。

（三）模型不足

本模型不能从根本解决建筑行业人力资源不平衡的问题，只能对现有资源进行调整。若要彻底改变行业现状，不仅需要政策的扶持，也需要转变人们对建筑行业的思想。

六、总结

针对粒子群优化算法早熟收敛的弊端，本文提出了加入信息素更新、可变因素转换的改进粒子群优化算法，并用层次分析法并进行简化，尝试应用于建筑施工人力资源配置优化中去，期望解决工程施工中不同部门人力资源分配不平衡的现象。

参考文献：

[1]马良金，《建筑施工企业人力资源管理改进方案研究》，浙江大学硕士论文.

[2]任杰，《建筑施工企业人力资源开发与管理》，工程管理学报，2011年02月，第25卷，第一期.

[3]李隽，李新建，王玉姣，《人力资源管理角色发展动因的多视角分析与研究展望》，外国经济与管理，2014，05（36）.

[4]刘逸，《粒子群优化算法的改进及应用研究》，西安电子科技大学，博士论文.

[5]徐迅，《多目标粒子群优化算法及其应用研究》，江南大学，硕士论文.