تدوین استراتژی انتخاب پرسنل با استفاده از ترکیب بهینه سازی چند هدفه و شبکه های عصبی از نوع GMDH

عدم قطعیت موجود در ماهیت منابع انسانی و عقلانیت محدود همواره پیش بینی عملکرد شغلی متقاضیان و در نتیجه انتخاب نیروی انسانی را دشوار می سازد در نتیجه پیش بینی عملکرد و ارائه استراتژی هایی که به دور از قضاوت های ذهنی، بتواند به انتخاب هدفمند کارکنان کمک نماید در این حوزه بسیار حائز اهمیت است در این راستا هدف پژوهش حاضر بهره گیری از هوش مصنوعی و الگوریتم های بهینه سازی پیشرفته برای مدل سازی عملکرد شغلی پرسنل بر اساس کارکنان فعلی می باشد به دلیل ماهیت مشاغل مورد بررسی از ابعاد هوش هیجانی و متغیرهای فردی به عنوان ووردی استفاده گردیده است در نهایت با ترکیب الگوریتم ژنتیک جهت بهینه سازی چند هدفه شبکه های عصبی از نوع GMDH مدل حاکم بر عملکرد استخراج می شود که قادر است با وجود پیچیدگی و رفتار در حوزه منابع انسانی عملکرد پرسنل را با حداقل خطای پیش بینی و آموزش پیش بینی نماید. ضریب همبستگی 0.995 و RMSE برابر 0.06 بیانگر دقت بسیار بالای مدل و حداکثر انطباق پذیری عملکرد شغلی پیش بینی شده با عملکرد واقعی است بنابراین با اعتماد به نتایج حاصل و شناسایی ورودی های تاثیر گذار بر عملکرد آتی متقاضیان می توان استراتژی های انتخاب مناسب ترین نیروی انسانی برای وظیفه مورد نظر را ارائه نمود.

کلیدواژه ها:

استراتژی انتخاب نیروی انسانی ، پیش بینی عملکرد ، مدل سازی ، شبکه عصبی از نوع GMDH الگوریتم ژنتیک