规章制度任务分配

2024-07-17

规章制度任务分配（精选7篇）

1.规章制度任务分配篇一

关键词：油料保障,任务分配,模型研究

油料保障任务分配, 是在油料保障任务与油料保障力量间进行的指定匹配, 以将某项油料保障任务赋予某油料保障力量的任务分配方式, 以确保集中油料保障力量完成重大、紧迫和关键的油料保障任务, 满足重要作战部队和重点方向的优先油料保障需求, 同时又兼顾其他作战部队和作战方向的油料保障需要。油料保障任务分配是油料保障力量部署的核心内容和油料保障指挥决策的重要环节, 主要依托一体化平台, 由本级油料部门组织实施。油料保障任务列表及力量列表应根据作战和行动情况动态调整, 任务匹配也应随之动态变化, 可将某项油料保障任务赋予某个或某几个油料保障力量, 也可为某个油料保障力量赋予几项任务, 具体根据油料保障任务的轻重和油料保障能力的大小而定 (如图1所示) 。

1. 常规型油料保障任务分配

根据常规油料保障任务特点和保障要求, 油料保障力量的运用在指挥决策上具有如下特点:

(1) 油料保障与作战行动同步进行, 油料保障需求稳定, 油料保障模式固定;

(2) 每个油料保障力量承担某一项油料保障子任务;

(3) 各项油料保障子任务重要性一致, 不存在此轻彼重的问题。

对于常规型油料保障任务分配问题可以这样具体来描述:油料保障任务列表有m项油料任务需要n个油料保障力量分别去完成, 但由于各项任务油料保障数量、环境影响程度以及各油料保障力量保障能力的不同, 各油料保障部 (分) 队完成不同任务的效能就有差别。因而, 常规型油料保障任务分配问题被转化为如何合理分配油料保障任务以使整体保障效能最大, 如表1所示。

建立整体保障效能最大化问题, 其数学模型为

式中:i——油料保障部 (分) 队;

j——常规油料保障任务;

xij——油料保障部 (分) 队i完成第j项任务时的保障效能。

显然, 常规油料保障力量分配问题, 是“0—1”型整数规划的一种情形。解决此类问题可以用穷举法或隐枚举法或分枝定界法, 但根据常规指派问题的特点用匈牙利算法更为简单。

2. 重点型油料保障任务分配

根据重点方向油料保障任务特点和保障要求, 油料保障力量的运用在指挥决策上具有如下特点:

(1) 油料保障与作战行动同步进行, 油料保障需求稳定, 油料保障模式固定;

(2) 每个油料保障部 (分) 队只承担一项油料保障任务;

(3) 面向不同保障对象、保障方向的油料任务重要性不等。

重点型油料保障任务分配与常规型油料保障任务分配相似, 所不同的是, 各油料保障部 (分) 队担负油料保障任务的重要性各不相同。在重点型油料保障任务分配模式下, 应优先保障重点方向或重点部队, 确保在这些方向上能有效完成油料保障任务, 即具备更高的保障效能。“好钢用在刀刃上”就是这个道理。

重点型油料保障任务重要性的确定, 可以采用层次分析

类似于常规型油料保障任务分配模型, 先引入0—1变量型令

建立整体保障效能最大化问题, 引入不同任务的重要性权重, 建立以下模型

显然, 其解法与前述类似。

3. 应急型油料保障任务分配

根据应急型油料保障任务特点和保障要求, 油料保障力量的运用在指挥决策上具有如下特点:

(1) 一定的作战和行动方向上, 油料保障任务的出现具有一定的随机性;

(2) 油料保障任务具有特定的类型;

(3) 针对任务的不同类型, 不同油料保障部 (分) 队完成的效能不同。

应急型油料保障任务时间紧, 任务重, 专业性强, 对油料保障力量保障效能提出较高要求。为提高应急油料保障效能, 应针对任务特点, 结合不同油料保障部 (分) 队油料保障的优势, 各尽所长, 提高作战和行动方向上的整体保障效能。

根据前述应急油料保障任务特点, 主要有以下三种情况:

θ1:突发型, 特点是时间紧, 即突然发生的油料保障需求, 主要针对一些非战争军事行动, 如抗击冰冻雨雪灾害、抗震救灾等, 前、后送道路或桥梁被遭破坏, 短期内难以修复, 又无近便道可以绕行, 车辆运输油料难以保证安全时, 实施空投油料保障;

θ2:支援型, 特点是任务重, 自身配属油料保障力量无法完成, 需上级加强或友邻支援;

θ3:专业型, 特点是专业性强, 需要专门的油料保障部 (分) 队或保障模块来承担。如在主要前送道路较少, 车辆运输拥挤的情况下, 为了减少道路运输的压力, 运用管线力量铺设管线穿越“瓶颈”地带;在机场油料保障设施遭敌袭击破坏短期难以恢复供油时, 运用机场油料保障队等应急油料保障力量实施保障。

在特定作战方向上, 三种类型输油保障任务的出现具有一定的概率, 可在战前由经验丰富的指挥员判断确定, 分别记为p (θ1) , p (θ2) 和p (θ3) , 如表3所示。

3.1 期望值法

期望值法是应用概率论中计算离散随机变量数学期望的方法, 分别计算每个油料保障部 (分) 队完成应急油料保障任务保障效能的期望值, 然后根据期望值的大小选择相应的保障单位。

以表4为例, 管线部队ai完成某方向应急油料保障任务保障效能值可按下式计算

则上式可以表示为如下的矩阵形式

maxE (A) 所对应的保障部 (分) 队即为最佳匹配方案。

根据表4不同油料保障部 (分) 队保障效能情况, 采用期望值法得

因E (a 3) >E (a1) >E (a2) , 所以当前油料保障任务由丙来承担较为合适。

3.2 最大可能法

最大可能法也称冒险法, 它是选择一个当前保障任务可能出现概率最大的应急油料保障类型, 取该类型的最大保障效能进行决策。

对于表4, 概率最大的应急油料保障任务类型为θ2, 按确定型决策类型, 可知由乙完成该应急油料保障任务为佳。

参考文献

[1]张最良, 李长生等.军事运筹学[M].北京:军事科学出版社, 2005:352~357.

2.自动化码头ALV实时任务分配篇二

摘要：

为弥补自动化集装箱码头自动装载车（Automated Lifting Vehicle， ALV）先到先服务（First Come First Service， FCFS）分配方式的缺陷，提出基于触发事件的ALV作业任务实时分配方式.设置一组触发事件触发ALV实时分配，以ALV到达任务作业点估计时间最短为目标，建立ALV实时分配模型，选用A*算法对该模型进行求解.通过与贪婪算法的对比，验证A*算法的优越性.对用A*算法求解大型集装箱码头ALV实时分配问题的求解速度和稳定性进行实验测试，结果验证了选用A*算法的可行性.

关键词：

自动化集装箱码头； ALV实时分配； A*算法；触发事件

中图分类号： U691.31； U656.135

0 引言

随着集装箱码头整体效率的不断提高，码头水平运输车辆的任务分配问题也成为一个非常重要的问题.解决好车辆任务分配问题，可以使车辆更好地服务于其他设备，提高其他设备的作业效率.然而，随着码头向大型化和自动化方向发展，现有的先到先服务（First Come First Service， FCFS）车辆任务分配方式已经很难满足码头的作业需求，急需提出一种更加高效合理的分配方式来解决水平运输车辆的任务分配问题.[1]

国内外学者对集装箱码头的水平运输车辆任务分配问题已经进行了许多研究.NGUYEN等[2]为自动化集装箱码头的自动装载车（Automated Lifting Vehicle， ALV）分配问题建立混合整数规划模型.ANGELOUDIS等[3]根据不准确的码头作业信息，提出在成本/收益下的车辆分配模型和求解的算法.LEE等[4]考虑起重机的作业时间，建立根据多台岸桥的作业任务顺序分配车辆的混合整数规划模型，应用启发式算法进行求解.RASHIDI等[5]将自动导引车（Automated Guided Vehicle， AGV）的分配问题转化为一个最小成本流问题模型，应用改进的网络单纯形法求解.CAI等[6]研究跨运车的作业时序安排问题，利用装卸和搬运的时间窗解决这个问题，并用分支定界法求解.轩华[7]利用FCFS规则进行水平运输车辆和任务的分配，建立数学模型并用启发式算法进行求解.SONG等[8]针对AGV分配问题提出混合元启发式方法，并与贪婪算法进行仿真实验对比.ICHOUA等[9]针对车辆分配问题提出基于先进先出的按时间的行驶速度模型，通过与固定行驶时间的实验结果的对比，发现按时间的车辆分配方式明显优于固定行驶时间的车辆分配方式.GUJJULA等[10]总结几个AGV分配问题常用的目标，包括岸桥等待时间最短、AGV行驶时间最短、完成作业的时间最短等，也总结了几种常用的AGV分配方式，包括最短的行驶时间、使用车辆的数量最少、先到先服务方式等.LIU等[11]总结了3种AGV分配规则，即最大行驶距离、最小行驶距离和随机规则，并分别对其进行仿真.

然而，上述研究都很难解决大型自动化码头中难以估计车辆的实际行驶时间的问题.在交通布局呈现复杂网络结构的码头，由于运输车辆数量多，交通堵塞经常发生，对车辆的实际行驶时间估计的不准确会严重影响车辆任务分配方案的选择.

1 问题描述

1.1 目前ALV任务分配方式

ALV可以在没有其他设备辅助的情况下，自己提起和放下集装箱.ALV任务分配问题就是在码头作业时为需要作业的任务分配可用的ALV.

目前，码头ALV任务分配主要采用FCFS分配方式，每一个新产生的集装箱运输任务都会被分配一辆空闲的ALV，这辆ALV是在分配时最适合去执行这个运输任务的车.应用FCFS分配方式，在为任务分配了ALV后，即使有更合适的ALV可以选择，也不能作出改变.因此，这样的分配方式虽然操作简单，但不能实时保证水平运输车辆的任务分配方案处于最优状态.在ALV运输时间不确定的大型自动化码头，FCFS分配方式会导致ALV的作业效率大大降低，影响其他设备的作业，因此需要设计一个更加高效的水平运输车辆分配方式.

1.2 ALV实时分配方式

ALV实时分配是在作业过程中的某些条件下进行一次ALV的任务分配，当作业的条件发生变化时对ALV的作业任务进行重新分配.把这些条件作为一组触发事件，每次分配看作一次实时分配，建立一个实时分配模型.一组触发事件和一个实时分配模型组成一个完整的ALV实时分配方式.

由于大型集装箱码头ALV的作业过程中会经常出现过去的最佳ALV分配方案后来不再是最佳分配方案的情况，所以要考虑在某些情况

（岸桥（Quay Crane，QC）或者场桥（Yard Crane，YC）准备吊起下一个集装箱；ALV完成上一个运输任务；已经分配任务的ALV遇到交通拥堵等）下对ALV的任务重新进行分配，尽量使ALV的任务分配方案保持最优.

对上述各种作业条件进行归纳总结，设置一组触发事件.每次触发事件发生时，都需要进行一次实时分配.实时分配是对当时所有的任务和空闲ALV进行分配，分配的目标是使总的ALV到达作业地点的估计时间最短.

2 模型建立

2.1 ALV实时分配模型

由于集装箱码头其他作业的ALV实时分配方式与装卸船作业基本相同，所以本文构建模型时，只以装船和卸船作业为例.根据船的作业量给船配备适当数量的QC和ALV，分配给同一艘船的所有QC共享分配给这艘船的ALV，分配给这艘船的ALV也只服务于为这艘船作业的QC.

2.1.1 模型假设

一辆ALV最多只能运输一个集装箱；

分配给QC的ALV数量足够，不会出现等待运输的集装箱数量大于闲置ALV数量的情况；只预先分配一辆ALV给正在作业的QC.

2.1.2 参数定义

C为起重机即将进行作业的集装箱集合，如装船时YC即将进行作业的集装箱和卸船时QC即将进行作业的集装箱的集合；

c为集合C的元素总数量；Q为正在对同一艘船进行作业的QC的集合.在分配ALV时会考虑将部分空闲的ALV分配给正在作业的QC，这些空闲ALV任务的优先级低于C中任务的优先级.q为集合Q的元素总数量；d为在实时分配时需要考虑的ALV任务数量，包括集装箱运输任务数量和正在作业的QC的数量，d=c+q.将任务d分成两部分是因为两部分的分配优先级不同.A为没有开始作业的ALV的集合；a为集合A的元素总数量；i为任务的标识，i=1，2，…，c，c+1，…，c+q，其中，i=1，2，…，c表示需要运输的集装箱，i=c+1，c+2，…，c+q表示正在对同一艘船进行作业的QC；j为ALV的标识，j=1，2，…，a；vj 为ALVj某一时刻的瞬时速度，ALVj停在停车场时vj=V，V为ALV正常行驶时的平均速度；dij为ALVj到任务i的作业地点的距离；

[WTHX]T[WTBX]为从ALVj到达任务作业地点的估计时间矩阵，由ALVj到任务i的作业地点的距离和ALVj的瞬时速度得出；tij为矩阵

[WTHX]T[WTBX]的元素；M为一个很大的数，作为预计行驶时间的上限；D为一个较小的距离常数，dij

2.1.3 模型构建

式（1）表示xij是01变量，当ALVj分配给任务i时xij=1，否则xij=0.式（2）表示模型的目标为ALV到达作业地点的估计时间最短.由于αβ，会给到达任务地点时间短的ALV分配集装箱运输任务，达到先考虑将空闲ALV分配给急需ALV的集装箱运输任务，再考虑将空闲ALV分配给正在作业的QC的目的.式（3）表示每个集装箱运输任务和每一台正在作业的QC最多只能有一辆ALV为其服务；式（4）表示每辆ALV最多只能分配给一个集装箱运输任务或一台正在作业的QC；式（5）表示尽可能多地为需要考虑的作业任务分配ALV；式（6）表示根据距离和速度得出ALV到达作业地点的估计时间.优先考虑分配与任务地点的距离很近的ALV.

2.2 ALV实时分配触发事件

在ALV作业时，设置一个时间段Δt，在每个时间段末检测ALV的行驶速度.记录在第m次分配时ALV的速度vm，设置速度变化量为正值Δv.第m次分配后，当空闲ALV的速度在某个检测时间段末超出vm±Δv的范围（说明ALV的行驶速度相对于第m次分配时有了巨大变化，可能是因为ALV遇到交通拥堵，也可能是因为ALV的交通拥堵得到缓解，ALV的行驶速度恢复正常）时，需要考虑对ALV进行第m+1次分配.根据大型集装箱码头的特点，列举出一组触发事件：（1）新的集装箱运输任务的产生，即起重机准备对某个集装箱进行作业，需要进行重新分配；（2）ALV完成上一个任务，空闲ALV数量增加，需要进行重新分配；（3）第m次分配后，当已经分配任务的ALV的速度在某个检测时间段末的速度超出vm±Δv且dij>D时，需要对ALV进行第m+1次分配.

3 算法设计

大型高效的集装箱码头ALV实时分配触发事件发生的频率很高，每次触发事件的发生都会触发一次ALV实时分配，进行ALV实时分配的频率也会很高，因此对处理ALV实时分配的时间要求也很高.每次触发ALV实时分配后，ALV的任务分配必须在短时间内完成并向ALV发送作业指令，这样才能使ALV实时分配方式的优势得到发挥.因此，需要一种对ALV进行任务分配的算法，以快速地对规模较大的ALV实时分配模型进行求解.

3.1 算法简介

3.1.1 A*搜索算法

A*搜索算法是静态路网中求解最短路最有效的方法.A*搜索算法通过最佳优先搜索来寻找一条从起始节点到一个目标节点或者多个可能的目标节点的代价最短的路径.作为启发式搜索的一种，A*搜索算法同样需要选取估价函数，以省略大量的无意义搜索，提高搜索效率.n是搜索图中的一个节点，A*搜索算法通过一个启发式代价函数

f（n）对节点n进行评价，由f（n）决定在搜索图中的搜索顺序.f（n）是从初始点经由节点n到目标点的估价函数.

式中：g（n）是在状态空间中从起始节点到节点n的实际代价；h（n）是从节点n到目标节点最佳路径的估计代价.h（n）是f（n）函数的一部分，是一个可采纳的启发式函数.对h（n）的估计不能超过节点n与目标节点之间的距离.如果应用在路径问题中，h（n）可以表示节点n与目标节点的距离，是两个节点之间可能的最短实际距离.h（n）是f（n）函数中最重要的一部分，h（n）设计的好坏，决定该算法是否能被称为A*搜索算法，也会影响搜索的效率[13].

3.1.2 A*搜索算法搜索过程

在A*算法执行的过程中用到OPEN表（用于存放搜索到的点但非最小代价节点的集合）和CLOSE表（用于存放已经搜索过的最小代价节点的集合），假设起点和终点分别用

S和V表示，Vi表示节点S与V间的任意一点，fi表示该节点的估价值.A*搜索算法搜索基本步骤如下.

在搜索过程中可以根据需要记录取得最短路径的行走轨迹.行走轨迹就是从起始点到达目标节点的路径最短的行走方案，也是大多数问题的解.

3.2 算法设计

应用A*搜索算法对大型集装箱码头ALV实时分配模型进行求解时，可以很容易将码头获取的ALV到达作业地点的距离dij按照第2节的模型规则转换成ALV到达作业地点的估计时间tij，以时间tij作为任务分配的代价值进行分配.用A*算法求解ALV实时分配问题，需要先将ALV分配问题转换成静态路网中的求解最短路问题，举例说明如下.

将ALV的任务分配问题转换成一个路网图（见图1），圆圈表示节点，其中节点S是起始点.根据ALV的数量或者任务的数量进行分层，本文是根据ALV的数量进行分层的.每一层为一辆ALV分配任务，下一层是在上一层的基础上进行的，根据第2节的模型，按照一辆

ALV最多只能被分配一个任务，一个任务最多只能分配一辆ALV的原则进行分配.例如第一层为ALV1分配任务，此时ALV1可以选择任务1，2，3三个任务，所以节点S下面有1，2，3三个节点.节点1，2，3分别表示将任务1，2，3分配给ALV1.第二层分配是在第一层分配的基础上进行的.第一层中节点1表示任务1分配给ALV1后，第二层ALV2只能分配任务2或3.因此，节点1下面有两个节点4，5，节点4表示将任务1分配给ALV1后，任务2分配给ALV2，节点5表示将任务1分配给ALV1后，将任务3分配给ALV2.同样，节点2和3下面也分别有两个节点.到第三层为ALV3分配任务时，ALV3只能选择上面两层没有选择的任务，因此节点4下面只有一个节点10，表示任务1分配给ALV1，任务2分配给ALV2后，任务3分配给ALV3.节点5下面只有一个节点11，表示任务1分配给ALV1，任务3分配给ALV2后，任务2分配给ALV3.其他节点也按照同样的规则进行分配，直到所有的ALV分配任务完成，得到图1所示的树状图.

根据图1所示的树状图进行搜索，对于搜索到的节点，需要求出它的h（n），g（n）和f（n）值.

g（n）是从起始节点S到达节点n所走的总路程，也就是搜索到达节点n时已经进行任务分配的总的

ALV到达作业地点的估计时间.h（n）是未分配的ALV到达每个作业地点的估计时间里最小的m个的总

如图2所示，在搜索到节点11时，f（n）小于OPEN表中所有点的f（n）值，结束搜索.根据推理可得， S1511路径为最优路径，总的ALV到达作业地点的估计时间为110 s，节点11代表的意义就是ALV的作业任务分配方案，也是问题的解，即任务1分给ALV1，任务3分给ALV2，任务2分给ALV3.

在上述案例中，若不考虑从节点n到目标节点最佳路径的估计代价h（n），只考虑目前从起始节点到节点n的实际代价g（n），也可以看作h（n）=0，此时f（n）=g（n），即贪婪算法.其搜索过程见图3.从图中可以看出，到达目标节点的最优路径为S1511，最短路程与用A*搜索算法得到的相同，都为110 s，但贪婪算法的搜索点数多于A*算法.从这个例子可以看出，A*算法中h（n）的作用是巨大的.

4 算例分析

4.1 A*搜索算法与贪婪算法对比实验设计

为验证A*搜索算法适用于大型集装箱码头ALV实时分配问题，设计几组实验.实验中使用几组实验数据（ALV任务分配的到达作业地点的估计时间），用贪婪算法和A*搜索算法对ALV实时分配问题进行求解，对比两种算法的求解结果，分析A*算法解决大型集装箱码头ALV实时分配问题的可行性，同时也验证A*算法的优越性.

对a辆ALV和q个任务进行任务实时分配，ALV到达作业地点的估计时间为a×q的矩阵.本文设计8组实验，分别是a辆ALV和q个任务（a=q=6，7，…，13）.实验数据是几组实验的ALV到达作业地点的估计时间矩阵，分别为a×q的时间矩阵，代表实验问题的规模，相应的实验组为a×q组，每组进行5次实验，分别对每组实验的5次实验结果取平均值.

用相同的软件分别编写利用A*搜索算法和贪婪算法求解ALV实时分配问题的程序，并在同一台笔记本电脑上运行.两种算法使用的实验数据相同，求解出来的最短路径的最优值也相同.在此问题中，这些分配方案是最优的，在第3节中已经证明.表3所示是两种算法每组实验在求解过程中的运行时间和总搜索点数的对比.通过对比可以看出，A*搜索算法的求解时间和总搜索点数明显少于贪婪算法.

如图4和5所示是求解运行时间和总搜索点数

的平均值变化趋势.从图4和5中可以看出，贪婪算法的运行时间和总搜索点数随求解问题规模的变大迅速增加，而A*搜索算法变化得比较慢.这说明，在遇到大规模的求解问题时，A*搜索算法运行时间和总搜索点数不会突然变大，求解速度所受的影响不大.

4.2 A*搜索算法性能测试

为进一步验证A*搜索算法的求解速度，在上述实验的基础上用A*搜索算法对14×14至17×17规模的ALV实时分配问题进行求解，实验运行时间和总的搜索点数的平均值见表4.

大型集装箱码头为一艘船最多配备6台QC，每台QC分配2辆ALV，即为同一艘船服务的ALV的最大数量为12台，因此ALV实时分配问题的最大规模为12×12，去掉部分正在运输集装箱的ALV，大多数情况实时分配的规模在10×10以内.从表3可以看出，10×10规模的问题用A*搜索算法求解的时间在0.3 s左右.从表3和4可以看出，如果问题的规模加大，A*搜索算法的计算时间不会出现急剧的增长.因此，在计算时间上，A*搜索算法完全可以满足解决大型集装箱码头ALV实时任务分配问题的需求.

5 结束语

本文在大型自动化集装箱码头的背景下，根据码头的新特点和FCFS分配的缺陷，设计了基于触发事件的ALV作业任务实时分配方式.设置了一组触发事件触发ALV实时分配，并以总的ALV到达任务作业地点估计时间最短为目标，建立了一个ALV实时分配模型.选用A*搜索算法对分配模型进行求解，通过与贪婪算法的对比验证A*搜索算法的优越性.对A*搜索算法求解大型集装箱码头的ALV实时分配问题的求解速度和稳定性进行实验测试，验证了选用A*搜索算法是可行的.

参考文献：

[1]

赵宁. 集装箱码头发箱任务的集卡指派模型[J]. 上海海事大学学报， 2011， 32（1）： 910.

[2]NGUYEN V D， KIM K H. A dispatching method for automated lifting vehicles in automated port container terminals[J]. Computers & Industrial Engineering， 2009， 56（3）： 10021020.

[3]ANGELOUDIS P， BELL M G H. An uncertaintyaware AGV assignment algorithm for automated container terminals[J]. Transportation Research Part E： Logistics and Transportation Review， 2010， 46（3）： 354366.

[4]LEE L H， CHEW E P， TAN K C， et al. Vehicle dispatching algorithms for container transshipment hubs[J]. OR Spectrum， 2010， 32（3）： 663685.

[5]RASHIDI H， TSANG E P K. A complete and an incomplete algorithm for automated guided vehicle scheduling in container terminals[J]. Computers & Mathematics with Applications， 2011， 61（3）： 630641.

[6]CAI Binghuang， HUANG Shoudong， LIU Dikai， et al. Optimisation model and exact algorithm for autonomous straddle carrier scheduling at automated container terminals[J]. Intelligent Robots and Systems （IROS）， 2011 IEEE/RSJ International Conference on. IEEE， 2011（4）： 36863693.

[7]轩华. 基于FCFS策略的带时间窗车队调度问题研究[J]. 交通运输系统工程与信息， 2013， 13（6）： 140157.

[8]SONG L Q， HUAGN S Y. A hybrid metaheuristic method for dispatching automated guided vehicles in container terminals[J]. Computational Intelligence in Scheduling （SCIS）， 2013（8）： 5259.

[9]ICHOUA S， GENDREAU M， POTVIN J. Vehicle dispatching with timedependent travel times[J]. European Journal of Operational Research， 2003， 144（2）： 379396.

[10]GUJJULA R， GUNTHER HO. The impact of storage block assignment for import containers on AGV dispatching in highly automated seaport container terminals[J]. Industrial Engineering and Engineering Management， 2008（8）： 17391743.

[11]LIU ChinI， LOANNOU P. A comparison of different AGV dispatching rules in an automated container terminal[J]. Intelligent Transportation Systems， 2002（6）：880885.

[12]张海涛，程荫杭. 基于A*算法的全局路径搜索[J]. 微计算机信息， 2007（23）： 238240.

[13]李淑霞. 基于A*的路径规划算法研究[J]. 福建电脑， 2013（3）： 99100.

3.调查报告任务分配篇三

调查报告的主体部分是调查报告的正文，具体构成可能因研究项目不同而不同，但基本上包含调查目的、调查方法、调查结果、调查结论及建议部分。

（1）.引言

通过调查报告的引言可以使阅读者对报告有所了解，它包括对调查目的的陈述，还可以给出调查原因的必要背景信息。

（2）.调查方法

调查研究方法描述了是如何进行调查的，调查的对象是谁，采用了哪种调查方法，指出用什么方法对调查资料进行汇总/整理和统计分析的。一般情况下，调查方法部分不需太长，但应提供必要的信息，使阅读者了解调查数据是怎样收集的和调查调查结论是怎样得出的。

（3）.调查结果

（4）调查结果部分是调查报告的主要内容。在一份调查报告中，调查结果应以陈述形式进行表述，并配以表格、图形、以进一步支持和加强对结果的解释，还要对图表中的数据资料说隐含的趋势、关系或规律加以客观地表述。

（4）.调查结论和建议

调查结论的提出饭是可用简练的语言对调查研究前所提出的问题做明确的大幅，同事简要地引用有关别进资料和调查结果加以解释、论证。建议则是针对调查获得的结论，提出可以采取哪些措施、方案或具体行动步骤。如网络经营者在网上经营的店铺设计应采用怎样的风格，店名叫什么才更吸引消费者，营销宣传的主题是什么，与其他网络经营竞争者抗衡的办法，销售中采用何种价格与促销策略等。

大家一定要在周六晚11点之前完成任务发给我，粗略完成后需要一天时间进一步提升。

要求语言精炼，每个问题都发散性思考，不足字数没关系，汇总的时候我再添加，切记不可为凑字数而说些废话，有想法多交流。

4.分配任务的七宗罪篇四

几年前，我的同事罗伯特・谢弗（Robert Schaffer）指出了分配任务的“七宗罪”，所有这些错误都缘于管理者一心想避免令人不愉快的冲突。在你阅读下面这“七宗罪”时，想想你在跟下属或上司打交道时，是否犯过或看到过类似的错误。

1.不敢提出强硬的期望：目标变成了一个很难实现的愿望，人们可以选择忽略。

2.玩字谜游戏：目标只是一个练习。设定目标只是传达进展情况，但没有实现的希望。

3.接受跷跷板交易：当你的下属承担一个目标时，他们就不用理会其他目标了。

4.设定模糊或遥远的目标：没有明确的时间计划，或者实现时间设定在很久以后。

5.没有规定奖惩措施：这样，就无法区别对待成功实现目标的人和没有实现目标的人。

6.设定太多的目标：如果目标太多，下属就会选择那些自己想实现或最容易实现的目标，而不一定是最重要的目标。

7.允许把更多的精力放在准备、研究和调查上：花太多时间去计划，就会耽误真正目标的实现。

所有人都会掉进这些陷阱。我们不妨来看看Say Yes to Education基金会的例子。这是一个非营利性组织，它向经济上有困难的孩子承诺：只要他们顺利完成高中学业，它就会资助他们上大学，

为了帮助孩子能上大学，该基金会给每个目标学生小组分派了一个由学习专家、社工和项目经理组成的三人团队，希望他们能制定一个总体计划，帮助学生提高学业成绩。

这个方法听起来可行，可真正实施起来就是另一回事了。虽然每个团队成员都工作非常努力，但不知为什么，他们的努力就是无法转化为学生成绩的明显提高。当基金会主席和执行副总裁想要这些团队做更多时，他们听到的是很多“七宗罪”式的回答。一个团队找了个“跷跷板交易”式的借口：“我们当然可以在课外活动上多花些时间，但是这样的话，我们跟父母的活动就会大大减少。”另一个团队则用一个模糊的时间表来推脱，说学校问题积重难返，需要很长时间才能看到效果。

当基金会管理者听到很多这样的回答后，他们开始明白，这些团队都在磨洋工，缺乏明确、强硬的目标，他们有责任确保每个团队都有这样一个目标。

于是，基金会管理者让纽约哈莱姆黑人聚居区的各个团队制定一个明确的、以结果为导向的目标，并且能够在100天内实现。不像过去那种“请求”的口吻，这次非常明确，而且没有任何商量余地：制定这样的目标，然后加以实施。

任务下达后，这些团队不仅积极响应，而且创造性地改进了工作方法。例如，一个团队在100天内，使四年级一个班学生的阅读成绩提高了一个等级。另一个团队提高了一群家长的英语语言能力，这对他们孩子的学习非常重要。还有一个团队提高了一个初中班级的公开演讲能力，这样他们就能更好地申请专科高中。

基金会工作人员报告说，他们的工作技能也得到了提升。一个团队成员这样说：“我们吸取的一个重要教训是，应该专注于一个目标，并把它做好，而不是设定多个目标，但成效甚微。”

5.创建师德师风先进集体任务分配篇五

代书臣：领导小组及职责，考核评估方案，考核制度，考核资料收集整理

吴亚旭：师德师风建设三年规划，2012年度师德师风建设活动方案，总结，自查报告

曹双军：师德师风建设工作记录（主要从专题研究、辅导讲座、经验交流、关

爱学生行动、举行活动例如演讲赛、献爱心，年度考核等方面）2012

全年不少于12次

李娜：师德师风建设宣传教育制度、学习考核制度、民主监督制度、档案管

理制度，师德师风建设辅导材料，交流材料

教师个人任务：政治学习笔记不少于2万字，心得体会两篇（不写日期）

以上任务必须在元月8日前完成，元月8日晚集中到档案室收交，由吴亚旭、曹双军负责分类整理。

学习十八大精神专栏

6.规章制度任务分配篇六

关键词：制造服务,制造任务,制造资源,任务分配,灰色理论

0 引言

随着制造企业信息化程度的加深,制造任务分配问题更显重要。在网络化制造模式下,如果能在制造任务分配阶段充分评价候选制造单元的性能,选择合适的任务承担者,就可以降低制造成本和减少资源浪费,还可以避免风险以提高企业核心竞争力。目前对制造任务分配问题的研究主要集中在制造任务分配概念模型的建立[1]、基于合同网的任务分配[2]、招投标任务分配决策等[3]方面。由于制造任务分配需要的众多信息往往不能完整地获取,企业运作中信息瞬息万变,而灰色理论可以利用已知信息来确定系统的未知信息,使系统由灰变白[4],并且该理论对样本量没有严格的要求,也不要求服从任何分布,所以能够有效解决制造任务分配问题。

1 制造任务分配服务因素

制造任务分配服务是将总的制造任务分解为一系列制造子任务后,再对每一个子任务进行制造单元配置的过程。其中子任务的选择是从能够承担某子任务的若干个候选制造单元中选择最适合者,再对其进行综合评价的过程。综合评价各候选制造单元主要考虑竞争力因素,从任务分配角度选择最关键的指标因素。采用灰色关联度方法可以有效利用已知信息,选择最优制造单元,得到制造任务的最优分配方案,改善传统制造任务分配静态性的不足。

1.1 产品制造任务指标

产品制造任务是指一系列与产品规划、分派、加工和装配相关的操作集。通过这个操作集来实现以制造资源和制造任务为输入、以产品物料清单(bill of materials,BOM)贯穿、以最终产品成品为输出的整个制造过程[5]。对于产品制造任务T可以由完成任务时间率T1、任务响应速度T2、任务完成质量T3三个主要指标来综合评判。

1.2 企业制造资源指标

企业制造资源是指为完成产品制造任务而用于支持制造企业生产活动的所有人、财、物的总和。网络化制造资源具有新的特征,比如概念上的延展性、地理位置上的分布性、组织上的动态性以及集成上的网络化。对于制造资源的研究很多[6],本文仅考虑满足基本业务能力的制造单元,对于企业的网络化制造资源R可以由历史业绩R1、任务熟悉度R2、协作成熟度R3三个主要指标来综合评判。

1.3 基于物料清单的数据流信息指标

BOM是一种产品结构化的信息表,是对物料项之间语义关系的一种表达[7]。它不仅反映产品结构中物料以及物料项之间的静态信息,而且反映用某一物料向另一物料转变的动态信息。在网络化制造环境下,BOM具有流动性和关联性的特点。流动性是指BOM会不断刷新,关联性是制造信息集成的基础。基于BOM的数据流信息贯穿制造服务的全过程,比如产品设计BOM、工艺设计BOM、加工制造BOM、装配设计BOM等。在制造任务分配服务中基于物料清单的数据流信息D可以由流动性D1和关联性D2两个主要指标来综合评判。

2 制造任务分配服务模型

制造任务分配服务作为制造服务链上重要的一环,可以融入制造服务平台。一方面可利用平台的制造资源信息,另一方面也可发挥服务集成优势。由于制造模式的多样性,制造服务分配也应该具有适应性,一般可以概括为静态分配和动态分配两种分配方式。

制造任务静态分配方式适用于传统制造模式,制造企业根据生产和作业计划采用直接指派为主的方式将制造任务从企业级以主生产计划的形式下达到生产车间,再到制造单元、工作组直至生产设备的分配流程。静态分配是在单个企业内部的计划指派,实现任务向车间、单元和设备的分派,它是在制造资源已知、制造任务执行主体确定的情况下的一种任务分配模式。大部分的中小企业采用ERP、CAD等技术实现企业信息化,适合采用静态分配方式分配制造任务。

伴随网络化制造模式的应用,出现了制造任务动态分配方式。动态分配是采用计划指派在内的多种任务分配策略并存的方法,面向全球分配的具有相关制造能力的企业,通过任务分配操作以寻求最佳合作伙伴以构建网络化制造联盟的一种分配方式。跨国公司和部分大型企业采用SCM、PLM等技术实现企业信息化,一般适合采用制造任务动态分配方式。

ASP是application service providers(应用服务提供商)的简称,是基于IT业务外包发展起来的一种新模式,其本质是信息技术或信息系统的外包[8]。ASP往往需要建立一个公共服务平台(ASP平台),通过该平台同时为多家中小企业或组织提供软件使用(租用)服务[9]。制造任务分配过程是各个子任务从任务分配方“流动”到任务接收执行方的过程,而任务分配策略的目标是保证制造任务分配过程能合理、优化地进行。智能化制造任务分配模型采用ASP模式和层次化、可扩展结构,分为五层:平台门户层、智能管理层、应用服务层、资源构件层和基础设施层。基于ASP的制造任务分配模型如图1所示。

图1中,第1层平台门户层是客户访问制造任务分配服务的唯一入口。第2层智能管理层主要包含智能人机接口,智能人机接口接收到产品制造任务和企业制造资源后,将此请求提交给制造任务分配服务。相关分配策略求解后,将其计算结果组合为对制造任务分配的解答,然后返回智能人机接口,再传递给制造过程控制服务。第3层应用服务层主要包含了制造任务静态分配、制造任务动态分配和分配策略。通过智能人机接口将以ERP为主的信息化企业制造任务输入静态分配模块,采用计划指派方式调用相关资源完成任务分配。如果不满足条件,则进入动态分配作进一步处理;通过智能人机接口将以SCM为主的信息化企业制造任务输入动态分配模块,动态分配模块将参数初始化后,调用制造任务分配Agent采用适当的分配策略完成任务分配。第4层资源构件层根据应用服务层和智能管理层的需要开发。在制造任务分配中,有设计BOM、工艺BOM、制造BOM、知识仓库、制造单元库等,主要提供相关的数据、信息和知识。第5层基础设施层主要为硬件基础设施和软件基础设施以及制造服务规范等。

3 制造任务分配服务策略

灰色理论是用于解决少数据、贫信息不确定问题的方法[4]。其中的灰色关联分析根据序列曲线几何形状的相似程度来判断其联系是否紧密。各个候选方案的关联顺序反映了对目标任务完成方案的接近顺序,其中关联度最大的方案就是最佳方案。

制造任务分配服务涉及的信息复杂多样,而决策时能提供的数据很少,也不全面。基于这种特点,不能按照确定性问题处理,同时概率方法难以得到分布函数,优化算法难以构建数学模型,模糊方法难以得到隶属函数等,都不能有效解决问题。灰色理论可以用贫信息得到满足需求的推理结果,而且对评价指标的选择限制较少,因此在服务中选择灰色理论来建立制造任务分配服务策略。

3.1 分配策略的评价指标量化

基于制造任务分配服务相关因素的分析,分配策略的评价指标分为三大类,即产品制造任务指标T、企业制造资源指标R和基于物料清单的数据流信息指标D。其详细量化标准如表1所示。

3.2 灰色关联度求解方法

灰色关联是灰色理论中用关联度大小来描述因素之间关联程度的量化方法。它以系统定性分析为前提、定量分析为依据进行系统因素之间的曲线相似性关联分析。灰色关联度描述事物发展过程中因素间的相对变化情况,若是两个因素相对变化基本一致则二者关联程度大,反之则小。因关联分析按发展趋势推理对样本大小没有太多要求,不需要求分布函数,其结果与定性分析相同。

定义标准参考序列

X0=(X01,X02,…,X0q,…,X0n)

被比较的序列关联系数定义为

Xp=(Xp1,Xp2,…,Xpq,…,Xpn)

p=1,2,…,m

$ξ_{p q} = \frac{Δ_{\min} + σ Δ_{\max}}{Δ_{p q} + σ Δ_{\max}} (1)$

$\begin{array}{l} Δ_{\min} = \min_{p} \min_{q} | x_{p q} - x_{0 q} | \\ Δ_{\max} = \max_{p} \max_{q} | x_{p q} - x_{0 q} | \\ Δ_{p q} = | x_{p q} - x_{0 q} | \\ q = 1, 2, \dots, n \end{array}$

关联系数定义中分辨系数σ∈[0,1],一般地,σ=0.5,并且关联系数ξpq是分辨系数σ的单调增函数。关联空间比较均值定义为

$\bar{Δ} = \sum_{p = 1}^{m} \sum_{q = 1}^{n} | x_{p q} - x_{0 q} | / (n m)$

均值比例系数

$γ = \bar{Δ} / Δ_{\max}$

3.3 制造任务分配Agent

制造任务分配Agent是服务中任务分配的承担者,具有智能性、自适应性、移动性等特点,采用多Agent技术能够较好地解决服务协作问题,因此只需要对业务流程进行设计。候选制造单元的指标信息提取后进行灰色关联分处理得到评价排序,即可选择最佳制造单元。根据表1选取的评价指标信息数据少、要求低、易于获取,采用灰色理论进行有效分析即可得到满意结果。在网络环境下,即使一些指标信息缺乏,也对最终结果影响不大。

基于灰色关联分析的制造任务分配策略的关键是如何将制造任务分配到合适的制造单元中。这个分配策略是由制造服务分配Agent实现的。制造服务分配Agent的业务流程如下:

(1)获取候选制造单元的指标信息。

(2)按照表1进行评价量化,得到评价样本矩阵。

(3)采用层次分析法确定评价指标的权重系数。即通过两两成对的重要性比较建立判断矩阵,然后用解矩阵特征值的方法求出。假设求得一级评价指标Up的权数分配为ap,各指标权重集A={a1,a2,…,ap,…,am},且满足 $a_{p} \geq 0, \sum_{p = 1}^{m} a_{p} = 1;$ 二级评价指标Vpq的权数分配为api,各指标权重集Ap={ap1,ap2,api,…,apnp}且满足 $a_{p i} \geq 0, \sum_{i = 1}^{n_{p}} a_{p i} = 1$ 。

(4)由式(1)确定制造单元关联系数。各比较序列关联系数 $ψ_{p} = \sum_{i = 1}^{n_{p}} ω_{i} ξ_{p}^{(i)}$ ,其中ωi为比较集合中各因子的权重。系数越大越与标准序列接近。

(5)为制造任务选择制造单元。

4 实例分析

某汽摩配企业的制造任务中有一个子任务(活塞加工)需要选择一个制造单元,而制造单元中有三个活塞加工企业A、B、C。则制造任务分配Agent可以自动完成基于灰色理论的制造任务分配服务。

(1)根据知识仓库得到制造单元A、B、C的相关指标信息如表2所示。

(2)对照表1进行量化,得到评价样本矩阵

$E = [\begin{matrix} 1 & 3 & 3 & 3 & 5 & 4 & 5 & 2 \\ 5 & 4 & 5 & 4 & 3 & 5 & 1 & 4 \\ 2 & 5 & 4 & 2 & 1 & 3 & 2 & 1 \end{matrix}]^{Τ}$

(3)运用层次分析法确定评价指标的权重系数。

从知识仓库得到评价指标T、R的判断矩阵T0和R0,并且D1=0.6,D2=0.4:

$\begin{array}{l} Τ_{0} = [\begin{matrix} 1 & 1 / 3 & 3 \\ 3 & 1 & 5 \\ 1 / 3 & 1 / 5 & 1 \end{matrix}] \\ R_{0} = [\begin{matrix} 1 & 5 & 3 \\ 1 / 5 & 1 & 1 / 3 \\ 1 / 3 & 3 & 1 \end{matrix}] \end{array}$

用和积法求相对重要度,即对判断矩阵先求出最大特征根,然后求其相对应的特征向量W,即TW=λW,其中W的分量(w1,w2,…,wn)就对应于n 个要素的相对重要度,即权重系数。T1=0.258,T2=0.636,T3=0.106,一致性指标CI=0.027<0.10,故权重系数可以接受。R1=0.106,R2=0.634,R3=0.261,一致性指标CI=0.018<0.10,故权重系数可以接受。考虑二级指标信息便于获取,故采用其作为评价指标,对权重系数归一化处理得到:

T1=0.086,T2=0.212,T3=0.036

R1=0.036,R2=0.211,R3=0.086

D1=0.200,D2=0.133

(4)灰色关联系数的确定。

聚集灰色关联系数在各点的值即灰色关联度。采用相关构件对实例进行建模,并输入原始数据(图2),关联系数计算结果如图3所示。

(5)将该制造子任务活塞加工分配给制造单元A。

以此类推完成企业所有制造任务的分配。进入制造协同服务执行所承担的制造任务,最终得到可售产品。

5 结束语

制造服务链上制造任务分配问题的智能化是解决制造服务实用化的关键问题之一。通过构建任务分配模型,采用灰色理论设计分配策略,提高了制造任务分配的效率。通过汽摩配企业实例分析,证明该解决方案能够较好地帮助企业作出科学、系统、智能的任务分配,同时也说明了所建模型是正确、合理和有效的。

参考文献

[1]何汉武,熊有伦,郑德涛,等.面向虚拟企业的制造任务描述及制造链构造方法研究[J].中国机械工程,2001,12(4):455-459.

[2]Reid G S.The Contract Net Protocol:High-levelCommunication and Control in a Distriuted ProblemSolver[J].IEEE Transactions on Computers,1980,29(12):1104-1113.

[3]Sikora R,Shaw M J.Coordination Mechanisms forMuilti-agent Manufacturing Systems,Applicationsto Interated Manufacturing Scheduling[J].IEEETransactions on Engineering Management,1997,44(2):175-187.

[4]邓聚龙.灰色系统理论[M].武汉:华中科技大学出版社,2002.

[5]张映锋,江平宇,周光辉.基于遗传算法的e-制造调度系统研究[J].计算机集成制造系统-CIMS,2004,10(8):955-961.

[6]刘金山,廖文和,郭宇.基于双链遗传算法的网络化制造资源优化配置[J].机械工程学报,2008,44(2):189-195.

[7]黄学文,范玉顺.BOM多视图和视图之间映射模型的研究[J].机械工程学报,2005,41(4):97-102.

[8]王正肖,潘晓弘.轻纺区域网络化制造系统的研究[J].中国机械工程,2004,15(19):1770-1774.

7.重塑收入分配制度篇七

多年来，各级政府通常将注意力放在“做大蛋糕”上。经济总量的不断扩大与各阶层居民收入绝对额的提高，似乎可以让贫富差距带来的落差看上去不那么刺眼。

然而，这毕竟不是直面问题、解决问题的办法。真正意义上的收入分配改革，一直是人们扭转贫富分化、破除既得利益格局的希望所在。2月5日，《关于深化收入分配制度改革的若干意见》由国务院发布。这一方案虽然对人们长达8年的等待做出了一个交代，但仍有很多敏感与现实问题留待讨论。

全国人大代表、中国人民大学教授郑功成认为，当下应尽快确立收入分配改革的两个基本要点：即改革不应只注重增量式改革，更要重视存量改革；改革不仅要针对眼前紧迫的问题改，还要想办法向居民输送长远、稳定的预期。

收入分配改革应着眼于动存量

《财经国家周刊》：你认为收入分配领域的改革该如何突破？

郑功成：我认为，深化收入分配改革是对现实利益格局的大调整。要真正扭转贫富分化，就要摒弃做大蛋糕便会自动解决一切问题的思维定式。

从帕累托最优选择角度考虑，最优的利益分配应是一部分人获益时，保障其他人利益不受损，这就是增量改革。

但从中国现实出发，增量毕竟有限，光动增量不能对贫富差距不断扩大的现状产生实际效果。现阶段确实需要对以往的财富分配进行结构上的调整，即同时要对存量财富的分配结构进行调整。

所谓动存量，就是要动既得利益者的一部分蛋糕，这样才能让低收入群体获得更多公平。要让中低收入群体增加收入，让既得利益群体付出相应成本。

《财经国家周刊》：那部分“存量”的既得利益，包括哪些群体和收入？

郑功成：我认为，既得利益包括几个方面。

第一是垄断行为导致的收益，包括政策垄断、机会垄断、资源垄断等。

第二是传统体制优势形成的既得利益，比如现在机关事业单位退休待遇很高，与企业退休人员工资差距较大，就是传统体制形成的。

第三是投机性的，当前房地产行业就存在巨大的投机性，哪怕有些人的房屋都是合法来源，但是房屋由消费品变成投机品后，就成了一部分人获取超额收益的工具。

第四是违法非法所得，如腐败及其他违法所得等。

第五是掠夺式的，如有些地方的煤老板，好像现在的经营不违法，但是他们破坏了环境和损害了劳工利益。

与此同时，政府的公共资源同样需要在调整支出结构上下大功夫，努力追求普惠全体人民，特别需要用更大的支出，通过社会保障制度与基本公共服务惠及民生。只有这样，才能加快促进财富分配格局走向公正与规范。

《财经国家周刊》：未来，基于“动存量”思路，收入分配改革应有何举措？

郑功成：拿对贫富差距扩大起到重要作用的住房领域来说，未来应不断降低住房空置率，降低空置率就是一项动存量的举措。

空置率是由房屋的投资性需求形成的。官方公布北京市空置的房屋有360多万套，这些房子的水表和电表在半年以上都没有动过，如果按一套房住三个人来算，够1000多万人住了，从全国来看，住房空置率不下20%，如果把这些空置房屋利用起来，不仅可以节约保障性住房建设的压力，还可以节约土地资源，并抑制房地产泡沫，降低经济风险。

在这方面，澳大利亚的做法值得借鉴，该国住房几乎是零空置率，其一方面征收住房空置税，另一方面对房屋出租给予补贴。一进一出，有房者会自动考虑利益得失，就不会有房子空在那里了，住宅的消费品本质就会得到恢复。

当然，增加保障性住房的供给对于解决居民住房问题也十分重要，这属于增量调控。但如果不动存量，仅仅依靠兴建保障房，问题将很难得到解决，住房异化的现象还会进一步加剧。

制定收入分配改革时间表

《财经国家周刊》：近几年政府对民生方面的投入不断增多，但社会上对于收入分配问题的不满却有增无减，为什么？

郑功成：我先讲一个亲身经历的案例。1998年我首次到访香港时，考察了当地的“笼屋”居民。所谓“笼屋”就是相当于火车中铺一样的笼子，当时香港有2万多人住在这样的“笼屋”里。

当时我很纳闷，为什么这2万多人在如此繁华的香港安于现状，不闹事、不反政府、不反社会。了解后才得知，是政府提供了稳定的安全预期，即在香港回归前这些人申请公共房屋需要等候七年，回归后缩短到三年，这样，精英阶层及有房可住的人不觉得政府福利养了懒汉，而暂时住在“笼屋”中的低下层人士也有希望，大家都觉得公平。

再说我们的现状。收入分配是民生之源，但人们对民生的诉求是不断升级的。也就是说，解决了今天的问题，明天又有新问题，因为人们有了新的需求。

比如，近十年来我们的住房改善不少，但仍然怨声载道，一大原因就是对住房政策缺乏稳定的预期，进而放大了人们的不安和焦虑。

稳定的预期其实是维护社会公正并保持社会安定的一大法宝。收入分配改革不仅要改现状、改当下紧迫的问题，还要给公民提供稳定、乐观的预期。

《财经国家周刊》：当下，人们普遍认为收入分配改革近年内的进展不甚明朗，可能也是引发不满情绪的原因之一。你如何看待这一问题？

郑功成：对于现阶段收入分配改革，有两个误区需要澄清。

第一个误区是，收入分配改革可以一夜之间完成，而事实是，这项改革只能采取渐进的策略。目前的利益失衡是30多年来多种因素综合影响的结果。特定历史背景下鼓励部分人先富起来的政策取向，已经形成了路径依赖，是多年一果、多因一果。改革必须充分考虑其复杂性与艰巨性，从鼓励部分人先富起来走向共同富裕不是一夜之间就能实现的，不可能毕其功于一时一役。

第二个误区是，收入分配制度还未进行改革，国务院出台方案才标志着启动。其实，我们已经行进在收入分配改革的路上，比如个人所得税调整，最低工资标准持续提升，财政支出结构向民生倾斜，社保制度从选择型制度安排发展为普惠全民的制度安排，等等。

这些表明，收入分配改革近几年一直在进行。只是前一个时期的改革的目标还不太明确，路径还不太清晰，还不可能从根本上扭转已经失衡的利益格局、规范失范的收入分配秩序，从而也就不足以给人民以稳定的安全预期，因此，新时期的改革是全面深化收入分配改革，就是要在明确目标和路径的条件下，采取切实措施加快推进。

《财经国家周刊》：如何在收入分配领域给公民构建稳定的预期？

郑功成：构建预期不仅需要有目标与路线图，还需要有时间表，并通过制度安排来实现，设计量化的指标。这些工作到位后，大家的不安和焦虑自然会下降，公众的情绪也会回归理性。

在全面深化收入分配改革中，最好像国家“十二五”规划纲要一样有相应表格来列举部分指标，即将2015、2020年要达到的收入分配改革量化目标进一步明示，以便给公众一个清晰的预期，并作为约束性或预期性指标来考核各级政府政绩的基本依据。例如，居民收入翻番指标、最低工资标准、对社会保障与就业投入增长指标、保障性住房建设等等，还可以增加基尼系数指标、劳动者报酬比重提高等指标。

【规章制度任务分配】推荐阅读：

分配制度简述08-19

深化国有企业工资分配制度改革研究10-23

工作规章制度08-02