Abstract
<jats:p>В современных условиях успех проектной деятельности определяется не только профессиональными компетенциями участников, но и их социально-психологической совместимостью. Существующие математические модели формирования команд, основанные на классической задаче о назначениях, ориентированы исключительно на ресурсный подход и не учитывают межличностные отношения, которые также влияют на эффективность совместной деятельности. Цель работы – разработка математической модели и программного обеспечения для формирования проектных команд, объединяющей профессиональные компетенции кандидатов и социометрические характеристики их взаимоотношений для достижения синергетического эффекта. Предложена модель, расширяющая обобщенную задачу о назначениях за счет включения социометрических индексов сплоченности и конфликтности, а также исключающая команды с наличием взаимных антипатий. Для решения NP-трудной задачи оптимизации применен генетический алгоритм, реализованный на языке Python с использованием фреймворка DEAP. Особь представляется хромосомой фиксированной длины, где позиция соответствует роли, а значение – индексу кандидата. На тестовом примере продемонстрирована работа алгоритма. Модель и алгоритм могут быть использованы руководителями проектов, HR-специалистами и педагогами для обоснованного формирования студенческих и профессиональных команд с благоприятным социально-психологическим климатом.</jats:p> <jats:p>In modern conditions, the success of project activities is determined not only by the professional competencies of participants but also by their socio-psychological compatibility. Existing mathematical models of team formation, based on the classical assignment problem, are focused exclusively on the resource-based approach and do not take into account interpersonal relationships, which also affect the efficiency of joint activities. The aim of the work is to develop a mathematical model and software for forming project teams that combines the professional competencies of candidates and the sociometric characteristics of their relationships to achieve a synergistic effect. A model is proposed that extends the generalized assignment problem by incorporating sociometric indices of cohesion and conflict, and also excludes teams with mutual antipathies. To solve the NP-hard optimization problem, a genetic algorithm implemented in Python using the DEAP framework was applied. An individual is represented by a fixed-length chromosome, where the position corresponds to the role and the value to the candidate's index. The operation of the algorithm is demonstrated on a test example. The model and algorithm can be used by project managers, HR specialists, and educators for the informed formation of student and professional teams with a favorable socio-psychological climate.</jats:p>