Нечеткий метаэвристический метод распределения сотрудников по задачам проекта

Д. Д. Ярцев, М. Ю. Воротилова, С. В. Мордвин

---

Аннотация. Планирование реализации проекта играет ключевую роль в проектном управлении, особенно в условиях стремительного усложнения современных проектов и ограниченности ресурсов.

Цель исследования – разработка метода оптимального распределения сотрудников по задачам проекта, минимизирующего перегрузку персонала и обеспечивающего соблюдение временных и бюджетных ограничений.

Материалы и методы. Для решения задачи предложен гибридный метод, объединяющий алгоритм Worm Optimization, моделирующий поведение червей Caenorhabditis elegans в процессе поиска пищи, и нечеткий метод кластеризации FCM, применяемый для сужения пространства возможных решений. В работе для реализации предложенного метода использовались библиотеки NetworkX, Scikit-Fuzzy, Matplotlib и Plotly языка Python. Для снижения размерности пространства поиска применена нечеткая кластеризация FCM, которая позволила выделить кластер решений, характеризующий наиболее подходящих сотрудников с точки зрения командных характеристик.

Результаты. В рамках исследования был реализован программный инструмент на языке Python, который позволяет в автоматизированном режиме распределять задачи между исполнителями. Также был проведен вычислительный эксперимент для оценки эффективности предложенного метода и сравнения результатов его работы с популярным биоинспирированным алгоритмом Ant Colony Optimization, характеризующимся схожими моделями поведения агентов в процессе поиска решений.

Выводы. Результаты валидации показали преимущество гибридного метода по сравнению с базовым алгоритмом Worm Optimization и алгоритмом Ant Colony Optimization, о чем свидетельствуют более низкие значения целевой функции и сокращение перегрузок сотрудников, подтверждающие эффективность применения метода в задачах распределения исполнителей по задачам проекта.

Ключевые слова: управление персоналом, условная многокритериальная оптимизация, метаэвристики, алгоритм оптимизации «червя», нечеткая кластеризация

Для цитирования. Ярцев Д. Д., Воротилова М. Ю., Мордвин С. В. Нечеткий метаэвристический метод распределения сотрудников по задачам проекта // Известия Кабардино-Балкарского научного центра РАН. Т. 28. № 1. С. 175–187. DOI: 10.35330/1991-6639-2026-28-1-175-187

©   Ярцев Д. Д., Воротилова М. Ю., Мордвин С. В., 2026

Список литературы

1. Рубин Ю. Б. Менеджмент участия в конкуренции как направление научных исследований // Современная конкуренция. 2024. Т. 18. № 1(97). С. 69–91. DOI: 10.37791/2687-0657-2024-18-1-69-91
2. Дли М. И., Стоянова О. В., Белозерский А. Ю. Модель оценки траекторий для управления проектами в сфере наукоемкой промышленной продукции // Прикладная информатика. Т. 10. № 6(60). С. 105–117.
3. Комарова Л. А., Черемухин А. Д. Повышение эффективности методов подбора персонала на основе глубоких нейронных сетей // Прикладная информатика. 2024. Т. 19. № 2(110). С. 10–22. DOI: 10.37791/2687-0649-2024-19-2-10-22
4. Булыгина О. В., Ярцев Д. Д., Кулясов Н. С. и др. Нечеткий биоинспирированный метод формирования набора кандидатов на линейные должности // Прикладная информатика. Т. 20. № 2(116). С. 4–23. DOI 10.37791/2687-0649-2025-20-2-4-23
5. Калинин А. Р., Зуева Н. А. Создание и применение графовых моделей к задачам найма сотрудников // Прикладная информатика. 2025. Т. 20. № 3(117). С. 43–65. DOI: 10.37791/2687-0649-2025-20-3-43-65
6. Глазкова А. С., Тутов С. В., Рожков В. В. Формирование конкурентоспособного кадрового потенциала химических предприятий с использованием многоэтапного механизма целевого обучения в вузах // Современная конкуренция. 2025. Т. 19. № 1(103). С. 38–51. DOI: 10.37791/2687-0657-2025-19-1-38-51
7. Епихин А. И. Оптимизация параметров рабочего процесса судовых двигателей на основе метода многокритериальной оптимизации // Морские интеллектуальные технологии. № 4-1. С. 53–57. DOI: 10.37220/MIT.2023.62A.006
8. Jayan C.Ya., Malykhnia G.F. Multi-criterion optimization of control process based on DPCA and ANN // Systems analysis in design and management. 2024. С. 7–14. DOI: 10.18720/SPBPU/2/id24-492
9. Еремина И. И. Математическая модель решения оптимизационной задачи распределения производственных и трудовых ресурсов предприятия // X Международная научно-практическая конференция «ЭТАП-2023»: материалы конференции. Набережные Челны: КФУ, 2024. С. 608–621.
10. Böðvarsdóttir E.B., Stidsen T. A review of multi-objective optimization methods for personnel rostering problems // Journal of Scheduling. 2025. DOI: 10.1007/s10951-025-00845-0
11. Rodríguez-Ballesteros S., Alcaraz J., Anton-Sanchez L. Metaheuristics for the bi-objective resource-constrained project scheduling problem with time-dependent resource costs: An experimental comparison // Computers & Operations Research. 2024. C. 163. DOI: 10.1016/j.cor.2023.106489
12. Yang J., Qiu A., Yang Zh. Fuzzy clustering method with approximate orthogonal regularization // Applied Soft Computing. 2023. Vol. 147. Pp. 110829. DOI: 10.1016/j.asoc.2023.110829
13. Nesamalar K. E., Satheeshkumar J., Amudha T. Efficient DNA-ligand interaction framework using fuzzy C-means clustering based glowworm swarm optimization (FCMGSO) method // Journal of Biomolecular Structure and Dynamics. 2023. Vol. 41. № 13. Pp. 6249–6261. DOI: 10.1080/07391102.2022.2105958
14. Arnaout J-P. A worm optimization algorithm to minimize the makespan on unrelated parallel machines with sequence-dependent setup times // Annals of Operations Research. 2020. vol. 285. Pp. 273–293. DOI 10.1007/s10479-019-03138-w
15. Дли М. И., Пучков А. Ю., Максимкин М. В. Программная модель интеллектуальной системы управления сложными процессами переработки мелкорудного сырья // Прикладная информатика. 2024. Т. 19. № 6(114). С. 96–112. DOI: 10.37791/2687-0649-2024-19-6-96-112
16. Галимуллин Н. Р. Python: использование Python для автоматизации повседневных задач // Экономика и управление: проблемы, решения. 2024. Т. 9. № 9(150). С. 69–76. DOI: 10.36871/ek.up.p.r.2024.09.09.010
17. Dorigo M., Birattari M., Stützle T. Ant Colony Optimization // Computational Intelligence Magazine. 2006. Vol. 1. Pp. 28–39.

Информация об авторах

Ярцев Денис Дмитриевич, аспирант, Росинформагротех;
141261, Россия, Московская область, Пушкинский г.о., р.п. Правдинский, Лесная улица, 60;
Yarcevdd@me.com, ORCID: https://orcid.org/0009-0009-0760-4783
Воротилова Маргарита Юрьевна, аспирант, филиал Национального исследовательского университета «МЭИ» в г. Смоленске;
214013, Россия, г. Смоленск, Энергетический проезд, 1;
rita.vorotilova@mail.ru, ORCID: https://orcid.org/0009-0001-4646-3540, SPIN-код: 6572-7685
Мордвин Сергей Валерьевич, ассистент кафедры, филиал Национального исследовательского университета «МЭИ» в г. Смоленске;
214013, Россия, г. Смоленск, Энергетический проезд, 1;
mors@1eska.ru, ORCID: https://orcid.org/0009-0005-8121-0716

Финансирование

Исследование проведено без спонсорской поддержки.