辛占华 聂婷

摘 要： 针对当前人力资源成本评估算法存在准确度低、效果差等难题，为了提高人力资源成本评估精度，设计了基于数据驱动的人力资源成本评估算法。收集人力资源成本评估数据，并采用混沌理论对数据进行重构，还原人力资源成本变化特点，通过极限学习机建立人力资源成本评估算法，并通过粒子群算法对极限学习机进行优化，最后进行了人力资源成本评估仿真实验。结果表明，所提算法可以反映人力资源成本的变化特点，改善了人力资源成本的评估结果，获得了比其他人力资源成本评估模型更优的结果，具有广泛的应用前景。

关键词： 人力管理; 资源成本; 评估模型; 数据驱动; 极限学习机; 粒子群算法

中图分类号： TN911.1?34; TP393 文献标识码： A 文章编号： 1004?373X（2018）09?0157?04

Abstract： Since the current human resource cost evaluation algorithm has the problems of low accuracy and poor effect， a human resource cost evaluation algorithm based on data driving is designed to improve the evaluation accuracy of human resource cost. The data of human resource cost assessment is collected， and reconstructed with chaos theory to restore the change characteristics of human resource cost. The extreme learning machine is used to establish the human resource cost evaluation algorithm， and optimized with particle swarm optimization algorithm. The simulation experiment was performed for the human resource cost assessment. The results show this algorithm can reflect the change characteristics of the human resource cost， improve the assessment results of human resource cost， obtain better results than other human resource cost evaluation models， and has wide application prospect.

Keywords： manpower management; resource cost; evaluation model; data driving; extreme learning machine; particle swarm optimization algorithm

0 引 言

人力資源成本是人力资源管理体系的一个重要环节。如果不能对人力资源成本进行准确评估，会导致人力资源严重浪费，人力大量流失，企业的运营成本增加，因此人力资源成本评估的成本直接关系到企业的生存，对人力资源成本评估进行研究具有十分重要的意义[1?3]。

尽管如此，一些企业对人力资源成本评估不重视，尤其是国内，受到计划经济的影响，许多企业的思想和观念没有跟上时代的发展，人力资源评估问题更加突出。近十多年来，国内一些研究机构和学者越来越重视人力资源成本评估问题，出现了许多人力资源成本评估算法[4?5]。最常用的人力资源成本评估是通过人工方式进行，由于人为因素存在，评估结果客观性差，使得人力资源成本评估结果具有一定的盲目性，难以获得理想的人力资源成本评估结果[6]。……