在线时间 514 小时 最后登录 2023-12-1 注册时间 2018-7-17 听众数 15 收听数 0 能力 0 分 体力 40300 点 威望 0 点 阅读权限 255 积分 12801 相册 0 日志 0 记录 0 帖子 1419 主题 1178 精华 0 分享 0 好友 15
TA的每日心情 开心 2023-7-31 10:17
签到天数: 198 天
[LV.7]常住居民III
自我介绍 数学中国浅夏
人力资源安排的最优化模型 c8 P6 }( W5 \4 v+ f
1 描述 S0 ~. t0 \" O, L+ K. N% N5 R* Z
某大学数学系人力资源安排问题是一个整数规划的最优化问题,通过具体分析数学系现有的技术力量和各方面的约束条件,在问题一的求解中,可以列出一天最大直接收益的整数规划,求得最大的直接收益是42860元;而在问题二的求解中,由于教授一个星期只能工作四天,副教授一个星期只能工作五天,在这样的约束条件下,列出一个星期里最大直接收益的整数规划模型,求得其最大直接收益是198720元。) O9 a* B2 O: K' U" \+ E
4 @ j; s4 a* e 2 问题概括 h- v" i7 x4 x( B- M
数学系的教师资源有限,现有四个项目来源于四个不同的客户,工作的难易程度不一,各项目对有关技术人员的报酬不同。所以:, r; d. D# S3 K
/ `4 R$ z( h7 g. s4 e& t0 o
1.在满足工作要求的情况下,如何分配数学系现有的技术力量,使得其一天的直接收益最大?
/ u3 ?) t9 d1 Q' ~* y ; S, S# r& d- J" h% h9 F3 C
2.在教授与副教授工作时间受到约束的条件下,如何分配数学系现有的技术力量,使得其在一个星期里的直接收益最大?
, Y7 O0 f) O4 N/ `) m. i" q
4 K* }0 E+ [2 N1 R5 U4 O0 g' v 3 建模过程$ ], C- Y5 k% ]3 L+ K" B: K
3.1 边界说明5 P' M4 J+ E. ?
1.不同技术力量的人每天被安排工作的几率是相等的,且相同职称的个人去什么地方工作是随机的;$ N. R) I) A9 c- R% a
, B; r' \3 n1 J$ s; v# ?
2.客户除了支付规定的工资额外,在工作期间里,还要支付所有相关的花费(如餐费,车费等);
3 ^ t) |3 _5 i3 E4 }
* @' d3 ]* _2 h% R7 d 3.当天工作当天完成.; c" U9 [* y! v, x1 t
2 n+ g$ _: w! H; M! t 3.2 符号约定
# {' S) x: h- e8 {$ x$ h& E
0 N0 \7 P8 D7 i2 e5 U3 v. s
8 ~' Z7 v" L7 j* a4 _ |
* B" ?( w1 a8 V, I: g 3.3 分析
2 y' c6 Q7 k: W% l 由题意可知各项目对不同职称人员人数都有不同的限制和要求.对客户来说质量保证是关键,而教授相对稀缺,因此各项目对教授的配备有不能少于一定数目的限制.其中由于项目技术要求较高,助教不能参加.而两项目主要工作是在办公室完成,所以每人每天有50元的管理费开支.0 m$ y1 v' K7 c; H" O
1 O- ]" V/ r( A. K 由以上分析可得:最大直接收益=总收益-技术人员工资-、两地保管费.! e/ S% {* m" Z: R0 R
) W& X) S3 g p A. e
3.4 模型建立( D0 l6 S# A/ x6 ?8 r2 i4 z
2 F$ {. n+ W3 m0 z4 |
8 [; q, d+ r$ T3 \, U: r3 [ ) }( x) Y! A% ?1 r0 f# E7 C8 o
2 n6 b7 y) F0 I# \! t( h
7 @8 P7 E1 }6 W" }; y1 c/ v
7 M. A! T2 {9 X% ^; C, ]8 _ $ s# O8 ^( N+ ], i: j1 g. k
& Y' ~& y3 L3 Z" Q
3.5 模型求解 相关数据表格如下:
+ Y5 |4 f7 U/ _+ N 数学系的职称结构及工资情况
& i, B2 I* {, J. ~+ i / V; }/ y# p( O/ b) t p6 k3 @
1 i0 L* [+ a5 Z* f: ~( ?
/ ^" K2 L5 X( U* t$ [& \. c ; A: N7 Z6 P( L. b u
4 模型评价与推广1 M6 C2 B/ G1 B! ^+ m; P ? V
本模型通过合理的假设,充分考虑各方面的限制条件,得出的人员安排和直接收益6 w& } }3 ? Y8 N) q( V
1 Z2 g0 J3 q8 v4 P6 W7 d
都是本模型的最优解与最优值,对武汉大学数学系的人力资源安排有一定的指导作用。但从模型假设中,我们可以知道对数
* {5 k+ d% c6 D# q, C @ 3 Z8 h& @9 E+ i5 v# e: }
学系现有的技术力量的安排是随机的,在相同工作时段里,可能会出现部分人工作次数较多,而部分人较少的不公平情况。
. v2 S5 H8 s k# Q+ ^ ) d5 K! E V+ Y/ [* c0 L0 B
所以在满足工作需求的情况下,分配工作时应该要人为地尽量使得每个人的工作次数不要相差太远,或者相等。
0 ], }* M& u! ?% \ p0 q
( |( e7 k; E0 d 此模型通过对人力资源的调配,从量化的角度得出数学系的最大直接收益。利用此模型的方法可以求出所有类似本模型的线性规划模型。但是,本模型只是单目标的规划,可以在此基础上,增加目标要求。如在数学系的直接收益尽可能大的基础上,使得客户所花费的资金最少,等等。从而建立多目标规划模型。解决更为复杂的实际问题。
; Q2 f8 ]) T# f' ~ : u5 @2 P& \1 q8 Z$ {
5 实现代码
6 B2 I4 V' i( b1 J B. ^ f=[-1000;-800;-550;-450;-1500;-800;-650;-550;-1300;-900;-650;-350;-1000;-800;-650;-450];
; w6 `3 ^, D/ B# o/ N A=zeros(9,16);: D. ^9 m- F, N: C/ a4 K7 x" s/ J% h/ G
for i=1:1/ B2 R' v! E% f) a
for j=1:16
* z! D: e7 R, t# y A(i,j)=1; 5 p% Q9 n* [7 |
end
2 p& A, H/ ]. F! V5 D; ~/ t end
- @5 a* }) H) Q! h/ s8 b0 G& w for i=2:5
0 |5 q$ q! {7 R' A for j=i-1:4:11+i
7 Q4 N0 m! Y+ R* E A(i,j)=1;4 v4 P4 y0 |. V% {
end7 ^$ G+ g4 s( o ^8 i! N
end
3 @! {, z3 ~/ z% u i0=0;
# R3 n% U4 b. s; g+ t for i=6:9$ ]( p; x8 j) e" s7 n
for j=i0+1 i-5 )*45 g+ C& X+ n8 s
A(i,j)=1;! w. m# U: r L7 \8 K$ ^
end
8 Z/ W2 ]7 j, n% Z( Y i0=j;4 ]- n1 R. E4 T
end8 d4 j5 W0 O0 C# b3 q& _; z
b=[64;17;20;15;18;12;25;17;10];
i5 ~: ]" C6 R1 Q Aeq=zeros(1,16); E3 s7 Z+ E% {) i
Aeq(1,3)=1;
$ n" |: d* h: d4 s+ `0 a. H: f beq=[2];' |5 Q9 W. a' T* ?
LB=[1;2;2;1;2;2;2;2;2;2;2;1;1;3;1;0];
# w9 ?4 Y& X: @2 J% F9 d5 g UB=[3;5;2;2;inf;inf;inf;8;inf;inf;inf;inf;inf;inf;inf;0];6 h* h6 ]& |" m& N9 `8 |
[x,fval]=linprog(f,A,b,Aeq,beq,LB,UB)- c e' C0 A0 S+ [; X, l- k3 j. \
$ S( C& F: ^- V4 H& R2 |& z' p, a y% ]( l ' a ~+ @9 Y6 J
6 F o4 O! |$ o- e
f=[-1000;-1000;-1000;-1000;-1000;-1000;-1000;-1500;-1500;-1500;-1500;-1500;-1500;-1500;-1250;-1250;-1250;-1250;-1250;-1250;-1250;-950;-950;-950;-950;-950;-950;-950;-800;-800;-800;-800;-800;-800;-800;-800;-800;-800;-800;-800;-800;-800;-850;-850;-850;-850;-850;-850;-850;-750;-750;-750;-750;-750;-750;-750;-600;-600;-600;-600;-600;-600;-600;-700;-700;-700;-700;-700;-700;-700;-650;-650;-650;-650;-650;-650;-650;-650;-650;-650;-650;-650;-650;-650;-500;-500;-500;-500;-500;-500;-500;-600;-600;-600;-600;-600;-600;-600;-350;-350;-350;-350;-350;-350;-350;-450;-450;-450;-450;-450;-450;-450];
2 Y3 N" p' r. D Y' c" B A=zeros(60,112);
$ x: X0 I: r# {. f' ~. W for i=1;1
: X e! \% v9 ^( k5 d C e. h" V for j=1:112+ i4 V6 q% e& C5 ^3 a
A(i,j)=1;
- g8 {% g0 _: o- Y" t end ' Z/ [, T/ H, z8 L. P
end: C" V3 p5 h" v7 {4 e3 P" A3 |
i0=0;4 o) M& [4 Z( J5 L0 q3 p2 _8 z( C
for i=2:4
4 r, p4 _' y$ J0 } for j=i0+1 i-1)*285 z9 T7 }9 e5 C {2 Z; t
A(i,j)=1;$ s# ]9 w) T% z+ X: F/ k
end) z: I1 q2 h U
i0=j;
0 k8 u# `/ k! D: }* q+ H+ o end- }1 i5 W; Y1 ]9 J; Q& u3 Q
for i=5:329 b6 e5 g' N7 h1 a
for j=(i-4):28:80+i
7 ^$ e, @& k6 q+ w( b A(i,j)=1;
- q n' i o0 v0 T* V% B5 S end
0 w+ O4 x, i/ L8 u7 p end! l4 y' T% O, N7 M6 D' C7 \
for i=33:39
6 D0 j1 G: ^2 e+ p2 K- L for j= i-32:7 i-11)
( _! Q( M# [( I2 n: A. X A(i,j)=1;% Y: ~6 l3 d% Y
end
+ p5 l4 J" ?/ ^ ?+ E' S end
# q' w+ U% ?! T- V: |* b j0=j;
9 _- L. V" N( j# `# ^# x. F1 I for i=40:46
* r& O6 r2 D/ ^. U for j=j0+(i-39):7 i-18)+j0 V8 j4 ]" ~/ T' B
A(i,j)=1;
( R. _1 S9 g3 m8 b end
8 _* W( g. }6 f5 i/ W end3 o# l+ j4 I+ _
j0=j;
W! A9 W, c3 H* W( M# R3 K for i=47:53
3 L- Q/ c0 v: J4 Y8 z9 z7 g7 n" A/ T% H for j=j0+(i-46):7:j0+(i-25)
- e! `4 X3 A$ ^5 b1 I- u# V A(i,j)=1;
, {8 |! k4 C$ \( ]# N! X end% c7 v9 V8 H; _( c7 L/ I3 T
end
$ I" e' t/ P" ?6 t R$ m j0=j;- M, Q# k$ J# s
for i=54:60
+ {/ |1 c: g m( }) O! ? for j=j0+(i-53):7:j0+(i-32)
* L8 r3 B) f, Y A(i,j)=1;
3 g2 M# v/ ^) V, X( t1 l) _) Y end2 j5 q) F2 V2 B0 T9 ?
end
+ b0 W' p2 D; u3 b1 x% b$ U b=[362;48;125;119;17;17;17;17;17;17;17;20;20;20;20;20;20;20;15;15;15;15;15;15;15;18;18;18;18;18;18;18;12;12;12;12;12;12;12;25;25;25;25;25;25;25;17;17;17;17;17;17;17;10;10;10;10;10;10;10];
7 ?: K6 S- n) ~3 T UB=[3;3;3;3;3;3;3;5;5;5;5;5;5;5;3;3;3;3;3;3;3;2;2;2;2;2;2;2;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;8;8;8;8;8;8;8;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;0;0;0;0;0;0;0];
5 g9 l' y) X) T, n. } LB=[1;1;1;1;1;1;1;2;2;2;2;2;2;2;1;1;1;1;1;1;1;1;1;1;1;1;1;1;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;1;1;1;1;1;1;1;1;1;1;1;1;1;1;3;3;3;3;3;3;3;1;1;1;1;1;1;1;0;0;0;0;0;0;0];
, m; V/ l9 V+ ? Aeq=zeros(7,112);
2 ~& k$ |/ g0 B$ r0 n- J for i=1:7
- a) K! y6 \" `( r b( B; @& B Aeq(i,i+14)=1;. p' f9 t. O- a! V& P7 H; x
end
/ d; m/ T; i4 J# m! R beq=[2;2;2;2;2;2;2];/ d( S# {! m# P. _/ J" a7 w
[x,fval]=linprog(f,A,b,Aeq,beq,LB,UB). h5 {6 `0 n8 W3 v" ]; y* C
: J3 F% D0 J g
# |# \6 r; }! s' ]$ B! i$ d( P( K, V3 i
! x% H) i2 T' y& C% g 1 d! ]: R- j( ?. W) l
zan