新能源风电技术人才成长最优路径研究

发布时间：2021-06-11 22:59

　　新能源风电的可持续发展需要可持续的人才支撑。而风电作为多学科交叉的新兴产业,其技术人才的培养和聚集周期长。因此,如何有效提升风电技术人才成长速度和质量至关重要。本文在对技术人才成长网络特征分析的基础上,利用成长代价函数量化标度不同成长状态关系,构建了风电技术人才加权小世界网络,并通过改进Floyd算法,优化风电技术人才成长路径选择。且通过仿真实验证明这种组合方法有效提高了计算速度和精度,降低了时间复杂度,为有效提升新能源风电技术人才成长速度与质量提供了量化方法支撑。 

【文章来源】：中国管理科学. 2020,28(08)北大核心CSSCICSCD

【文章页数】：10 页

【图文】：

风电技术人才成长轨迹

通过Matlab构造不同重连概率的网络进行比较验证,其中图2(a)为p=0的完全规则网络;图2(b)为p=1时的完全随机网络;图2(c)为0<p<1时随机重连的WS小世界网络。网络节点个数为16,节点相连的邻边数为4,即小世界网络的规则网络k的值为2,p为0.2。如图2所示,WS小世界网络明显多几条较长路径的重连边,显现出了小世界特性。综合考虑组织和人才发展双赢角度,将人才成长网络中节点间边权定义为节点间成长代价(或成本)函数,风电技术人才成长网络可以先采取“先规则化,后随机化”构造规则设计,模拟组织对人才成长牵引作用,设计生成WS加权小世界网络的,保证次优节点向更优节点学习移动,小世界网络各个边的权值之和为人才成长总成本。

W=[ 0 8.3666 12.2882 9.4340 8.1240 Ιnf Ιnf Ιnf Ιnf 0 11.2694 6.2450 10.2285 7.6158 Ιnf Ιnf Ιnf Ιnf 0 5.4772 Ιnf 16.4643 Ιnf Ιnf Ιnf Ιnf Ιnf 0 10.4041 8.3440 Ιnf Ιnf Ιnf Ιnf 11.4455 Ιnf 0 Ιnf 11.5326 Ιnf Ιnf Ιnf Ιnf Ιnf Ιnf 0 11.2081 7.7460 Ιnf Ιnf 7.3485 Ιnf Ιnf Ιnf 0 7.0000 Ιnf Ιnf Ιnf Ιnf Ιnf Ιnf Ιnf 0 ]采用改进的加速Floyd算法得到a到i的最优路径,如图6所示虚线所示。


本文编号：3225427