基于E-CARGO模型的多任务分配算法

多任务分配是管理和协同工作中的重要问题。采用E-CARGO建模来解决常规多任务分配问题(GMTAP)与组角色多任务分配问题(GRMTAP)。提出了两种算法:(1)通过把GMTAP质量评估矩阵转置转化为组角色分配问题(GRAP),再利用GRAP算法来完成多任务分配;(2)将GRMTAP分配问题转化为常规分配问题(GAP),利用K-M(亦称匈牙利)算法来实现多任务分配。最后,通过实验验证了GMTAP与GRMTAP算法的有效性,即,算法很好地满足了多任务分配问题的需要,也有效地扩展了GRAP算法与K-M算法的应用范围。

GRMTAP算法中的任务权重与质量阈值分配问题

任务权重与质量阈值分配问题是管理和协同工作中多任务分配中的重要问题。基于GRMTAP算法对含有任务权重与质量阈值的多任务分配问题提出了有效的解决办法:a)针对任务权重提出了使用权重向量调整多任务质量评价矩阵,调用GRMTAP算法完成多任务的有效分配;b)针对质量阈值提出采用任务类别向量的元素值之和之负值置换质量评价矩阵中评价质量值小于阈值的质量值,再调用GRMTAP算法完成多任务的分配,且以分配矩阵评价质量之和作为该分配是否成功的判断依据。这样有效地解决了含任务权重与质量阈值的多任务分配问题,扩展GRMTAP算法的应用范围。

基于E-CARGO的扁平团队或组织的绩效量化预测

预测与量化团队或组织的绩效对于团队管理至关重要。采用E-CARGO建模,提出常规多任务组绩效预测算法(PGPMTRAP)。算法把常规多任务组的质量评估矩阵转置为组角色分配问题(GRAP)矩阵,再利用GRAP算法来完成多任务分配获取常规多任务角色组的最大性能分配矩阵的性能值,以实际分配矩阵性能值与最大分配矩阵性能值的比值作为常规多任务组的量化预测绩效,且对算法进行实验验证。利用GRAP算法与PGPMTRAP算法实现扁平团队的绩效量化预测,对该算法与GRAP算法分别进行实例验证。