创新人才成长影响因素优化模型研究.pdf

2 0 13 年 第 15 期 s 。i 。 卸 d T 。 盏 程。 m 。 t R 。 。 m h d o i ： 1 0 3 9 6 9 j i s s n 1 0 0 07 6 9 5 2 0 1 3 1 5 0 3 5 创新人才成长影响因素优化模型研究 王 蓓 ( 浙江经贸职业技术学院，浙江杭州3 1 0 0 1 8 ) 摘要：对创新人才成长影响因素优化模型进行构建。该模型采用熵值法确定指标权重，并应用遗传算法进行优 化。当改变创新人才质量等级时，按照遗传优化算法步骤，可以利用该模型寻找到相应的创新人才质量等级 区 间的影响因素的最优组合。 关键词：创新人才成长；影响因素；优化模型 中图分类号 ：G 6 4 0 文献标识码 ：A 文章编号 ：1 0 0 0 7 6 9 5 ( 2 0 1 3 )l 5 0 1 5 6 0 5 Op t i mi z a t i o n M o d e l of t he I mpa c t Fa c t o r s o f Gr o wt h o f I nn o v at i v e Ta l e nt W ANG Be i ( Z h e j i a n g E c o n o m i c & T r a d e P o l y t e c h n i c ， Ha n g z h o u 3 1 0 0 1 8 ， C h i n a ) Ab s t r a c t ：Op t i mi z a t i o n mo d e l o f t h e i mp a c t f a c t o r s o f g r o wt h o f i n n o v a t i v e t a l e n t i s b u i l t T h i s mo d e l u s e s t h e e n t r o p y me t h o d t o d e t e r mi n e t h e i n d e x we i g h t ，a n d g e n e t i c a l g o r i t h ms i s a p p l i e d t o o p t i mi z e t h e mo d e 1 Wh e n t h e q u a l i t y g r a d e o f i n n o v a t i v e t a l e n t s a r e c h a n g e d，t h e mo d e l c a n b e u s e d t o fi n d t h e o p t i ma l c o mb i n a t i o n o f f a c t o r s a f f e c t i n g t h e q u a l i t y o f i n n o v a t i v e t a l e n t s w i t h c e r t a i n g r a d e r a n g e i n a c c o r d a n c e wi t h t h e g e n e t i c o p t i mi z a t i o n a l g o r i t h m s t e p s Ke y wo r d s ：g r o w t h o f i n n o v a t i v e t ale n t ；f a c t o r s ；o p t i mi z a t i o n mo d e l 创新人才作为创新活动 的主体 ，对其 的培养 已 经成为各国建设创新 型国家 的重要战略之一 。通过 分析影响创新人 才成长的各个 因素 的特性及构成 ， 可以发现这些影响因素并不是相互独立存在的，而 是相互影响并形成一个复杂且相对稳定的体 系 ( 隋 延力 ) J 。因此 ，在进行创新人才培养时，首先需要 理清创新人才的成长影响因素之间的相互影响关系， 并对它们进行优化 ，即找到影响因素之 间的最优组 合。由于创新人才成长的过程是一个难 以用经典解 析函数和理论描 述的复杂过程 ，因此 ，现有研究多 从单个影响因素方面进行分 析，如教育 和政策等方 面 ( 郭啸 ；党传 升；张维 和；刘 敏 ) ，缺乏对 多方 面影响因素的整合分析 J 。本文通过系统分析创 新人才成长的影响 因素，并基于遗传算法对创新人 才成长影响因素进行优化 ，不但丰富了创新人才培 养理论 ，而且拓展和提高 了创新人才培养研究 的视 野和高度。 1 创新人才成长影响因素优化模型构建 创新人才成长影响 因素作为 自变量 ，创新人才 质量作为因变量 ，目标方程如式 ( 1 )所示。 其中：F表示总分数 ，W 表示第 i 个指标 的权 重 ，s 表示第 i 个指标 的评价分数 ，i 表示考评指标 的序号。总分 越高，表 明创新人才质量越高。指标 权重反映各个 因素对创新人才成长质量 的影 响方 向 和程度 ，将影响因素 的评价分数及创新人才质量按 不同程度 划分为 五个水平 ，每个水平 分别 赋值 5 、 4 、 3 、2 、1 ，各代表极高、很高、较高、一般、较 差。如果指标等级介于两个相邻等级之 间，那么可 将评分调整为 4 5 、3 5 、2 5 、1 5 。模型 中 s 是影 响因素变量 ，而 W 为对应影响 因素权重。为 了对模 型的优化求解 过程进行举例说明，可以假定创新人 才质量处于中等水平 ，令 = 3 ， =3 8 ，即创新人 才质量介于 3与 3 8之间 ( 3 F 3 8 ) 。 2 创新人才成长影响因素优化模型中指标权重的确定 现有研究对创新人才成长影 响因素 的研究较多 收稿 日期 ：2 0 1 20 9一l 1 。修回 日期 ：2 0 1 21 20 7 基金项 目：全国供销合作总社课题 “ 模块化基础上的多维互动教学模式在高职教育 中的实践研究 思想道德修 养与法律基础 为例 ” ( G X1 1 0 2 ) ： = ， ， F F 王蓓 ：创新人才成长影响因素优化模型研究 1 5 7 ( 石定寰和柳卸林 ；郭广 生；V u r a 1 ) ，可 以总结 为 ： 家庭因素 ( 家庭教养方式 、家庭成员关 系、家庭文 化氛围) 、学校 因素 ( 学校心理 环境 、学校文 化环 境 、学 校 课 程 环 境 、师 生 交 往 环 境 ) 、社 会 因 素 ( 政策法 规环 境 、创 新 文化 氛 围、研究 开 发投 入 ) 以及个人因素 ( 个人创新意识 、个人创新精神 、个 人创新人格) j ，而创新人才质量可以通过创新思 维 、创新知识和创新能力这三个指标来评价 。在 求解创新人才成长影响 因素优化模型 时，首先需要 确定各影响因素指标的权重。由于熵值法属于客观 赋权法 ，比一般 的权重确定方法准确 ，同时可以采 用现有的软件进行计算 ，因此 ，可以采用熵值 法确 定各个影响因素的权重 。熵值法可以简单描述为 以下四个步骤 ： ( 1 )定义标准化。标准化公式为 = Y i y “ 其 中y 为经过无量纲化处理的第 个单位 的第 个指 标值 ， m为指标个数。 ( 2 )计算指标信息熵值 e 和信息效用值 d 。第 1 m 项指标的信息熵值为 e ， =一 I n ，信息效用 值 哆= 1 一 。 ( 3 )评价指标的权 重。信息效用值越大 ，则该 指标越重要 ，那 么对 评价的重要性就越大。最后 可 d 以得 到第 项 指标 的权 重 为 = ，n为样 本 个数 。 ( 4 )综合评价。采用公式 F= y 进行计算。 2 1 数 据 来 源 利用熵值法确定各个指标权重时需要收集实 际 数据输入熵值法。本研究主要采用 向杭州市经济开 发区中的高新技术企业、经济贸易型企业及互联网 企业等发放 问卷调查 收集数据方法 ，调查对象主要 是经济开发区中的高新技术企业、经济贸易型企业 及互联网中小企业等企业的中高层管理人员、专业 技术人才和高级技能人才；调研 时间为 2 0 1 1年 7月 至 2 0 1 2年 3月 ，共发放 问卷 5 1 2份 ，回收 2 4 2份 ， 回收率 4 7 3 ，其 中有效问卷 1 8 9份 ，回收有效率 为 7 8 1 。 2 2 评 价指 标体 系 创新人才质量涉 及到多方 面因素 ，主要包括家 庭 、学校 、社会 和个 人等方面的因素。参考现有研 究成果，并依据综合性、系统性、可操作性和动态 发展性等原则可以确定 指标体 系。第一类家庭 因素 下二级指标的调查项 目 A1 一A 9共 9个 ，具体包括 ： ( 1 )家庭教养方式 ( A 1 一A 3项) ：创新人才对家庭 温暖、信任和鼓励 的感受 ； ( 2 )家庭成员之 间的关 系 ( A 4 一A 6 项) ：创新人才对家庭成员间亲密感、 情感 表达 和独 立性 的感 受 ； ( 3 )家庭 文 化氛 围 ( A 7 一A 9项 ) ：创新 人才对家庭 文化知识 性 、娱乐 性和道德 观的感受( P e l l e t i e r ；B r a d l e y ) 。第二类学 校因素下二级指标的调查项 目B 1 一B l 2共 1 2个 ，具 体包括：( 1 )学校心理环境 ( B 1 一B 3 项) ：创新人 才在学校被支持 、接纳和欣赏的感受 ； ( 2 )学校文 化环境 ( B 4 一B 6项 ) ：学校允许提问、质疑和思考 的空间；( 3 )学校课程体 系 ( B 7 一B 9项 ) ：学校课 程的多样性 、灵活性和文化性 ； ( 4)学校师生交往 环境 ( B 1 0 一B l 2项 ) ：师生间思想交流 、理解 和沟 通的情况 ( B r a d f o r d ；葛明贵) 。第三类社会因素下 二级指标 的调查项 目 C 1 一c 7共 7个 ，具 体包 括 ： ( 1 )政策法规环境 ( c l c 3 ) ：政策 体系 、政策 的 执行力度和政府干涉影响 因素； ( 2 )创新文化氛 围 ( c 4 一c 5 ) ：创新文化环境 、创新失败的宽容 的影响 因素 ；( 3 )研究与开发投入 ( c 6 一c 7 ) ：研究投入 、 开发投入影响 因素 ( 方虹等 ) 。第 四类个人 因素下 二级 指标 的调查项 目 D l D 9共 9个 ，具 体包括 ： ( 1 )创新意识 ( D l D 3项) ：创新动机 、创新热情 和创新信念 ；( 2 )创新精神 ( D 4 一D 6项) ：开拓精 神 、冒险精神和牺牲精神；( 3 )创新人格 ( D 7 一D 9 项 ) ：使命感 、抗压性 和独立性 。该指标体系经过检 验表明具有较好的信效度。 2 3 指标权重计算结果 根据上述熵值法步骤 ，采用调研数据可以确定 各个指标的权重如表 1 所示 。 3 创新人才成长影响因素优化模型求解 可以用遗传算法对所建立的创 新人才成长影 响 因素优化模型进行求解 ，并利用 Ma t l a b 7 0软件实现 算法 ( 汪群 ，汪应洛 ；姚文俊) 卜 j 。 3 1 染 色体结 构 选用二进制编码方 式 ，每条染 色体代表一组评 价分数 ，即一条染色体代表一位创新人才 1 3个成长 影响因素的评价分数 ，按从左 到右 的顺序依次代表 家庭教养方式、家庭成员关系、家庭文化氛围、学 校心理环境 、学校文化环境 、学校课程体系 、师生 交往环境 、政策法规环境 、创新文化氛 围、研究开 发投入 、个人创新意识 、个人创新精神 、个人创新 人格评价分数。 ( 1 )编码，即将变 量转换成二进制。所采用 串 长度受精度 影 响，假设变 量 s ； 的 区间是 1 ，5 ， 而且要求精度是小数点后 4位 ，那么变量可分为 ( 5 1 ) 1 0 个部分。变量 的二进 制 串位数( 用 m 表示)能够通过式 ( 2 )得到： 2 _一 ( 51 ) 1 0 2 一1 ( 2 ) ( 2 )确 定 解 码 方 式。可 以 采用 式( 3)进 行 解码 ： 一1 f =1+ d e c i m a l( s u b s t r i n g i ) ( 3 ) 1 5 8 王蓓：创新人才成长影响因素优化模型研究 表 1 熵值法计算评价指标权重 家庭教养方式 o 0 9 0 2 6 家庭成员关系 o 0 8 6 5 4 指标 信息熵勺 效用值哆 权重 ( ) 指标 信息熵e j 效用值d J 权重 ( )w j A1 0 9 9 1 5 2 8 0 0 0 8 4 7 2 0 3 7 7 1 7 A 4 0 9 9 5 3 5 9 0 0 0 4 6 41 0 2 9 5 8 3 1 A 2 0 9 9 2 3 5 8 0 0 0 7 6 4 2 0 3 4 0 2 1 9 A 5 0 9 9 3 6 5 7 0 0 0 6 3 4 3 0 4 0 4 3 2 2 A 3 0 9 9 3 6 5 2 0 0 0 6 3 4 8 0 2 8 2 6 1 1 A 6 0 9 9 5 2 9 6 0 0 0 4 7 0 4 0 2 9 9 8 4 7 家庭文化氛围0 0 5 6 3 2 学校心理环境0 1 2 3 8 0 指 标 信息熵e j 效用值吩 权重 ( ) 指 标 信息熵勺 效用值 权重 ( ) A 7 0 9 9 4 2 6 8 0 0 0 5 7 3 2 0 2 8 9 6 5 6 B1 3 0 9 9 4 5 8 9 0 0 0 5 41 l 0 3 8 5 3 1 7 A8 0 9 9 2 2 5 9 0 0 0 7 7 4 1 0 3 9 1 1 7 7 口1 4 0 9 9 6 5 4 1 0 0 0 3 4 5 9 0 2 4 6 3 1 5 A 9 0 9 9 3 6 8 4 0 0 0 6 3 1 6 0 3 1 9 1 6 7 曰1 5 0 9 9 4 8 2 7 0 0 0 5 1 7 3 0 3 6 8 3 6 9 学校文化环境0 0 8 4 5 2 学校课程体系0 0 6 3 5 4 指标 信息熵e i 效用值 权重 ( ) 指标 信息 熵勺 效用值畸 权重 ( ) B1 6 0 9 9 2 8 5 7 0 0 0 7 1 4 3 0 4 5 0 0 9 5 B1 9 0 9 9 5 6 9 8 0 0 0 4 3 0 2 0 2 6 6 0 8 1 B1 7 0 9 9 7 5 8 9 0 0 0 2 4 1 1 0 1 5 1 9 2 2 B 2 0 0 9 9 3 9 4 8 0 o o 6 O 5 2 0 3 7 4 3 2 B 1 8 0 9 9 3 6 8 4 0 0 0 6 3 1 6 0 3 9 7 9 8 4 l 0 9 9 4 1 8 6 0 o o 5 8 1 4 0 3 5 9 5 9 9 师生交往环境0 0 6 3 5 4 政策法规环境0 0 7 2 3 5 指标 信 息熵勺 效用值哆 权重 ( ) 指标 信息 熵 效用值 权重 ( )w j 2 0 9 9 4 8 9 5 0 0 0 5 1 0 5 0 3 5 3 1 2 3 C 2 5 0 9 9 6 2 8 4 0 0 0 3 7 1 6 0 3 7 5 3 5 4 B 2 3 0 9 9 5 9 5 4 0 0 0 4 0 4 6 0 3 2 6 9 6 2 6 “2 6 0 9 9 7 4 5 8 0 o 0 2 5 4 2 0 2 5 6 7 6 8 B 2 4 0 9 9 3 9 5 4 0 0 0 6 0 4 6 0 3 1 9 9 1 5 6 “2 7 0 9 9 6 3 5 8 0 ( x 】 3 6 4 2 0 3 6 7 8 7 9 创新文化 氛围0 0 3 2 5 9 研究开发投入0 0 5 7 4 8 指标 信息熵 勺 指标 信息熵e j 指标 信息熵 效用值 权重 ( ) C 2 8 0 9 9 5 9 8 4 0 0 0 4 0 1 6 0 5 1 9 4 C 3 0 0 9 9 6 3 8 4 0 0 0 3 6 1 6 0 41 2 8 3 3 C 2 9 0 9 9 6 2 8 4 0 0 o 3 7 1 6 0 4 8 0 6 C3 1 0 9 9 4 8 5 7 0 0 0 5 1 4 3 0 5 8 7 1 6 7 个人创新意识0 0 8 7 4 2 个人创新精神0 0 9 1 6 3 指标 信息熵e j 效用值 d ， 权重 ( ) ， 指标 信息熵勺 效用值 权重 ( ) D3 2 0 9 9 5 2 9 7 0 0 0 4 7 0 3 0 3 7 3 4 6 1 D3 5 0 9 9 4 8 5 9 0 0 0 5 1 4 l 0 3 7 8 1 8 2 D3 3 0 9 9 6 2 6 8 0 0 0 3 7 3 2 0 2 9 6 3 5 5 ， J 3 6 0 9 9 5 3 2 9 0 0 0 4 6 7 l 0 3 4 3 6 0 7 D3 4 0 9 9 5 8 4 2 0 0 0 4 1 5 8 0 3 3 0 1 8 3 D3 7 0 9 9 6 2 1 8 0 0 0 3 7 8 2 0 2 7 8 2 l 1 个人创新人格0 0 8 3 5 9 指标 信息熵e ， 效用值 d 权重 ( )w j D3 8 0 9 9 6 3 5 9 0 0 0 3 6 41 0 2 5 4 4 9 1 D3 9 0 9 9 41 9 6 0 0 0 5 8 0 4 0 4 0 5 6 7 6 D 4 0 0 9 9 5 1 3 8 0 0 O 4 8 6 2 0 3 3 9 8 3 4 式 ( 3 ) 中 d e c i m a l( s u b s t r i n g )表示变量 的 十进位值。 如果要求的精度为小数点后 4位 ，那 么 目标 函 数变量 s 可转化为下面的串，如式 ( 4 )所示 ： f 5 一】11 0 0 0 0 =40 0 0 0 1 1 4 0 0 0 0 2 1 2 ml =1 2 ( 4 ) 由此得到 1 31 2位染色体串，如图 1所示 ，所 对应变量 s 。 和 s ， 的实值如表 2所示 。 1 2 一 1 2 f 图 1 染色体二进制串 表 2 染色体二进制与十进制比较 3 21 -2 29 0 4 铲1+3 8 3 8 ： 4 7 4 9 0 3 2 初 始种群 的设 定 通过以上步骤可以得到规模为 的初始种群 ， 而种群中个体基因位 的值可以通过 0 ，1 随机产 生 。如果令 = 4 ，则 能够随机生成对应的十进制 实际值为以下各值的初始种群： U 1 5 1 ， ， s 1 3 = 1 0 8 2 1 ， 3 4 6 0 6 ， 2 8 6 6 7 ， 1 98 46，3 4 4 9 4，2 8 0 51， 1 4 7 28，2 6 7 99，2 28 0 6， 3 2 4 1 8 ， 3 3 0 5 2 ， 1 9 0 1 6， 1 7 0 7 2 s l ， s l 3 = 1 9 2 0 1 ， 3 3 9 8 0， 1 3 0 4 8 ， 4 28 01，2 2 6 5 0，2 8 0 71，3 08 25，2 2 7 67，4 8 2 71， 2 3 5 3 8 ， 4 8 8 6 7 ， 3 5 6 0 2 ， 4 2 0 0 0 s 1 ， s I 3 = 3 7 0 0 7 ， 4 3 7 6 1 ， 3 5 3 l 6 ， 2 461 1，2 6 5 9 0，4 7 2 09，1 5 5 51，3 5 01 0，3 1 0 4 0， 1 0 8 3 1 ， 4 8 7 4 0， 3 0 3 8 9， 1 1 6 2 4 s 1 ， s 1 3 = 1 0 1 9 1 ， 2 3 0 8 7 ， 4 5 8 6 0， 3 2 3 9 6，2 7 0 61，2 76 47，1 1 3 9 6，41 2 4 4，2 3 7 9 4， 1 5 8 4 1 ， 2 5 9 2 0 ， 3 4 2 2 8 ， 1 4 3 4 2 由以上随机生成 的染色体可 以看 出，初始种群 王蓓 ：创新人才成长影响因素优化模型研究 1 5 9 所选定的四位创新人才的 1 3个成长影响因素的评价 分数分别由 f 、 、 、 代表，在每个指标上的 评价分数如上式所示 。 3 3 适应度的计算 染 色体 串 的适 应度 的计 算一般 包 括 以下三 个 步骤 ： ( 1 )对染色体串进行反编码转换成真实值 ： s = ( s 1 ，s 2 ，s 1 3 ) ， =1 ，2， ( 5 ) ( 2 )计算评价 目标函数 F ( S ) 。 ( 3 )将 目标 函数值转为适应度。如果取到极大 值 ，则适应度便等于 目标 函数值 ，即： e v a l ( U k； ：= 3F 一(sFk)( - 3eval U k ) 。 K = l ，2 ， (6 ) ( ) = 3 一 F (s ) 0 遗传算法 中的评价 函数相当于环境的角色，上 述染色体的适应度值可以表示为 ： e v a l ( U 1 )= F( U 1 )一 3 8： 0 2 4 6 1 23 8= 一1 3 3 8 8 e v a l ( U 2 )= F( ) 一3 8 =2 7 1 6 1 3 8： 一1 0 8 3 9 e v a l ( )= F( U 3 ) 一3 8= 3 0 7 5 7 3 8= 一 0 7 2 4 1 e v a l ( u 4 ) =，( u 4 )一3 8 =2 5 6 3 5 3 8= 一1 2 3 6 5 由上述数据可知 ，染色体 中最健壮 的是 ，最 虚弱的是 。由于适应值为负值 ，因此可以选取离 最小 值 最 近 的值 1 5对 其 进 行 修 正 ，即 分 别 为 0 1 61 2、0 41 61、0 7 75 9、0 2 6 3 5。 3 4遗传操 作 设计遗传算子和确定遗传算法的运行参数。 ( 1 )使用轮盘设计遗传算子为基础 的概率分配 对新种群进行选择 ，主要包括 ： 1 )计算各染色体 的适应度值 e v a l( ) ： e v a l( U ) =F ( S ) 一3 8 ，k=1 ，2 2 )计算种群 的适应度值总 和：F= r - e v a l ( ) 3 )计算对应于每个染色体 的选择概率 ： 4 )计算每个染色体 的累积概率 Q ：P = P ，j =1 ，2 选择新种群的一个染色体按 以下步骤完成 ： 1 )生成一个 0 ，1 间的随机数 r 。 2 )如果 r Q ，则选择染色体 U ；否则选择第 k 个染色体 ( 2 p o p s i z e )使得 q r Q 。 那么种群的适应度总和可以表示为 ：F=e v a l ( ) = 1 6 1 6 7 对应于每个染色体 U k( k：1 ，2 ，1 0 )的 选择 概率 P 为 ：P =0 0 9 9 7 ，P =0 2 5 7 4 ，P = 0 4 79 9， P =0 1 63 0 对应于每个 染色体 U k( ：1 ，2 ，1 0)的 累计概 率 Q 为 ：Q 。=0 0 9 9 7 ，Q =0 3 5 7 1 ，Q = 0 8 3 7 0 ，Q =1 通过对轮盘进行转动 1 0次能够对每个新种群中 的染 色 体 进行 选 择。假设 可生 产 随机 数 0 3 0 1 4 、 0 3 221、0 76 6 5、0 8 81 9 。 第一个随机数 r = 0 3 0 1 4大于 Q 、小于 Q ： ，则 选择染色体 U 2 ；第二个 随机数 r ：=0 3 2 2 1也 大于 Q 、小于 Q ，则再次染色体 。最终得到新种群 ： U l = 1 9 6 5 4， 3 4 1 2 9 ， 1 4 2 5 9 ， 4 3 2 6 8 ， 2 2 7 5 8 ， 2 2 5 8 4，3 2 6 8 4，2 4 8 2 3，4 3 6 9 4，2 29 8 7，4 9 0 2 9， 3 3 6 8 4 4 5 6 9 4 U 2 = 1 9 7 4 9， 3 4 2 8 5 ， 1 2 6 8 4 ， 4 3 8 4 1 ， 2 4 8 5 2 ， 2 6 2 58，3 3 8 41，2 3 2 9 8，4 7 41 2，2 2 68 4，4 4 8 5 7， 3 3 9 5 7 4 4 9 6 8 U 3 = 3 7 4 5 2 ， 4 2 3 8 4， 3 4 4 2 9 ， 2 5 1 7 4， 2 3 9 4 0 ， 4 69 51，1 2 95 8，3 2 98 4，3 2 2 9 5，1 2 6 98，4 1 8 7 4， 3 1 2 9 8 ， 1 2 9 8 4 u 4= 1 3 3 2 9 ， 2 4 1 2 8 ， 4 4 2 6 9 ， 3 3 6 8 4 ， 2 2 9 7 1 ， 2 63 5 2，1 2 98 4，4 63 5 4，2 48 51，1 6 3 8 4，2 6 3 9 5， 3 5 5 4 8 ， 1 3 5 8 1 ( 2 )交叉运算使用单点交叉算子。随机选择一 个染色体串的节点 ，然后对 两个父辈节点右端部分 进行交换产生子辈。假设交叉概率为 P o=2 5 ，交 叉 后 产 生 的 随机 数 为 ：0 6 2 5 7 、0 0 6 6 8 、0 2 8 8 6 、 0 1 9 5 1 ，则染色体 和 被选 中作为交叉 的父辈 。 可以随机选择一个 1 ，2 0 3 间的整数 ( 因为 2 0 4 是整个染色体 串的长度 )作为交叉点。假设生成 的 整数p o s 为 1 ，那么两个染色体从第一位分割，新的 子辈由第一位右端的部分互换而生成。 ( 3 )变异运算使用基本位变异算子。设定变异 概率为P = 0 0 1 ，由于共有 1 3 1 2 1 0= 1 6 8 0个基 因，因此每代中存在 1 6 8个变异基因，每个基因变 异概率相等。最终需要生成位于 0 ，1 间的随机 数系列 ( K=1 ，2 ，1 6 8 0 ) ，变异完成后能够 生成最终下一代种群。至此，完成遗传算法第一代 流程。 随着遗传过程 的进行 ，种群 中适应 度较低 的一 些个体会被逐渐淘汰，而适应度高的个体会越来越 多 ，并且更加集 中在 U附近，最终就 可搜索到最 优点 f ： U= 2 2 6 7 4 ， 4 0 6 8 4 ， 2 ， 4 7 2 1 ， 2 1 7 5 3 ， 2 9 4 0 2 ， 3 3 25 8，3 3 9 2 9，3 68 23，3 78 0 6，2 61 0 7，3 0 6 46， 3 7 1 9 3 ， 3 9 7 2 1 由以上分析可知 ，当创 新人才质量等级介 于 3 和 3 8之间时，创新人才成长影 响因素 中家庭教养 方式 、家庭成员关 系、家庭文化氛 围、学校心理环 境 、学校文化环境 、学校课程体系 、师生交往环境 、 政策法规环境 、创新文化氛围 、研究开发投入 、个 人创新意识 、个人创新精神 、个人创新人格的评价 分 数 分 别 为 ：2 2 6 7 4、4 0 6 8 4 、2 4 7 2 1 、2 1 7 5 3 、 1 6 0 王蓓 ：创新人才成长影响因素优化模型研究 2 9 40 2 3 3 2 5 8 3 3 9 2 9 3 68 23 3 7 8 0 6、 2 6 1 0 7 、3 0 6 4 6 、3 7 1 9 3 、3 9 7 2 1时，即为寻找 的 最优个体 ，由评价分数的大小可 以判断 出各个影响 因素的重要程度。 4结论 对创新人才成长影响 因素的优化 问题进行 了研 究 ，构建了创新人才成 长影 响因素 的优化模 型，并 举例将创新人才质量等级设定为中等程度，即介于 3 和3 8之间时分析了各个影响因素的最优组合，按 照重要程度从大到小的顺利排列依次为 ：家庭成员 关系 、个人创新人格 、创新文化氛 围、个人创新精 神 、师生交往环境 、政策法规环境 、学校课程体系 、 个人创新意识 、学校文化环境 、研究开发投入 、家 庭文化氛围、家庭教养方式和学校心理环境。 通过对创新人才成长影响因素的优化研究 ，可 以为培养创新人才政策的制定提供一定的理论依据 ， 但是 ，关于创新人才质量等级的设定方 面，由于需 要依据既定的相关 目标和 已有的条件进行确定 ，因 此 ，还未能够确定一套标准