论项目管理协作模式的知识发现模型

论项目管理协作模式的知识发现模型论项目管理协作模式的学问发觉模型

论文论项目管理协作模式的学问发觉模型

其中，w表示输入层岗位agent~输出层岗位之间的连接权值.

结合管理实践的需要，建立项目管理协作模式的自组织网络工作步骤与学习规章如下：

(1)确定输出层岗位数量m和输入层岗位agent数量n。针对一项任务的协作，首先是进行任务的分解，这里分解是指将任务划分为以岗位为承载体的单元，一项任务的完成是一系列岗位之间的协作。对任务的分析可以确定完成任务所需要的岗位数量，这就是输出层岗位的数量m：对任意一个岗位i(i=1，2，k，m)进行功能划分，设计相应的岗位agent。设计的目的是使agent．有智能采集、处理、反馈或者输出相关信息的力量。这样，完成一项任务所需要的岗位功能全部分解完毕，并且岗位agent的数量就是输入层神经元的数量。输入输出层神经元数量的确定，事实上是项目管理过程中日常必需的方案管理工作。是任务安排、落实、实施与完成的前提。

特殊地，岗位agent作为自组织神经网络(som)的输入层神经元，可以使整个som完全智能地进入项目管理系统，也使som智能地从项目管理系统中采集信息，并自动输入到s0m中。这可以保证som的学问发觉与项目进程同步，并伴随项目的进展而不断获得学问更新。学问发觉模型与项目进程同步的重要价值还在于．项目的一次性导致项目既无完全的先验信息指导．项目过程的失误也无从弥补。因此，与项目同步发觉的学问可以有效而准时地指导项目的进行，保证项目获得最充分准时的引导。

(2)初始化连接权值w。w的赋值考虑的是被岗位调用的岗位agent对于岗位的重要程度，k，m)的赋值区间是，重要性越强赋值越大。(3)自组织神经网络的学习模式以二进制规章供应给网络的输入层，即当岗位agent被调用时．输入神经元赋值为1，否则为0。(，p，，pk)代表一个学习模式，任意一个岗位的一次活动构成一个学习模式。网络学习模式的数量口理论上应当等于在任务履行期间全部参加任务完成的岗位上所发生的全部活动的数量之和q。活动的划分越细，q值越大；g值越接近q值，则网络反映的协作关系越为精细，越接近和反映实际协作状况。在实际学习训练中。q值依据讨论的精度确定。

对输入学习模式进行归一化处理：

(7)将另一学习模式输入网络，直到q个学习模式全部完成学习.

(8)更新学习速率n(t)及竞争邻域(￡)。

n(0)为初1f}学习速率，(0)为初始竞争邻域，式中ⅳ是取整符号，为学习次数，为总的学习次数。

(9)令t=t+l，返回步骤3，直到t=t。

训练结果是指：最终获胜的输出层神经元是协作关系中居于核心地位的岗位，它反映的是全部参加协作任务的岗位在任务进行时间段内(也是网络学习模式采集时间段内)的相对综合地位与作用。不同考察时问段内的核心岗位般是不同的，而且事实上全部岗位在任务进行过程中在协作关系上的地位与作用都在不断地发生变化。这与实际状况相符合。假如学习模式的采集是根据任务进行的时间挨次支配的．则网络的学习训练过程就反映了这一变化过程，每个岗位在任务进行过程中的位置都在不断发生变化，最终获胜的神经元(也就是核心岗位)是一个综合推断结果。自组织神经网络训练的结果可以明确地反映各岗位间的协作序列，在以获胜神经元为中心的竞争邻域内，随着网络学习过程的深化．岗位在任务进行过程中的地位和作用不断发生变化，岗位的综合作用渐渐表现出层次序列，距离获胜神经元越近的神经元所代表的岗位，在整个任务中的作用越重要。处于同一个竞争邻域内的岗位，其重要性程度相近，属于同一协作序列。网络训练结束后的结果反映的是岗位在整个训练过程中的综合重要性程度。

3基于自组织神经网络(som)项目管理协作模式的应用

3．1项目管理环境分析

项目管理系统是s0m的支持系统和工作环境。一方面．项目以及项目管理系统的特点打算着建立在其上的学问发觉模型的特点；另一方面，建立合理有效的学问发觉模型又制约着项目以及项目管理系统的运行方式。其中有两个关键点：一是准时性项目信息需要准时采集，学问发觉需要准时完成：二是完整性。项目信息采集要能够全面动态地反映项目的实际存在状况，学问发觉所需要的项目信息能够全面立体地进入学问发觉模型。前者离不开agent的帮助作用．后者主要依靠以岗位为核心的项目管理系统。综合地说，岗位agent在项目管理系统中的作用是特别巨大的。特殊是在基于som的项目管理协作模式中，岗位agent是som学问发觉模型与项目管理系统连接的接口：岗位agent既是som的输入层神经元．又是项目管理系统的运行单元(见图3)

(1)项目要能够被项目管理系统完整刻画．这是建立学问发觉模型的基础。项目是简单的，应当真实全面地刻画项目；项目是动态的，应当跟踪刻面项目的变化：选择岗位去刻画整个项目经受了一个比较简单的选择过程．简洁地说，主要应考虑人员的流淌性、任务的可变性等

论项目管理协作模式的学问发觉模型

等凶素。

只有岗位对于详细的项目是固定的．而且岗位是人员与任务之间连接的桥梁．才可以将项目根据岗位进行分解，将岗位固定下来，并保持到项目的终结，以完整反映项目的体系结构和进展变化。同时，根据分解任务的需要可以随时调整岗位组合．而不会影响已经完成的以岗位概念来刻画的项目的结构和内容。此外，刻画项目的岗位要成为项目管理系统的有效掌握环节：在项目管理运行系统中必需是整个动态系统信息流的统一入口和出口，这样才能保证项目管理系统获得统一、全面、动态的信息，项目运行系统才能将项目管理系统发出的信息传递到合适的运行位置而没有遗漏；必需保证项目管理系统内部各管理子系统的正常协调运行，即岗位还必需是管理子系统管理流程的有机组成部分。

(2)项目信息要准时进入项目管理系统和学问发觉模型。实现的方法就是利用岗位agent，将岗位功能分解，由agent分别实现。由~agent本身固有的智能性和敏捷性，可以使项目的岗位管理更加机动．进而使整个项目的管理有更大的智能化进展空间。比如，岗位agent~以使原来的工序优化走向功能优化．提高整个项目管理系统的优化程度，对提高项目管理效率意义重大。最终，学问发觉所需要的信息要能够全面、立体、动态地进入并且存储于模型som中，这一点是通过神经网络本身的大规模并行存储与处理功能实现的，神经网络也是一种合适的非线性的存储器。总之，以岗位为核心的项目管理系统是som模型有效工作的项目管理环境，否则学问发觉从信息来源到学问的再利用上都得不到渠道上的保证。这是最根本的也是最基础的信息源管理.

3.2应用实例分析

只有在项目进行过程中，才能真实发觉项目的管理协作模式。项目的管理协作行为表现为某一时刻岗位间的协作关系，但是发觉协作关系必需讨论肯定时间段内的协作行为。假定项目的生命周期为t，t是项目生命周期内的任意时刻，在区间内，当t取不同的值时。所发觉的项目协作关系是不同的。这一点特别简单理解，即在项目的不同阶段，项目协作关系是不同的，协作关系本身是随着项目的进行而进展变化的，在某一个时间段内居于中心位置的岗位可能在另一个时间段内被闲置起来。肯定时间段内的项目协作关系是对此时间段内综合状况的反映。这从一个侧面说明．讨论项目管理协作模式要考虑时问样本空间，发觉协作模式这一学问应当是动态的，有关项目信息的采集必需准时，否则学问发觉可能与项目本身脱离。也就谈不上利用所发觉的学问对该项目准时进行引导与指导了。

现假定某项目在进行到肯定阶段时内部岗位数设置为9个。也即som网络的特征映射网络层内神经元的个数为9。为原始真实地反映项目管理的协作模式，岗位设置的规章是：只增不减，即需要设立的岗位增加，一旦岗位不需要则保留岗位位置，只不过该岗位不再被调用。换言之．岗位与岗位agent之间联接的权值为0。为简便起见，设计输入层神经元数目为2，即参加协作的相关岗位的职能统一划分为两个岗位agent担当，这两个岗位agent可以是单一的agent，也可以是agent包(或者说是agent群，即由多个agent组成的复合agent)。将发觉项目管理协作模式的考察时间段划分为n个区间，每个区间内采集一次样本数据．则相应地som网络有n个输入模式，输入模式中每个输入神经元的取值范围可以为{0，1}，也可以是中的给定值。网络权值和输入模式均采纳随机赋值，而且不考虑映射层中神经元之间的相互影响。应用matlab6．5中的神经网络工具箱，可以便捷地显示出网络自组织学习与映射分类的过程和结果。

根据图4所示的结构训练网络．假定网络训练步长为1000，当输入模式为(0，1)时，岗位1胜出；当输入模式为(1，1)时，岗位7胜出，当输入模式为(1，0)时，岗位2胜出胜出的岗位就是项目管理协作模式中的核心岗位。事实上．当岗位功能被细致地分割并且由岗位agent担当时，som中输入层神经元的数量将是巨大的，输入模式及网络权值将能够充分发觉项目管理的协作模式，即精确     定位核心(或者核心层)岗位、各岗位之间的亲疏关系、岗位在协作模式中的参加程度等。综合考虑特定时间段内的输入模式．则可以找到在该时问段内的综合项目管理协作模式。

4结束语

本文在建立和分析岗位agent工作机制的基础上．以自组织特征神经网络som为依托，建立了项目管理协作模式的学问发觉模型。目的是通过对项目信息的准时与智能化采集，建立健全项目信息的管理机制，并在此基础上建立与项目进程同步的学问发觉模型：项目管理协作模式的发觉模型。协作是任何项目管理活动中不