هوش مصنوعی و الگوریتم ترکیبی مناسب برای افزایش دقت پیش بینی های مدیریت منابع انسانی

پیام:
نوع مقاله:
مقاله پژوهشی/اصیل (بدون رتبه معتبر)
چکیده:

الگوریتم های هوش مصنوعی شامل شاخه های مختلفی از علوم کامپیوتر و ریاضیات می باشند. الگوریتم های ترکیبی یا فراتکاملی نوعی از الگوریتم های تقریبی هستند که برای یافتن پاسخ بهینه به کار می روند. یک الگوریتم بهینه سازی ترکیبی یک روش ابتکاری است که میتواند با تغییرهایی کم برای مسایل مخلتف بهینه سازی به کار رود الگوریتم های فرا ابتکاری بطور قابل ملاحظه ای توانایی یافتن جواب های با کیفیت بالا را برای مسایل بهینه سازی در تصمیم گیری و پیش بینی های مدیریت منابع انسانی سخت افزایش میدهد. این پژوهش یک سامانه ی خبره ی ساده و اثربخش را برای پیش بینی داده های نوسانی تصادفی وکوتاه مدت ایجاد نموده است. فرآیند بررسی شامل معرفی الگوریتم سری فوریه، زنجیره ی مارکوف و مقایسه ی مدل پیش بینی الگوریتم های ساده سنتی که در هم آمیخته شده اند ادامه یافته، تا منجربه خلق یک سامانه ی خبره ی پیش بینی با کمک هوش مصنوعی شود. این مدل موجب می شود اثربخشی پیش بینی داده های تصادفی نوسانی در اکثر برنامه های مدیریتی ومنابع انسانی به عنوان یکی از عوامل تاثیر گذار در افزایش بهره وری سازمان ها افزایش یابد. حاصل این مطالعه، معرفی الگوریتم تشخیص هوش مصنوعی است که کمک می کند تا محیطی رایانه ای برای یک سامانه ی پیش بینی خبره ایجاد شود که داده های کوتاه مدت و اتفاقی ناپایدار را در مدیریت منابع انسانی به درستی و بادقت پیش بینی کند.

زبان:
فارسی
صفحات:
89 تا 103
لینک کوتاه:
magiran.com/p2526371 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!