سهام خضیری عفراوی - دانشگاه آزاد اسلامی واحد یزد
محسن سرداری زارچی - دانشگاه میبد،یزد
سیدمحمدمهدی فاطمی بوشهری - دانشگاه یزد

بهبود بازدهی سرمایه انسانی از آنجا که می تواند نقش موثری در کارایی سازمان داشته باشد، همواره یکی از موضوعات پژوهش بوده است. میزان تمایل به ترک سازمان یکی از عوامل تاثیرگذار بر کارایی سرمایه انسانی است که آن را می توان با استفاده از الگوهای درون داده­ای، شرایط حاکم بر سازمان و بررسی عوامل موثر بر آن پیش­ بینی کرد. به همین منظور، از الگوریتم های هوشمند مبتنی بر شبکه عصبی و الگوریتم ژنتیک چندهدفه برای پیش بینی تمایل کارکنان به ترک سازمان در این پژوهش بهره گرفته شده است. در این راستا، ابتدا با طراحی پرسشنامهای، نظرات کارکنان شرکت بهره­برداری نفت و گاز کارون در مورد رضایت مندی و تمایل به ترک سازمان، جمع آوری شد و بر اساس آن، یک مجموعه داده تدوین گردید. سپس با استفاده از شبکه­ های­ عصبی مصنوعی به عنوان طبقه بند و الگوریتم تکاملی ژنتیک چندهدفه برای انتخاب ویژگی های موثر، یک سیستم خبره طراحی شد. به منظور تست و ارزیابی الگوریتم شبکه عصبی طراحی شده با مجموعه داده استاندارد ایجادشده، آموزش های لازم ارائه شد. نتایج ارزیابی سیستم پیشنهادی بیانگر آن است که با به کارگیری الگوریتم ژنتیک چندهدفه و شبکه­ های عصبی مصنوعی می­توان مدلی ارائه کرد تا علاوه بر پیش بینی میزان تمایل کارکنان به ترک سازمان با دقت بالای ۸۸%، با انتخاب ویژگی های موثر، عوامل کلیدی ترک سازمان را نیز مشخص کند

Replacement, Data Mining, Selection, Artificial Neural Network, Multi-Objective Genetic Algorithm, جایگزینی, داده, کاوی, انتخاب کارکنان, شبکه های عصبی مصنوعی, الگوریتم ژنتیک چندهدفه