基于遺傳算法的企業(yè)信息化建設(shè)

［摘 要］ 本文首先介紹遺傳算法的定義和內(nèi)容，分析了企業(yè)信息化指標(biāo)體系和企業(yè)信息化措施；其次建立了企業(yè)信息化建設(shè)的數(shù)學(xué)模型；然后運(yùn)用遺傳算法對(duì)數(shù)學(xué)模型進(jìn)行分析、求解；最后舉例說(shuō)明遺傳算法在企業(yè)信息化建設(shè)決策中的合理性，并指出了遺傳算法在應(yīng)用中的不足之處。

［關(guān)鍵詞］ 企業(yè)信息化；遺傳算法；信息化建設(shè)

［中圖分類號(hào)］F270.7［文獻(xiàn)標(biāo)識(shí)碼］A［文章編號(hào)］1673-0194（2008）21-0070-03

隨著現(xiàn)代信息技術(shù)的飛速發(fā)展，信息在各行各業(yè)發(fā)揮著越來(lái)越重要的作用，尤其是在企業(yè)中，信息已經(jīng)和人、物料、資金一并成為了企業(yè)的四大生產(chǎn)資料，任何一個(gè)企業(yè)的發(fā)展都離不開對(duì)信息的利用。信息論的奠基人Claude E. Shanon在1948年給出了信息的定義：“信息是用來(lái)消除不確定性的東西”。在企業(yè)中，信息是對(duì)組織的管理決策和實(shí)現(xiàn)管理目標(biāo)具有參考價(jià)值的數(shù)據(jù)，企業(yè)信息化就是企業(yè)應(yīng)用信息的過(guò)程。我國(guó)的企業(yè)信息化開始于20世紀(jì)80年代，經(jīng)歷了從企業(yè)產(chǎn)品設(shè)計(jì)信息化到企業(yè)管理信息化的發(fā)展階段，企業(yè)的信息化使企業(yè)生產(chǎn)效率和利潤(rùn)有了迅猛的提高。但是，我國(guó)企業(yè)的信息化基礎(chǔ)比較薄弱，面對(duì)經(jīng)濟(jì)全球化的發(fā)展沖擊尤為明顯，如何應(yīng)用企業(yè)信息化來(lái)提高企業(yè)的核心競(jìng)爭(zhēng)力已經(jīng)成為企業(yè)當(dāng)前及今后戰(zhàn)略發(fā)展的重點(diǎn)。本文通過(guò)對(duì)企業(yè)信息化以及實(shí)現(xiàn)信息化措施的分析，運(yùn)用遺傳算法這一優(yōu)化算法來(lái)解決企業(yè)在信息化建設(shè)中的一些問(wèn)題。

1 遺傳算法

遺傳算法（GA）是由自由派生的隨機(jī)優(yōu)化方法，它以自然選擇和演變過(guò)程為基礎(chǔ)，但聯(lián)系又是不牢靠的。它們最早是由密歇根大學(xué)的John Holland在1975年提出并進(jìn)行研究。它以其很強(qiáng)的解決問(wèn)題的能力和廣泛的適應(yīng)性滲透到研究和工程的各個(gè)領(lǐng)域，并取得了良好的效果。GA是建立在自然選擇和群體遺傳學(xué)機(jī)制基礎(chǔ)上的隨機(jī)、迭代、進(jìn)化，具有廣泛的實(shí)用性的搜索方法。所有的自然種類都是適應(yīng)環(huán)境而得以生存，這一自然適應(yīng)性是GA的主規(guī)律。GA搜索結(jié)合了達(dá)爾文適者生存和隨機(jī)信息交換，前者消除了解中的不適應(yīng)因素，后者利用了原有解中已有的知識(shí)，從而有力地加快了搜索過(guò)程。

2 企業(yè)信息化建設(shè)的模型

本文構(gòu)建企業(yè)信息化績(jī)效指標(biāo)體系如表1所示；企業(yè)信息化建設(shè)措施如表2所示。

根據(jù)表1，設(shè)企業(yè)的信息化水平為：A=αA，m為企業(yè)信息化水平指標(biāo)數(shù)，A表示第i個(gè)企業(yè)信息化水平指標(biāo)，取值0或1，1表示信息化水平高，0表示信息化水平低。我們可以通過(guò)層次分析法（AHP）得出每個(gè)水平指標(biāo)的一個(gè)權(quán)重α，并且使得α=1。

根據(jù)表2，設(shè)企業(yè)信息化建設(shè)措施為：B=β，n為企業(yè)信息化建設(shè)措施種類，B表示采用第j個(gè)建設(shè)措施，取值為0或1，1表示采用實(shí)施了該措施，0表示沒(méi)有實(shí)施該措施。β表示實(shí)施第j個(gè)措施的費(fèi)用， β=β。

所以，在企業(yè)信息化建設(shè)中所遇到的問(wèn)題有兩個(gè)：

一是讓企業(yè)的信息化程度最高，即Max A=αA；二是讓企業(yè)在實(shí)施信息化建設(shè)中的花費(fèi)最小，即Min B=

B。信息化水平A隨著信息化建設(shè)措施B的實(shí)施而變化，因?yàn)橛械拇胧┰鰪?qiáng)了一個(gè)信息化水平指標(biāo)，而削弱了另一個(gè)信息化水平指標(biāo)，我們記作A= f（B）。可以看出，這是一個(gè)多目標(biāo)優(yōu)化問(wèn)題，通過(guò)目標(biāo)的加權(quán)和的方法，構(gòu)造一個(gè)優(yōu)化目標(biāo)函數(shù)，即Max Z= υA- ωB，或Max Z= υ

f （B）- ωB。其中υ和ω是權(quán)重，表示管理者對(duì)目標(biāo)一與目標(biāo)二的偏好（υ＋ ω ＝1且0≤υ，ω≤1）。υ > ω表示管理者比較看重企業(yè)信息化建設(shè)；反之，表示管理者比較看重信息化建設(shè)所需的費(fèi)用。

3 遺傳算法求解

（1）編碼

遺傳算法的第一步驟是以編碼串的形式表示可供選擇的解，每一個(gè)串是一系列具有值的特征；每一個(gè)特征的值都可以用一個(gè)值來(lái)編碼，這個(gè)值來(lái)自一個(gè)叫等位集的離散值的集合。根據(jù)問(wèn)題我們可以用二進(jìn)制向量作為每一個(gè)染色體來(lái)表示單個(gè)變量的實(shí)值。例如信息化水平（110101110）表示企業(yè)的網(wǎng)絡(luò)建設(shè)水平（A3）、企業(yè)組織機(jī)構(gòu)整合水平（A5）和企業(yè)人員的素質(zhì)水平（A9）不高，這些方面有待提高。信息化建設(shè)措施（01001000）表示增加計(jì)算機(jī)等硬件設(shè)施和建立企業(yè)網(wǎng)站和電子商務(wù)。

（2） 產(chǎn)生群體

當(dāng)t=0時(shí)，隨機(jī)產(chǎn)生幾個(gè)個(gè)體組成一個(gè)群體Ｐ（ｔ），該群體代表優(yōu)化問(wèn)題的一些可能解的集合，也就是信息化建設(shè)中可以采取的幾種可以實(shí)施的方案，一般來(lái)說(shuō)，它們并不是最優(yōu)的方案，GA的任務(wù)就是從這些群體出發(fā)，模擬進(jìn)化過(guò)程，最后得出最優(yōu)方案。

（3）評(píng)價(jià)

在建立起群體后，下一步是計(jì)算群體中每個(gè)成員的適合度值，因?yàn)槊總€(gè)染色體都是最優(yōu)解的候選。對(duì)一個(gè)最大值問(wèn)題來(lái)講，第k個(gè)成員的適合度F通常是目標(biāo)函數(shù)在這個(gè)參數(shù)空間中點(diǎn)的估計(jì)值。在此問(wèn)題中我們?cè)O(shè)置的適合度函數(shù)是：F= υαA- ωB。

（4）選擇

在這一階段，我們就需要從當(dāng)前代中建立一個(gè)新的群體P（t+1）。選擇操作以確定哪個(gè)父染色體會(huì)參與繁殖下一代。一般來(lái)說(shuō)，選擇成員來(lái)參與選擇的概率與成員的適合度值成比例。最常見的方式是設(shè)定選擇概率P=FF，其中λ是群體的大小，F(xiàn)是第i個(gè)染色體的適合度值。這種選擇方法的作用是讓在平均值以上的成員進(jìn)行繁殖并取代適合度低于平均值的成員。一些染色體可能被選擇多次，這是因?yàn)檫z傳算法通過(guò)保持一個(gè)潛在解的群體進(jìn)行多維搜索，并鼓勵(lì)優(yōu)質(zhì)解。

（5）交叉

遺傳算法的力量從結(jié)構(gòu)化信息與高度適合的個(gè)體交叉組合的交換中得到了提升，因此，我們需要的是能開發(fā)染色體之間重要的相似性的交叉算子。交叉概率是一個(gè)定義期望染色體數(shù)目的參數(shù)。如果P=1，則表示群體中的所有的染色體將會(huì)進(jìn)行交叉操作；如果P=0.5，則表示只有一半的染色體將會(huì)進(jìn)行交叉，其余的一半將不進(jìn)行任何改變，直接補(bǔ)充到新的群體中。

（6） 變異

在生物的進(jìn)化過(guò)程中，基因突變是偶然的現(xiàn)象，所以突變概率P是很小的概率，是將染色體中的某一位基因進(jìn)行反轉(zhuǎn)，即1→0或0→1。突變算子可以防止任何一位數(shù)遍歷整個(gè)群體后收斂于一個(gè)值，更重要的是，它防止群體收斂并停滯于局部最優(yōu)點(diǎn)。突變率通常很低，所以通過(guò)交叉獲得的好的染色體不會(huì)丟失，并且保證算法能搜索到問(wèn)題解空間的每一點(diǎn)，從而使算法更具有全局優(yōu)化性，增強(qiáng)了遺傳算法的能力。

在自然演變過(guò)程中，選擇、交叉和變異都同時(shí)出現(xiàn)以繁衍出后代。遺傳算法的詳細(xì)實(shí)現(xiàn)變化非常大，主要的過(guò)程就是迭代過(guò)程，如此循環(huán)往復(fù)，使群體中最優(yōu)個(gè)體的適應(yīng)度和平均適應(yīng)度不斷提高，直到最優(yōu)個(gè)體的適應(yīng)度達(dá)到某一限值或最優(yōu)個(gè)體的適應(yīng)度和群體的平均適應(yīng)度不再提高，則迭代過(guò)程收斂，算法結(jié)束。

4 應(yīng)用實(shí)例

已知在某一企業(yè)的信息化水平中，企業(yè)的管理系統(tǒng)使用水平（A6）、管理者及員工的信息素質(zhì)水平（A7）和企業(yè)人員吸收培訓(xùn)及創(chuàng)新水平（A9）不高，因此我們可以用（111110010）來(lái)表示。當(dāng)t=0時(shí)，隨機(jī)產(chǎn)生的信息化建設(shè)措施有增強(qiáng)企業(yè)網(wǎng)絡(luò)性能（B3）和培訓(xùn)企業(yè)信息技術(shù)人員（B7）。根據(jù)專家打分法我們可以給出企業(yè)信息化指標(biāo)的權(quán)重（見表3）和每項(xiàng)信息化建設(shè)措施的費(fèi)用（見表4）。

我們假設(shè)GA的參數(shù)為： 迭代次數(shù)=20，υ =0.4，ω =0.6，Ｐ（ｔ）=5，P=0.5，P=0.15，P=0.02。根據(jù)以上遺傳算法可以進(jìn)行求解，由于這個(gè)例子的規(guī)模較小，所以解的收斂較快，最終可以得出的解是（00000011），即本企業(yè)的最佳措施是培訓(xùn)企業(yè)信息技術(shù)人員（B7）和增強(qiáng)企業(yè)信息創(chuàng)新（B8）。

5 結(jié)束語(yǔ)

遺傳算法在解決企業(yè)信息化建設(shè)中采用了定性和定量相結(jié)合的分析方法，在一定程度上使企業(yè)的決策更加合理和科學(xué)。當(dāng)企業(yè)的規(guī)模大、決策復(fù)雜時(shí)，我們可以采用細(xì)分企業(yè)的信息化指標(biāo)和企業(yè)信息化建設(shè)措施來(lái)增強(qiáng)決策的準(zhǔn)確度。遺傳算法是多個(gè)學(xué)科結(jié)合和參與的產(chǎn)物，它已經(jīng)成功地運(yùn)用到了各個(gè)領(lǐng)域，但也存在一些不足，如在遺傳算法中，群體規(guī)模和遺傳算子的控制參數(shù)的選取是非常困難的，同時(shí)它們又是必不可少的實(shí)驗(yàn)參數(shù)，這方面已有一些具有指導(dǎo)性的實(shí)驗(yàn)結(jié)果。遺傳算法還有一個(gè)過(guò)早收斂的問(wèn)題，怎樣阻止其過(guò)早收斂也是正在研究的問(wèn)題之一。

主要參考文獻(xiàn)

［1］ 司有和. 企業(yè)信息管理學(xué)［M］. 北京：科學(xué)出版社，2006.

［2］ 熊和金，陳德軍. 智能信息處理［M］. 北京：國(guó)防工業(yè)出版社，2006.

［3］ 康曉東. 基于數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)挖掘技術(shù)［M］. 北京：機(jī)械工業(yè)出版社，2004.

［4］ Mehmed Kantardzic. 數(shù)據(jù)挖掘——概念、模型、方法和算法［M］. 閃四清，陳茵，程雁，等譯. 北京：清華大學(xué)出版社，2003.

［5］ 陳光，匡興華.基于遺傳算法的信息系統(tǒng)安全技術(shù)方案［J］. 國(guó)防科技大學(xué)學(xué)報(bào)，2005，27（6）：130-134.

注：本文中所涉及到的圖表、注解、公式等內(nèi)容請(qǐng)以PDF格式閱讀原文