配置资源模型（精选12篇）
配置资源模型 篇1
引言
1997年6月13日, 全国首所高职院校———邢台职业技术学院正式挂牌成立, 标志着我国高职教育开始走向规范化、跨越式发展的道路。作为高职院校人才培养、专业教育、技术革新的承载者和实践者——高职教师成为高职院校“第一资源”的理念日益凸现, 然而各高职院校的教师资源配置还存在着许多问题, 如专任教师及“双师型”教师数量不足、教师学历偏低, 职称结构不合理, 校内兼职教师及外聘教师数量严重不足等[1], 这不仅阻碍着我国高职院校创新争优的进程, 同时也成为高职院发展的瓶颈。所以, 优化高职教师资源的配置, 是实现高职院校教育事业发展、实现质量转轨的前提需要。如何有效地、合理地使用高职院校教师资源, 使教师资源配置达到最优, 一直是高职院校管理者所关注的问题。本文从综合效益最优的角度来说明教师资源配置问题。
1 模型假设
1.1 假设教师资源取得的总效益分为经济效益和社会效益两大类;
1.2 假设对某所高职院校而言, 教师资源分为专职教师、校内兼职教师、校外外聘教师三大类;
1.3 为方便问题讨论, 假设模型中所涉及的量均为连续变化的量。
2 模型建立
用效用函数[2]来描述高职教师资源的优化策略问题, 由假设1, 教师资源取得的综合效益一般分为经济效益和社会效益, 其关系为μ=f (λ1, λ2) , 其中μ表示教师资源的综合效益, λ1, λ2分别表示教师资源的经济效益和社会效益, f表示μ与λ1, λ2的函数关系, 常用的效用函数有:, (α>0, β>0) 或μ=λ1αλ2β, (0<α, 0<βλ) 1或, (α, β>0) 。λ1, λ2又与所投入的各类教师资源有关, 即综合效益可表现为:
式中z, q, w分别代表专职教师、兼职教师、处聘教师。
对某所高职院校而言, 由于各专业设置不同, 专业影响力不同, 因此各专业取得的综合效益也不同, 设分布在各专业领域的综合效益为:μi=fi (zi, qi, wi) , (i=1, 2, L, n) 。其中, μi表示第i个专业取得的综合效益, zi, qi, wi分别表示第i个专业的专任教师、兼职教师、外聘教师。因此, 全局综合效益为:。由此, 高职教师资源的优化配置问题归结为模型:
3 模型求解
这是一个有约束条件的优化问题, 由拉格朗日乖子法[3]可解得:
从求解结果中可以看出, 要使教师资源配置的综合效益达到最优, 应是在各专业各类教师设置的边际效益相等的情况下, 即等边际效益的原理适合高职教师的资源的优化配置问题。为确保边际效益相等, 作为高职院校的人力资源部应做好以下几个方面的工作: (1) 坚持以人为本树立教师资源是第一资源的人才观, 在教师待遇、工作、生活方面为教师解决后顾之忧, 增强吸纳、稳定、凝聚优秀人才之能力; (2) 注重“双师型”及“骨干”教师、学科带头人的队伍建设, 以确保高职院校办学质量; (3) 做好兼职教师及外聘教师队伍的建设, 以节约教育成本; (4) 在部分高校为职业院校教师开设在职人员申请硕士学位、研究生课程进修班的学历补偿教育, 提高教师的专业水平和学历层次; (5) 加强教师人事制度的管理, 保障教师资源的稳定性和优化策略顺利实现。
4 结束语
教师资源的优化配置问题是一个系统而复杂的工程, 本文利用效用函数分析了高职教师的资源配置问题, 得出了一些结论, 对高职教师的资源配置问题有一定的指导作用。但本文对教师的分类过于简单, 没有考虑到教师的职称结构, 年龄结构, 没有考虑骨干教师、专业带头人等对综合效用的影响。
摘要：文章把高职教师分为专职教师、兼职教师及外聘教师三类, 用效用函数来分析讨论教师资源的优化配置问题, 从而得出边际效益相等是高职教师资源优化配置的优良方案。
关键词：高职老师,优化配置,效用函数,边际效益
参考文献
[1]张继华, 侯小兵.高职院校教师资源优化与整合的途径选择[J].绵阳师范学院学报, 2008年6月第27卷第6期109-111.
[2]姜启源, 谢金星.数学模型[M].北京:高等教育出版社, 2003年.
[3]同济大学数学系.高等数学[M].北京:高等教育出版社, 2001年.
配置资源模型 篇2
教学设计
【教学依据】
1、教学内容分析
在现代经济生活中，生产、交换、分配、消费都是在市场经济条件下进行的，前三个单元分别从生产、交换、分配、消费角度，阐述了经济生活的方方面面，第四单元探讨了面向全球开放的社会主义市场经济这个经济生活基本背景。本框题主要分析市场是如何配置资源、市场秩序的规范和社会信用制度建设、市场调节的不足，与下一框题有着内在的联系，具有承上启下的作用，是第十课的重要内容。
2、教学对象分析
学生平时对这一框题的内容有所接触，但知之不深，因此会感兴趣，会产生一种深入求知的欲望，通过对前几课知识的学习，又为本框题的学习打下了基础。从能力方面看，高一学生独立思考能力不断增强，开始留意的关心身边的社会生活。因此要充分调动学生这种分析问题的主动性、积极性，逐渐培养他们解决实际问题的能力。从学生的思想实际来看，高一学生开始思考一些为人处事的问题。因此，可结合本课内容，教育学生树立学法、懂法、守法观念、培养学生诚信为本、操守为重的良好个人习惯。【教学设计】
［教学目标］
（1）知识目标：通过教学，使学生识记、理解市场经济的含义，市场规则的表现形式等，结合经济生中的实际事例，能够初步认识市场配置资源的优缺点，从而做到准确理解市场调节功能。
（2）能力目标：通过学习，培养学生认识事物根本性质的能力，用辩证的观点看问题的能力，理论联系实际的能力，运用事例对问题进行综合的分析能力，以及文字、口头表达能力。
（3）情感态度价值观目标：通过学习，要使学生树立起自觉维护市场秩序、遵守市场规则的观念，树立学法、懂法、守法观念、培养学生诚信为本、操守为重的良好个人习惯。
［教学方式］
本框题分析的是资源配置方式，是有关市场经济的一般性理论与规律，学生对此有一定的体验，但缺乏理性认识，不能上升到理认的高度去看问题，针对这一状况，我采用典型事例进行直观教学，运用比较法、讨论法、谈话法，并辅之现代教学手段，如图片、投影等，创设问题情境，调动学生的积极性和主动性，从而更好地实现教学目标。通过教法的实施，体现了对学生的学法指导。在组织课堂教学时，将学生进行分组讨论，创造一个活跃的竞争气氛，把学生的积极性调动起来，认真地思考，充分体现学生的主体作用，通过讨论，培养学生归纳整理能力、分析能力、以及文字、口头表达能力。另外，在讲授本框重难点时。需涉及第一课知识，由此可引导学生运用前面所学原理对市场如何配置资源进行分析，从而培养学生分析问题的能力。［教学构思］
一、教学重点
1、市场如何配置资源及市场配置资源的优点
2、社会信用制度建立的必要性
二、教学难点
市场如何配置资源及市场配置资源的优点
三、教学策略
1.教学时间：1课时 2.教法和学法：
用典型事例进行直观教学，同时运用比较法、讨论法、谈话法进行教学。3.教学媒体：多媒体
四、教学过程
（一）导入新课
在我国，社会主义市场经济蓬勃发展，党的十六届三中全会审议通过的《中共中央关于完善社会主义市场经济体制若干问题的决定》正说明了这一点，那么，市场经济是什么？市场配置资源又是怎么样的呢？让我们一起学习第四单元《面对市场经济》的第十课《走进社会主义市场经济》中的第一框题“市场配置资源”
（二）讲授新课 1.市场调节
（多媒体显示：教材P92图）
（学生分组讨论，代表发言，教师归纳）
（归纳）在一定时期和范围内，社会能够加以利用的资源总是有限的，为了尽最大可能满足人类的多方面需要，人类社会必须对有限资源的利用作出合理的安排。计划和市场是资源配置的最基本手段，两者各有所长。
当然，还有如习俗，组织等方式也可以起资源配置作用。每种方式都有自己的优缺点。
市场在资源配置中起基础性作用的经济就是市场经济。
（过渡）市场是怎样配置资源的呢？
（多媒体显示：P93“购销两旺的汽车市场”）提示：1.为什么大量企业涉足汽车产业？
2.大量企业进入汽车产业后会出现什么情况？
3.他们是如何应对这种情况的？
4.最终会导致什么结果？
（学生分组讨论，代表发言后，教师归纳）
（归纳）由于人们的生活水平的提高，汽车的需求量大增，产品供不应求，价格高于价值，在高额利润的驱动下，不仅汽车生产企业竞相扩大生产规模，而且许多原本不生产汽车的企业也涉足汽车行业，汽车产品的供应量大大增加，这种变化又反映在价格上，即各家企业纷纷大幅下调汽车价格。各企业通过提高技术，更新设备、改善管理，提高劳动生产率，加快推进性能更好、乘坐更舒适的新车型。但不是每个企业都有条件、有能力这样做，这样，竞争优胜劣汰的结果必然会向经营好，经济效益高的企业集中，从而达到资源配置的优化。
由上例可见，在市场经济中，市场配置资源主要通过价格、供求、竞争等来进行的。
（多媒体显示：“广州房地产近况”）
（归纳）在这则材料中，我们更能看出市场配置资源的优点。
（过渡）刚才大家在阅读材料时，有没有留意到这样一句话“随着市场发育日趋成熟、行业准入‘门槛’逐步抬高”。这是我们要探讨的第二个问题。
2.市场秩序
（多媒体显示：教材P94探究题）（学生讨论、发言、教师归纳）
（归纳）只有具备公正、公平的市场秩序，市场才能合理配置资源，良好的市场秩序
依赖市场规则来维护、市场规则以法律法规、行业规范、市场道德规范等形式，对市场运作作出具体规定，市场交易必须自愿、平等、公平、诚信。
（设问）如果经济活动者不遵守市场规则，市场交易会不会有风险？怎样来避免呢？（多媒体显示：P94探究题）
（组织学生讨论、探究、教师归纳）
（归纳）避免这些风险的一个重要举措就是加强社会信用制度建设，形成以道德为支撑、法律为保障的社会信用制度，是规范市场秩序的治本之策。
（多媒体显示：“诚信”缺失带来的损失）
（归纳）诚实守信是现代市场经济正常运行必不可少的条件，诚信缺失会直接导致市场秩序混乱、交易萎缩、坑蒙拐骗盛行，进而导致投资不足，经济衰退。诚实守信能够使企业在市场中享有良好的声誉，这种声誉会形成无形资产，所谓的名牌效应，也就是信用精神在企业和产品中的凝结。
（多媒体显示：“史玉柱”图片、资料）
（归纳）“诚信”是中华民族之传统美德、自古以来，都是崇尚“一言九鼎”、“言必行，行必果”。史玉柱，以及许许多多的“史玉柱”一样令人钦佩的人，赋予了其更深的内涵。每个经济活动参加者都应该树立知法、守法及诚信观念，从而使市场经济健康发展。
（过渡）市场配置资源是不是完美无缺呢？ 3.市场调节的局限性
（多媒体显示：P95探究题）（学生讨论、发言、教师归纳）
（归纳）市场调节不是万能的，有其局限性，有些领域市场是不能调节的，即使市场能够调节的领域、市场本身也存在自发性、盲目性、滞后性的弊端，“甜苹果”变成“伤心果”的例子，正是市场调节三个弊端的集中反映。因此，必须加强国家的宏观调控。
（三）课堂小结：这节课学习了市场是如何配置资源的，而市场的合理配置资源离不开公平、公正的市场秩序，但市场的调节作用并不是万能的，有其弱点和缺陷，为此，要加强国家的宏观调控。
（四）巩固练习（多媒体显示习题）
五、板书设计（略）【教学反思】
1、教学是一种再创造，为了达到理想的教学效果，教师必须对教材悉心作一番开掘、梳理和引申工作，以使教学内容更加丰富，教学思路更加清晰、流畅。本框题的第二个探究活动“购销两旺的汽车市场”，我设计了四个有梯度的思考题：（1）为什么大量企业涉足汽车产业？（2）大量企业进入汽车产业后会出现什么情况？（3）他们是如何应对这种情况的？（4）最终会导致什么结果？这样在学生分组讨论时能集中运用前面所学的知识，使讨论更有针对性，避免了学生过于发散的思维。
配置资源模型 篇3
关键词：山区公路；救援力量；配置优化模型
中图分类号： U49 文献标识码： A 文章编号： 1673-1069（2016）10-50-4
0 引言
目前，公路隧道應急救援方面依赖管理人员的经验，缺乏科学的分析指导，在一定程度上影响了应急救援工作的开展。国外研究者发现，事故后的紧急救援对于减少人员伤亡至关重要。在交通事故中，对于伤势同等的重伤员，如果能在30分钟内得到救助，可以有80%的伤员存活下来；如果能在60分钟之内得到救助，可以有40%的伤员存活下来，但是如果救援时间超过了90分钟，则仅有10%的伤员能够存活下来，可以很明显的看出，随着救援响应时间的不断延长，人员伤亡情况会越来越严重。如何合理的配置资源，如何减少救援响应时间，如何使救援力量发挥更好的作用，需要在构建应急救援力量配置模型时充分考虑救援物资的价格、成本、响应救援需要的时间以及各应急救援点所能容纳救援物资的数量等因素，这样不仅能达到快速高效的完成救援工作，还能减少应急救援过程中的花费。因此，开展山区公路应急救援力量配置优化模型研究，实现从经验型配置向规范化、标准化配置的转变，具有重要的理论价值和实际意义。
1 应急救援力量配置需求分析
1.1 应急救援力量配置需求
应急救援力量配置是应急管理工作的关键所在。山区公路隧道区段一旦发生事故，根据突发事件的紧急程度，应在短时间内开展应急救援和物资调配工作。如果在事件发生之前科学分析山区公路隧道运营区段的突发事件特性，合理配置应急救援资源，不仅能保证应急救援工作及时顺利的开展，还能充分利用有限的应急救援力量。通过需求分析能使应急救援力量资源调配更具备科学性和针对性，因此在研究应急救援力量配置之前，应做好相应的需求分析工作。
1.2 应急救援力量配置需求分析
1.2.1 分析山区高速公路现有应急救援调配方案
通过调研，目前的我国高速公路应急救援一般是由高速运营单位来主导，所在辖区的行政部门进行配合。一般高速公路由行政区域的监控中心联合监管。其中应急救援所需的消防和救护资源主要依靠辖区类的医院和公安消防系统，主要配置方式如表1所示。
1.2.2 应急救援资源调配需求分析
考虑山区公路隧道各个区域路段区段突发事件的约束条件和应急救援资源，对山区公路隧道区域路段应急救援力量配置进行需求分析：
①明确应急救援中各部门相应的职责并制定相应的预案；②制定明确的应急资源调配方案；③制定合理应急救援点选址布局方案； ④制定明确的交通组织和物资调配方案。
2 应急救援点选址布局模型分析
根据前文所述的应急救援受到成本、时间、资源等应急资源的条件约束，通过应急救援点的合理选址布局，使得在保障应急救援能够及时响应的同时又能减少应急救援的成本。
将区域路网换分成若干个路段，以各个路段为基本单位进行分析。分析各个路段应急救援点选址布局与应急救援响应时间的关系。从而采用 0-1 数学模型为基础建立在各种约束条件下，使应急救援管理效益最大化的应急点选址布局模型。
建立应急救援点选址布局模型，首先要从数学的角度明确目标函数、约束条件，以及函数中参数含义以及参数值。
2.1 区域路网的数学描述
对山区公路区域路网进行抽象和数学描述，有利于构建应急救援资源布局模型。（图1）
选用山区公路区域路网进行研究。将应急救援资源调配点和突发事件发生地抽象为网络节点，对山区公路区域路网可进行如下数学描述。
③Vj表示区域路网中各个路段的安全性指数（j∈N），即一段时间内，某路段的事故率。
突发事件不同，造成的危害和损失有大有小。式1、式2为标准事故数量换算公式，换算之后方便比较路段的安全性指数。其中，Pj代表区域路段j的标准突发事件树，Qj代表区域路段j的标准交通量。Pjs代表区域路段j发生s级突发事件的数量，？兹s代表s级突发事件的加权系数。s代表突发事件的等级， z代表突发事件的分级数。
3 应急救援力量配置优化模型研究
就现在山区高速公路的建设情况来看，高速公路路网已基本形成。在这种情况下，如果仍然按照在每一条高速公路上都配备能够应对一起事故和以一定概率应对另一起事故的资源，则会使救援资源闲置和浪费。因此，当事故发生时应综合考虑路网内各救援点的协作，充分利用各救援点的救援资源。
假设高速公路区域路网内救援资源调配点位置已知，综合分析该区域路网内的历史交通事故统计数据，整理分析出事故多发地点，将其作为潜在的事故发生点，即进行应急救援资源调配时需要进行救援的事故发生地，并将这些潜在事故发生点分别规划到距离其最近的救援调配点管理范围内。当事故一旦发生，事故的处理过程将分为两个阶段，第一阶段应由距离其最近的救援资源调配点提供救援所需资源，并且该救援资源调配点不可将所有的救援资源用到本次救援中，以防在同一时间段内发生其他交通事故时无法进行应急救援；第二阶段需要的救援资源由其他救援资源调配点提供，并且这些其他调配点必须保留适量的救援资源以备所负责区域发生突发事件时提供。这样不仅可以降低事故发生时的响应时间，还可以通过多个调配点的协作减少救援资源调配量，使整个路网中所有调配点派出的救援资源总数最小。
3.1 分布协作式应急救援力量配置优化模型
应急救援力量配置优化模型的目标是在保证满足事故发生点对救援资源需求的基础上，分两个阶段完成救援资源的配置，使路网范围内配置的资源总数最小；同时每个调配点所需要的救援资源数量至少是满足现已发生的交通事故发生地对救援资源第一阶段的需要数量和以一定概率p满足其他潜在事故发生地对救援资源第一阶段需要的数量之和。
以区域路网内救援资源调配总量最小为目标函数，构建分布写作式应急救援力量配置优化模型如式6～11所示。其中式6为目标函数，表示山区公路区域路网内配置的资源总数最小；式7～11为约束条件。
式7为资源数量约束，每个事故发生点接受的应急救援资源总量不小于事故地对救援资源的需求量。
式8为资源数量约束，每个调配点拥有的资源总量不仅要能够满足已经发生的交通事故第一阶段对救援资源的需求，还要满足其他潜在事故发生点对救援资源的需求。
式9为资源数量约束，说明每个资源调配点在向已发交通事故点提供第二阶段的需求资源数量后，还必须能够满足其所管辖范围内发生另一起交通事故时第一阶段需要的资源量。
式10、11为式6的系数约束，仅需要两个调配点派出资源即可满足事故救援需求的前提条件。
3.2 实例分析
以4条高速公路部分路段组成的区域高速公路网为例，每条高速公路上设置1个应急救援资源调配点，分别用S1，S2，S3，S4表示。假设路网中的潜在事故发生地有8处，分别用A11，A12，A13、A12，A22、A13，A23、A14表示。图2为事故发生地与应急救援调配点之间的位置关系。
通过分析该高速公路路网内历史事故实际救援数据，统计得出在事故救援过程中各事故多发地点发生交通事故时第一阶段和第二阶段需要的资源数量，如表 2 所示。同时，分析历史交通事故发生的等级情况，确定概率p的取值，假设，p=0.5。（表2）
将表中数据及p=0.5带入式6～11中，用 Matlab 软件求解目标函数值，所得调配点配置资源结果如表3所示。
在突发事件情况下各点第二阶段是否参加应急救援参见表4 ，其中“1”代表该点参加应急救援，其中“0”则代表该点不参加应急救援。
若不采用分步协作式的方式进行资源调配，每个调配点仅负责所在区域的突发事件，每个调配点调配的资源量如式12所示。
对比表3和表5可知应急救援资源配置优化前后的结果，如图3所示。经过分布协作式优化，各资源调配点的资源配置量和路网的总资源配置量都有明显的降低，总资源量降低了36%，各资源调配点分别降低了18.2%，29%，65.8%，53.5%。
4 结语
应急救援力量配置，直接关系到突发事件应急救援工作的成败。完成应急救援工作的情况下，如节约救援成本，如何提高救援效率，如何应急救援资源的优化配置是工作的关键所在。本文在分析应急救援资源调配原则的基础上，研究了如何对路网进行抽象，针对山区公路隧道路网应急救援点布局进行建模，提出了应急救援力量的布局模型，针对山区公路隧道区段路网进行应急救援资源调配建模，提出了分阶段协作的应急救援力量配置优化模型，并进行了实例分析，验证了模型的实用性与可实施性。本文在研究中并未考虑自然灾害等其他影响因素。
参 考 文 献
[1] Keller A.Z.Meniconi，M Al-Shammari， Cassidy K. An Analyses， of Fatality Injury Edacuation & Cost Data， Use the Bredford Disaster Scales [J]. Disaster Prevantion.& Management. Bradford： 1997，6（1）：33
[2] Parker D. The Mismanagement of Hazards [M]. London： James & James； 1992.
[3] David A McEntire. Triggering Agent， Vulnerability & Disaster Reduction： To a Holistic Paradign [J]. Disaster Prevention & Management. Bradford： 2001，10（3）：189-196
[4] Craig Calhoun. A World of Emergency； Fears， Intervention， & the Limit of 130 Cosmoplitan Orders [J]. Canadian Review of Sociology. 2004，41（4）：373-395.
[5] Charles Taylor. Modem Social Imaginaries [M]. Duke University Press.2004：91-123.
[6] Potvin，Jean-Yves； Shen， Yu. Learning Technique for an Expert Vehidle Dispatching System[J]. Expert Systems with Applications， 1995； 8（1）：101-109
[7] Robert Boldberg. Critical Factors Analyses for Emergency Vehidle Routing， in Expert Systems [J]. Expert System with Applications.1994，7（4）.
[8] 黃德启.面向区域路网的应急资源布局与调度方法研究[D].武汉：武汉理工大学，2012.
配置资源模型 篇4
一、军用土地资源
新中国成立初期, 为了满足我军防御性作战的需求, 使我军土地资源形成了“摊子大、坐落多、容量小”的配置格局, 虽然经过多次精简整编后, 但一个单位仍存在多个分散营区的现象, 军用土地点多、面广且高度分散, 管护范围特别广, 任务十分繁重。相对于军用土地资源“小、散、广”格局, 新时期国防战略方针和部队使命任务对军用土地资源的使用提出了更高的要求。要求做好军事斗争准备, 提高军队应对多种安全威胁、完成多样化军事任务的能力。随着我军现代化建设的强力推进和现代营房建设的全面展开, 为了建成基地化现代营区和综合保障基地, 对军用土地资源利用提出了新的要求。
二、军用土地资源优化配置
军用土地资源优化配置问题, 是针对军用土地的使用一直缺少长远系统规划和土地资源供给的稀缺性而提出来的。用于解决当前军用土地布局不够科学, 集约利用程度不高的问题。通过土地资源配置, 可以节约、减少建设用地, 杜绝不必要的重复建设, 合理规划土地空间布局, 提高土地的使用效率, 实现土地资源的可持续利用。
三、军用土地资源优化配置的目标
1. 军事效益
军用土地管理工作追求的是军事效益, 是满足国家安全和领土需求, 为准备战争和保障战争服务。军用土地资源作为我军除武器装备外最重要的战略资源, 是军队建设发展和战斗力生成的基础性平台, 实施军用土地资源优化配置, 必须把提高军事效益作为第一位的任务, 一切活动都要紧紧围绕生成和提高战斗力来展开, 满足军事需求。
2. 经济效益
经济效益是指军事经济活动中能够直接取得的经济效益, 劳动成果与劳动耗费都可以用统一的货币单位衡量, 并可以直接相比较的那部分效益。过去军用土地资源的使用一直缺少长远系统规划, 往往过于注重局部利益和短期效益, 而忽略部队长远建设发展, 造成重复建设、重复投入等浪费资源的现象。按照全面建设现代营房的任务部署, 通过军用土地资源优化配置, 合理开发利用土地资源, 加大土地横向调节力度, 打破体制编制束缚, 实现区域化联合保障模式, 避免重复建设带来的经济损失。盘活闲置的军用土地资源, 依托市场, 通过租赁、转让、合作等方式, 力争取得最佳的经济效益, 用于弥补营房标准经费不足, 为部队建设和军事斗争准备提供综合性的保障支持。
3. 社会效益
社会效益是指在国内整个国民经济全面发展、社会安定团结、人民物质文化生活水平不断提高、综合国力不断增强等方面。军用土地作为自然资源并不是独立存在的, 具有社会属性。同样, 军用土地资源优化配置不仅是军队内部的调整, 还在不同程度上影响社会经济的发展, 关系着军政关系, 军民关系。为了获得良好的社会效益, 实现共同发展, 与地方政府部门通力协作, 确保土地的征用、置换和闲置土地的租赁、转让顺利进行。
四、军用土地资源优化配置方法
目前, 国内外土地利用结构优化最常用的是模型法。数学模型多数是完成数量结构优化, 包括线性规划法、灰色线性规划法、多目标线性规划法、系统动力学模型等。随着研究的深入和地理信息系统 (GIS) 技术的应用, 更多的学者开始尝试把数学模型法与GIS技术相结合, 提出从数量结构优化到空间格局配置的完整优化配置过程。
1. 线性规划法
线性规划法是土地资源优化配置建模中最为常用的一种方法, 其基本原理是以目标函数为基础, 根据实际优化目标需要求取最大或最小值作为最优解, 主要用于研究有限资源的最佳分配问题, 即如何对有限的资源作出最佳方式地调配和最有利地使用, 以便充分地发挥资源的效能去获取最佳的效益。刘彦随运用线性规划法综合考虑三峡库区经济发展与生态环境建设的目标, 进行土地资源优化配置, 经过设置变量、确定约束条件、构建目标函数和形成方案, 最终得出了各类用地最优的数量结构方案, 使土地资源潜力得到了充分的发挥[1]。
线性规划法具有目标单一性和缺乏空间性的缺陷, 是一种静态分析方法, 不具有时间动态性。另外建立的约束条件求解目标函数时甚至可能出现无解, 造成多次重复的调整约束条件, 并不能完全满足最初优化要求。
2. 灰色线性规划法
灰色线性规划弥补了一般线性规划的不足, 它不要求目标函数中的效益系数、约束条件中的技术系数、资源量及其他限制量等都被固定下来, 而可在技术系数是可变的灰数, 约束值是发展的情况下进行, 是一种动态的线性规划。通常土地利用结构应用该方法优化时, 目标函数不是取最大最小值, 而是从灰区间中取一个相对优化值。所以, 灰色线性规划法可以根据优化目标的变化而取不同的优化值, 得到多种优化方案。该研究方法可用以解决线性规划法无法解决的优化动态性问题。
康慕谊等运用灰色线性规划模型研究了区域尺度上的土地利用结构优化问题。通过分析研究区土地资源利用结构的特征及存在的问题, 选出影响土地利用结构的各种因子, 并预测未来各业用地需求及其限制条件, 在此基础上模拟出典型土地利用方案, 最后采用层次分析法选出了基于综合效益及可行性的最优土地利用决策方案[2]。李丽红等运用灰色线性规划方法进行土地资源优化配置研究, 借助灰色线性规划模型和层次分析法求解2010年农十师土地利用结构优化数据, 最终找出符合社会、经济和生态效益的土地资源优化配置方案[3]。灰色线性规划法仍然是单目标的, 有时间动态性但缺乏空间分异性。
3. 多目标规划法
多目标规划由单目标线性规划发展而来, 它同时考虑数个目标函数, 需要对各种用地类型在每种目标中的效益权重进行分析, 然后对要实现的每个目标进行效益加权和逐级优化, 从而达到实现多目标兼顾的优化效果。与单目标线性规划相比, 多目标规划具有多目标性、多方案的特点, 决策者可以根据不同标准选择比较满意的优化配置方案, 提高了土地资源优化配置和决策的科学性。
多目标规划法在应用于土地利用结构优化时, 各种效益目标的量化是应用的关键, 量化方法的优劣直接影响模型的精确性。在实际研究中, 经济目标最容易量化衡量, 而社会目标和生态目标则难以量化。符裕红等利用多目标线性规划方法对小流域土地进行结构优化, 分别建立小流域各业发展线性规划的单目标数学模型, 作为子目标函数, 结合相应权重, 建立新的目标函数, 实现综合治理的多个目标的要求[4]。郑新奇研究了无棣县耕地结构优化问题, 首先运用多目标规划模型面积控制, 在此基础上借助Are/Info和MapInfo等信息工具, 实现耕地优化配置的自动化[5]。
4. 系统动力学模型
系统动力学方法是研究系统结构与系统行为的一种计算机仿真方法, 具有非线性、多重反馈的特点。利用系统动力学方法研究土地利用结构优化时, 首先需要对区域土地利用系统结构进行分析, 划分子系统。选取适当因素, 并建立各因素之间的反馈关系, 在此基础上建立一系列微分方程构建系统动力学方程, 进而模拟和预测系统在不同参数和不同策略因素输入时的系统动态变化行为和趋势。在运用系统方法研究时, 建立土地利用系统的层次结构和作用机理是重点研究内容, 也决定了用该方法模拟土地利用系统的精确性。
系统动力学方法采取定性和定量相结合的结构-功能模拟方法, 强调系统结构分析, 对数据的依赖性较小, 具有操作灵活、可塑性强的特点, 既可以对未来进行预测, 也可以回顾系统历史行为, 比较容易反映非线性和延期反应等用数学形式难以表达的过程。龚建等针对这一问题把多目标线性优化法与系统动力学模型相结合进行研究, 有效地提高了预测和优化的可靠性[6]。但在对系统内部各种反馈机制欠缺了解的情况下, 构建的系统动力方程对系统的模拟和预测会出现不完善甚至偏差, 则不适宜用系统动力学模型。王爱萍等利用系统动力学的方法, 在对土地利用系统进行系统分析的基础上, 构建无棣县土地利用系统动态模型, 并根据土地利用系统SD模型的仿真模拟结果, 编制了无棣县土地利用总体规划的基础方案[7]。
5. 与GIS相结合的优化方法
土地资源优化配置问题不仅包括了数量分配, 还包含空间布局的问题。土地资源优化配置的数学模型解决了土地资源数量上的优化, 但是无法实现土地资源的空间布局优化。计算机技术和地理信息系统的发展, 为土地资源利用和决策过程中分析空间数据提供了重要的技术支撑, 将数学方法和GIS功能相结合, 实现土地资源数量上和空间上的合理配置, 推动了土地资源优化配置科学研究的发展。
Chuvieco以线性规划法和GIS相结合, 对空间属性进行优化和变量组合, 在土地适宜的基础上实现优化配置, 完成土地利用结构优化配置的早期研究[8]。Wang Xinhao等将多目标线性规划模型与GIS的空问配置模型相结合, 建立了GIS/IFMOP综合模型, 对中国洱海流域的土地利用结构优化配置进行研究, 但在空间配置时只考虑自然因素而忽略了社会经济因素[9]。Fuhu Ren构建了GIWIN-LRA模型, 在适宜性评价的基础上进行土地资源的合理配置, 该模型最大的优点是将GIS的功能和决策过程结合起来, 使空间数据可以通过GIS的技术功能直接服务于土地资源的管理者[10]。
6. 空间模型优化配置方法
针对将土地利用数量结构落实到具体的地域空间, 以实现土地资源的优化配置的土地利用总体规划, 可有效地将土地利用数量结构匹配到具体的土地单元, 刘艳芳、董品杰等人用遗传算法优化土地空间结构[11,12], 邱炳文等人的多目标元胞自动机混合模型[13]。马世友等采用粒子群优化算法, 利用其空间飞行搜索特性和较强的全局优化能力, 构建了基于粒子群算法的土地利用空间优化模型 (PSO土地空间优化模型) , 该模型能利用粒子的群体空间分布模拟土地利用空间格局, 并能在多目标控制下进行全局优化处理, 实现土地利用数量结构和空间结构的有效统一[14]。张鸿辉、曾永年等人运用多智能遗传算法, 构建多目标土地利用空间优化配置MOSOLUA模型, 该模型比普通遗传算法模型的收敛速度要快, 运行效率和总体适应度都有所提高[15]。
五、结语
市场配置资源教学反思 篇5
本框教学的优点和不足之处如下：
优点：本课利用丰富的网络资源极大地拓展了学生的视野和学习的空间，为学生营造了愉悦的学习氛围，充分体现了新课程倡导的“自主--合作--探究”教学理念和学习策略，激发了学生参与课堂的主动性，发挥了学生的主体作用，帮助学生掌握教学重点、难点，促进了学生在学习上跨越式发展，提高了课堂教学的效率。
本框教学较大的特点是背景材料选用贴切，课堂教学详略得当，对市场调节局限性问题点到为止。同时，对教材顺序进行了必要的调整，在市场调节优点之后，立刻对应讲授市场调节的局限性，将市场秩序置于其后，这样安排既符合思维逻辑，又突出重点。本节课讲述每个知识点时，都是按照“提出问题--分析问题--解决问题--得出结论”的逻辑顺序，所以在教学中结合教材的这一特点，将情景材料与问题探究结合起来，较好地培养学生思考问题、解决问题的.能力，也利于学生理解理论较抽象的问题。
不足之处：一些现实的社会热点问题，如规范市场秩序、建立社会信用制度等，采取“自主--合作--探究”教学模式，充分调动学生的主动性、积极性。但学生的参与面不够广，气氛不够活跃，此时应适当采取些激励机制调动学生的参与热情。在今后的教学中，还需要大力探索如何把教师的主导作用与学生的主体作用有效地结合起来，充分体现新课程的基本精神。
另外，本课教学内容中有一些基本的理论问题，如市场是如何配置资源的、市场配置资源的优点等，适宜发挥教师的主导作用，及时讲授、点拨，安排学生阅读教材自主学习，课堂探究讨论合作学习，自主归纳总结，突破重点、难点。但是，在讲解市场局限性，规范市场秩序必要性和社会信用制度建立的必要性问题时，没有充分运用典型的背景材料，致使背景材料显得过多，问题分析不够深、透，在学生阅读材料时也浪费了过多的时间。
资源配置创造财富 篇6
我们国家面临的问题是增长率在往下走。我们看看增长率变化的情况：2007年以前，增长率保持上升的状态，2007年以后下来了。今年我们的问题是要保8，虽然我们的目标是7.5%，但是GDP的增长确实关系重大。过去30年改革成功的原因，就是GDP的增长。
GDP的增长从哪儿来呢？归根到底是改善资源配置来的，经济增长的根源是资源的合理配置。我们说经济学研究资源配置问题，什么是资源配置？我的解释是人尽其才，物尽其用。人和物都有不同的用处，可以放在不同的地方去用，要用得好经济就增长了，反过来经济就损失掉了。
所有的物资如果能够自由交换，它一定能够找到它最好的配置。反过来讲，如果没有自由交换，好的配置就不能实现。所以我们说“劳动创造财富”这句话是不对的，是“资源配置创造财富”，劳动用错了地方不但不创造财富，还会消灭财富。
目前，我国的劳动力、土地、资本等生产要素的配置都存在问题，解决好这些问题，则经济增长会有非常大的空间。
劳动力的正确使用
我们知道生产有三个要素——劳动、资本、自然资源，所以劳动力的正确使用是非常重要的，用错了就损失了财富的创造。
改革以前，农民是不许离开农村的，就在农村种粮食、种庄稼。改革以前，我们的干部要下放农村去接受再教育，城里的学生也要下乡去，这些都是资源配置的错误，都是把劳动用错了地方。劳动用错了地方，劳动不但不创造财富，而且会消灭财富。
改革以后，我们资源配置有很大的改善，首先是农民可以进城了，他在农村依靠土地得到的产出是很低的，进城以后，他可以寻求自己的工作，选择的机会很多，都可以发挥自己最大的长处。这样的话，它的生产率就大大提高了。过去学生要上山下乡，现在学生不需要上山下乡，他可以上大学，上职业学校。改革以后，在开始的时候农民是不可以当公务员的，公务员是城里人的特权，现在农民也可以考公务员，资源配置改善的机会也把它开放了，这是讲劳动。
改革以前，剥削阶级子弟不许上大学、不许参军、不许入党，这就损失了劳动力资源配置优化的机会，现在这些限制已经完全取消了，但是政治身份对求职和就业还是有影响。跟以前比，阶级的成分不存在了，但是现在还有相当多的歧视，比如说户口。农村和城市户口的人，在有些方面就业就有不同的限制。现在农民能进城了，这确实是中国改革30年财富增长非常重要的原因。但是现在我们的农民进城，他的家庭不能进城，他一个单身劳动力进城，在资源配置的角度来讲比过去改善了，但是他的家庭还在农村，这是我们现在一个重大的社会问题。他们是一批不稳定的劳动者，今年在这个城市，明年跑到那个城市去了。单身和一个家庭中的一员是不一样的，对社会稳定的影响是不一样的。
土地资源配置的改善
我们国家的土地是很缺的，我们的平地只占了全部国土的12%。像日本这种山很多的国家，平地占了全部国土的24%，比我们高一倍，所以我们的土地使用非常紧张。各位如果坐飞机，在中国上空走一圈看看，底下都是很破破烂烂的地，都用不上，有一块小平地就有人在那儿住。因此，把土地用好是我们资源配置的一个重要问题。
可是我们国家土地是不能自由交换的。不能资源交换，配置肯定出问题，因为有自由交换的时候，不管是人、是物、是土地还是什么，都会寻找最好的机会去使用它。禁止它自由流动，这种机会就不存在了，所以我们国家土地上的浪费非常非常巨大。
我们的农民有土地的使用权，但是没有买卖的权利，所以中国的农民虽然有土地，但是非常穷。台湾的农民、日本的农民都是很富的，他们有土地，而且土地可以自由买卖，所以台湾的农民很富，如果我们的土地能够自由买卖，农民能够把土地卖给开发商，而不是由政府收购再拍卖给开发商。这样的话，土地价格就会下降，这是很显然的，有竞争，土地价格就会下降；土地价格下降，房子的价格也会下来。
我们现在的房子价格简直是惊人。大家知道荷兰是一个很富的国家，它那儿的房价只有北京的1/3，他们的收入比我们高四五倍，房价只有我们的1/3，你看一下我们的房价扭曲到什么程度？房价扭曲有很多的原因，其中一个重要的原因就是土地不能自由買卖。如果土地能够自由买卖，不但解决了土地的优化配置，该做停车场的就不会拿去种地了，他自然会优化配置，而且农村可以变得富有，就解决了一个很大的贫富差距问题。而且房价可以下降，城市里的房价下降，农民手里有钱，他就有可能到城市里面来租房子、买房子住下来，解决了刚才我讲的农民进了城，家庭不能进城，我们现在城镇化巨大的障碍就是房价高，房价高的一个重要原因是土地被垄断了。
如果土地能够自由买卖，这不但会缓解贫富差距、解决房价太高，而且对社会安定有很大的好处。
土地不能自由买卖，有一个巨大的理由是为了粮食安全，有18亿亩耕地的红线，因此不能做到地尽其用，这块地不能干别的，要得种粮食。全世界这么多粮食安全，没有哪一个国家是用耕地红线来保护的。认为耕地红线就可以保护粮食安全，这是一个大问题。
资金的优化配置
我说了三大要素的配置，最后一个就是资金优化配置。金融业没有生产劳动，就是把钱调来调去，把钱调到最好的地方去用。钱尽其用，也是资源配置、也是财富的创造。
我们的金融业在过去改革30年做出了很大贡献，中国整个基础设施跟所有的发展中国家比可以说是做得相当好的，这就是金融业在里面起作用。当然，也发生了很多的浪费，特别是现在有些地方基础设施已经过剩了，建了很多没有车跑的高速公路，很多赔钱的飞机场。由于金融业缺乏竞争，没有自由，所以资金的配置一定不是最优的，我们存在利息率的差异，利息率是市场决定的，不可能有很高的利息率和很低的利息率存在，但是我们国家既有很低的利息率，又有很高的利息率，我们国家资金配置的潜力非常大。利息率提高，我们GDP会有巨大的增长空间。
我们改善资金配置的方法是自由交换，目的是人尽其才，物尽其用。每一个交换都是改善了它的配置，不自由配置就会错误。当然有一些限制是必要的，有的说有外部性，对环境有破坏，这种配置需要由政府管理。
前面讲了，劳动力、土地、资本这三大要素的配置都存在问题，因此经济增长有非常大的空间，中国和发达国家比较，我们的人均GDP只有人家的几分之一，怎么赶上去？从改善资源配置开始。
（作者系著名经济学家、天则经济研究所所长）
配置资源模型 篇7
多目标决策是现代决策科学的重要组成部分,是对多个相互矛盾的目标进行科学、合理优选决策的理论和方法,已广泛应用于众多领域[1,2],如水资源优化配置、水资源规划与管理、水资源承载能力、水库调度、水生态调控、水污染防治等领域的研究。王好芳等[3]根据大系统理论和多目标决策理论建立了基于量与质的面向经济发展和生态环境保护的多目标协调配置模型,用以解决目前水资源短缺和用水竞争性的问题。李媛媛等[4] 结合湖北省武汉市多水源、多输水工程、多用户的实际状况,针对目前大多数配置模型只考虑水源、用户之间的配置,忽略供水工程的配置调度作用,提出基于水源-供水工程-用户的大系统多目标配置模型。王蕊等[5]采用大系统分解协调理论,构建了水资源多目标优化配置模型并应用于桂林市,效果较好。罗利民等[6]将博弈分析思想引入水资源多目标配置模型的求解中,从而将多目标决策问题转化为博弈决策问题。席锐超等[7]采用LINGO优化求解器中的目标规划方法对天津市水资源多目标优化配置模型求解,得到同时满足经济效益和社会效益的最优供水原则及配置方案。吴丽等[8]针对城市用水系统的多水源、多用水户的特点, 建立了城市水资源多目标分配模型,首先计算各目标的模糊隶属度,将模型转化为模糊多目标决策模型,通过逐步缩小决策空间,最终得到模型的满意解。
此次研究以西北内陆干旱区石羊河流域为对象,考虑到部门利益的冲突性和不可替代性,建立多水源、多部门、多目标的水资源配置决策模型并进行求解,采用近似理想点法对非劣方案进行排序,最终推荐满意方案。
1 问题概化
石羊河流域是典型的内陆干旱区,位于甘肃省河西走廊东部,祁连山北麓,是我国西北内陆河流域灌溉农业发展早、人口密度大、水资源开发利用程度高、水资源供需矛盾突出、生态环境问题严重、水资源对经济社会发展制约性强的地区。
根据水源组成情况,区域供水水源简化为:地表水源、地下水源、外调水源。规划年可供水量由《石羊河流域重点治理规划》可知(如下表1所示)。
万m3
区域用水户划分为生活、工业、农业、生态环境等4类,根据《石羊河流域重点治理规划》,综合农田灌溉、生活、工业、基本生态需水预测成果,得到2020年流域总需水量成果如下表2。
万m3
最终石羊河流域水资源配置概化为一个多水源多用户供水系统,见图1。
2 模型的建立
考虑到4类用水的冲突性和不可替代性,构建多目标配置模型,其一般形式为:
式中:x为决策向量,非负值;G(x)为约束条件值;f1(x)为工业用水效益目标;f2(x)为生活用水效益目标;f3(x)为生态用水效益目标;f4(x)为农业用水效益目标。
2.1 目标函数
一般而言,由于各类用户用水效益表现形式差异,很难用统一的物理量表达。为了能够在共同基础上进行比较,本文都折算成经济效益。计算式如下:
式中:Bj为第j部门单位水量效益系数,万元/m3;Qj为第j部门分配水量,m3;xjk为第k水源对第j部门的供水量;j为用水部门编号,j=1,2,3,4,分别表示工业、生活、生态环境、农业;k为水源编号,k=1,2,3,分别表示地表水源、地下水源和外调水源。
具体讲,采用产值分摊方法[9]计算单位工业用水效益B1,以工业用水效益系数为基准计算生活用水效益系数、生态环境用水效益系数、农业用水效益系数。
式中:β为工业供水效益分摊系数,参照水利经济研究会研究成果取值为11%;Q1为工业分配水量,m3;M为万元工业产值用水量,m3/万元。《石羊河流域重点治理规划》预测石羊河流域工业万元产值用水定额为:2020年0.002 2～0.003 4万元/m3。
对于其他3个用水部门,Bj计算式如下:
式中:γj,αj,βj为折算系数,且αj>1,βj<1,通常采用层次分析法或德尔菲法确定,本文取α1=[1.8,1.7,1.1],βj=[0.5,0.4,0.2];Qjmax,Qjmin分别为j部门用水的上、下限,m3。经计算,γ2=1.54,γ3=1.44,γ4=0.875。
2.2 约束条件
模型以不同水源对工业、生活、生态环境和农业四大用水部门的配水量为决策变量。约束条件包括:
(1)水源可供水量约束
式中:Wk为k水源的可供水量,万m3;其他符号意义同上。
(2)用水部门上下限约束:
即为
式中:ρj为比例系数,本文取0.75,0.75,0.8,0.8。
(3)水量平衡约束:
式中:Q缺j为j部门的缺水量。
(4)非负约束:
3 多目标模型的求解与决策分析
3.1 多目标模型的求解
本文采用权重法,选用36组权重系数结合MATLAB优化工具箱用于求解最小化线性规划的函数为linprog(其一般形式为:[x,fval,exitflag]=linprog(f,A,b,Aeq,beq,lb,ub),共获得对应36组权重的36个最优解。
由于线性规划问题最优解是否改变取决于系数的灵敏程度,有可能出现权重值改变但最优解相同情况及同一权重值下存在多个最优解的情况,因此需要对上述36个最优解进行是否是非劣解[10]的检验。具体方法是:
设x′,x″分别是上述36个解中任意两个解,F′=(f′1,f′2,f′3,f′4)和F″=(f″1,f″2,f″3,f″4)分别是对应的解空间的点,如果∀i(i=1,2,3,4),存在f′i>f″i且f′j≥f″j(j≠i,j=1,2,3,4),则称解x′劣于解x′。即x″是劣解,将其剔除。对上述36个解进行两两比较后,最终得到非劣解集。
本例,从36个最优解中筛选出11个非劣解。
3.2 理想点法决策
将非劣解集进行离散,得到有限个非劣解
式中:p是目标个数,p=4;J是非劣方案的个数,本例J=11。
通常决策者均希望自己所选择的决策方案,其各项目标值均达到或接近最优值
最终决策是使Uj最小所对应的方案
本例,对应决策方案为:
对以上最优决策方案进行供需平衡分析,得到石羊河流域水资源供需平衡分析表(表3)。从水资源配置结果看出,流域总体上按照以供定需原则分配水量,工业和生活需水量得到满足,农业和生态环境都有部分缺水。农业缺水1 822×104m3,缺水率1.3%,生态环境缺水601×104m3,缺水率为4.5%。外流域调水虽然在一定程度上缓解了缺水现象,但无法从根本上解决缺水问题。
4 结 语
不同部门、不同行业及不同决策者,出于不同的目的,对水资源的分配有着不同的要求,理想点排序法用于水资源多目标配置可得到较合理的结果。
本文虽然试图尽量满足各部门协调发展的要求,但由于受信息量等因素的制约,研究中带有一定的主观性,与实际发展需求具有一定差距。本文所得水量分配结果仅为数学上的最优结果,但是此结果是否符合自然界的水文循环规律、是否能够充分发挥流域水资源的各种功能、对流域水资源造成何种影响还不可知,因此,针对此点还需再进行进一步的研究。
摘要：针对石羊河流域建立了多水源、多用户、多目标的水资源配置模型。以工业用水效益为基准,将生活、生态环境和农业用水效益折算为可公度效益,然后用权重系数法将多目标问题转化为单目标问题。从36组最优解中筛选出11组非劣解,最后采用近似理想点排序法得到均衡解,即得到有限地表水、地下水、外调水条件下各用水部门(工业、生活、生态、农业)间最优的配水方案。通过该应用实例验证了近似理想点排序法在水资源的多目标决策中的可行性和有效性。
关键词：多目标配置决策模型,近似理想点排序法,非劣解,均衡解
参考文献
[1]冯尚友.多目标决策理论方法与应用[M].武汉:华中理工大学出版社,1990:30-90.
[2]Vira,V.Chankong,Yacov Y.Haimes.Multiobjective DecisionMaking:Theory and Methodology.New York:North-Holland,1983:25-47.
[3]王好芳,董增川.基于量与质的多目标水资源配置模型[J].人民黄河,2004,26(6):14-15.
[4]李媛媛,梅亚东,翟丽妮,等.武汉市水资源合理配置[J].中国农村水利水电,2007,(9):19-22.
[5]王蕊,王丽萍,姜生斌,等.水资源系统多目标优化配置模型的研究及应用[J].华北电力大学学报,2007,34(4):32-37.
[6]罗利民,谢能刚,仲跃,等.区域水资源合理配置的多目标博弈决策研究[J].河海大学学报(自然科学版),2007,35(1):72-76.
[7]席锐超,李继清,梅艳艳.天津市水资源多目标优化配置模型[J].中国农村水利水电,2011,(4):23-25.
[8]吴丽,田俊峰.基于模糊多目标决策的城市水资源优化配置研究[J].南水北调与水利科技,2010,8(5):80-84.
[9]张民安.渭南市水资源优化配置研究[D].西安:西安理工大学,2002,3:59-65.
配置资源模型 篇8
(1)线性规划指派模型线性规划是运筹学的一大分支——数学规划的组成部分。它采用定量化的方法为管理决策提供科学依据,广泛应用于工业、农业、商业、交通运输、经济计划以及军事指挥等众多领域,已成为帮助各级管理人员进行决策的一种十分重要的工具。由此可以演变出许多具体有名的数学模型,如指派模型等。指派模型是一种进行科学、有效的人力资源优化配置的方法,利用它可以最大限度地发挥人力资源的作用,只要涉及到由n个人做n件事情的问题,都可以考虑用指派模型。
文献[1]分别就指派模型在企业人力资源优化配置中的应用作了详细阐述[1]。通过实例可以看出,该方法是一种非常有效的人力资源配置方法。无论是在企业领域还是其他领域,都可能会遇到单目标或多目标指派问题。传统上,这类问题主要依赖于决策者的经验,主观因素较多,很难客观的综合比较。通过该方法能准确客观的计算出到达最优效果时的解,对相关领域人力资优化源配置有极强的推广和使用价值。
(2)线性回归模型近年来,越来越多的管理者开始探讨线性回归方法在人力资源优化配置中的应用,提出了一些比较实用的线性回归方法。特别是在卫生人力资源配置方面,得到了普遍应用。影响卫生人力资源配置的因素很多,多元线性回归可以通过考虑多种因素来估计人力需求数。但该方法需要很多历史资料来建立预测模型、估计参数和输入值。
通过问卷方式对四川省所有的二级乙等以上医院急诊科的人力资源情况进行调查,将所有医院人力资源指标分为三级、二级医院两组进行描述、假设检验,并将人力资源与急诊量(日急诊病人总数、危重病人数、抢救病人数、救护车接入病人数)进行回归分析。根据人力资源配置现状,得到了回归模型,并探索出了四川地区比较合理的医院人力资源配置方式[2]。
(3)多目标规划模型多目标规划是利用数学规划方法,处理解决存在相互冲突和优先次序不同多个目标最优化问题,其用途相当广泛,在人力资源优化配置建模中具有很重要的作用。决策者可以根据不同标准选择比较满意的优化配置方案,提高人力资源优化配置和决策的科学性。
关于资源限制下多项目的调度问题和多项目的资源配置问题,已有一些文献展开了讨论,它们大都是在资源约束条件下对多个项目的调度,从而有效地缩短多项目的总工期,合理优化多项目的资源分配,较好地解决了多项目间的资源优化问题,但均有一个相同的前提条件:项目间的重要程度是相同的。对基于项目不同重要性程度来进行资源分配的文献还较少。在现有研究结果的基础上,探讨项目重要性程度对于资源分配的影响,将项目优先级的权重因子引入多项目人力资源分配模型中,以达到工期拖延造成的加权成本损失最小化、优先级高的项目拖延时间最小化为目标构建人力资源配置的数学模型,实现有限资源合理分配到多个项目中,使得项目工期和成本最小化的最终目标。最后利用遗传算法对该模型进行求解,并通过算例来验证模型和算法的可行性[3]。这个方法具有一定的理论与实践意义,但对于企业来说,为了更合理配置人力资源,避免因人力资源的冲突与竞争造成企业的损失,应该进一步完善员工的工作技能,激发他们的工作热情,采取相应配套措施进一步完善企业多项目的人力资源配置。
(4)人员流动优化模型人力资源的流动是指人员由于各种原因离开原来的工作岗位,走向新的工作岗位的一个过程。这种流动是经济、社会过程中的一种必然现象,是有关人力资源配置的一个重要问题,假若没有人力资源的流动,或流动不够,或流动太大等,都会影响人力资源的有效配置。关于人力资源流动,国内外学者做了许多研究,提出了一系列理论,构建了人力资源流动必要性模型。如由美国心理学家勒温提出的场论模型;美国学者卡兹提出的组织寿命说(卡兹曲线);美国学者库克的“库克曲线”;日本学者中松一郎在《人际关系方程式》一书中提出的“目标一致理论”等[4]。
流动模型的作用就是在企业总体规划的基础上,经过人力资源的预测,确定企业人力资源规模的框架,并进一步通过规划模型的计算,给出人力资源的合理安排。根据马尔科夫链人力资源预测模型给出了人员流动模型。即通过设立目标函数给出约束条件来求得在战略人力资源管理绩效目标下最优的转移概率,用于指导下阶段企业人力资源管理的实践,这就是人员流动优化模型[5]。通过计算机编程和数学工具的求解,能得到在给定目标函数最大化的条件下的解。
人员流动优化模型,是对企业内部人员流动的一个规划工具,能对企业未来的人员配置做出科学的预测和计划。利用人员流动优化模型能考察如何调配人员使目标函数值最大,易于理解、便于使用。其适用范围广,可以根据不同的特点划分企业人力资源、采用不同的目标函数考察不同因素的影响。
(5)基于CMMI的人力资源配置模型随着过程改进思想越来越被软件开发人员所重视,能力成熟度模型集成(Capability Maturity Model Integration,CMMI)得到了广泛应用。由于CMMI的新颖性、复杂性、模糊性,以及人力资源本身所具有的难控制性,目前许多组织在实施CMMI的过程中都存在人力资源配置失调的情况。主要反映在:管理型人才缺乏而程序员型人才过剩,各类人才在实施CMMI的不同阶段分布不均,合适的人员往往未被安排在合适的岗位等。究其原因,在于现有人力资源管理和控制的定性分析局限性。这种定性分析以人力资源管理理念为基础,侧重变革管理与人性管理,管理者的主观因素(管理经验、知识结构、个人偏好等)对人力资源配置结构起着决定性作用。
从实际应用出发,结合CMMI的特点设计了一种比较实用的按组织结构和角色划分的人力资源统计方法,提出了人力资源能力区分的概念[6]。在此基础上提出了一种定性与定量相结合的分析方法,建立了CMMI实施过程的人力资源配置模型,对模型的求解过程进行了分析,并提出了相应的解决办法。最后进行了实例分析,证明了模型的有效性、实用性。
(6)基于贝叶斯理论的人力资源配置模型员工配置在人力资源管理中具有重要的作用,为实现客观、公正、公平和高效率原则,需要相对合理地处理人力资源管理中的模糊性和随机性等不确定信息。员工配置面临的随机现象是:假设员工现在的状态符合工作要求,当组织适应内外环境变化而调整员工工作内容时,员工胜任新工作的结果有两种基本状态,即胜任新工作或不胜任新工作。为有效处理员工配置中的随机问题,提出了基于贝叶斯理论的员工优化配置模型[7],并对模型的参数和数据来源进行分析,建立相应的算法。该模型对于提高员工配置的科学性和合理性能够起到一定的辅助决策作用,为建立人力资源管理专家系统奠定一定的算法基础。
在该模型中,根据员工现在的状态计算员工胜任工作的先验概率,然后按照新工作的要求和完成新工作的情况得到相应的新证据,最后由贝叶斯理论计算员工胜任工作的后验概率值,以此后验概率值来决定或调整员工的实际工作岗位,如图1所示。
2人力资源优化配置模型的发展趋势
人力资源优化配置模型研究经过长期的发展,逐渐从侧重于定性研究发展到定量化研究,无论在广度上还是深度上都有了长足的发展。但现有的人力资源优化配置模型应用性的较多、理论性的较少,且大部分集中在某些特定领域内,系统的进行人力资源配置战略化、管理化与数量化的现代人力资源科学的研究,尚在起步阶段。总结分析未来社会经济发展对人力资源优化配置模型的要求,该领域研究发展趋势主要包括以下几方面。
(1)系统化人力资源配置是一项复杂的系统工程,它涉及到人员、社会、经济、环境等多方面的内容,包括内部因素的变化和外部条件的改变等,这些方面与人力资源的合理利用有着密切的联系,能否正确地掌握这些基础情况,关系到人力资源配置的科学性和合理性。
人力资源开发利用作为一个开放的、庞大的复合系统,它以整体性和动态性为特征,其核心是人力资源的有效配置,为适应日益发展的经济全球化问题,人力资源配置科学研究必须更加注重整体性和综合性,向系统化发展。不少学者针对人力资源优化配置特点,充分考虑各种因素,包括多方面的因子,用系统理论、数学科学等对人力资源配置优化问题进行创新研究,提出从定性到定量综合集成方法,使得人力资源科学的理论分析更加广泛和深入,为市场经济体制下人力资源优化配置提供了新的思路和方法。
(2)机理化人力资源优化配置模型是实现人力资源合理利用的手段,而不是目的。它需要有完善的人力资源配置理论基础来支持,才会从根本上解决问题。现有的人力资源优化配置模型就是把人力资源系统的研究模型化,向着定量化方向发展,这在方法论上是一次重大变革。只有建立科学的、合理的模型才有可能比较准确地了解资源系统中各种因素之间的相互联系和相互制约的机制,才能更好地既进行定性分析又辅以更有力度的定量分析。因此,要想全面地认识、把握和合理利用人力资源,就要加强人力资源科学的基础研究,同时还可以借鉴其他学科的理论和思想来研究分析人力资源利用系统,从而进一步完善人力资源配置的理论基础,这对于发展人力资源优化配置模型具有重要意义。
(3)实用化建立人力资源优化配置模型的目的是实现人力资源定量化、科学化、自动化管理,为人力资源规划和决策者服务,提高人员管理的决策水平,并非为了建模而建模。但是,目前所建立的大多数模型,通常只是在理论上给决策者提供依据,距离实际利用还有一定的差距。所以,建模应注重模型的实用性,模型建立后,应尽快对其进行评价、完善,以进入下一步的研究或实际应用。
模型的实用性和可操作性是评价一个模型的重要标志之一。构建人力资源优化配置模型的目的是为人力资源规划和管理服务的,所建立的模型除了具有科学性之外,更应该考虑到其实用性和可操作性。经过科学研究得来的模型,还需要经过实践检验,要应用到实际人力资源管理决策过程中。随着社会和科学技术的发展,对人力资源合理利用模型提出了更高的要求,要求人力资源优化配置模型更加科学、合理、实用,为人力资源管理者做出正确决策提供技术支撑。
摘要：描述了几种人力资源优化配置模型,包括线性规划指派模型、线形回归模型、多目标规划模型、人员流动优化模型、基于CMMI的人力资源配置模型以及基于贝叶斯理论的人力资源配置模型等,并在此基础上就人力资源优化配置模型今后的发展趋势进行了展望。
关键词：人力资源,优化配置,模型,发展趋势
参考文献
[1]朱益军,项阳.用指派问题求解企业人力资源配置的最优方案[J].天津商学院学报,2003,23(3):32.
[2]许树耘,何庆,万智.四川省二级以上医院急诊科人力资源配置及回归模型建立[J].中国急救医学,2003,23(12):51-53.
[3]林晶晶.企业多项目管理中的人力资源配置研究[D].成都:西南交通大学,2006.
[4]王俊.人力资源柔性管理与人员流动优化模型研究[D].天津:天津大学管理学院,2005.
[5]孙红丽,何永贵,张文建,等.马尔科夫模型在企业人力资源供给预测中的应用[J].华北电力大学学报,2004(5):56-58.
[6]韩魏,伍华健,唐云岚.基于CMMI的人力资源配置模型研究[J].计算机工程,2006,32(3):91-93.
配置资源模型 篇9
随着社会经济的快速发展, 区域水资源日趋有限, 各行业用水矛盾突出, 许多地区地下水的持续开采不仅影响到水资源的可持续利用, 并易引发一系列环境地质问题。面对水资源短缺的现状, 农业是用水大户, 研究灌区不同水源在时空优化配置是促进农业高效用水、保障灌区水资源可持续开发利用和农业可持续发展的主要措施之一。
1 灌区水资源优化配置数学模型
不同水源在不同作物间优化配置模型较多, 而最为常见的是线性规划模型。本文建立的数学模型是以引黄灌区内井渠结合灌区为例, 在目标函数中考虑了作物水分生产函数和生产费用函数, 将当地地表水资源、地下水资源和引黄水在不同作物及作物生育期内进行优化配置。
1.1 作物水分生产函数及生产费用函数
(1) 作物水分生产函数。
建立作物水分生产函数的主要目的是预估各种灌溉水平下作物的产量, 以水定产。大量的试验表明, 作物产量与需水量之间呈非线性的关系。国内外灌溉专家发现, 较低的产量区可以用线性关系来描述, 而较高的产量区, 在良好的管理条件下, 产量与需水量关系是效益递减的曲线。根据河南省河南省水利科学研究院及国内有关科研单位的研究结果, 作物全生育期水分生产函数绝对值模型以式 (1) 为宜。
式中:Yk为作物实际产量;ETk为作物田间耗水量;ak、bk、ck为回归系数;k表示作物种类序号。
(2) 作物生产费用函数。
作物生产费用一般由两部分组成, 其一是固定费用, 包括耕作、化肥、农药、灌溉工程折旧及管理等费用;其二是可变费用, 主要是灌溉费用, 包括灌溉管理费、水资源费及能耗等费用。引黄井渠结合灌区内作物生产费用函数可用下式来表达:
式中:Ck为第k种作物生产费用, 元/hm2;Fk为第k种作物固定生产费用, 元/hm2;B为可变费用系数 (井灌费用) , 元/m3;D为可变费用系数 (渠灌费用) , 元/m3;qk为第k种作物生育期地下水净灌水量, m3/hm2;gk、wk分别为第k种作物生育期当地地表水、引黄水净灌水量, m3/hm2;η1、η2分别为井灌、渠灌灌溉水利用系数。
1.2 目标函数
不同水源在不同作物间优化配置数学模型以各种作物净效益之和G最大为目标, 即:
式中:Ak为第k种作物的种植面积, hm2;Yk为第k种作物的产量, kg/hm2;Pk为第k种作物的单价, 元/kg;Ck为第k种作物生产费用, 元/hm2;K为作物种类总数。
将式 (1) 、 (2) 代入 (3) 得作物净效益目标函数为:
式中:t表示时段;T为时段总数;qkt、gkt、wkt分别为t时段内第k种作物的地下水、当地地表水和引黄水净灌溉水量, m3/hm2;Pekt、Pek分别为第k种作物在t时段内和全生育期内的有效降水量, m3/hm2;Pt为t时段内降水量, m3/hm2;σ为降水有效利用系数, 根据试验确定或取经验值;Rkt、Rk分别为第k种作物在t时段内和全生育期内的地下水补给量, m3/hm2;Gkt为第k种作物在t时段内地下水利用量, 地下水埋深大于3 m时Gkt=0, 地下水埋深小于3 m时, 按灌溉试验确定;ΔSkt为第k种作物在t时段内土壤储水量变化, m3/hm2。
根据河南省人民胜利渠灌区在忠义站的试验成果, 地下水埋深在3 m以内时, 不同作物生育期耗水量中地下水补给量与地下水埋深关系如下:
式中:G为作物全生育期地下水利用量, m3/hm2;H为全生育期地下水平均埋深, m。
1.3 约束条件
①田间耗水量满足作物田间最大、最小耗水量要求;②地下水埋深除涝防渍约束;③地下水埋深不超过最大允许埋深;④地下水含水层年开采量不超过可开采量;⑤各时段地下水开采量不超过水井开采能力;⑥各时段地表供水量不超过最大供水能力;⑦各时段引黄水量不超过最大供水量;⑧非负约束。
1.4 模型求解方法
该模型的目标函数为多个自变量的二次函数, 约束条件全是线性函数, 是一个典型的求解二次规划问题。可借助MATLAB操作系统来求解。
该模型最优化求解使用MATLAB可按下述两个步骤来实现:
(1) 将模型标准化。使用MATLAB求解优化问题, 首先必须将数学模型化为适宜MATLAB要求的标准形式, 只有这样才可以调用MATLAB的优化函数。二次规划数学模型的标准型为:
目标函数:
约束式: A·x≤b (16)
Aeq·x=beq (17)
lb≤x≤ub (18)
式中:H为目标函数中二次项的系数矩阵;A、Aeq分别为线性不等式约束与等式约束系数矩阵;f、b、beq、lb、ub、x为向量。
(2) 模型求解函数的调用。将二次规划模型化为上述标准形式并确定上述所有系数矩阵和系数向量, 则可调用MATLAB中二次规划函数quadprog, 即可得到优化结果。
在所建立的模型合理、约束条件可行时, 调用上述函数即可得到最优解x和最终目标函数的值favl。
2 民权县引黄灌区水资源优化配置
2.1 基本情况
民权县引黄灌区以井渠结合灌溉为主, 灌溉水源为地下水、当地地表水和引黄水。区内地下水相对较丰富, 含水层水文地质条件较好, 所以地下水是该灌区生活和工农业生产的主要水源。区内地表径流年内年际变化大, 时常出现连枯连丰现象, 径流主要集中在汛期, 产水与需水不吻合。区内有两座水库用于调蓄当地地表水, 一定程度上缓解产需水矛盾。黄河是民权县的主要客水资源, 但黄河来水量不断减小, 而且存在着引水必引沙的状况。近几年, 随着人口的增长和社会经济的快速发展, 以及对各水源的不合理配置, 导致农业灌溉水资源供需矛盾日趋突出。所以进行“三水”之间合理调配是灌区水资源可持续开发利用和社会经济可持续发展的重要举措。
民权县引黄灌区有效灌溉面积33 668 hm2, 灌溉模式以井渠结合为主。灌区内以小麦为代表的夏收作物种植面积最大, 占总种植面积的75%, 其次是以玉米为代表的秋收作物, 种植面积占54%, 以棉花为代表的经济作物种植面积占35%, 复种指数1.65。
2.2 计算结果及成果分析
针对前述模型, 采取民权县引黄灌区基础资料, 包括不同水源可供水量、最大供水能力、各行业需水量、系列年作物有效降水量、作物水分生产函数和作物生产费用函数、地下水埋深及水文地质参数等, 采用前述模型计算方法, 得到优化计算结果。不同典型年地下水、当地地表水及引黄水配水结果见表1, 不同典型年非汛期、汛期各水源灌溉最优供水量结果见表2, 不同典型年地下水、地表水及引黄水在作物间配水结果见表3。
从表1可以看出, 从偏丰年到特旱年, 现状年灌溉用水量为6 118～13 429万m3, 其中地下水用水比例24%～67%, 当地地表水用水比例28%～3%, 引黄水用水比例48%～30%;总体配水规律是越旱年份地下水灌溉用水量占总灌溉用水的比例越大, 而地表水、引黄水灌溉用水量占总灌溉用水的比例越小。
从表2可见, 在同一水文年内, 年引黄灌溉水量的大部分是在非汛期 (10-5月) 进行的, 这正好和灌区非汛期干旱少雨、引水含沙量低等实际情况相对应, 可以避开高含沙时期引水, 降低引水平均含沙率, 减少引沙量。
3 结 语
建立的灌区不同水资源优化配置模型, 是在充分考虑了灌区各行业发展状况、供用水情况、水资源可持续利用及技术可行的条件下, 优化计算灌区不同水源在不同年份不同时段内的配置量, 为灌区针对不同水源在不同作物间合理分配提供了决策指导。该模型在用水管理部门统筹调度多水源、水资源可持续开发利用及社会经济可持续发展研究中具有重要意义。
摘要：采用系统工程理论, 以民权县引黄灌区为例, 以灌区年净灌溉效益最大为目标, 以当地地表水、地下水及引黄水、灌区各行业需水量、机电井出水能力、适宜地下水埋深等为约束条件, 对灌区“三水”在不同水文年、不同农作物及农作物生育期间进行了优化分配, 为区域水资源管理部门统筹调度“三水”资源提供了决策指导。
关键词：灌区,水资源,优化配置,数学模型,二次规划
参考文献
[1]王振龙.淮北农灌区水资源利用线性规划模型[J].治淮, 2003 (3) :25-27.
[2]孙雪峰.水分生产函数及其应用[J].海河水利, 1994 (2) :22-24.
[3]谢新民, 张海庆.水资源评价及可持续利用规划理论与实践[M].郑州:黄河水利出版社, 2003.
[4]常炳炎, 薛松贵.黄河流域水资源合理分配和优化调度[M].郑州:黄河水利出版社, 1998.
[5]冯尚友.水资源持续利用与管理导论[M].北京:科学出版社, 2000.
配置资源模型 篇10
科技投入作为一种战略投资,对推动企业科技活动的开展、提高科技创新水平有着决定性的影响。当前,在国家倡导科技强国的大环境下,企业作为自主创新的主体,正在不断加大对科技活动的投入力度,以提升其科技创新能力。然而,由于受各种客观条件的限制,科技投入总量的增长是有限的,如何在科技投入有限的条件下有效地配置资源,建立合理、高效的投入结构显得尤为重要。目前,人们往往将科技投入的强度及其增长作为关注的焦点,而对科技资源的投入产出效率并未给予足够的重视,而科技资源的投入产出效率正是衡量资源配置的水平的重要指标。在一些企业内部,既存在科技投入不足,又同时存在浪费严重、现有科技资源利用率不高的现象。
对科技投入产出效率的关注不够,既有观念上的原因,也有度量技术方面的限制,因为企业的科技活动是以多投入(人、财、物)和多产出(专利、论文、成果等)为特征的复杂活动,单纯对科技投入强度及其增长的统计往往比对投入产出效率的度量更为容易和便捷。
本文以某地区2008年度规模以上企业科技资源调查所获得的样本数据为基础,通过应用数据包络分析((Data Envelopment Analysis, 简称DEA)方法,对该地区重点企业以及主导产业的科技投入产出效率进行评价与分析,以探讨一种科技资源配置效率的评价方法。
2 DEA方法的基本理论及模型
2.1 DEA方法的基本思想
数据包络分析(DEA)是数学、运筹学、数理经济学和管理科学的一个新的交叉领域,它由美国运筹学家A.Charnes 和W.W.Cooper等人于1978年开始创建,也被称为非参数评价方法。DEA以相对效率概念为基础,采用数学规划模型,利用观察到的样本资料数据,评价具有多个输入特别是多个输出的“部门”或“单位”间的相对有效性。它将每一个评价单位作为一个决策单元(decision making unit,简记DMU),再由众多DMU构成被评价群体,以DMU的各个投入产出指标的权重为评价变量进行运算,通过对投入和产出比率的综合分析,确定有效生产前沿面。所谓生产前沿面,实际上是指由观察到的决策单元的输入数据和输出数据的包络面的有效部分,这也是该种方法被称为数据包络分析的原因所在。根据各DMU是否落在有效生产前沿面上,可以确定各DMU是否DEA有效。DEA有效的决策单元可以认为已经处于理想的状态,在其相应的投入规模上已经达到最大的产出量。同时还可用投影方法指出各个DMU非DEA有效或弱DEA有效的原因及应改进的方向和程度。
DEA方法的最大优势是,不需要考虑投入产出之间的函数关系,不需要预先估计参数以及进行任何指标权重的假设,从而避免了研究者的主观臆断所产生的差异;同时,也不需要指标量纲的统一。因此,DEA已经成为管理科学领域一种重要而有效的数学分析工具。
2.2 C2R模型简介
C2R(用Charnes, Cooper和Rhodes三位研究者的第一个英文字母命名)模型是DEA众多模型中最为重要和最具代表性的经典模型。该方法是使用对每个决策单元的输入、输出数据,直接建立DEA模型,并利用线性规划的对偶理论和使用非阿基米德无穷小的技巧,用一步计算去判别决策单元的DEA有效性,成功实现对有效性的计算。
该模型假设有n 个决策单元(DMU),每个决策单元都有m 种类型的“输入”(即“资源”的耗费)以及s种类型的“输出”(即消耗了“资源”之后的成效),其中xij代表第j个决策单元对第i种类型输入的投入总量, xij>0; yrj代表第j个决策单元对第r种类型输入的产出量, yrj > 0;vi 代表对第i种类型输入的一种度量(或称权); ur 代表对第r种类型输出的一种度量(或称权), i = 1, 2,…, m;r= 1,2,…,s; j = 1,2,…,n。
为方便,记Xj = (x1j, x2j, …,xmj)T, j = 1,…,n;Yj = (y1j, y2j, …,ysj)T,j = 1,…,n;v = (v1, v2, …,vm)T;u = (u1, u2, …,um)T。
则每个决策单元都有相应的效率评价指数:
我们总可选取适当的权系数v和u,使其满足hj≤1,j = 1,…,n。现在要对每个决策单元进行效率评价,以权系数为变量,以第j0(1≤j0≤n)个决策单元的效率评价指数hj 0为目标, 以所有决策单元(也包括第j0个决策单元)的效率指数hj ≤1, j = 1,…,n为约束,构成了如下的C2 R模型(分式规划模型):
由于以上的C2R模型是一个分式规划,使用Charnes-Cooper变换可将其化为一个等价的线性规划的形式。为此,令:
则分式规划(2)化为如下的线性规划模型:
在实际应用中,人们往往使用的是计算更为方便的线性规划(PC2R)的对偶规划:
以下对(DC2R)中新出现的变量进行简要解释:
ε是一个非阿基米德无穷小量,是一个小于任何正数且大于0的数;
S-和S+是松弛变量,代表投入的超量和产出的亏量;
λj是相对于DMUj 0重新构造一个有效DMU中第j个决策单元DMUj的组合比例;
θ是DMUj 0的有效值(投入相对于产出的有效利用程度),亦即DMUj 0的技术效率(指在给定一组投入要素不变的情况下,一个部门的实际产出与一个假设同样投入情况下的最大产出之比)。
当θ= 1,S- = S+ = 0时,称DMU为DEA有效,即在原投入基础上所获得的产出达到最优;当θ=1且S-≠0或S+≠0时,称DMU为弱DEA有效,即对于投入可减少S-而保持原产出不变,或者在投入不变的情况下将产出提高;当θ<1时,称为DEA无效,即可通过组合将投入降至原投入的θ比例而保持原产出不变。
3 科技资源配置效率实证分析
3.1 评价指标的选取
从DEA应用角度考虑,输入、输出指标的选取应在满足评价目标的前提下尽量精简,甚至有学者认为,输入、输出指标的总数不宜超过决策单元数量的1/3。结合企业科技活动投入产出的具体情况,选取评价指标如表1所示。
3.2 A地区重点企业科技资源投入产出效率分析
本文从A地区重点扶持的规模以上企业中选取了45家上述9项指标均不为零的企业作为评价对象,在数据处理时,选用了专门的DEA分析软件DEAP 2.1。该软件是一个在DOS环境下运行的软件,但在Windows环境下运用文件管理器可以很方便地对它进行操作。该软件的另一个特点是可以在结果中直接显示非有效单元在生产前沿面上的投影值,据此得出非DEA有效决策单元的改进方案。表2即为45家企业投入产出效率评价得分。
从表2中数据可以看出,45家企业科技资源投入产出效率平均值为0.792,总体处于中上等水平。其中有19家企业科技资源投入产出效率评价得分为1,达到了DEA有效,占被评价企业的42.2%;26家企业科技资源投入产出效率评价得分小于1,未达到DEA有效,占被评价企业的57.8%。被评为DEA有效的企业,表明其在现有的投入水平下已达到最佳的产出水平;而被评为DEA无效的企业则科技资源投入产出并没有达到最优组合,可以通过减少投入或提高产出来优化其科技资源配置。从数据来看,没有达到最佳配置的企业所占比例相对较高,科技资源的优化整合和有效利用还有很大的调整空间。
45家重点企业科技资源投入产出效率平均值:0.792
为了进一步探讨企业提高科技活动投入产出效率的途径和方法,本文对科技资源投入产出效率非DEA有效的26家企业应用DEAP 2.1软件计算了各企业的投入冗余量和产出不足量。表3列出了非DEA有效的企业科技资源投入产出效率值,以及各指标要达到DEA最优所需增加或减少的数值。
以26家企业中效率评价指数最低的DMU20为例,该企业效率指数仅为0.243,说明该企业如果能将科技资源有效利用,只需现有全部投入原值的0.243倍就可以达到目前的产出水平,存在着严重的科技资源浪费和无效利用现象。该企业在缩小资源投入的同时,如果产出指标再继续增加(科技成果数量增加0.896项,科技成果转化与转让效益增加20 357.056千元),或投入指标继续减少(科技活动经费筹集总额减少498.267千元,先进设备数量减少0.179台/套),则可以达到科技资源投入产出效率相对最优(DEA有效)。
同理,对表中所列其他非DEA有效企业也可以进行类似的分析。
3.3 A地区主导产业科技资源投入产出效率分析
根据所掌握的地域科技资源调查数据,本文同时还从整个行业的角度,对A地区八大主导产业,包括食品、医药、化工、纺织服装、装备制造、信息、冶金以及建材等行业的科技资源投入产出效率进行了评价,表4中所列数据即为评价结果。
数据显示,八大主导产业科技资源投入产出效率平均值为0.887,其中食品、医药、化工、装备制造、冶金、建材等六大产业科技资源投入产出效率指数为1,整体达到了DEA有效,而纺织服装和信息两大产业科技资源投入产出效率指数分别为0.490和0.608,未达到DEA有效。
据分析,出现这样的结果主要基于以下原因:
被评价为DEA有效的产业中,医药、化工、装备制造、冶金以及食品产业是该地区的优势产业,拥有一批大企业、大集团,研发实力较强,科技活动投入大、产出多,已经形成了合理的科技资源配置结构,科技资源投入产出效率高。
建材业是该地区的传统产业,但一直以来科技资源较为薄弱,科技活动产出数量也不大,但是因其投入也较小,在现有的投入水平下能达到目前的产出水平也可以称达到了一种科技资源的有效配置,因而评为“DEA有效”。尽管如此,建材业必须加大研发活动投入力度,提高产品科技含量,以具备强大的发展后劲。
纺织服装产业也是该地区的传统优势产业,具有一定的研发基础,如研发机构和先进设备数量、高级专业人才储备等,但由于近年来许多企业对于科技创新活动的开展重视不够,没有充分利用现有的科技资源,科技活动产出不足,因而科技资源投入产出效率低下,未达到DEA有效。
信息产业的情况则有所不同。信息产业是该地区“十一五”期间重点发展的高新技术产业,对科技研发活动投入力度较大,但由于是新兴产业,部分投入尚未显现出绩效,表现为产出偏少,因此科技资源投入产出效率未达到DEA有效。
表5 列出了纺织服装和信息产业的产出不足量和投入冗余量,为两大产业优化科技资源配置、提高投入产出效率提供一种改进方向。
4 结论
本文探讨了基于DEA模型的企业科技资源配置效率评价方法。通过这种方法,可以分析企业以及行业当前科技资源投入产出的相对有效性,并可根据所给出的投入冗余以及产出不足数据,研究企业的改进方向。从实证分析的结果可以看出,科技人才和科技活动经费的合理使用、设施与设备的共建共享、加快科技成果的转化等,都是避免科技资源浪费,提高投入产出效率的有效途径。同时,建立面向机构、部门以及行业的科技资源投入产出效率评价机制,也是促进科技资源优化配置的有效举措。
参考文献
[1]魏权龄.数据包络分析[M].北京:科学出版社,2004:6-25
[2]李惠娟,赵静敏,上官敬芝.城市科技资源配置效率的DEA两阶段方法评价:基于江苏省十三个城市的研究[J].科技管理研究,2010(19):57-60
[3]龙勇.高技术产业技术进步的DEA分析[J].统计与决策,2005(3):72-74
[4]吴献金,陈卓.泛珠三角区域科技资源配置的实证研究[J].科技进步与对策.,2010(17):51-54
股市走进资源优化配置时代 篇11
今天，中国股市终于走进了资源优化配置时代。我们不妨来看几个例子。
一是长江电力。公司出资31亿元，以增资扩股方式战略投资湖北能源集团，获取其45％的股权，并将尽快推进其改制实现整体上市。由于湖北能源本系长江证券二股东，长江电力得以间接参股长江证券。一个是将非上市公司尽快实现整体上市，一个是成为正在借壳上市的长江证券的第二大股东，这两块资源本来与长江电力并不搭界，可由于长江电力是绩优蓝筹股，一优化配置，就配置给它了。
二是沪东重机。去年8月23日，沪东重机刚刚以14.5元的增发价非公开发行2100万股，募资3亿多元。可不到半年(1月29日)，该公司又公告将以30元/股的价格，向大股东中船集团等定向增发4亿股，中船集团的造船资产得以整体上市。若放在从前，一次增发后不到半年是断然不可能提出再融资申请的。可如今，再融资已没有时间限制，一切不可能的都变得可能了。再说，沪东重机及其大股东中船集团也好，还是这次共同参与增发的宝钢集团、上海电气集团、中国人寿等也好，都是关系国计民生的大企业大集团，资源向优势企业倾斜，就这么着，也倾斜给它们了。
三是南山铝业。上述两例都是央企，南山铝业只是山东省的一家村企改制的上市公司，可在资源优化配置中却颇具特色。去年8月，南山铝业计划定向增发7亿股，收购大股东的铝业资产。但当时说好只有增发在10月底前完成，大股东铝业资产所产出的净利润才归上市公司所有。可最近突然改口了，大股东决定将铝业资产自去年7月至今年4月底的净利润全部让利给上市公司，一让就让了2亿多元，而南山铝业2006年全年净利润不过1.7亿元。
从上述几例中我们可以概括出，中国股市资源优化配置的几个特点。
首先，强势企业率先配置。当然，最强势的是央企，其次是地方国企。它们背靠各级政府，拥有最广泛的社会资源和权力资源，就像长江电力那样，原来不搭界的都可以变着法子拿来。当前整体上市、券商借壳最热。就拿整体上市、券商借壳资源来说，长江电力可以这样做，工行、中石化、国寿等又为什么不可以这样做?这种强势企业率先配置，其实质是政府主导型的“强者先得”。这就告诉我们，在资源配置已逐渐成为中国股市第一功能之际，国企(特别是央企)控股的上市公司，机会远比民企或其他类型的个股要多得多，也强势得多。而且投资人的思路要放开一些，不能光看大股东拥有多少资源，还要看大股东能调动多少资源。
第二，配置方式多采用非公开发行(条件较宽松)，且多为高价股的“市价配置”。据不完全统计，去年至今实施非公开发行的近70家上市公司，平均增发价超过10元，最高的宝钛股份增发价为31元。高价增发其结果是以尽量少的股本扩张，尽量多地增厚每股净资产和每股收益。可以预计，它们中的一部分公司，今年还会像沪东重机那样，在更高价位上吸引更广泛的社会优质资源，以最紧凑的方式，加快向上市公司集中。至于那些股价不甚高的公司，则要想尽办法在抬高股价后推出增发和资源配置方案。即如长江电力，短短三四个月，股价从6元多涨至12元多，各种资源配置方案便随之而来了。
第三，如果大股东是民企，调动不了那么多资源，就来个先吃亏再占大便宜。即如南山铝业，大股东让出了2亿多元利润，可这一让，上市公司预期利润多了，股价涨了，就把什么都给补回来了。更别说整体上市后大股东增大持股，市值膨胀更以数十亿元计。
配置资源模型 篇12
至今, 数据包络分析 (Data Envelopment Analysis, DEA) 以无需预先估计生产函数, 不必人为赋予权重等优点, 成为评价多投入多投出决策单元 (Decision Making Units, DMU) 相对技术效率的重要工具。对于各DMU, 基于投入、产出变量权重自由发布思路, 计算综合投入产出比率, 并以此评价其DEA有效性。但自由权重发布暗含的前提是, 各DMU投入量与产出量均无限量, 即传统的DEA模型假定, 被评价DMU与参考DMU在进行权重自由选择时不存在任何内部影响, 被评价DMU投入量 (产出量) 的增加不会导致参考DMU投入量 (产出量) 的减少, 从而保证模型能求得全局最优解。现实中, 资源的稀缺性既不能保证无限量地投入, 也不可能出现产出无限大情形, 而这在基于DEA的资源配置研究中经常被忽视。
最早, Golany等 (1993) 首次将DEA方法引入到资源配置问题, 以各DMU效率值为权重影响目标函数, 在可用投入既定的情况下建立加性DEA模型, 共同确定各DMU的投入[1]。此后, 基于产出最大化目标, Golany与Tamir (1995) 建立了同时确定最优投入与产出目标的资源配置模型[2]。在此基础上, Athanassopoulos (1995) [3], Thanassoulis (1996, 1998) [4,5]也建立了类似模型, 但仅适用于单投入的资源配置; 而基于全体DMU平均效率最大化, 同时考虑前期资源投入比例, Beasley (2003) 给出了多投入多产出情形下投入分配与目标设置的非线性模型[6]。在产出不减少的前提下, Lozano与Villa (2004) 考虑了总部资源的径向配置与非径向配置[7], 而Korhonen与
不难看出, 现有的研究主要是依据各自的目标函数, 建立了不同的分配模型, 以实现资源的合理配置与产出目标设定, 但都忽略了资源约束条件下的DMU间的相互关系。在投入既定的情况下, 决策单元之间在进行资源分配时, 实际上存在着对有限资源的竞合关系。一方面, 对某一DMU分配过多必将导致其它DMU的投入不足, 反之亦然;另一方面, 新的投入配置必须致力于各DMU的技术效率提升, 至少不降低其运营效率, 以防止资源浪费。可见, 充分考虑投入约束条件下的DMU内部竞合关系, 对于DMU间资源合理配置而言具有积极意义。为此, 本文在分析投入约束下的资源配置困境的基础上, 构建Nash讨价还价DEA模型, 通过DMU间的博弈实现资源的均衡配置, 不仅确保了各DMU资源利用效率, 而且所有DMU不再有偏离此均衡的动力。文章最后给出了一个算例, 说明该方法的合理性与可行性。
2 投入约束下的资源配置DEA模型
2.1 投入约束下的传统CCR模型
由于新资源配置将增加各DMU投入, 其有机会扩大产出以获得发展, 但也会对其技术效率评价带来影响, 进而影响下一轮资源配置。为此, 在各DMU自利的理性作用下, 将依据自身现状采取如下策略:一是最大化自身效率的配置资源, 即获取最小份额;二是最小化自身效率的配置资源, 以获取最大资源份额。针对两种策略, 分别考虑如下两类传统DEA模型。
为方便分析, 假定经济系统中有n个决策单元DMUj (j=1, 2, …, n) , 各自消耗m种资源Xj= (x1j, x2j, …, xmj) T生产s种产出Yj= (y1j, y2j, …, ysj) T, 为促进发展并改善各DMU绩效, 计划增加一总额为I的新投入, 设DMUj分得的新投入为Ij, 具体到上述两种策略分别为IMINj与IMAXj, 则投入既定情况下,
其中, vi, ur分别为投入与产出的权重, 参考文献[6], 设新增投入权重为1。
对于模型 (1) , 在个体理性作用下, 令
同理可证, 对于模型 (2) , 令
2.2 基于传统DEA模型的资源配置困境
模型 (1) 、模型 (2) 及其最优解均表明, 基于传统DEA模型, 各DMU在既定投入条件下均能获得自身最优的资源配置, 且成为有效DMU。然而, 这两类个体绝对理性都将导致集体资源配置困境。
模型 (1) 中, 自利的DMUk均希望最大化对自身有利的产出变量, 并在确保最终效率值为1的前提下, 获取最小的资源配额, 即
定理1
证明 注意到
同样模型 (2) 中, 自利的DMUk均希望最小化对自身有利的产出变量, 并在确保最终效率值为1的前提下, 获取最大的资源配额, 即
定理2
证明类似于定理1, 略。
定理1表明, 为最优化自身效率而最小化新投入资源份额, 最终导致新投入资源过剩, 这与资源稀缺的现实相违背;相反, 定理2表明, 在自利的理性作用下, 出现资源不足情形;而定理1和定理2中, “=”的取得当且仅当各DMU的所有产出均相等, 最终
可见, 在投入约束条件下, 基于DMU个体理性的传统DEA模型难以实现资源的合理配置, 为提高有限资源的利用效率, 并公平配置资源, 需要考虑各DMU间的竞争与合作关系, 引入DEA博弈模型。
2.3 投入约束下的讨价还价DEA模型
在模型 (1) 和模型 (2) 的基础上, 以各DMU为局中人, 定义DMUj间的博弈为G=〈N, (ujr) , (Ij) 〉, 其中{N=1, …, n}为所有局中人集合, (ujr) 表示DMU的行动策略集, (Ij) 为DMU的收益函数, 即资源配置份额。根据Nash讨价还价最大化原理, 考虑如下模型:
模型 (3) 目标在于最大化所有参与讨价还价DMU的Nash乘积, 其中ur为所有DMU的共同决策变量, 通过其与Ij的信息传递, 在新增资源I范围确定各DMU共同接受的资源配置方案。为方便分析, 记S为模型 (3) 的所有限制条件, 即可行域 (u1, u2, …, um) , 对应 (I1, I2, …, In) 。
定理3 S为紧致的凸集。
证明 注意到Ij的取值范围为0到I之间的非负实数, 即Ij∈[0, I], j=1, 2, …, n, 因此S必为紧致集。
对于任意Ij∈S, j=1, 2, …, n, 有IMAXj≥Ij且IMINj≤Ij. 设Ij′∈S, 且Ij″∈S, j=1, 2, …, n, 则对任意λ∈[0, 1], 必有:
即λIj′+ (1-λ) Ij″∈S, 从而S为紧致的凸集。
推论 模型 (3) 必存在唯一的最优解, 进而最优资源配置方案必唯一。
依据Nash讨价还价原理, 如果S为紧致的凸集, 则讨价还价博弈〈S, IMINj, IMAXj 〉必存在唯一解, 从而对应最优资源配置方案也唯一。
设模型 (3) 的最优解为U*= (u*1, u*2, …, u*m) , 则最优资源配置方案为
3 算例分析
为便于比较分析, 本文选用了文献[11]的数据, 共4个DMU, 每个DMU有3个产出指标, 无投入指标, 详见表1。为改进绩效, 现计划新增一总额为单位1的公共投入, 则如何合理配置这一公共资源。
运用lingo 7.0软件, 基于模型 (1) 和模型 (2) , 分别得到各DMU的最小与最大资源配额, 在此基础上, 利用模型 (3) , 在保证效率的前提下, 各DMU在上述配额范围内展开对有限公共资源的博弈, 从而得出DMU间的最优资源配置, 如表2中第4列所示。对应的公共最优权重 (0.3986, 0.5085, 0.0929) T具有唯一性, 各DMU不再有偏离此配置方案的动力。
注意到, 表1中各DMU的产出存在如下关系, 即Y1≥Y2≥Y3≥Y4, 而最终的资源配置方案恰好印证了这一关系:I*1≥I*2≥I*3≥I*4, 即DMU1配额最多, DMU2与DMU3次之, 而DMU4最少。
此外, 文献[10]在以同样的数据进行成本分摊研究中, 基于DMU之间的联盟博弈得到最优的成本分摊额, 如表2第5列所示, 也表明上述关系的存在, 即R*1≥R*2≥R*3≥R*4.但进一步分析可以发现, 文献[10]中DMU1与DMU2之间的差额要大于DMU2与DMU3之间的差额, 即 (R*1-R*2) > (R*2-R*3) , 但与DMU1与DMU2的产出相比, DMU2与DMU3之间的产出差额要更大, 对应的资源配额, 在本文的模型中得到较好体现, 即 (I*2-I*3) > (I*1-I*2) , 表明这一配置结果更合理。
4 结语
本文将DEA方法应用于有限资源的配置问题。注意到传统DEA模型的资源配置困境, 本文基于投入约束条件下各DMU之间的竞合关系, 提出一种基于DEA与Nash讨价还价博弈的资源配置模型。最终配置方案为所有DMU所共同接受, 体现了资源配置中公平与效率原则。本文方法简单, 思路清晰, 最终的算例分析表明了本方法的合理性与可行性, 与其它DEA分摊方法相比具有一定优势, 能为决策者提供有效的决策支持。
参考文献
[1]Golany B, Phillips F Y, Rousseau J J.Models forimproved effectiveness based on DEA efficiencyresults[J].IIE Transactions, 1993, 25 (6) :2~10.
[2]GolanyB, TamirE.Evaluating efficiency-effectiweness-equality trade-offs:a dataenvelopment analysis approach[J].ManagementScience, 1995, 41 (7) :1172~1184.
[3]Athanassopoulos A D.Goal programming&dataenvelopment analysis (GoDEA) for target-basedmulti-level planning:allocating central grants tothe Greek local authorities[J].European Journal ofOperational Research, 1995, 87:535~550.
[4]Thanassoulis E.A data envelopment analysisapproach to clustering operating units for resourceallocation purposes[J].Omega, 1996, 24:463~476.
[5]Thanassoulis E.Estimating efficient marginalresource levels using data envelopment analysis[J].Journal of Cost Analysis, 1998, (Fall) :29~52.
[6]Beasley J.E.Allocating fixed costs and resourcesvia data envelopment analysis[J].EuropeanJournal of Operational Research, 2003, 147:198~216.
[7]Lozano S, Villa G.Centralized resource allocationusing data envelopment analysis[J].Journal ofProductive Analysis, 2004, 22:143~161.
[8]Korhonen P, Syrja。nen M.Resource allocationbased on efficiency analysis[J].ManagementScience, 2004, 50 (8) :1134~1144.
[9]吴华清, 梁樑, 卢正刚.非同质子系统间效率评价及其资源配置[J].系统工程, 2006, 24 (12) :1~5.
[10]李勇军, 梁樑, 凌六一.基于DEA联盟博弈核仁解的固定成本分摊方法研究[J].中国管理科学, 2009, 17 (1) :58~63.