基于个体差异的多目标绩效分配问题研究

绩效分配是绩效管理研究的热点和难点.本文充分考虑了个体差异因素对绩效分配满意度的影响.为此,首先运用分值转化函数对考核对象基础工作量的初始分数值进行转化,然后利用K-均值聚类方法对考核对象进行分类处理;其次讨论了对考核对象最有利和最不利的基础工作量的最优解问题,获得了对考核对象最有利和最不利的绩效分配比例,进而构建了考核对象的满意度函数,在此基础上建立了多目标绩效分配模型,获得了Pareto最优解;最后,运用模型对某高校教师的绩效分配进行了数值实验,结果表明本文构建的多目标绩效分配模型,对提高绩效分配的满意度具有良好的效果.     

基于选择算子改进的多目标基因算法

【目的】为了提高多目标基因算法的有效性,获得更真实的Pareto前沿面。【方法】利用有效点定义减少计算复杂度,并基于分类Pareto前沿面的动态规划,定义了密度指数描绘前沿面上有效点的密集程度,使得被选点差异性更大且更靠近前沿面。【结果】在减少计算复杂度和增加被选点多样性这两方面改进了多目标基因算法。【结论】数值实验结果表明该方法是有效的。     

非光滑半无限多目标规划的最优性及混合对偶(运筹学与控制论)

本文研究了非光滑半无限多目标规划(NSIMP)的最优性条件及混合型对偶。首先,在Fritz-John必要条件的基础上建立了Karush-Kuhn-Tucker必要条件,即设为(NSIMP)的有效解和gj,j∈()为关于η的严格不变凸函数,则存在0,μj≥0,j∈J且ūj≠0对有限多个j∈J,使得(4)-(6)成立。然后建立了Karush-Kuhn-Tucker充分条件,即设x为(NSIMP)的可行解,在x处满足Karush-Kuhn-Tucker条件(4)-(6)式,fi,i∈I是关于η的不变凸函数,gj,j∈J()是关于相同η的严格不变凸函数,则为(NSIMP)的有效解。最后在不变凸性条件下,证明了混合对偶模型的弱对偶,强对偶和逆对偶定理。本文的主要结果推广并改进了一些已有的结论。     

向量优化中集合的一些拓扑与代数性质

在假设B下，证明了int(S+F)=int S+F，建立了两个集合拓扑闭包相等与拓扑内部相等之间的等价条件。结合Flores-Bazán 等人的思想， 基于集合的代数闭包和代数内部提出了假设B1。 在假设1B下，证明了cor(S+F)=cor S+F，得到了集合的代数闭包一定是代数闭集，代数内部一定是代数开集等结果。这些结果是对假设 B 下集合性质的进一步补充和拓展。
     

绩效评价中分值聚合的多目标优化方法*

评价分数的优化处理在绩效评价中具有重要意义,绩效评价中的分值处理过程包括评价分数的归一化处理和分数的聚合两个阶段;针对绩效评价中评价分数的聚合问题,建立了新的多目标优化模型,并利用遗传算法对模型进行了求解,其研究结果克服了最近由Andrés等人提出的360度绩效模型存在的一些不足。     

关于一类E-凸集的判别准则

首先给出了集合A={λ∈[0，1]：E(y) λ(E(x)-E(y))∈x，任意x，Y∈x}的稠密性证明，然后利用此引理并在映射E：R^n→R^n为连续映射的条件下，给出了一类E-凸集合的一个充要条件，这样将集合E-凸性的验证转化为验证对某一个λ∈(0，1)，AEx (1-λ)Eλ∈x是否成立，简化了该类E-凸集合的判别。     

函数周期性和最小正周期存在性的几个定理

在文[1～7]的基础上进一步探讨了函数的周期性及最小正周期存在的充分条件。     

向量优化中free-disposal集的代数性质

基于集合代数闭包和代数内部的概念,在free-disposal集条件下证明了代数闭包必是代数闭集,代数内部必是代数开集;研究了凸锥和与其对应的free-disposal集的代数性质,同时获得了两个free-disposal集和的代数性质;建立了两个free-disposal集的等价条件.     

绩效评价中最优基础工作量的研究

【目的】研究绩效分配中最优基础工作量问题。【方法】利用多目标优化工具。【结果】建立与基础工作量相关的分值转换模型、满意度模型,得到以最小化满意度差的平方和、最大化满意度和为目标的多目标优化模型,并利用遗传算法对此多目标优化模型求解。【结论】结果表明此多目标优化模型存在弱有效解,且是科学合理的。
     

多目标优化中一类鲁棒有效解的最优性充分条件

【目的】对多目标优化问题鲁棒有效解及一些相关性质进行讨论。【方法】利用 Clarke方向导数意义下的线性化锥对带不等式约束的非光滑多目标优化问题中一类鲁棒有效解进行讨论,并举例进行说明。【结果】得到了该问题的一些最优性充分条件。【结论】所得的主要结果对最近一些研究工作做了改进与推广