البحث عن فرق متنوعة ومترابطة: منهج حسابي لتجميع فرق متنوعة بناءً على الأعضاء الجزء الثاني

المساهمة الرئيسية لهذه الورقة هي صياغة مشكلة تشكيل الفريق مع الأخذ في الاعتبار مستويات تنوع الفرق ومعرفة الأعضاء في وقت واحد.

ترتبط معرفة الأعضاء وذاكرتهم ارتباطًا وثيقًا. في العمل، وخاصة ضمن الفريق، فإن الألفة بين الأعضاء تحدد بشكل مباشر كفاءة الفريق وجودة العمل.

يؤثر مستوى الألفة بين الأعضاء بشكل مباشر على فهم الفريق الضمني وتعاونه. إذا كنتم على دراية ببعضكم البعض، فيمكنك حذف الكثير من الكلمات التي يصعب التعبير عنها والبدء في العمل مباشرة، مما يؤدي إلى تحسين كفاءة العمل. إذا لم يكن الأعضاء على دراية ببعضهم البعض، فعادةً ما يستغرق التواصل وقتًا أطول، وقد تنشأ صراعات وخلافات غير ضرورية بسبب سوء الفهم البسيط.

بالإضافة إلى ذلك، فإن الألفة بين الأعضاء تؤثر أيضًا بشكل مباشر على الذاكرة. تظهر الأبحاث أن الأشخاص أكثر عرضة لتذكر الأشخاص والأشياء المألوفة لأن المعلومات من المرجح أن تجذب اهتمامنا وانتباهنا. في العمل الجماعي، إذا كان الأعضاء على دراية ببعضهم البعض، سيكون من الأسهل تذكر رغبات واحتياجات بعضهم البعض وتجنب أخطاء الذاكرة التي تعيق تقدم العمل.

لذلك، يجب على أعضاء الفريق محاولة زيادة الألفة مع بعضهم البعض وتعزيز التفاهم والتواصل المتبادل من خلال الفرص المختلفة. يمكن إنشاء علاقات أوثق من خلال الهوايات المشتركة والتواصل والتعاون، وبالتالي تحسين تعاون الفريق وكفاءة العمل وجعل العمل أكثر فعالية. يمكن ملاحظة أننا بحاجة إلى تحسين الذاكرة، ويمكن لـ Cistanche deserticola أن يحسن الذاكرة بشكل كبير لأن Cistanche deserticola هي مادة طبية صينية تقليدية لها العديد من التأثيرات الفريدة، أحدها هو تحسين الذاكرة. تأتي فعالية اللحم المفروم من المكونات النشطة المختلفة التي يحتوي عليها، بما في ذلك الأحماض والسكريات والفلافونويد وغيرها. ويمكن لهذه المكونات تعزيز صحة الدماغ بطرق مختلفة.

انقر فوق تعرف على 10 طرق لتحسين الذاكرة

في حين أن معظم الدراسات في خوارزميات تشكيل الفريق قد اعتبرت مهارات الأعضاء أو التكاليف الشخصية كوظائف موضوعية لتشكيل الفريق [36]، فإننا نقوم بصياغة مشكلة التحسين هذه بناءً على عمليات مختلفة للتنوع (أي التباين وتنوع السمات). المساهمة الثانية لهذا العمل هي تصميم خوارزميات لمشكلة تشكيل الفريق والتي تقوم بتعيين جميع الأفراد المتاحين للفريق.

ركزت مشاكل تشكيل الفريق السابقة بشكل أساسي على العثور على أفضل فريق من المجموعة وطرد الأفراد المتبقين [36، 37]. يوفر هذا العمل أيضًا آثارًا نظرية للبحث الجماعي.

على وجه الخصوص، استخدام الآليات الحسابية لدعم عمليات تشكيل الفريق [38-40]. تساهم الآثار العملية لهذه الدراسة في استثمار العديد من المجتمعات في زيادة تنوع الفريق.

نظرًا لأن بناة الفريق لا يستطيعون حل هذه المشكلة بسرعة عن طريق التحقق يدويًا من كل مجموعة فريق، يمكن للخوارزميات أتمتة هذه المهمة من خلال الجمع بين الأعضاء الذين يمتلكون روابط اجتماعية موجودة، وفي الوقت نفسه، من خلفيات وخصائص ومستويات خبرة مختلفة [41، 42].

إن توسيع استخدام هذه الخوارزمية ليشمل جماهير أوسع يمكن أن يوفر فوائد جديدة للمجموعات التي تسعى إلى احتضان التنوع والحفاظ على مستويات عالية من الألفة.

هذه المقالة عبارة عن نسخة موسعة ومنقحة من وقائع المؤتمر التمهيدي المقدمة في Complex Networks 2020 [43].

بالمقارنة مع مقالة المؤتمر، فإن هذا الإصدار (أ) يقدم مراجعة لخوارزميات تشكيل الفريق، (ب) يوسع التعريفات والأكواد الزائفة لمشكلة تشكيل الفريق المقترحة والخوارزمية، (ج) يقوم بترقية الخوارزمية المقترحة للتعامل مع الأفراد المعزولين ومتى عدد الأفراد المتاحين ليس مضاعفًا لحجم الفريق، (د) يقيم الخوارزمية بثلاث مجموعات بيانات لإثبات أن مشكلة التحسين لدينا يمكن أن تعمل في مجالات أخرى لتشكيل الفريق، (هـ) يقارن أدائها مع الخوارزميات المعيارية الأخرى متعددة الأهداف، (و) يستخدم مقاييس كمية لمقارنة نتائج الخوارزميات، (ز) يشرح نتائج وآثار هذا العمل للباحثين والممارسين، و (ح) يوفر البرامج النصية للمعالجة المسبقة لمجموعات البيانات، ومجموعات البيانات المعالجة مسبقًا، والبرامج النصية مع الخوارزمية المقترحة والخوارزميات القياسية لأغراض التكاثر.

الأعمال ذات الصلة

لقد طور علماء علوم الكمبيوتر أساليب مختلفة لحل مشكلة تعيينات الفريق [36، 44، 45]. وقد خلصت الأبحاث إلى أن العثور على مجموعات الفريق الأكثر كفاءة من مجموعة من الأفراد يمثل مشكلة حسابية صعبة، ويصعب على الأفراد حلها يدويًا.

إنها مهمة معقدة تتطلب تقييم جميع المجموعات الممكنة بين أعضاء المجموعة، والتي يمكن أن تصبح تحديًا اندماجيًا لا يمكن التغلب عليه. بالنظر إلى مجموعة من الأعضاء n التي يجب تعيينها في فرق بحجم k، يجب علينا حساب التقليب التكراري حيث يمكننا اختيار أول أعضاء k من n، ثم أعضاء k الآخرين من n - k، وهكذا. بافتراض أن k هو مضاعف لـ n، علينا حساب تباديل n/k.

ونتيجة لذلك، يجب علينا حساب مجموعات الفريق المحتملة n!/(k!n/k �(n/k)!) لمجموعة من الأعضاء n. إذا أردنا تجميع فرق من الحجم الثالث من فصل مكون من 18 طالبًا، فهناك 190,590,400 مجموعة محتملة (18!/(3! 6’6!)). يتم تقييم هذه المجموعات في الوقت العامل (أي O(n!)). لذلك، لا يمكن تنفيذ هذه المهمة في وقت متعدد الحدود وتتطلب أساليب مختلفة لإيجاد الحلول بكفاءة.

تصف المراجعات الأدبية الحديثة [36، 37، 46] خوارزميات تشكيل الفريق وفقًا لثلاثة أبعاد رئيسية: (1) عدد الفرق الناتجة عن الخوارزمية، (2) سمات الأعضاء التي تعتبرها الخوارزمية، و (3) عدد الفرق من الوظائف الموضوعية التي تعتبرها الخوارزمية.

عدد الفرق

تقترح معظم الحلول العثور على أفضل فريق ممكن من مجموعة معينة من الأفراد. عادةً ما يعتبر نهج "الفريق الأفضل" مشكلة تشكيل الفريق بمثابة مشكلة مهمة، حيث يكون الهدف هو العثور على أفضل الأعضاء الذين يمكنهم تجميع الفريق.

تعتمد المساهمات الرئيسية في هذه الأدبيات على ابتكارات المنهجية. على سبيل المثال، العشماوي وآخرون. [47] بحث عن الفريق بأقل تكاليف الاتصال بين أعضاء الفريق باستخدام تطبيق خوارزمية تحسين سرب الجسيمات. بوميك وآخرون. [48] ​​طور خوارزمية تشكيل الفريق باستخدام تحسين الوظيفة الفرعية.

يجد هذا التنفيذ أفضل فريق من الخبراء مع قيود مخففة: "يجب" أن تتمتع الفرق ببعض المهارات بينما "ينبغي" أن تمتلك مهارات أخرى. وأخيرا، كين وآخرون. [49] استخدم خوارزمية تشكيل الفريق باستخدام إطار تعزيز التدرج للعثور على الحد الأدنى من الفريق الذي يضم خبراء يمكنهم العمل بفعالية معًا. يتمثل أحد قيود هذه الأساليب في أنها توفر فريقًا واحدًا "أفضل" فقط بدلاً من فرق متعددة تتضمن كافة الأعضاء من المجموعة المتوفرة.

لقد استكشفت بعض الدراسات مشكلة تعيين جميع الأفراد المتاحين في الفرق. أحد الأساليب هو تشكيل فرق متعددة من خلال الاستدلال التكراري. في هذه الحالة، يتم تجميع الفرق عن طريق استخراج k من أعضاء المجموعة وفقًا لوظيفة موضوعية حتى لا يتبقى أي أعضاء بدون فريق.

أحد الأمثلة هو أغراوال وآخرون. [50]، والتي اقترحت خوارزميات إرشادية لتعظيم المكاسب (أو تقليل التكلفة) المجمعة على جميع الفرق التي تم تجميعها من مجموعة من الأفراد المتاحين.

تقدم هذه الورقة خوارزميتين إرشاديتين متكررتين تعملان على تجميع الأعضاء "الأقوياء" مع الآخرين "الأضعف" منهم. ونتيجة لذلك، يتم توزيع الخبراء على عدة فرق. النهج الثاني هو صياغة مشكلة تشكيل الفريق باعتبارها مشكلة التقسيم. يتم تقسيم مجموعة من الأفراد إلى فرق باستخدام القياسات الإرشادية لجميع الفرق المجمعة.

تستخدم بعض التطبيقات خوارزميات تجميعية تهدف إلى العثور على أعضاء يتشاركون في خصائص مماثلة. بعض الأمثلة هي تطبيق نورجانا وآخرون [51] الذي يستخدم وسائل C-Fuzzy لتجميع الأفراد في فرق متجانسة [51]، وتنفيذ سربا وبيليكوفا [52] الذي يجمع الطلاب وفقًا لخصائص تعاونية محددة.

النهج الثالث هو إيجاد مجموعات فريق فعالة باستخدام الخوارزميات التطورية [53، 54]. باختصار، تبدأ الخوارزميات التطورية في تعيين جميع الأعضاء في فرق عشوائية ثم تقوم بتغيير عضوية الأفراد بشكل متكرر للعثور على مجموعات أفضل للفرق. بعد تقييم المجموعات باستخدام وظائف موضوعية محددة، تحتفظ الخوارزميات التطورية بأفضل مجموعات الفريق للعثور على مجموعات جديدة في التكرار التالي.

أحد الأمثلة على ذلك هو Agustı´n-Blas وآخرون. [53]، الذي طور خوارزمية جينية تنظم الأفراد في مجموعات وتبحث عن مجموعات الفريق التي تزيد من الموارد المطلوبة للمجموعات.

صفات الأعضاء

ويركز البعد الثاني على سمات الأعضاء التي تراعيها الخوارزمية. تهدف الخوارزميات إلى العثور على أعضاء يحققون أقصى قدر من سمات الفريق المحددة، مثل عدد الاتصالات الاجتماعية بين الأعضاء أو عدد المهارات التي يغطيها الفريق.

تحدد معظم الخوارزميات وجود المهارات (أو الخبرة) في الفريق كهدف رئيسي. ومن الأمثلة على هذا النهج خوارزمية زاكاريان وكوسياك [55]، التي تستخدم البرمجة الرياضية للعثور على الأعضاء الذين يساهمون بمهارة معينة في الفريق.

تقترح التطبيقات الحسابية الأخرى تعيين الأعضاء وفقًا لأدوارهم. هناك خوارزمية تعتمد على هذا النهج وهي Yannibelli et al. [56]، الذي طور منهجًا تطوريًا يجمع فرق الطلاب من خلال تعيين أعضاء لأدوار محددة.

علاوة على ذلك، يمكن أن تتضمن الخوارزميات الشبكات الاجتماعية للأعضاء عند تشكيل الفرق. لاباس وآخرون. [57] ابحث عن أفضل فريق يتمتع بأقل مسافة اجتماعية بين الأعضاء (أي بديل لتكاليف الاتصال).

تقترح هذه المقالة خوارزميتين تسمى "الأندر أولاً" و"شتاينر المحسن". نظرًا لمشكلة تجميع أفضل فريق بحجم k مع أعضاء لديهم المهارات اللازمة لحل مهمة T من شبكة اجتماعية G، تبحث الخوارزمية الأولى عن أصغر قطر رسم بياني ممكن بين أعضاء k الذين لديهم المهارات اللازمة لحل مهمة T. تبحث الخوارزمية الثانية لأصغر مجموعة فرعية من الحواف التي تربط أعضاء k بالمهارات اللازمة لحل T (أي الحد الأدنى من الشجرة الممتدة).

تهدف كلتا الخوارزميتين إلى العثور على أفضل فريق ممكن في ظل شبكة اجتماعية معينة. تأخذ التطبيقات الأخرى في الاعتبار تكلفة الموظفين، وتوافر الأعضاء، وتوازن عبء العمل بين الأعضاء كجزء من مشكلة تشكيل الفريق [58].

For more information:1950477648n@gmail.com