探讨智能化模拟在企业管理中作用.docVIP

探讨智能化模拟在企业管理中作用 　　[摘 要] 本文介绍了QSIM算法及利用此算法实现的激励过程定性模拟，管理者可以通过模拟结果掌握企业内部的目标行为状况，有利于提高企业经营效益。 　　[关键词] 管理学 激励过程 定性模拟 QSIM算法 　　 　　现代企业管理的模式是决定企业成败的关键，作为企业管理的核心,即人的管理是重中之重。人力资源是现代企业的战略性资源,是企业发展的最关键的因素,而激励又是开发人力资源的重要内容。 　　激励人员工作的积极性时，目标的设置是关键环节。设置目标的目的，不仅是为了满足组织成员的个人需求，最终还是为了有利于完成组织目标。因此在设置目标时，只有将组织目标与个人目标结合好，使组织目标包含较多的个人目标，使个人目标的实现离不开为实现组织目标所作的努力，这样才会收到良好的激励效果。 　　 　　一、QSIM算法 　　 　　定性仿真算法是以描述系统定性结构的定性微分方程和系统的初始状态为输入，通过仿真输出系统的预测行为。具体说就是给定系统的定性微分方程和它在t0时刻的状态，QSIM算法以状态树的形式预测出系统可能的行为，系统的一个特定行为由这棵树的根结点（初始状态）到叶结点（终止状态）的路径上的所有状态所组成，其形式为 　　behavior={state(t0),state(t0,t1),state(t1),…，state(tn)} 　　QSIM算法可归纳为以下公式： 　　QSIM:(QDE,state(t0)→or(B1,B2,B3…,Bk))， 　　式中，Bi为系统的一个可能行为。 　　由QSIM算法产生的k个行为中的一个或几个是系统真实的行为。产生多个行为的原因是由于系统参数值的不确定造成的。必需指出，QSIM算法是充分的但不是完备的。 　　1.QSIM算法的输入与输出 　　(1)具体地说，QSIM算法的输入包括以下几个部分： 　　①代表系统参数的一个函数集合{f1,f2，…,fm}。 　　②用M+(f,g)，M-(f,g)，ADD(f,g,h)，MULT(f,g,h)，DERIV(f,g)和MINUS(f,g)6个关系建立的约束方程集合。 　　③每个参数有一个代表函数路标值的有序集合，其中至少包含{-∞,0,+∞}。 　　④每个函数的上、下极限。 　　⑤初始时间点t0和每个函数fi在t0的定性状态。 　　(2)QSIM算法的输出是系统的一个或多个定性行为描述,每个定性行为由以下几部分组成： 　　①表示系统可区分时间点的符号系列{t0,t1,…,tn}。 　　②每个函数的一个完整的、可能扩展了的有序路标值集合。 　　③根据函数的路标值描述的每一个函数在所有可区分时间点上和两个相邻可区分时间点间的定性状态。 　　2.QSIM算法的步骤 　　QSIM算法模拟的六个步骤如下： 　　(1)从活动状态表中取出一个状态作为当前状态。 　　(2)根据通用状态转换表，确定每一个参数(函数)由当前状态可能转换到的状态集合。 　　(3)对每一个约束，产生状态转换的二元或三元组集合，根据约束的限定，过滤掉与约束不一致的元组。 　　(4)对元组配对一致性过滤，即具有相同函数的两个元组，对同一个函数的转换必须一致。 　　(5)将经过上述过滤剩余的元组加以组合，产生系统状态的全局解释。如果不存在相应的全局解释，则做不一致标记，否则标记它们的当前状态的后继状态。 　　(6)对新产生的定性状态运用全局过滤法来决定是不是将新的状态加入活动状态表中。 　　 　　二、定性模拟过程 　　 　　1.激励过程的定性建模 　　激励过程引用了心理学的知识说明了对人员激励的一个行为导向(需求→动机→行为)。通过对激励过程的模拟，让管理者对被管理者能有个很好的合理把握被管理者的心理过程，能施加有效的激励措施，提高激励的效果。应用QSIM算法，这里对激励过程理论进行了定性建模，激励过程的定性模型如图示。 　　图 激励过程的定性模型 　　图中，“＋”表示箭尾变量的增加会导致箭头所指变量的增加，“－”表示箭尾变量的增加会导致箭头所指变量的减少。“?”表示某个变量同时作用于另一个变量时，其作用效果根据具体规则确定。 　　定性模拟中的变量都是非数字化的变量，可以看到在激励过程的定性模型中，影响激励的因素有很多。在这里为了方便以后的讨论和模拟统一使用字母来表示，用B1表示环境因素，B2表示个人需求，B3表示组织目标，B4表示动机，B5表示目标的设置；B6表示目标导向行为，B7表示目标行为。变量之间的定性关系如表所示。 　　在表中，不同变量的相交点表示2个变量的作用关系，根据定性理论，“+”表示纵轴变量的增加导致横轴变量的增加，“0”表示2个变量之间的相互作用关系比较弱，“―”表示