协同工作下角色-任务匹配与互动多智能体模拟研究

第２２卷第６期

２００９年ｌ２月

管理科学ＩＳＳＮ

Ｊｏｕｒｎａｌ

１６７２—０３３４Ｖ０１．２２Ｎｏ．６５６—６３

ｏｆＭａｎａｇｅｍｅｎｔＳｃｉｅｎｃｅ

Ｄｅｃｅｍｂｅｒ，２００９

协同工作下角色一任务匹配与互动多智能体模拟研究

蒋国银Ｐ，胡

斌１

１华中科技大学管理学院，武汉４３００７４２湖北经济学院信息管理学院，武汉４３０２０５

摘要：利用多智能体模拟方法对角色一任务匹配和互动关系进行研究，构建基于Ａｇｅｎｔ的角色一任务匹配的多目标评价模型，并设计最小匹配度和最大匹配度两种匹配度算法，基于Ｒｅｐａｓｔ，在Ｅｃｌｉｐｓｅ上用Ｊａｖａ实现角色一任务互动模拟系统。模拟实验结果表明，与最大匹配度算法相比，最小匹配度算法能减少任务接口通讯费，有效提高员工能力利用率，最大化完成任务。该算法能较好地用于协同工作环境下角色任务分配，增加学习率，有助于员工能力增长；在一定的协同学习率下，任务量越饱和，员工各项能力提高程度越大；任务的能力需求期望变化小于方差变化时体现的动态性与能力增长负相关，而任务的能力需求期望变化大于方差变化时体现的动态性与能力增长正相关。

关键调：多智能体模拟；匹配；动态任务；协同学习率中图分类号：Ｃ９３１

文献标识码：Ａ

文章编号：１６７２—０３３４（２００９）０６—００５６一０８

１

引言

经营环境的快速变迁要求企业组织能快速反

主要是定性探讨组织构建原则、定量探讨组织构建决策问题等。汤勇力等构建虚拟企业的任务过程模型和企业多元化动态组织体系，对其随任务价值链重构而动态演化的机理进行探讨…。Ｂａｎ＂等将组织看做一个人工神经网络，探讨双寡头垄断市场中企业规模对竞争产量的影响悼ｏＪ。还有较多文献研究

应，充分整合现有资源，提升核心竞争力。商务组织内，工作人员工作相对灵活，一个员工可能扮演多个角色，从而灵活、动态地完成组织任务。中国小型Ｂ２Ｃ电子商务公司和Ｃ２Ｃ网商属于典型的小型商务组织，组织内人员少，要求员工能做多面手，动态协作完成工作任务。如电子商务客户服务可大致分为售前、交易中和售后等活动，而组织中员工一般都熟悉客服各项业务。能完成相关客服事务，因此组织管理员将根据任务量的多少和性质，动态地进行角色和任务之间快速匹配，以保证任务量在规定时间能顺利完成。同时，由于员工能力各异，在协同工作环境中，员工能自学习，各员工之间还能较好地相互学习，工作能力能动态调整。如何营造协同学习环境、减少动态任务对员工能力带来的负面影响是本研究要解决的问题。

ａｇｅｎｔ组织或联盟，有的基于依赖关系的社会推

理Ｈ’５３；有的基于博弈的联盟形成，如有限理性【６ｊ、Ｓｈａｐｌｅｙ值。７】、核ｆ８’９１等；有的面向结构的组织形成。Ｆｅｒｂｅｒ等以角色为中心提出ａｇｅｎｔ组织的概念模型和方法模型‘Ｉｏｌ。Ｚａｍｂｏｎｅｌｌｉ等提出一个抽象的组织框架应包括组织规则、组织结构和组织模式，以形成对ａｇｅｎｔ组织完整的定义和描述…１。Ｓａｎｄｈｏｌｍ等使用ＴＡＥＭ任务模型语言描述ａｇｅｎｔ组织，任务结构是一个目标分解树，其中根节点代表高层组织目标，中间节点描述组织的层次结构，叶节点是一些执行原语，同时也提出ａｇｅｎｔ组织对环境的适应问题旧１。张伟等对Ｚａｍｂｏｎｅｌｌｉ、Ｓａｎｄｈｏｌｍ和Ｆｅｒｂｅｒ等的研究结果加以改进，提出面向结构的ａｇｅｎｔ组织的一种递归模型，同时把ａｇｅｎｔ组织结构、小组结构和角色用一个

２相关研究评述

关于组织构建和角色一任务匹配的研究较多，

收稿日期：２００９—０５—０５

修返日期：２００９—０７—２５

‘金项目：国家自然科学基金（７０６７１０４８）

作者简介：蒋国银（１９７６一），男，湖北天门人，华中科技大学管理学院博七研究生．湖北经济学院讲师，研究方向：管理系

统模拟等。Ｅ—ｍａｉｌ：ｈｕｓｔｓｃｕｊｇｙ＠１２６．ｃｏｉｎ

第６期蒋国银等：协同工作下角色一任务匹配与互动多智能体模拟研究

５７

等价结构表示，把ａｇｅｎｔ组织、小组和ａｇｅｎｔ也纳入同一个框架之下，使模型更简单统一¨引。

上述基于ａｇｅｎｔ组织理论的研究较少提及计算可行性和如何实现，还有一些研究从计算可实现的角度研究联盟生成．并提出一些相关算法。Ｓａｎｄｈｏｌｍ等建立一个联盟结构图，并证明在有几个ａｇｅｎｔ的系统中，通过搜索结构图的最底两层，可保证Ｋ（凡）≤ｎ【０１；胡山立等在Ｓａｎｄｈｏｌｍ等研究的基础上进行扩展，提出任一时间算法，但没针对具体的任务¨纠；徐晋晖等求解多任务的ａｇｅｎｔ联盟的演化机制¨４１；考虑到过去经验对当前任务分配的相似性问题，蒋建国等提出利用经验集的相似匹配的联盟生成策略，将过去的历史作为经验指导匹配，有效减少联盟生成的搜索时间和计算量¨“；尹翔等利用任务能力匹配的方式探讨多任务多联盟并行生成问题，提出并行任务匹配算法，并验证其有效性１１…。

上述ａｇｅｎｔ计算组织模型考虑了算法和计算可行性，但都将ａｇｅｎｔ视为静态物理个体，而真实组织中的个体有思想，有记忆能力，会学习，受周围环境的影响。其技术能力不断变化，是一类动态个体｜＂Ｊ，不同的任务环境（如协同工作学习率的不同、任务动态性差异等）都将影响员工能力培养。本研究考虑协同工作环境，基于ａｇｅｎｔ理论，探讨商务组织中角色一任务互动匹配以及协同学习环境、任务的动态性与员工能力增长的相关性等问题。３角色一任务工作框架

传统组织中各职能部门相对固定，各部门人员工作相对稳定，每天从事同类事务；而商务组织不同，为快速应对市场环境，提高工作效率，需动态调配人员进行工作，因此传统组织构架不适用于商务组织构建。

在传统的矩阵结构的基础上，依据商务业务流程，将商务组织人员和工作进行分解，构建一类角色一任务协同工作框架，如图１所示。将企业的工作分解为多项任务，企业人群可分为多个角色，一个人

可以充当一个或几个角色，即一个人可以胜任多项任务¨引，一项任务可以由一个或多个角色完成。

组织机构０。由标识符Ｏ；ｓｌＤ、非空的任务集合ＴＡＳＫ、非空的角色集合ＲＯＬＥ、组织中任务与角色的匹配关系集合ＭＡＴＣＨＩＮＧ、非空的组织目标集合ＧＯＡＬ和非空的管理者集合ＭＡＮＡＧＥＲ构成。

定义１ＭＡＮＡＧＥＲ）

（１）０，。ＩＤ为组织编号，是一类字符类型标识符。（２）ＴＡＳＫ为组织中任务集合，ＴＡＳＫ＝ｌｔａｓｋ．，ｔａｓｋ：，…，ｔａｓｋ。｝，每个任务可分解为多个子任务或活动，ｔａｓｋ＾＝｛ｔ。，ｔ２，…，ｔ。｝，０≤ｋ≤ｎ，每个子任务有对应的执行能力向量。

（３）ＲＯＬＥ为组织所有角色集合，ＲＯＬＥ＝｛ｒｏｌｅ。，ｒｏｌｅ：，…，ｒｏｌｅ。｝；与任务的能力向量相对应，每个角色有自己的能力向量维，即ａｂｉｌｉｔｙ（ｒｏｌｅｊ）＝｛ａｌ，ａ２，…，ａ，｝。

（４）ＭＡＴＣＨＩＮＧ为组织中任务与角色的匹配关系，ＭＡＴＣＨＩＮＧ＝｛ｍａｔｃｈｉｎｇｌ，ｍａｔｃｈｉｎ９２，…，ｍａｔｃｈｉｎｇ，｝，

０。＝（０。ＩＤ，ＴＡＳＫ，ＲＯＬＥ，ＭＡＴＣＨＩＮＧ，

ｍａｔｃｈｉｎｇ，＝｛ｔａｓｋ☆，ｒｏｌｅｊ｝＋，一个任务可以由多个角色

完成，一个角色可以参与实施多项任务。

（５）ＧＯＡＬ为组织目标，ＧＯＡＬ＝｛ｇｏａｌ＋｝，ｇｏａｌ＝

｛ｎｍｘ∑（ｔａｓｋｔ），ｍｉｎ∑（ｒｏ乜），ｎｆｉｎ∑Ｃｏｍｍ（ｒｏｌｅｒ，ｒｏｌｅ，）｝，

即在能完成任务目标的前提下，用最少的角色实现最多的任务，且角色之间的通讯费尽可能少。

（６）ＭＡＮＡＧＥＲ为组织中管理者集合，ＭＡＮＡＧＥＲ＝

｛ｍａｎａｇｅｒｌ，ｍａｎａｇｅｒ２，…，ｍａｔｌａｇｅｒｓ｝，ｍａｎａｇｅｒ，＝｛｛ｔａｓｋ＾｝

｛ｒｏ如，｝｛ｍａｔｃｈｉｎｇ，｝｛ｇｏａｌ，｝｝，即一个管理者负责一项或多项任务的分配，尽可能实现组织目标。

４角色一任务匹配评价模型及算法４．１角色一任务评价模型

用ａｇｅｎｔ代表一般的角色和管理者，有ａｇｅｎｔ集：Ａ＝｛Ａ。，Ａ：，…，Ａ。｝。任意Ａ。（１

ｓｉ

ｓｍ）都有一个技术能

力向量吩，用于定量描述Ａ；执行某种特定任务分量

ｒｏｌｅｌ

ｒｏｌｅ，ｒｏｌｅｍ

ｌ

Ｊ

ｌ

Ｉ

Ｉ

Ｉ

Ｉ

ｌ

圈１角色一任务协同工作框架

Ｆｉｇｕｒｅ１

Ｃｏｌｌａｂｏｒａｔｉｖｅ

ＷｏｒｋＦｒａｍｅｗｏｒｋ

ｏｆＲｏｌｅ－Ｔａｓｋ

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，保证任务的完成，效率虽高，但可能分配不

第６期蒋同银等：防同工作下角色一任务匹配与瓦动多智能体模拟研究

５模拟系统及结果

５９

公，如能力高的员工在一次分配任务后，剩余能力仍超过其他员工的工作能力，因此并行分配在非实时性要求严格的环境下，并非是最合理的分配方法。本研究在模型（１）式和定义１的基础上，考虑任务动态调整和员工的协同学习．，设计两种串行匹配算法，即最小匹配度算法和最大匹配度算法。

（１）最小匹配度算法

该算法考虑每次为角色集合中能力最强的角色分配最合适任务，即先找不小于该角色能力的最小能力需求任务为其匹配，计算角色的剩余能力，并对剩余能力用不大于该角色能力的最大能力需求任务为其匹配。

算法步骤如下。步骤ｌ步骤２排序。

步骤３

为当前角色集中最强能力维角色计算对组织０。进行初始化，计算剩余资源。管理者对角色集合中角色多维能力的

本研究探讨动态任务和角色的互动决策问题。如图２所示，当动态任务随机进入系统时，管理员根据员工的能力动态分配任务，员工能力越高，任务执行效率越高，由员工完成工作的行为数据动态凋整员工的各维能力分量。

智能体

剩余量进行排序，对任务集合中任务多维需求进行

任务一角色能力匹配度Ｍａｔｃｈｉｎ—ｋ（７’一Ｒ），从中挑选出最小非负匹配关系任务，若有满足要求的任务，则进行分配操作，否则转步骤４；其中分配操作为，将满足要求的任务分配给该角色，将分配关系记人中间变量，修改该角色对应维剩余能力，并转步骤３。

步骤４

为步骤３中能力最强角色计算角色一

５．１问题描述

通常，组织中角色与任务表现为一种互动关系。员工的能力增加有利于提升任务执行效率，但任务又会对员工能力有所影响，如瓦动学习率的不同、任务量的多少和任务的动态性强度等的影响。本研究将通过模拟实验，试图回答以下问题。’

（１）动态任务环境下，最小匹配度算法是否优于最大匹配度算法。

基于上文提到的模型和算法，假设单项任务可以分解，比较两种算法下各任务中ａｇｅｎｔ通讯费和员工各维能力使用率等指标。

（２）相对任务量、协同学习率与员工能力的关系。

在一定员工数的基础上，动态任务环境中协同学习率与员工能力是否正相关，不同任务量是否会对员工的能力有影响。

（３）任务的动态性对员工学习是否有影响。任务的动态性越强，随机性越高，是否会对员工协同学习造成影响。５．２模拟实验设计

基于上述模型和算法以及Ｒｅｃｕｒｓｉｖｅ

Ｓｉｍｕｌａｔｉｏｎ

ＰｏｒｏｕｓＡｇｅｎｔ

Ｆｉｇｕｒｅ２

图２角色一任务协同工作模型

ＣｏｌｌａｂｏｒａｔｉｖｅＷｏｒｋＭｏｄｅｌｆｏｒＲｏｌｅ－Ｔａｓｋ

任务能力匹配度Ｍａｔｃｈｉｎ重ｋ（Ｒ—ｒ），从中挑选出最小非负匹配关系任务，若有满足要求的任务，则进行分配操作，否则转步骤５；其中分配操作为，将满足要求的任务分配给该角色，修改中间变量和该角色对应维剩余能力，并转步骤４。

步骤５

若所有任务各分量剩余为０或者所有

角色能力剩余为０，则匹配算法结束，否则转步骤２。

步骤６根据当前工作情况，依据（４）式，重新计算角色的各维工作能力剩余值并更新。

步骤７满足结束条件，模拟结束；否则，模拟时钟向后推移，转步骤１。

（２）最大匹配度算法

该算法每次为能力最强的角色分配最大能力需求的任务，对剩余能力分配最小能力需求的任务。

该算法步骤为，将最小匹配度算法中步骤３和步骤４中最小非负匹配关系任务改为挑选最大非负匹配关系任务，其他步骤与最小匹配度算法一样。

虽然上述两算法都是为能力强的员工优先分配任务，计算复杂度相当，但分配细节不同。算法（１）中步骤２、步骤３和步骤４体现了专业化分工优势的原则１２“，步骤３可能一次分配成功，员工剩余能力为０，也有可能第一次找不到合适的任务，或者剩余能力不为０，此时通过步骤４进行续分配。算法（２）中步骤２、步骤３和步骤４体现了局部合作完成任务的原则，与算法（１）一样，步骤３可能一次分配成功，员工剩余能力为０，也有可能第一次找不到合适的任务，或者剩余能力不为０，此时通过步骤４进行续分配。

Ｔｏｏｌｋｉｔ（Ｒｅｐａｓｔ）【２２’框架，在Ｅｃｌｉｐｓｅ上用Ｊａｖａ

实现模拟系统。该系统中有一个管理员ａｇｅｎｔ，多个员工ａｇｅｎｔ（其个数由用户参数ＥｍｐｌｏｙｅｅＣｏｕｎｔ获得，默认值为１５），员工的能力增长连续，任务的到达离散，系统用户界面如图３所示。其中，各任务的能力

要求和员工ａｇｅｎｔ能力维为ａｂｉｌｉｔｙ（ｉ）一ｕｎｉｆｏ糯（１，

５０），ｉ＝１，２，３；员工数为１５。

６０

管理科学（ＪｎｕｒｎａｌｏｆＭａｎａｇｅｍｅｎｔＳｃｉｅｎｃｅ）

２００９年ｌ２月

图３模拟系统用户界面

Ｆｉｇｕｒｅ３

４．５４．０３．５

ＧｒａｐｈｉｃＵｓｅｒ

Ｉｎｔｅｒｆａｃｅｏｆ

１．２

ＳｉｍｕｌａｔｉｏｎＳｙｓｔｅｍ

枢３．０

已

甭２．５

口２．０

褂０．８旺ＲＶＫ－０．６避０．４

０．２

鲻１．５

１．０Ｏ．５Ｏ

ｆｔ０

ｆ１２

ｆ１５

ｔ１８

ｔ２０

Ｏ

ｆ１０

，１２

ｆ１５

，１８

ｆ２０

任务量（ａ）任务通讯费

注：ｔｌｏ为任务量为１０，ｔ１２为任务量为１２，以此类推。

任务量

Ｃｏ）员工能力利用率

图４任务系统通讯费和员工能力利用率

Ｆｉｇｕｒｅ４

Ｔａｓｋ

ＣｏｍｍｕｎｉｃａｔｉｏｎＣｏｓｔｓａｎｄＣａｐａｂｉｌｉｔｙＵｓａｇｅＲａｔｅ

５．３实验结果５．３．１算法比较

定义５衡量。

本研究记两个ａｇｅｎｔ之间接口通讯费为２，即某项任务由多少个ａｇｅｎｔ实施，则通讯费为参与该项任务实施的ａｇｅｎｔ个数。采集５０期的模拟数据，得到各组数据平均值，如图４（ａ）所示。通过图４（ａ）可以看出，当任务量为ｔ．。，最小匹配度算法得到的通讯费为３．２７０，最大匹配度算法得到的通讯费为４．０５３，高于最小匹配度算法；当任务量为ｔ。：时这种关系同样存在，最小匹配度算法得到的通讯费为２．９８ｌ，小于

任务接口通讯费为ａｇｅｎｔ之间在共同完

成某项任务时的通讯开销，可用时间和个数等参数

最大匹配度算法得到的通讯费３．４１ｌ；而当任务量不断增加时，两种算法下的通讯费相当，任务量为‰时，最小匹配度算法得到的通讯费为２．１４０，最大匹配度算法得到的通讯费为２．１３８，说明在任务量不饱满时，用最小匹配度算法进行任务分配的接口通讯费比采用最大匹配度算法进行分配的接口通讯费小，而任务量饱满时两种算法下的通讯费相当。

定义６

员工能力利用率为员工单位时间内完

成任务消耗的能力与员工能力总和的比值。利用率越高，说明组织能充分发挥员工的能力，有效地利用人力资源；反之，利用率低，说明人力资源闲置和浪费。

对５０期后的数据进行处理，得到如图４（ｂ）所示

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

有效的沟通学习，各项工作能力也不断加强，这点与常识相符。因此，在协同环境下，互动学习率与员工业务能力增长正相关，即互动学习率越高，员工业务能力提升越快。②当任务量为１２时，３个维度能力的平均增长度为（５．１６％，５６．０３％，１１０．３５％）；任务量

２．０

９．９８２％）和（７．３９２％，１０．６８４％，１０．４４８％）。

从以上数据可知，在动态任务环境下，当任务量不太饱满时（任务量为１５以下），员工能力平均增长度与任务量成正比；而当任务量较饱满或较大时，员工能力平均增长度与任务量没有太强相关性。

糌１．

业

。

曼

磬

槲

业

靶１．Ｒ

耀０．

Ｏ

磐

Ｒ龊

鑫

８、

８２

８３

（ａ）学习率（任务量为１２）（ｂ）学习率（任务量为１５）

图５动态任务环境下贯工能力增长率

（ｃ）学习率（任务量为２０）

Ｆｉｇｕｒｅ５

ＣａｐａｂｉｌｉｔｙＩｎｃｒｅａｓｉｎｇＲａｔｅｏｆＥｍｐｌｏｙｅｅｕｎｄｅｒＤ＝佃ａｍｉｃＴａｓｋＥｎｖｉｒｏｎｍｅｎｔ

６２

管理科学（ＪｏｕｒｎａｌｏｆＭａｎａｇｅｍｅｎｔＳｃｉｅｎｃｅ）２００９年１２月

分布①下员工能力增长小于分布②下员工能力增长。也小于分布③下员工能力增长，说明ａ型动态性越强，越不利于员工能力培养，即任务动态性与能力增长负相关。

由５．３．２的分析讨论可以看出，可以通过培养员工的学习能力，增加员工之间交流学习的机会，即提高学习率，进而提高员工的技术能力。利用该模拟系统能测算出不同动态性分布、协同学习率关系与员工能力增长度的关系，得出多大的互学习率能规避或弥补任务动态性对员工能力培养的负面影响；而分布③下员工能力增长小于分ｊ布④下员工能力增长，也小于分布⑤下员工能力增长，说明ｂ型动态性越强，对员工能力培养越有利。

６

结论

本研究探讨组织角色与任务匹配方法，分析协同学习环境下学习率对员工能力的影响，探讨动态任务与员工行为的相关性，构建角色一任务匹配评价模型，在Ｒｅｐａｓｔ框架基础上，利用Ｊａｖａ实现模拟系统，并进行模拟实验分析，研究结论如下。

（１）本研究所设计的最小匹配度任务分配算法，从分配公平角度出发，能减少任务中接口通讯Ｉ费，有效提高员工能力利用率，最大化完成任务。该算法能较好地用于组织角色一任务分配，该模拟系统可辅助管理者进行任务的合理分配，减少成本，提高资源利用率和任务执行效率。

（２）动态任务环境中，通过创造良好的工作环境提高协同学习率，能有效促进学习交流，提高员工技术能力，缩小能力大小差异。任务量越饱和，员工各项能力提高程度越大。

（３）任务的动态性对员工的学习有一定影响，表现为在一定任务量下，ａ型动态性与能力增长负相关，ｂ型动态性与能力增长正相关。该模拟系统可测算不同协同学习率下，不同动态任务能力需求分布与员工能力增长度的关系，从而辅助管理者规避任务动态性对员工能力培养的负面影响。

本研究可为商务类组织内员工与任务匹配和员工能力培养方面提供理论参考，而模拟系统可用于决策支持。不足之处是对参与者行为和任务特性考虑不够，如员工专业特征、员工学习行为、员工与管理者关系以及任务的过程特性等因素，将在后续研究中进一步探讨。参考文献：

［１］汤勇力，胡欣悦．基于动态任务价值链的虚拟

企业组织体系［Ｊ］．科学学与科学技术管理，

２００７，２８（１０）：１４５－１５０．

Ｔａｎｇ

ＹＬ，ＨｕＸＹ．Ｖｉｒｔｕａｌ

Ｅｎｔｅｒｐｒｉｓｅ

ＯｒｇａｎｉｚａｔｉｏｎａｌＡｒｃｈｉｔｅｃｔｕｒｅ

Ｂａｓｅｄ

ｏｎ

ＤｙｎａｍｉｃＴａｓｋ

Ｖａｌｕｅ

Ｃｈａｉｎ［Ｊ］．Ｓｃｉｅｎｃｅ

ｏｆＳｃｉｅｎｃｅａｎｄ

Ｍａｎａｇｅｍｅｎｔ

ｏｆ

Ｓ＆Ｔ，

２００７，２８（１０）：１４５—１５０．（ｉｎＣｈｉｎｅｓｅ）

［２］

Ｂａｒｒ

Ｊ，Ｓａｒａｃｅｎｏ

Ｆ．Ａ

ＣｏｍｐｕｔａｔｉｏｎａｌＴｈｅｏｒｙ

ｏｆ

ｔｈｅ

Ｆｉｒｍ［Ｊ］．Ｊｏｕｒｎａｌ

ｏｆＥｃｏｎｏｍｉｃ

ＢｅｈａｖｉｏｒａｎｄＯｒｇａｎｉ－

ｚａｔｉｏｎ。２００２，４９（３）：３４５－３６１．［３］ＢａｒｒＪ，ＳａｒａｃｅｎｏＦ．Ｃｏｕｒｎｏｔ

Ｃｏｍｐｅｔｉｔｉｏｎ，，Ｏｒｇａｎｉｚａｔｉｏｎａｎｄ

Ｌｅａｒｎｉｎｇ［Ｊ］．Ｊｏｕｍａｌｏｆ

Ｅｃｏｎｏｍｉｃ

Ｄｙｎａｍｉｃｓ

ａｎｄＣｏｎｔｒｏｌ，２００５，２９（Ｉ－２）：２７７－２９５．

［４］ＡｌｏｎｓｏＥ．ＨｏｗＩｎｄｉｖｉｄｕａｌｓＮｅｇｏｔｉａｔｅ

Ｓｏｃｉｅｔｉｅｓ［Ｃ］∥

Ｐｒｏｃｅｅｄｉｎｇｏｆ

ｔｈｅ

３ｒｄ

Ｉｎｔｅｒｎａｔｉｏｎａｌ

Ｃｏｎｆｅｒｅｎｃｅ

ｏｎ

Ｍｕｌｔｉ－ＡｇｅｎｔＳｙｓｔｅｍｓ（ＩＣＭＡＳ’９８）．Ｗａｓｈｉｎｇｔｏｎ．

ＤＣ：ＩＥＥＥ

ＣｏｍｐｕｔｅｒＳｏｃｉｅｔｙＰｒｅｓｓ，１９９８：１８－２５．［５］ＳｉｃｈｍａｎＪ

Ｓ，ＣｏｎｔｅＲ，ＤｅｍａｚｅａｕＹ，Ｃ

Ｃａｓｔｅｌｆｒａｎｃｈｉ．

ＡＳｏｃｉａｌＲｅａｓｏｎｉｎｇＭｅｃｈａｎｉｓｍＢａｓｅｄ

ｏｎ

Ｄｅｐｅｎｄｅｎｃｅ

Ｎｅｔｗｏｒｋｓ［ｃ］∥Ｐｒｏｃｅｅｄｉｎｇｓ

ｏｆｔｈｅｌｌｔｈ

ＥｕｒｏｐｅａｎＣｏｎｆｅｒｅｎｃｅ

ｏｎ

Ａｒｔｉｆｉｃｉａｌ

Ｉｎｔｅｌｌｉｇｅｎｃｅ．Ｔｈｅ

Ｎｅｔｈｅｒ－

ｌａｎｄｓ

ｉ

１９９４：１８８－１９２．

［６］ＳａｎｄｈｏｌｍＴ

Ｗ，ＬｅｓｓｅｒＶＲ．ＣｏａｌｉｔｉｏｎｓａｍｏｎｇＣｏｒｎ—

ｐｕｔａｔｉｏｎａｌｌｙ

Ｂｏｕｎｄｅｄ

Ａｇｅｎｔｓ［Ｊ］．Ａｒｔｉｆｉｃｉａｌ

ＩｎｔｅＵｉ．

ｇｅｎｅｅ．１９９７，９４（１－２）：９９－１３７．［７］Ｖｉｄａｌ．ＰｕｇａＪＪ．Ｆｏｒｍｉｎｇ

Ｃｏａｌｉｔｉｏｎｓ

ａｎｄｔｈｅＳｈａｐｌｅｙ

Ｎｒｌ’Ｕ

Ｖａｌｕｅ［Ｊ］．ＥｕｒｏｐｅａｎＪｏｕｒｎａｌｏｆＯｐｅｒａｔｉｏｎａｌＲｅ—

ｓｅａｒｃｈ，２００８，１９０（３）：６５９－６７１．

［８］ＡｒｎｏｌｄＴ，Ｓｃｈｗａｌｂｅ

Ｕ．ＤｙｎａｍｉｃＣｏａｌｉｔｉｏｎ

Ｆｏｒｍａｔｉｏｎａｎｄ

ｔｈｅ

Ｃｏｒｅ［Ｊ］．ＪｏｕｒｎａｌｏｆＥｃｏｎｏｍｉｃ

Ｂｅｈａｖｉｏｒ＆Ｏｒｇａｎｉ－

ｚａｔｉｏｎ。２００２，４９（３）：３６３—３８０．

［９］ＫｏｎｉｓｈｉＨ，Ｒａｙ

Ｄ．Ｃｏａｌｉｔｉｏｎ

Ｆｏｒｍａｔｉｏｎ

ａｓａ

Ｄｙｎａｍｉｃ

Ｐｒｏｃｅｓｓ［Ｊ］．Ｊｏｕｒｎａｌ

ｏｆＥｃｏｎｏｍｉｃ

Ｔｈｅｏｒｙ，２００３，１１０

（１）：１－４１．

［１０］ＦｅｒｂｅｒＪ，Ｇｕｔｋｎｅｃｈｔ

Ｏ．ＡＭａｔｓ－ｍｏｄｅｌｆｏｒｔｈｅＡｎａｌｙ－

８ｉｓ

ａｎｄ

Ｄｅｓｉｇｎ

ｏｆ

Ｏｒｇａｎｉｚａｔｉｏｎ

ｉｎ

Ｍｕｌｔｉ—ａｇｅｎｔ

Ｓｙｓ

ｔｅｒｎｓ［Ｃ］∥Ｐｒｏｃｅｅｄｉｎｇｓ

ｏｆｔｈｅ３ｒｄＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎ

ｆｅｒｅｎｃｅ

ｏｎ

Ｍｕｈｉ—Ａｇｅｎｔ

Ｓｙｓｔｅｍｓ（ＩＣＭＡＳ’９８）．

Ｗａｓｈｉｎｇｔｏｎ。ＤＣ：ＩＥＥＥ

Ｃｏｍｐｕｔｅｒ

Ｓｏｃｉｅｔｙ

Ｐｒｅｓｓ，

１９９８：２５８－２６６．

［１１］ＺａｍｂｏｎｅｌｌｉＦ，Ｊｅｎｎｉｎｇｓ

Ｎ

Ｒ，ＷｏｏｌｄｒｉｄｇｅＭ．Ｏｒｇａｎｉ—

ｓａｔｉｏｎａｌ

ＡｂｓｔｒａｃｔｉｏｎｓｆｏｒｔｈｅＡｎａｌｙｓｉｓａｎｄＤｅｓｉｇｎｏｆ

Ｍｕｌｔｉ．ａｇｅｎｔＳｙｓｔｅｍｓ［ｃ］∥ＬｅｃｔｕｒｅＮｏｔｅｓｉｎＣｏｍ－

ｐｕｔｅｒ

ＳｃｉｅｎｃｅＳｐｒｉｎｇｅｒ－Ｖｅｒｌａｇ，２００１：２３５－２５１．

［１２］张伟，石纯一．Ａｇｅｎｔ组织的一种递归模型［Ｊ］．

软件学报，２００２，１３（１１）：２１４９－２１５３．ＺｈａｎｇＷ．Ｓｈｉ

ＣＹ．ＡＲｅｃｕｒｓｉｖｅＭｏｄｅｌｏｆＡｇｅｎｔＯｒ－

ｇａｎｉｚａｔｉｏｎ［Ｊ］．Ｊｏｕｒｎａｌｏｆ

Ｓｏｆｔｗａｒｅ，２００２，１３（１１）：

２１４９—２１５３．（ｉｎＣｈｉｎｅｓｅ）

［１３］胡山立，石纯一．一种任一时间联盟结构生成

算．法［Ｊ］．软件学报，２００１，１２（５）：７２９－７３４．

Ｈｕ

ＳＬ，Ｓｈｉ

ＣＹ．Ａｎ

ＡｎｙｔｉｍｅＣｏａｌｉｔｉｏｎ

Ｓｔｒｕｃｔｕｒｅ

Ｇｅｎｅｒａｔｉｏｎ

Ａｌｇｏｒｉｔｈｍ［Ｊ］．Ｊｏｕｒｎａｌｏｆ

Ｓｏｆｔｗａｒｅ，２００１，

１２（５）：７２９—７３４．（ｉｎＣｈｉｎｅｓｅ）

［１４］徐晋晖，张伟，石纯一，侯保华．面向结构的Ａ—

ｇｅｎｔ组织形成和演化机制［Ｊ］．计算机研究与发展，２００１，３８（８）：８９７－９０３．

Ｘｕ

ＪＨ，ＺｈａｎｇＷ，ＳｈｉＣＹ，ＨｏｕＢＨ．ＡＳｔｒｕｃｔｕｒｅ—

ＯｒｉｅｎｔｅｄＭｅｃｈａｎｉｓｍｏｆ

ＡｇｅｎｔＯｒｇａｎｉｚａｔｉｏｎａｌ

Ｆｏｒｍａ－

ｔｉｏｎ

ａｎｄ

Ｅｖｏｌｕｔｉｏｎ［Ｊ］．Ｊｏｕｒｎａｌ

ｏｆ

Ｃｏｍｐｕｔｅｒ

Ｒｅ－

第６期

ｓｅａｒｃｈａｎｄ

蒋围银等：协同丁作下角色一任务匹配与瓦动多智能体模拟研究

Ｄｅｖｅｌｏｐｍｅｎｔ，２００１，３８（８）：８９７—９０３．（ｉｎ

Ｍｏｄｅｌ

ｏｆＯｒｇａｎｉｚａｔｉｏｎａｌ

６３

Ｌｅａｒｎｉｎｇ

ａｎｄ

ＤｅｃｉｓｉｏｎＭａｋ—

Ｃｈｉｎｅｓｅ）

ｉｎｇ［Ｒ］．Ｃａｒｎｅｇｉｅ［１９］Ａｒｇｏｔｅ

Ｌ，Ｉｎｇｒａｍ

ＫｎｏｗｌｅｄｇｅＴｒａｎｓｆｅｒｔｈｅＥｘｐｅｒｉｅｎｃｅ

Ｎ，Ｌｉ

Ｙ．Ａ

Ｔａｓｋ ｍａｔｃｈｉｎｇ

Ｅｎ

ｏｆ

ＭｅｌｌｏｎＵｎｉｖｅｒｓｉｔｙ，２００４．Ｐ，Ｌｅｖｉｎｅｉｎ

［１５］蒋建国，吴琼，夏娜，李勇．一种基于任务匹配

的联盟生成策略［Ｊ］．系统工程理论与实践，

２００７．２７（７）：８５—９１．ＪｉａｎｇＪＧ，Ｗｕ

ＪＭ，ＭｏｒｅｌａｎｄＲ

Ｌ．ｆｒｏｍ

Ｏｒｇａｎｉｚａｔｉｏｎｓ：Ｌｅａｒｎｉｎｇ

Ｏｔｈｅｒｓ［Ｊ］．Ｏｒｇａｎｉｚａｔｉｏｎａｌ

Ｂｅｈａｖ—

Ｑ，Ｘｉａ

ｉｏｒａｎｄＨｕｍａｎＤｅｃｉｓｉｏｎ８．

Ｐｒｏｃｅｓｓｅｓ，２０００，８２（１）：１—

ＴａｓｋＣｏｍｐｌｅｘｉｔｙａｎｄ

ＢａｓｅｄＣｏａｌｉｔｉｏｎＧｅｎｅｒａｔｉｏｎｇｉｎｅｅｒｉｎｇ

Ｓｔｒａｔｅｇｙ［Ｊ］．Ｓｙｓｔｅｍｓ

Ｔｈｅｏｒｙ＆Ｐｒａｃｔｉｃｅ，２００７，２７（７）：８５—９１．［２０］Ｎｅｍｂｈａｒｄ

Ｅｘｐｅｒｉｅｎｃｅ

Ｄ

Ａ．Ｔｈｅ

Ｅｆｆｅｃｔｓｏｆ

（ｉｎＣｈｉｎｅｓｅ）

ｏｎ

ＬｅａｒｎｉｎｇａｎｄＦｏｒｇｅｔｔｉｎｇ：ＡＦｉｅｌｄＳｔｕｄ－

［１６］尹翔，蒋建国，夏娜，常传文．多任务多联盟并

行生成：模型与求解［Ｊ］．系统工程理论与实践，２００８，２８（４）：９０－９５．

Ｙｉｎ

Ｙ［Ｊ］．ＨｕｍａｎＦａｃｔｏｒｓ，２０００，４２（２）：２７２－２８６．

［２１］王艳梅，赵希男，靖可．存在生产外部性的任务

分配问题分析［Ｊ］．管理科学，２００８，２１（４）：２５—

３０．

Ｘ，Ｊｉａｎｇ

ＪＧ，ＸｉａＮ，Ｃｈａｎｇ

ＣＷ．Ｍｕｌｔｉ—ｔａｓｋ

Ｍｕｌｔｉ－ｃｏａｌｉｔｉｏｎＧｅｎｅｒａｔｉｏｎ

Ｐｒｏｂｌｅｍ：ＭｏｄｅｌａｎｄＡｌｇｏ－

ＷａｎｇＹＭ，ＺｈａｏＸＮ，ＪｉｎｇＫ．ＴｈｅＡｎａｌｙｓｉｓ

ＯｐｔｉｍａｌＴａｓｋ

Ａｓｓｉｇｎｍｅｎｔ

ｏｆ

ｗｉｔｈ

Ｐｒｏｄｕｃｔｉｏｎ

ｏｎ

ｔｈｅ

ｒｉｔｈｍ［Ｊ］．Ｓｙｓｔｅｍｓ

Ｅｎｇｉｎｅｅｒｉｎｇ

Ｔｈｅｏｒｙ＆Ｐｒａｃｔｉｃｅ，

Ｅｘｔｅｒｎａｌｉ

２００８，２８（４）：９０—９５．（ｉｎＣｈｉｎｅｓｅ）

［１７］吴江，胡斌，刘天印．交互记忆系统影响人群与

工作交互的模拟研究［Ｊ］．管理科学，２００９，２２

（１）：４８—５８．

ＷｕＪ。ＨｕＢ，“ｕＴＹ．ＡＳｉｍｕｌａｔｉｏｎ

ＩｍｐａｃｔｏｆＩｎｔｅｒａｃｔｉｖｅＭｅｍｏｒｙＳｙｓｔｅｍ

ｏｎ

ｔｉｅｓ［Ｊ］．Ｊｏｕｒｎａｌ

ＭａｎａｇｅｍｅｎｔＳｃｉｅｎｃｅ，２００８，２１

（４）：２５－３０．（ｉｎＣｈｉｎｅｓｅ）

［２２］ＮｏｒｔｈＭＪ，ＣｏｌｌｉｅｒＮＴ，ＶｏｓＪＲ．Ｅｘｐｅｒｉｅｎｃｅｓ

ｔｉｎｇＴｈｒｅｅＩｍｐｌｅｍｅｎｔａｔｉｏｎｓｏｆｔｈｅＲｅｐａｓｔＡｇｅｎｔ

ｃｌｉｎｇ

Ｃｒｅａ－Ｍｏｄ－

Ｓｔｕｄｙｏｆ

ｔｈｅ

Ｔｏｏｌｋｉｔ［Ｊ］．ＡＣＭＴｒａｎｓａｃｔｉｏｎｓ

ＲＥ．ＴａｓｋＣｏｍｐｌｅｘｉｔｙ：Ｄｅｆｉｎｉｔｉｏｎ

ｏｎ

Ｍｏｄｅｌｉｎｇ

Ｇｒｏｕｐ—Ｔａｓｋ

Ｓｃｉｅｎｃｅ，

ａｎｄＣｏｍｐｕｔｅｒＳｉｍｕｌａｔｉｏｎ，２００６，１６（１）：ｌ－２５．

ｏｆ

ｔｈｅＣｏｎ－

Ｉｎｔｅｒａｃｔｉｏｎ［Ｊ］．Ｊｏｕｒｎａｌ［１８］ＬｅｅＪ Ｓ，Ｃａｒｌｅｙ

ｏｆ

Ｍａｎａｇｅｍｅｎｔ

［２３］Ｗｏｏｄ

ｓｉｏｎ

２００９，２２（１）：４８—５８．（ｉｎＣｈｉｎｅｓｅ）

ＫＭ．ＯｒｇＡｈｅａｄ：Ａ

Ｃｏｍｐｕｔａｔｉｏｎａｌ

ｓｔｒｕｃｔ『Ｊ］．ＯｒｇａｎｉｚａｔｉｏｎａｌＢｅｈａｖｉｏｒａｎｄＨｕｍａｎＤｅｅｉ－

Ｐｒｏｃｅｓｓｅｓ，１９８６，３７（１）：６０—８２．

Ａｇｅｎｔ－ｂａｓｅｄＳｉｍｕｌａｔｉｏｎｆｏｒ

Ｍａｔｃｈｉｎｇ

ａｎｄＩｎｔｅｒａｃｔｉｏｎ

ｂｅｔｗｅｅｎＲｏｌｅｓａｎｄＴａｓｋｓＵｎｄｅｒＣｏＵａｂｏｒａｔｉｖｅ

ＷｏｒｋＥｎｖｉｒｏｎｍｅｎｔ

ＪＩＡＮＧＧｕｏ．ｙｉｎｌ’－．ＨＵＢｉｎｌ

１

ＳｃｈｏｏｌｏｆＭａｎａｇｅｍｅｎｔ，ＨｕａｚｈｏｎｇＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｗｕｈａｎ４３００７４，Ｃｈｉｎａ

Ｅｃｏｎｏｍｉｃｓ，Ｗｕｈａｎ４３０２０５，Ｃｈｉｎａ

２ＳｃｈｏｏｌｏｆＩｎｆｏｒｍａｔｉｏｎＭａｎａｇｅｍｅｎｔ，ＨｕｂｅｉＵｎｉｖｅｒｓｉｔｙｏｆ

Ａｂｓｔｒａｃｔ：Ｔｈｉｓ

ａｎｄ

ｐａｐｅｒｅｍｐｌｏｙｓｔｈｅａｇｅｎｔ ｂａｓｅｄｓｉｍｕｌａｔｉｏｎｍｅｔｈｏｄｍｕｌｔｉ．ｏｂｊｅｃｔｅｖａｌｕａｔｉｏｎｍｏｄｅｌｂａｓｅｄ

ｏｎ

ｔｏ

ｓｔｕｄｙｔｈｅｍａｔｃｈｉｎｇａｎｄｉｎｔｅｒａｃｔｉｏｎｂｅｔｗｅｅｎｒｏｌｅｓ

ｔｏ

ａｎｄ

ｄｙｎａｍｉｃ

ｔａｓｋｓ．Ｆｉｒｓｔｌｙ，ａ

ａｇｅｎｔ

ｉｓｅｓｔａｂｌｉｓｈｅｄ

ｄｅｍｏｎｓｔｒａｔｅｍａｔｃｈｉｎｇｂｅｔｗｅｅｎｒｏｌｅｓ

ａｒｅ

ａｎｄｔａｓｋｓ，

Ｒｅｐａｓｔ，

ｔｈｅｎ，ｔｈｅｍｉｎｉｍｉｚａｔｉｏｎｍａｔｃｈｉｎｇａｎｄｔｈｅｍａｘｉｍｉｚａｔｉｏｎｍａｔｃｈｉｎｇａｌｇｏｒｉｔｈｍｓｄｅｓｉｇｎｅｄ

ｔｏ

ｓｏｌｖｅｔｈｅｍｏｄｅｌ．Ａｓｆｏｒｄｉｆｆｅｒｅｎｔ

ｔｈｅｂａｓｉｓｏｆ

ｎｕｍｂｅｒｓａｎｄｄｙｎａｍｉｃｓｏｆｔａｓｋｓ，ｓｏｍｅｏｒｇａｎｉｚａｔｉｏｎｒｏｌｅｓ

ｐｅｒｆｏｒｍａｎｃｅｓａｒｅａｎａｌｙｚｅｄｂｙｓｉｍｕｌａｔｉｏｎ

ｏｎ

ｅｘｐｅｒｉｍｅｎｔｓ．Ｏｎ

ａｎｄｔａｓｋｓｉｎｔｅｒａｃｔｉｏｎｍｏｄｅｌｓｙｓｔｅｍｉｓｒｅａｌｉｚｅｄｗｉｔｈｔｈｅ

ａ

ｕｓｅｏｆＪａｖａＥｃｌｉｐｓｅｓｏｆｔｗａｒｅＲｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｍｉｎｉｍｉｚａｔｉｏｎ

ｍａｔｃｈｉｎｇａｌｇｏｒｉｔｈｍｉｓ

ｈｅｓｓ

ｂｅｔｔｅｒｍａｔｃｈｉｎｇａｌｇｏｒｉｔｈｍｔｈａｎｔｈｅｍａｘｉｍｉｚａｔｉｏｎｍａｔｃｈｉｎｇａｌｇｏｒｉｔｈｍｆｏｒ

ａ

ｄｙｎａｍｉｃ

ｔａｓｋｓａｌｌｏｃａｔｉｏｎｉｎｂｕｓｉ—

ｇｒｅａｔｅｒ

ｏｒｇａｎｉｚａｔｉｏｎ，ａｎｄ

ｕｎｄｅｒ

ｃｅｒｔａｉｎｃｏｌｌａｂｏｒａｔｉｖｅｌｅａｒｎｉｎｇｒａｔｅ，ｍｅｈｅａｖｉｅｒｔｈｅｎｕｍｂｅｒｏｆ

ｏｎ

ｔａｓｋｂｅｃｏｍｅｓ，ｔｈｅ

ｗｏｒｋａｂｉｌｉ—

ｔｙｏｆｅｍｐｌｏｙｅｅ

ｇｒｏｗｓ．ａｎｄｄｙｎａｍｉｃｏｆｔａｓｋｓｈａｖｅａｎｉｍｐａｃｔ

ｅｍｐｌｏｙｅｅ

ｌｅａｒｎｉｎｇ．Ｗｈｅｎｔｈｅｃｈａｎｇｅｏｆｔａｓｋａｂｉｌｉｔｙｅｘｐｅｃｔａｔｉｏｎｉｓ

ｓｍａｌｌｅｒｔｈａｎｔｈｅ

ｃｈａｎｇｅ

ｏｆ

ｖａｒｉａｎｃｅ，ｔｈｅｄｙｎａｍｉｓｍｉｓｎｅｇａｔｉｖｅｌｙｒｅｌａｔｅｄｗｉｔｈｔｈｅａｄｖａｎｃｅｏｆａｂｉｌｉｔｙ，ｈｏｗｅｖｅｒ，ｗｈｅｎｔｈｅｃｈａｎｇｅｏｆ

ｔａｓｋａｂｉｌｉｔｙｅｘｐｅｃｔａｔｉｏｎｉｓｌａｒｇｅｒ

ｔｈａｎ

ｔｈｅｃｈａｎｇｅｏｆｖａｒｉａｎｃｅ。ｔｈｅｄｙｎａｍｉｓｍｉｓｐｏｓｉｔｉｖｅｌｙｒｅｌａｔｅｄｗｉｔｈｔｈｅ

ｒａｔｅ

ａｄｖａｎｃｅｏｆａｂｉｌｉｔｙ．

Ｋｅｙｗｏｒｄｓ：ａｇｅｎｔ—ｂａｓｅｄｓｉｍｕｌａｔｉｏｎ；ｍａｔｃｈｉｎｇ；ｄｙｎａｍｉｃｔａｓｋｓ；ｃｏｌｌａｂｏｒａｔｉｖｅｌｅａｒｎｉｎｇ

ＲｅｃｅｉｖｅｄＤａｔｅ：Ｍａｙ５ｍ，２００９Ｆｕｎｄｅｄ

ＡｃｃｅｐｔｅｄＤａｔｅ：Ｊｕｌｙ２５ｍ，２００９

Ｐｒｏｊｅｃｔ：Ｓｕｐｐｏｒｔｅｄ

ｂｙ

ｔｈｅＮａｔｉｏｎａｌＮａｔｕｒａｌＳｃｉｅｎｃｅＦｏｕｎｄａｔｉｏｎｏｆＣｈｉｎａ（７０６７１０４８）

ｉｎ

Ｂｉｏｇｒａｐｈｙ：ＪＩＡＮＧ

Ｇｕｏ—ｙｉｎ，ａＨｕｂｅｉＴｉａｎｍｅｎ

ｉｓ

ａ

ｎａｔｉｖｅ（１９７６一），ｉｓ

Ｕｎｉｖｅｒｓｉｔｙ

ａＰｈ．Ｄ．ｃａｎｄｉｄａｔｅｔｈｅＳｃｈｏｏｌｏｆＭａｎａｇｅｍｅｎｔ

ａｔ

ＨｕａｚｈｏｎｇＵｎｉｖｅｒｓｉｔｙ

ｏｆ

ＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙａｎｄ

ｌｅｃｔｕｒｅｏｆＨｕｂｅｉ

ｏｆＥｃｏｎｏｍｉｅｓ．Ｈｉｓｒｅｓｅａｒｃｈｉｎｔｅｒｅｓｔｓｉｎｃｌｕｄｅｍａｎａｇｅｍｅｎｔｓｙｓｔｅｍｓｉｍｕｌａｔｉｏｎ。ｅｔｅ．

Ｅ－ｍａｉｌ：ｈｕｓｔｓｃｕｊｇｙ＠１２６．ｔｏｍ

口

协同工作下角色-任务匹配与互动多智能体模拟研究

作者：作者单位：刊名：英文刊名：年，卷(期)：被引用次数：

蒋国银， 胡斌， JIANG Guo-yin， HU Bin

蒋国银,JIANG Guo-yin(华中科技大学管理学院,武汉430074;湖北经济学院信息管理学院,武汉430205)， 胡斌,HU Bin(华中科技大学管理学院,武汉,430074)管理科学

JOURNAL OF MANAGEMENT SCIENCES2009,22(6)1次

参考文献(23条)

1.汤勇力;胡欣悦 基于动态任务价值链的虚拟企业组织体系[期刊论文]-科学学与科学技术管理 2007(10)2.Barr J;Saraceno F A Computational Theory of the Firm 2002(03)

3.Barr J;Saraceno F Cournot Competition,,Organization and Learning[外文期刊] 2005(1-2)4.Alonso E How Individuals Negotiate Societies 1998

5.Sichman J S;Conte R;Demazeau Y;C Castelfranchi A Social Reasoning Mechanism Based on DependenceNetworks 1994

6.Sandholm T W;Lesser V R Coalitions among Computationally Bounded Agents[外文期刊] 1997(1-2)7.Vidal-Puga J J Forming Coalitions and the Shapley NTU Value[外文期刊] 2008(03)8.Arnold T;Schwalbe U Dynamic Coalition Formation and the Core 2002(03)9.Konishi H;Ray D Coalition Formation as a Dynamic Process 2003(01)

10.Ferber J;Gutknecht O A Mata-model for the Analysis and Design of Organization in Multi-agentSystems 1998

11.Zambouelli F;Jennings N R;Wooldridge M Organisational Abstractions for the Analysis and Design ofMulti-agent Systems 2001

12.张伟;石纯一 Agent组织的一种递归模型[期刊论文]-软件学报 2002(11)13.胡山立;石纯一 一种任一时间联盟结构生成算法[期刊论文]-软件学报 2001(05)

14.徐晋晖;张伟;石纯一;侯保华 面向结构的Agent组织形成和演化机制[期刊论文]-计算机研究与发展 2001(08)15.蒋建国;吴琼;夏娜;李勇 一种摹于任务匹配的联盟生成策略[期刊论文]-系统工程理论与实践 2007(07)16.尹翔;蒋建国;夏娜;常传文 多任务多联盟并行生成:模型与求解[期刊论文]-系统工程理论与实践 2008(04)17.吴江;胡斌;刘天印 交互记忆系统影响人群与工作交互的模拟研究[期刊论文]-管理科学 2009(01)

18.Lee J-S;Carley K M OrgAhead:A Computational Model of Organizational Learning and Decision Making2004

19.Argote L;Ingrain P;Levine J M;Moreland R L Knowledge Transfer in Organizations:Learning from theExperience of Others 2000(01)

20.Nembhard D A The Effects of Task Complexity and Experience on Learning and Forgetting:A FieldStudy[外文期刊] 2000(02)

21.王艳梅;赵希男;靖可 存在生产外部性的任务分配问题分析[期刊论文]-管理科学 2008(04)

22.North M J;Collier N T;Vos J R Experiences Creating Three Implementations of the Repast AgentModeling Toolkit[外文期刊] 2006(01)

23.Wood R E Task Complexity:Definition of the Construct[外文期刊] 1986(01)

本文读者也读过(2条)

1. 蒋国银.刘行军.JIANG Guo-yin.LIU Xing-jun 协同工作流过程模型的时间机制研究[期刊论文]-华东经济管理2011,25(1)

2. 蒋国银.胡斌.王缓缓.JIANG Guo-yin.HU Bin.WANG Huan-huan 基于MAS的移动服务链协同工作机制研究[期刊论文]-管理工程学报2010,24(1)

引证文献(1条)

1.应英.蔡鸿明.姜丽红 协同环境下基于角色任务的个性化服务模型[期刊论文]-计算机工程与应用 2012(7)

引用本文格式：蒋国银.胡斌.JIANG Guo-yin.HU Bin 协同工作下角色-任务匹配与互动多智能体模拟研究[期刊论文]-管理科学 2009(6)

本文来源：https://www.bwwdw.com/article/s3ij.html