蟻群算法的聚類分析研究及在HRM中的應用.pdf

1、隨著網(wǎng)絡技術和數(shù)據(jù)庫技術的快速發(fā)展，計算機已經(jīng)能夠存儲大規(guī)模的海量的數(shù)據(jù)，另一方面，傳統(tǒng)的數(shù)據(jù)分析處理工具如管理信息系統(tǒng)對這些數(shù)據(jù)只能進行表層的處理，而更深層次的數(shù)據(jù)分析能力卻不盡如人意，這樣，數(shù)據(jù)供給能力和數(shù)據(jù)分析能力間的矛盾日益突出，因此迫切需要一種能夠對數(shù)據(jù)進行深層次加工的自動化技術。由此，數(shù)據(jù)挖掘技術應運而生。聚類分析作為數(shù)據(jù)挖掘中的一個重要課題，它是將數(shù)據(jù)區(qū)分為自然的群體，并給出每個群體特征描述的一種數(shù)據(jù)挖掘方法，是數(shù)據(jù)挖掘和

2、知識發(fā)現(xiàn)的一種基本方法。聚類分析是在無先驗知識無指導下進行數(shù)據(jù)無監(jiān)督分類的一種數(shù)據(jù)挖掘技術。通過先進算法的恰當采用，發(fā)掘潛藏的有價值的信息，提高數(shù)據(jù)分析和解釋的質量，也為后續(xù)其它數(shù)據(jù)分析和整理工具對數(shù)據(jù)的再處理或理解提供科學的判斷依據(jù)。因此，研究如何提高聚類分析算法的性能具有重要意義。 聚類分析的算法很多，比較著名的有模糊K-均值算法、K-中心點算法、c均值算法、FCM算法等。蟻群算法是最近幾年才提出的一種新的生態(tài)類優(yōu)化算法，其

3、主要特點是正反饋、分布式計算。初步的研究表明，它是一種基于種群的魯棒性較強的算法，具有許多優(yōu)良的性質，為求解復雜的組合優(yōu)化問題提供了一種新思路。本文根據(jù)蟻群算法的最新研究，對蟻群算法進行了改進，引入隨機擾動和螞蟻的感覺知覺特征，并與K-均值算法相結合，提出了一種新的聚類算法：改進蟻群算法，并建立了改進蟻群算法的聚類分析模型。通過仿真實驗表明，當模式樣本和分類數(shù)很大時，改進蟻群算法的聚類分析在解決多聚類問題比傳統(tǒng)聚類算法更有效。

4、在將理論技術應用到實踐方面，本文在分析了中國企業(yè)現(xiàn)有的績效評估體系現(xiàn)狀以及現(xiàn)有績效評估方法缺陷的基礎上，根據(jù)本人參與開發(fā)HRM系統(tǒng)的經(jīng)驗，將基于改進蟻群算法的聚類分析方法應用于員工績效評估中，具體做法為：根據(jù)員工的各種績效評估指標，首先建立員工績效評估的聚類分析模型，然后采用改進蟻群算法對員工進行聚類。通過聚類，從而對公司的員工有效地進行分類，有了這些分類，就能為人事規(guī)劃和人事調整提供有效的決策支持。 本文首先簡要介紹了聚類分析

5、的原理、發(fā)展、聚類分析方法，闡述了聚類分析的應用。然后闡述了基本蟻群算法的原理，分析了基本蟻群算法的優(yōu)點及不足，并闡述了現(xiàn)有的幾種改進方法。有了以上的理論基礎，提出了改進蟻群算法(IACA)以及基于IACA的聚類分析模型，并給出了相應的算法流程和實現(xiàn)，并進行了仿真實驗，和其他聚類分析算法進行了比較。之后，本文在第三章簡要介紹了人力資源管理理論和績效評估理論，分析了現(xiàn)有的幾種績效評估方法及其它們的優(yōu)點和缺陷。并結合本人的項目開發(fā)經(jīng)驗，將改

6、進蟻群聚類算法應用在員工績效評估系統(tǒng)中，并在第四章實現(xiàn)了一個完整的基于改進蟻群算法聚類分析的員工績效評估系統(tǒng)。通過大量的數(shù)據(jù)測試以及結果分析發(fā)現(xiàn)，本文提出在基本蟻群算法的基礎上引入隨機擾動和感覺知覺特征的改進蟻群算法(IACA)，在聚類過程中，能夠很好地避免算法出現(xiàn)停滯，并能夠避免算法陷入局部最優(yōu)，從而更好地達到全局優(yōu)化的目的，使聚類的整體性能達到優(yōu)化。進而應用在員工績效評估系統(tǒng)中，為績效評估員工分類提供了一種科學、客觀的依據(jù)。