晋升是企业激励员工的重要手段之一,也是人力资源管理研究的重要问题。晋升可以极大地影响员工工作的积极性,通过晋升,职工可以增加收入、责任和权限、提高社会地位。晋升还可以向职工提供走向更高级职务和提高自身能力的机会。企业内部的晋升受员工性别、年龄、经验、资历、教育水平、工作岗位、绩效、企业文化以及岗位匹配等诸多因素的影响。不同企业具有不同的晋升机制。本文将企业内部的晋升问题分解为晋升人员选拔和岗位分配问题,首次将智能理论应用于企业内部晋升问题的研究。 本文对影响晋升的各种因素进行量化分析,将这些因素作为输入变量,将员工在企业中的职务级别作为输出Y,利用模糊神经网络建立人员选择模型。在输入变量中划分了可模糊化变量X和非模糊化的变量Z,对于给定输入向量通过使用改进的T—S模型,获得输出Y,作为晋升的量化参考指标。为了解决参数确定问题,提出了扩展的pi-sigma神经网络模型,利用学习算法确定前提参数和结论参数。 在选择晋升人员之后,将这些人员合理的分配到不同的工作岗位中去才能最大限度的发挥其作用。本文采用规范化的工作资格检测表,说明了不同职业对从业人员在教育、职业培训、能力、兴趣、性格以及体质等方面的要求。按照工作资格要素的标准来衡量员工,获得在各种工作资格要素方面员工自身的条件与职业要求之间的匹配度。在给定员工与工作的匹配矩阵,并在考虑工作之间、员工之间关系的条件下,利用遗传算法解决岗位分配的优化问题。根据生物进化原理,结合人力资源中岗位分配的特点,定义了遗传算法中子父代比优替换率,对子父代比优替换率做了定性研究,给出了子父代比优替换率的建议值,并提出基于位置的有序交叉(POX)算子,设计了复制算子、变异算子和一定的搜索策略、控制参数,获得使整体最优的岗位分配方案。 在上述方法的基础上,利用天安保险公司的数据进行实证研究。对8个模糊化和非模糊化的晋升影响因素,采集天安保险公司总部的人事数据,得到有效样本143个,随机选取110个作为训练样本,经70024轮训练后建立了模糊神经网络晋升选择模型,经另外33个样本验证,对职务级别推理的正确次数为25次,正确率达到75.76%。说明本文的模糊神经网络模型能够很