ارائه الگوریتم یادگیری تقویتی برای بهینهسازی تخصیص نیروی انسانی در واحدهای خدماتی شهرداری (مطالعه موردی شهرداری رامهرمز)
ارائه الگوریتم یادگیری تقویتی برای بهینهسازی تخصیص نیروی انسانی در واحدهای خدماتی شهرداری (مطالعه موردی شهرداری رامهرمز)
حسین مالکی1
1) کارشناسی مهندسی نرم افزار کامپیوتر، دانشگاه آزاد اسلامی واحد ماهشهر؛ کارشناسی ارشد جغرافیا و برنامه ریزی شهری گرایش محیط زیست شهری، دانشگاه پیام نور واحد اهواز ، ایران
کد IOI مقاله
:
ABEB-ACACDC
محل انتشار :
چهارمین کنفرانس بین المللی پیشرفت های اخیر در مهندسی، نوآوری و تکنولوژی - بلژیک(eitconf.com)
چکیده :
پژوهش حاضر با هدف ارائه الگوریتم یادگیری تقویتی برای بهینهسازی پویای تخصیص نیروی انسانی در واحدهای خدماتی شهرداری رامهرمز انجام گرفت. روش تحقیق، کاربردی با رویکرد ترکیبی کیفی و کمّی بود؛ در بخش کیفی، پانزده مصاحبه نیمهساختاریافته با خبرگان و مدیران واحدهای خدماتی انجام شد و شش مضمون اصلی از ۱۲۷ کد اولیه استخراج گردید؛ در بخش کمّی، مسئله بهصورت فرآیند تصمیمگیری مارکوف مدلسازی و الگوریتم بهینهسازی سیاست مجانبی با معماری بازیگر و نقد در محیط شبیهسازیی با شش واحد خدماتی و صد نیروی انسانی پیادهسازی شد. از مکانیسم ماسکگذاری اقدامات برای تضمین رعایت محدودیتهای عملیاتی استفاده گردید. یافتهها نشان دادند که الگوریتم یادگیری تقویتی نسبت به روش قاعدهمحور، کاهش ۵۰ درصدی در میانگین زمان انتظار خدمات (از ۲۲.۷ به ۱۱.۴ دقیقه)، افزایش ۱۲.۶ درصدی در درصد تقاضای برآوردهشده (از ۸۱.۶ به ۹۴.۲ درصد)، و کاهش ضریب تغییرات بار کاری از ۰.۳۴ به ۰.۱۷ را ایجاد کرد. این یافته همراستا با پژوهش لی (۲۰۲۴) است که نرخ تکمیل وظایف را به ۹۳.۶ درصد رساند؛ اما برعکس پژوهش کنترل ترافیک تقاطع، برتری یادگیری تقویتی بر روش ایستا در شرایط پایدار نمایان نشد و صرفاً در شرایط پویا و با تغییرات ناگهانی تقاضا مشاهده شد. محدودیت اصلی پژوهش، شبیهسازیبودن نتایج و تکعاملیبودن مدل است. برای پژوهشهای آتی، اجرای پایلوت عملیاتی، گسترش مدل به رویکرد چندعاملی، و افزودن معیارهای رضایت شهروندان و کارکنان پیشنهاد میشود. در نتیجه، یادگیری تقویتی بهعنوان ابزار کمکی هوشمند در چارچوب تصمیمگیری انسانی، میتواند بهرهوری منابع محدود شهرداریهای کوچک ایرانی را بهطور معناداری افزایش دهد و خدمات را بهبود بخشد.
کلمات کلیدی : نیروی انسانی یادگیری تقویتی شهرداری رامهرمز بهینهسازی پویا مدیریت منابع شهری