語言偏好信息下產品研發任務與人員一對多雙邊匹配模型研究

為了解決產品研發任務與人員一對多雙邊匹配問題，本文基于多粒度語言偏好信息構建了研發任務與人員一對多雙邊匹配模型。首先，采用多粒度語言評價集，給出在評價屬性下研發任務與人員雙邊主體的多粒度語言偏好信息。然后將多粒度語言偏好信息轉化為在評價屬性下研發任務與人員雙邊主體的三角模糊數，并計算研發任務與人員雙邊主體的貼近度矩陣。同時，提出一種求解屬性權重方法，并進一步給出研發任務與人員的一對多雙邊匹配問題轉化方式，并建立雙邊匹配模型。通過求解該模型，得到研發任務與人員的一對多雙邊匹配結果。

一、引言

隨著全球經濟快速發展，市場需求越來越多樣化和個性化。企業為滿足這些需求，需不斷提升產品創新設計能力。產品創新設計任務的復雜性和動態性增加。在產品研發中，如何合理配置人力資源以提高研發效率和創新能力是企業面臨的重要問題。雙邊匹配理論在人力資源管理、經濟活動等領域已有廣泛應用，為解決產品研發任務與人員匹配問題提供理論基礎。

關于雙邊匹配研究可追溯到Gale提出的婚姻匹配，之后雙邊匹配在各領域取得豐碩成果，如醫療匹配、貿易匹配、服務匹配等。由于文化背景差異，匹配主體往往利用多粒度模糊語言刻畫屬性偏好信息。由研究可知，猶豫模糊偏好信息和對偶猶豫模糊偏好信息都是一種數值型匹配偏好信息的表達形式，但在某些環境下有時會出現難以量化表達的情況，此時，偏好信息需要用語言評價信息表達。針對多粒度語言集的粒度統一問題，Chen等提出了將多粒度語言集映射到由粒度的最小公倍數直接創建的基本語言集；Jiang等提出了利用模糊隸屬函數將多粒度語言信息轉換成模糊數；Zhang等使用二進制表示模型來處理多粒度語言信息。綜上，這些研究為解決多粒度雙邊匹配提供了較好的方法。但大多粒度語言信息下雙邊匹配研究還需進一步深入，且在實際任務與人員匹配中，可能存在一對多情況，故要考慮一對多雙邊匹配問題。

二、匹配問題描述

在匹配問題中，令研發任務集合為T={T1，T2，…，Tm}，研發人員集合為S={S1，S2，…，Sn}，其中i=1，2，…，m，j=1，2，…，n。令Ti對Sj評價屬性集合為P={P1，P2，…，P?}，屬性權重為W={W1，W2，…，W?}；并令表示Ti給的Sj在屬性P?下語言偏好信息，之后轉為三角模糊數。Sj對Ti的評價屬性集合為Q={Q1，Q2，…，Qh}，屬性權重為ω={ω1，ω2，…，ωh}；令表示Sj給Ti在屬性Qh下語言偏好信息，之后轉為三角模糊數。

三、匹配模型構建

定義1設存在某一個，其隸屬函數為：

設和是兩個三角模糊數，則距離公式為：

進一步地，Ti對Sj和Sj對Ti的綜合三角模糊數計算公式為：

其中，正、負理想三角模糊數為：

于是，Ti對Sj和Sj對Ti的距離公式為：

根據逼近理想解法，Ti對Sj和Sj對Ti的相對貼近度公式為：

依據貼近度最大化模型和最大熵理論，評價屬性權重確定模型：

對于Ti來說，若期望匹配的研發人員數量為λi，可分解為具有同樣語言偏好的λi個虛擬研發任務，虛擬研發任務集合表示為。因此，可將一對多匹配轉為一對一匹配。

綜上，以貼近度最大化為目標，建立匹配模型：

四、案例分析

某智能手機系統有研發任務{T1，T2，T3，T4}及研發人員{S1，S2，S3，S4，S5，S6，S7，S8}；T1和T3各要2位人員；T2和T4各要1位人員。此時虛擬任務集合為。任務對人員評價屬性為：專業技能P1、工作態度P2、學習能力P3；采用對Si評價，給出表1。人員對任務評價屬性為：技能要求Q1、功能需求Q2、質量價格Q3、時間成本Q4；Si采用、對評價，給出表2。

依據前文公式，計算得到貼近度矩陣TS=[]6×8、ST=[]6×8。

令ζ= 0，構建匹配度矩陣π=[πγj]6×8：

建立匹配模型，利用軟件LINGO求解得：Z=4.08，x15= x21= x37= x46= x58= x63。

綜上，匹 配結果：

結語：

論文基于多粒度語言偏好信息構建了研發任務與人員一對多雙邊匹配模型，解決了一對多雙邊匹配問題。首先，采用語言評價集提取了在匹配評價屬性下雙邊主體多粒度語言偏好信息；其次，將多粒度語言偏好信息轉為三角模糊數，并計算貼近度矩陣；其中，提出匹配評價屬性權重確定方法，給出一對多雙邊匹配問題轉化方式；基于此，建立貼近度最大化的多目標匹配模型。最后，通過案例，驗證論文所提出模型的合理性和有效性。