基于标化工作量的社区卫生服务中心绩效考核体系调节权重设计研究

目的:在基于标化工作量的社区医院绩效考核体系中,引入调节权重进行绩效方案优化,为开展绩效工资改革提供参考。方法:2020年12月—2021年7月,上海市嘉定区马陆社区卫生服务中心通过调节权重理念宣贯、标化工作量重新核定、调节权重设计与验证等三个阶段,完成新一轮绩效工资改革。结果:最终形成基于“[∑(标化工作量取值×数量×项目发展系数)×标化单价×岗位补差系数+统发基数]×质量考核系数”的新版工作量津贴测算方案。新版测算方案在2021年3—5月的工作量津贴测算中,也表现出较好的稳定性,获得机构员工的一致认可。结论:基于标化工作量的社区医院绩效工资改革,需要及时引入调节权重予以适度调节,以体现鼓励多劳多得、优劳优酬、重点激励、适度扶持的绩效激励机制;且在启动绩效工资改革之初,就应将调节权重的理念在全院进行及时宣贯,以保障绩效改革工作顺利推进;项目发展系数的及时公示有利于项目发展系数引导作用的发挥,岗位人员配置的合理核定则为岗位补差系数应用的稳定性奠定基础。

基于改进粒子群优化的文本聚类算法研究

针对k-means算法的聚类结果高度依赖初始聚类中心选取的问题,提出一种基于改进粒子群优化的文本聚类算法。分析粒子群算法和k-means算法的特点,针对粒子群算法搜索精度不高、易陷入局部最优且早熟收敛的缺点,设计自调节惯性权重机制及云变异算子以改进粒子群算法。自调节惯性权重机制根据种群进化程度,动态地调节惯性权重,云变异算子基于云模型的随机性和稳定性,采用全局最优值实现粒子的变异。该算法结合了粒子群算法较强的全局搜索能力与k-means算法较强的局部搜索能力。每个粒子是一组聚类中心,类内离散度之和的倒数是适应度函数。实验结果表明,该算法是一种精确而又稳定的文本聚类算法。

基于粒子群算法的水电站厂内经济运行新算法

为进一步改善用于求解大型水电站厂内经济运行一般算法的收敛速度及收敛精度,提出了一种基于粒子群算法的混合优化算法-自调节退火粒子群改进算法。该算法以粒子群算法与模拟退火算法的协同搜索为搜索机制,在此基础上加入自调节适应惯性权重参数以平衡算法全局与局部收敛性,并同时引入交叉算子、变异算子以提高解的多样性,克服了算法前期精度低、后期收敛速度慢、易于陷入局部最优等缺点。算例结果表明,较粒子群算法、退火遗传算法,自调节退火粒子群改进算法在收敛性能方面有明显的提高,能有效解决复杂的厂内经济运行问题。