协同工作下角色-任务匹配与互动多智能体模拟研(6)

时间：2025-07-09

第６期蒋同银等：协同Ｔ作下角色一任务匹配与瓦动多智能体模拟研究

６ｌ

的员工能力利用率图。可以看出，随着任务量的增加，使用最小匹配度算法进行任务分配时员工能力平均利用率高于最大匹配度算法。当任务量不饱和时，如任务量为ｔ．。，最小匹配度算法下员工平均能力利用率为０．５８９，最大匹配度算法下员工平均能力利用率为０．５９３；任务量为ｔ，：时，最小匹配度算法下员工平均能力利用率为０．６４７，最大匹配度算法下员工平均能力利用率为０．６０７。随任务量的逐渐增加，最小匹配度算法和最大匹配度算法下员工能力平均利用率也将逐渐增加，但前者利用率仍高于后者，如当任务量为ｔ。时，最小匹配度算法下员工能力平均利用率为０．９６８，最大匹配度算法下员工能力平均利用率为０．８６１。可以看出，当任务量不饱和时，最小匹配度算法与最大匹配度算法下的员工能力利用率接近，而当任务量适中的时候，最小匹配度算法明显优于最大匹配度算法。

不难看出，利用最小匹配度算法能合理地进行任务分配，并且充分地利用员工的技术能力，因此可认为最小匹配度算法更适合于具有动态任务环境下的角色一任务匹配。

５．３．２动态任务环境下协同学习率对员工能力增长

的影响

由（４）式可知，在协同环境中，由于员工能自学习和互动学习，员工的技术能力不断提高，但若员工在某时刻点不工作，则该员工的某些工作能力会自然减弱。本研究不考虑协同环境中自学习因素，只探讨互动学习对员工能力增长的相关性。

本研究设定自学习率ｄ为０．００２，忘记率ｙ为

为１５时，３个维度能力平均增长度分别为（２０．５９％，９６．６２％，２０６．８２％）；当任务量为２０时，员工的３个维度能力平均增长度达到（２０．５６％，１１４．２６％，２６５．∞％）。随任务量的增加，各维能力也在增加，说明在动态任务环境中虽存在不确定性，如有些子能力并不一定会有所提高，甚至会下降，如图５（ａ）第２维能力，但总的规律与静态任务下一样，即员工各维能力增长程度与任务量仍存在正相关关系。

５．３．３

任务动态性对员工能力的影响

员工与任务的互动体现在员工能力对任务的执行影响和任务对员工的影响。很显然，员工能力的提升有助于任务的执行，而任务是否会对员工能力有影响，下文将通过实验进行解答。

任务的动态性指任务随时间发生改变旧１，在商务活动中，任务呈动态特征。如订单处理任务动态性表现有两类，①任务能力需求变化大，但其平均能力稳定；②任务能力需求在某段时间内相对比较稳定，但过些时候能力需求又稳定于另外一个点。本研究考察这两类动态性对员工能力的影响。本研究系统中任务的能力需求服从随机分布，分布的期望和方差将决定任务动态性，下面探讨由这两个参数引起的任务动态性。①员工的各维能力和动态任务的能力需求期卑变化小于方差变化，记为８型动态性；②员工的各维能力和动态任务的能力需求期望变化大于方差变化，记为ｂ型动态性。考虑５组分

布，（！）ａｂｉｌｉｔｙ（ｉ）～ｕｎｉｆｏ肌（１０，８０），②ａｂｉｌｉｔｙ（ｉ）一ｕｎｉｆｏ肌（２０，７０），（蓟ａｂｉｌｉｔｙ（ｉ）一ｕｎｉｆｏ册（３０，６０），④ａｂｉｌｉｔｙ（ｉ）一珈，ｔｉｆｏ肌（４０，７０），（萎）ａｂｉｌｉｔｙ（ｉ）一ｕ．ｉｆｏ帆（５０，８０）。其中江１，

２，３。用分布①、分布②和分布③检验ａ型动态性与员工能力变化的相关性，这３种分布动态性递减；用

０．００５，随机量占～ｕｎ／ｆｏ胤（０．００４，０．００６），分别采集互

学习率口为０．００１、０．０１、０．１时的模拟数据（５０期），图５为任务量为１２、１５和２０时不同协同工作下的员工能

分布③、分布④和分布⑤检验ｂ型动态性与员工能

力变化的相关性，这３种分布动态性递增。

采集５０期模拟数据，得到５组分布任务量为１２、１５和２０下员工平均能力增长度，分别为（４．２４９％，６．６７８％，６．９３３％）、（５．９００％，７．４９６％，７．１６２％）、

（６．７３３％，９．２６０％，９．２５３％）、（６．９９４％，９．３３１％，

力增长情况，图５中互学习率卢，为０．００１如为０．０１局

为０．１。

由图５可以看出，①随着互学习率的提高，员工的能力增长幅度增加；无论任务量为１２、１５还是２０，

随着互动学习率的提高，员工能与其他员工进行更