协同工作下角色-任务匹配与互动多智能体模拟研(3)

５８

管理科学（ＪｏｕｒｎａｌｏｆＭａｎａｇｅｍｅｎｔ

Ｓｃ‘ｉｅｎｅｅ）２００９年ｌ２月

时技术能力大小，即ｎ，＝｛口ｌ，ａ２，…，ａｌ｝（１≤，ｓｚ）。任务集：系统中有任务ｒ，Ｔ＝｛ｔ，，ｔ：，…，ｔ。｝，每个任务ｔ。有对应的技术能力需求Ｗ。，‰均有一定的子能力需求，Ｗ＾＝｛Ｗｌ，加２，…，Ｗｆ｝，（１≤＆ｓ乃）。完成子任务ＷＩ可获得一定的利益，为简化计算，用其能力需求表示利益‰，一般情况下毗服从随机分布。

通常，角色一任务匹配成功有两种情形，①乏：蛾＞乏：吼，匹配结束后所有ａｇｅｎｔ的能力剩余为０；

②∑Ｗ；＜∑口；，匹配结束后所有ｔａｓｋ的能力需求剩

余为０。可通过３个准则判断匹配效果，①每项任务单项能力需求由最少的ａｇｅｎｔ去完成，以减少通讯接口费；②消耗最少的ａｇｅｎｔ能力能完成最多的任务；③任务的执行率最大。

现有研究从不同视角对联盟或角色（或人员）一任务匹配效果给出评价标准和模型，如基于有限理

性‘６｜、Ｓｈａｐｌｅｙ值‘７１和核㈨’等博弈理论的研究不考虑

具体任务特征，主要考虑联盟的经济指标，即在输入量（如价格）一定的前提下，最大化目标产出（如收益）；基于结构¨２１和任务联盟形成№’１３’“３的研究，用联盟形成的复杂度和计算时间评价联盟，而不考虑ａｇｅｎｔ的利用率等因素；而基于行为¨纠和。多任务并行视角¨刮的研究则考虑ａｇｅｎｔ的贡献和联’盟总收益，对ａｇｅｎｔ的利用率等没有考虑。由本研究的匹配问题和评价准则可以看出，评价模型应综合考察任务的执行效果、ａｇｅｎｔ的利用率和协同工作的开销（总费用）等指标，现有的评价模型单纯从某一个方面考察评价效果，不适用于本研究所述的匹配问题。为更好地描述匹配问题，基于上述３个评价准则建立角色一任务匹配效果评价模型，即

ｒａｉｎ∑ｎｕｍ［∥（ｔ）］』√

‘‘、’４

ｆ

；矿（ｔ）

ｍ舣■万厂

∞ｌ‘Ｊ∑∥（ｔ）

ｍｘ‘而ｔ厂

矾【Ｊｓ ｔ ｛‘

ｆ∑钟（ｆ）茎《（ｔ）

【∑∥（ｔ）曼以（￡）

ｏ≤ｉｓ

ｍ，０≤Ｊｓｆ，ｏｓｋｓｎ

（１）

其中，∥（ｔ）为ｔ时刻第ｉ个ａｇｅｎｔ完成第ｋ项任务的第

－『维能力消耗量。３个目标函数对应３个评价准则，而约束符合资源有限常理，即完成的任务能力需求综合不大于所有ａｇｅｎｔ能力总和，也不大于所有任务能力需求的综合。

４．２角色一任务匹配算法

尹翔等提出单维能力匹配度的概念ｎ引，本研究在此基础上，考虑多维能力匹配情形，提出定义２和定义３。

定义２

任务一角色能力匹配度Ｍａｔｃｈｉｎｇ，ｋ（ｒ一

尺），即任务各维能力需求与角色对应维度下的能力相匹配程度，有

讹ｔ。＾ｉ碟（ｒ－＋Ｒ）：ｆ以一砰＇砰≤戤

Ｌ一∞，砰＞以

ｌ≤ｉ≤ｍ，１

ｓＪｓｆ，１ｓｋ≤，ｌ（２）

定义３

角色一任务能力匹配度Ｍａｔｃｈｉｎｇｊｋ（Ｒ一

７＇），即角色各维能力与对应维度下任务能力需求相匹配程度，有

舭幽前（Ｒ＿＋乃：｛《一以’砰≥以

Ｌ一∞，钟＜以

１≤ｉ≤ｍ，ｌ

ｓＪ

ｓＺ，ｌ

ｓｋ曼ｎ

（３）

个人技能受自身能力和周围环境的影响，当个人工作且能向他人学习时，个人掌握技能的程度将与自身的技能掌握程度和传授者的技能掌握程度成正比Ⅲ１；而当个人不工作时，其技能可能会遗忘‘驯。因此，提出如下定义。

定义４

员工技能Ｓｋｉｌ芝（ｔ＋１）为员工在（￡＋１）

时刻执行任务时的能力，受ｔ时刻是否工作及整个工作环境的影响而变化，有

ｓ枷赶（ｔ＋１）＝

ｍａｘ｛（１＋ａ） Ｓｋｉｌｌ：（ｔ）＋

印’气虿赫百面衙¨卜

；矿ｉ（ｔ）＋军∥（ｆ）一２磐ｎ乏矿；（‘）

［Ｓｋｉｌｌ＿，（ｆ）一ｓｋｉｔｇ（￡）］ｌ

ｔ时刻工作

（１一ｙ）Ｓｋｉｌ只（ｔ）ｔ时刻不工作

（４）

其中，８为协同工作中的自学习率，口为互学习率，（一ｉ）为员工ｉ以外的其他员工，６为服从某分布的随机变量，７为工作能力忘记程度。当员工ｉ在ｔ时刻工作，此时员工能力会提升，其值为ａ下能力增长量［（１＋ａ） Ｓｋｉｌ以（￡）］加上卢下能力增长量（卢 ｇ＋鳓的最大值。ｇ为环境提供的学习度，对应（４）式中与卢相乘的部分，即为其他员工（一ｉ）在工作中展现出可供员工ｉ学习的机会，员工在当前工作环境中向能提

供自己最大学习机会的员工学习，该部分为用员工（一ｉ）中最小能力消耗量和最大能力消耗量的规一化处理结果。当员工ｉ在ｔ时刻不工作，其工作能力可能由于自然忘记而减弱，此时员工的工作能力会自减。

不少研究探讨过角色一任务匹配算法¨“１６Ｊ，但没有考虑任务的动态性和员工的能力变动性，由于员工的能力有变，历史信息或经验信息对任务分配指导意义不强。而且，这些匹配算法能对所有员工并行匹配，保证任