【转载】 猎人和猎狗的故事

 
有一天,猎人带着一只猎狗,到森林中打猎,猎狗将一只兔子赶出了窝,追了很久也没有追到。后来兔子一拐弯,不知道跑到哪去了。牧羊犬见了,讥笑猎狗说: “你真没用,竟跑不过一只小小的兔子。”猎狗解释说:“你有所不知,不是我无能,只因为我们两个跑的目标完全不同,我仅仅是为了一顿饭而跑,而它却是为了 性命啊。” 
这话传到了猎人的耳朵里,猎人想,猎狗说得对呀,我要想得到更多的兔子,就得想个办法,消灭“大锅饭”,让猎狗也为自己的生存而奔跑。猎人思前想后,决定对猎狗实行论功行赏。 (大锅饭是扼杀积极性的第一敌人)
于是猎人召开猎狗大会,宣布:在打猎中每抓到一只兔子,就可以得到一根骨头的奖励,抓不到兔子的就没有。 
  
这一招,果然有用,猎狗们抓兔子的积极性大大提高了,每天捉到兔子的数量大大增加,因为谁也不愿看见别人吃骨头,自己却干看。 
  
可是,一段时间过后,一个新的问题出现了:猎人发现猎狗们虽然每天都能捉到很多兔子,但兔子的个头却越来越小。 
猎人疑惑不解,于是,他便去问猎狗:“最近你们抓的兔子怎么越来越小了?” 
  
猎狗们说:“大的兔子跑得快,小的兔子跑得慢,所以小兔子比大兔子好抓得多了。反正,按你的规定,大的小的奖励都一样,我们又何必要费那么大的力气,去抓大兔子呢?” 
  
猎人终于明白了,原来是奖励的办法不科学啊!于是,他宣布,从此以后,奖励骨头的多少不再与捉到兔子的只数挂钩,而是与捉到兔子的重量挂钩。 
  
此招一出,猎狗们的积极性再一次高涨,捉到兔子的数量和重量,都远远超过了以往,猎人很开心。  (考核机制要适当量化,定性和定量要结合)
  
  
遗憾的是,好景不长。一段时间过后,新的问题又出现了:猎人发现,猎狗们捉兔子的积极性在逐渐下降,而且越是有经验的猎狗下降得越历害。 
又是咋回事呢?于是猎人又去问猎狗。 
  
猎狗们对猎人说:“主人啊,我们把最宝贵的青春都奉献给您了,等我们以后老了,抓不动兔子了,你还会给我们骨头吃吗?” 
  
猎人一听,明白了,原来猎狗们需要养老保险,于是,他进一步完善激励机制。规定:每只猎狗每月捉到的兔子达到一个规定的量以后,多余部分可以转化为骨头的贮存,将来老了,捉不到兔子了,就可以享用这些贮存。 
  
这个决定宣布之后,猎狗们群情激昂,抓兔子的积极性空前高涨。猎人也无比欣慰,觉得从此可以万事无忧了。(企业的发展一定要关注到员工自身的发展,要形成这种企业文化)

就这样,过了一段时间之后,一件意想不到的事情发生了:一些优秀的猎狗开始离开猎人,自己捉兔子去了。 
  
面对这一情况,一开始,猎人以为是思想政治工作没做好。便连续举办了一系列“狗力资源与风险高层猎狗研修班,”培训主题为:缺乏统一指挥所造成的狗力资源 浪费,强调猎人的规划对猎狗捕猎的重要性,并有意夸大了其负面影响。这一招对稳定猎狗队伍起到了一定的积极作用,但优秀猎狗流失的状况并未得到有效控制。  
  
猎人有些着急了。他想,难道是奖励的力度不够?于是,他将优秀猎狗的奖励标准提高了一倍。这一招收到了比较明显的效果,优秀猎狗流失的问题得到了暂时缓 解,但却无法从根本上得到遏制,一段时间之后,离开猎人,自己去捉兔子的猎狗,又开始逐渐多了起来,而且基本上都是最优秀的。 
  
聪明的猎人这下可犯愁了,他百思不得其解。万般无奈之下,他决定直接去向离开的猎狗们咨询。他用10根骨头的代价把5只猎狗请到一起,他十分动情地对它们 说:“猎狗兄弟们,我实在不知道我做了什么对不起你们的事,你们为什么一定要离开我呢?”猎狗们对猎人说:“主人啊,你是天下最好的主人,我们有任何愿 望,你都尽力给予满足,没有任何对不起我们的地方。我们离开你,自己去捉兔子,也不仅仅是为了多得几根骨头,更重要的是我们有一个梦想,我们希望有一天我 们也能象您一样,成为老板。”猎人听后,恍然大悟,原来他们是想实现自我价值!  (如何留在优秀员工,企业价值和实现和员工自我价值实现是否矛盾,员工自我价值的实现和成长不仅仅体现到直接的薪酬待遇上)
聪明的猎人经过较长一段时间的潜心研究,终于找到了解决方案。于是,他成立了一个猎狗股份有限公司,出台了三条新政策:第一条,实行优者有股。 优秀的猎狗可以将贮存的骨头转化为公司的股份,并根据贡献率每年奖励一定数量的股份期权,使优秀的猎狗有机会在公司发财;第二条,实行贤者终身。连续三年 惑累计5年被评为优秀猎狗者,可成为终身猎狗,享受一系列诱人的优厚待遇;第三条,实行强者孵化。优秀的猎狗可以随着业绩增长,逐步成为团队经理、业务总 监、总经理、董事长,实现做老板的梦想。
  
这一招十分灵验。从此以后,不仅该公司优秀的猎狗对猎人忠心耿耿,而且其它地方的优秀猎狗纷纷慕名加盟,猎人的公司越办越火,长盛不衰。 
这个故事,至少说明了三个重要道理: 
1.一个企业,员工的问题,往往根源在机制,责任在老板,因此,我们要多研究机制,少责备员工,这样,管理才会不断完善,劳资关系也才会更加融洽与和谐; 
2.有没有激励大不一样,激励科学与不科学大不一样;
3.员工的需求是不断增长的,企业必须满足员工不断增长的物质文化的需要,才能有效激励人才和长久地留住人才。
购物商城项目采用PHP+mysql有以及html+css jq以及layer.js datatables bootstorap等插件等开发,采用了MVC模式,建立一个完善的电商系统,通过不同用户的不同需求,进行相应的调配和处理,提高对购买用户进行配置….zip项目工程资源经过严格测试可直接运行成功且功能正常的情况才上传,可轻松复刻,拿到资料包后可轻松复现出一样的项目,本人系统开发经验充足(全领域),有任何使用问题欢迎随时与我联系,我会及时为您解惑,提供帮助。 【资源内容】:包含完整源码+工程文件+说明(如有)等。答辩评审平均分达到96分,放心下载使用!可轻松复现,设计报告也可借鉴此项目,该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的。 【提供帮助】:有任何使用问题欢迎随时与我联系,我会及时解答解惑,提供帮助 【附带帮助】:若还需要相关开发工具、学习资料等,我会提供帮助,提供资料,鼓励学习进步 【项目价值】:可用在相关项目设计中,皆可应用在项目、毕业设计、课程设计、期末/期中/大作业、工程实训、大创等学科竞赛比赛、初期项目立项、学习/练手等方面,可借鉴此优质项目实现复刻,设计报告也可借鉴此项目,也可基于此项目来扩展开发出更多功能 下载后请首先打开README文件(如有),项目工程可直接复现复刻,如果基础还行,也可在此程序基础上进行修改,以实现其它功能。供开源学习/技术交流/学习参考,勿用于商业用途。质量优质,放心下载使用。
### 回答1: 猎人算法是一种模拟自然界中猎物和猎人之间相互追逐的算法。猎人算法由Ahmed Amenien等人于2013年提出,其灵感来自于大自然中捕食者和被捕食者的行为。 猎人算法通过模拟猎人的行为来解决优化问题。算法中使用了一群猎人来代表解空间中的解,并通过迭代中的更新来优化目标函数。 算法中的猎人受到三个基本行为的影响:搜索、区域聚集和狩猎。搜索行为是猎人在解空间中随机搜索潜在解的操作。区域聚集行为使猎人在相似的解区域中聚集在一起,以便更好地利用局部信息。狩猎行为使猎人通过随机选择局部解以及利用全局信息来更新其位置。 具体来说,猎人算法在每次迭代中,首先根据猎人的搜索能力随机选择一个搜索点。然后,根据猎人的区域聚集能力,将猎人分成几个不同的聚类群体。接下来,每个聚类内的猎人通过选择最佳解来更新其位置。最后,根据猎人的狩猎能力,通过选择全局最优解来更新猎人群体中的一些猎人的位置。 通过不断迭代上述步骤,猎人群体逐渐向目标函数的最优解收敛。猎人算法具有一定的随机性和自适应性,能够有效地处理复杂的优化问题。 在Matlab中实现猎人算法,可以使用矩阵运算和循环结构来描述猎人的行为。根据算法的步骤,可以使用矩阵表示猎人位置和速度矩阵,并通过矩阵运算来更新猎人的位置。同时,需要使用适当的循环结构来进行多次迭代,并记录每次迭代的最优解。 总之,猎人算法是一种模拟自然界猎物和猎人的行为的优化算法。通过不断迭代搜索和优化,能够逐渐接近目标函数的最优解。在Matlab中实现猎人算法,可以通过矩阵运算和循环结构来描述猎人的行为,并使用合适的参数和迭代次数来获得较好的优化结果。 ### 回答2: 猎人算法是一种基于自然界猎人与猎物之间相互作用的优化算法。在matlab中,可以通过一些步骤来实现猎人算法。 首先,我们需要定义问题的目标函数,即需要优化的目标。然后,我们选择一组合适的初始解作为猎人的位置,并给定一定的探索范围。 接下来,我们利用目标函数评估当前解的适应度,并更新每个猎人的位置。这可以通过采用基于目标函数值的随机数生成方法来实现。同时,还需要设置合适的步伐大小,以确保搜索空间内所有的解都能被猎人搜索到。 在每次迭代中,我们可以根据当前解的适应度进行排序,并选择一定比例的猎人作为移动的对象。然后,我们可以根据一定的搜索策略来更新猎人的位置。 在整个搜索过程中,我们需要设定一定的停止准则,如最大迭代次数、收敛性判断等。当满足停止准则时,搜索过程结束,并输出最优解。 猎人算法的优点在于其搜索过程自适应性强,能够较好地适应目标函数的特性。此外,猎人算法还可以利用并行计算的思想加速搜索过程,提高搜索效率。 总之,猎人算法是一种基于自然界猎人与猎物的优化算法,在matlab中可以通过一些步骤来实现。它具有较好的搜索能力和适应性,并可以应用于多种优化问题的求解。 ### 回答3: 猎人算法是一种基于自然界中猎人——猎物关系的优化算法。猎人算法模拟了猎人在寻找猎物的过程,通过调整猎人的行为策略来达到寻找最优解的目标。 猎人算法的具体过程如下:首先,随机生成一群猎人,每个猎人有自己的位置和速度。然后,利用适应值函数来评价每个猎人的适应性,即目标函数的值。根据适应值的大小,确定每个猎人的适应度。 接下来,根据适应度大小选择猎人个体,通过更新策略来更新每个猎人的位置和速度。更新策略包括考虑个体之间的相互作用和学习,以及利用随机扰动来增加搜索的多样性。最后,根据更新后的位置和速度,重新计算适应值,不断优化全局最优解。 在Matlab中实现猎人算法,首先需要定义适应值函数,并给出目标函数的表达式。然后,通过随机生成猎人的初始位置和速度,并设置相关参数,如猎人个数、迭代次数等。利用循环迭代的方法,根据更新策略和适应值函数,不断更新猎人个体的位置和速度,直到达到停止迭代的条件。 最后,可以通过绘制适应值曲线来观察算法的收敛情况,并得到最优解的位置和值。同时,还可以尝试调整算法的参数,如猎人个数、迭代次数等,以提高算法的性能。 总之,猎人算法是一种模拟猎人与猎物之间关系的优化算法,通过不断调整猎人的位置和速度,以寻找最优解。在Matlab中,可以利用该算法来求解各种优化问题,具有一定的应用价值。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值