一种新型多目标智能加权灰靶决策方法
【技术领域】
[0001] 本发明涉及一种新型多目标智能加权灰靶决策方法。
【背景技术】
[0002] 目前，随着经济全球化和科学技术的不断进步，企业面临的竞争环境也越来越激 烈：用户需求的不确定性，对产品质量要求的提高，产品寿命周期缩短，产品结构更为复杂， 能源和原材料价格飞涨等。这一切使得企业的生产成本不断上升，同时企业将主要资金和 精力投入到提升品牌价值和核心竞争力上，因此剩余业务被交给了供应商，形成了供应链。
[0003] 所谓供应链，就是围绕核心企业，通过对信息流、物流、资金流的控制，从采购原材 料开始，制成中间产品以及最终产品，最后由销售网络把产品送到消费者手中一个的将供 应商、制造商、分销商、零售商，直到最终用户连成整体的功能网链结构。而在整个供应链环 节中，供应商是最为关键的组成部分。
[0004] 从总体来看，供应商是整个供应链的源头，对供应商的选择是整个供应链合作关 系运行的基础。供应商在许多方面影响着企业的运作，如产品质量、产品价格、反应速度、库 存水平、交货期限等。供应商提供的产品最终将决定消费品的价格与质量，也决定了产品的 市场竞争力、市场份额等。目前企业在某些技术领域越来越依赖供应商，因此科学的采购并 发展好与供应商的伙伴关系将有利于提升企业竞争力。
[0005] 因此，作为外部资源的供应商的选择，直接影响了供应链的整体性、连续性和协调 性。供应商选择的目的是为了更好地管理供应商，使企业能够和供应商共同取得更好的绩 效。企业应该建立一套全面的供应商选择体系，根据统一的评价范畴和标准对供应商进行 选择并管理。
[0006] 供应商选择评价的方法随着研宄的深入大致可分为三类：定性研宄，定量研宄及 定性定量相结合的研宄。定性研宄依据经验和关系选择供应商，但准确性较低；定量研宄对 问题的分析较为准确，但数据搜集困难；定性定量相结合的方法有效结合了前两者的优点， 受到越来越多的企业和学者重视。
[0007] 定性研宄方法主要有如下几种：
[0008] ①直观判断法
[0009] 直观判断法是根据征询和调查的资料并结合人的分析判断选择供应商的方法。这 种方法主要倾听采购人员意见，或由采购人员直接凭经验作出判断，该方法方便快捷，但很 容易受主观影响。
[0010] ②招标法
[0011] 招标法由企业提出招标条件，各供应商进行竞标，然后由企业决定与条件最优的 供应商达成协议。招标法竞争性强，能在更广范围内选择合适的供应商，但手续繁杂，不适 合紧急需要。
[0012] 定量研宄方法主要有如下几种：
[0013] ①作业成本分析法
[0014] 作业成本分析法(Activity-BasedCosting，简称ABC)，将成本管理从产品转移至 作业，加强了成本计算的精确性。ABC法不仅能计算出与特定供应商有关的作业成本并进行 选择，还能在成本基础上对作业优化。
[0015] ②多目标规划法
[0016] 多目标规划法（MultipleObjectiveProgramming，简称MOP)是一种在线性规划 法的基础上，为解决多目标决策问题而发展起来的管理方法，也是运筹学的重要分支。
[0017] ③数据包络分析法
[0018] 数据包络分析法（DateEnvelopmentAnalysis，简称DEA)最初由查恩斯、库伯和 罗兹提出，是一种以相对效率为基础的综合评价方法，该方法适用于具有多输入多输出数 出相同类型单位的有效性评价。
[0019] ④理想解法
[0020] 理想解法（TechniqueforOrderPreferencebySimilaritytoIdeal Solution，简称TOPSIS)通过构造多属性问题的理想解和负理想解，并以靠近理想解和远 离负理想解两个基准作为评价方案可行性的依据。
[0021] 定性定量相结合研宄方法主要有如下几种：
[0022] ①层次分析法
[0023] 层次分析法（AnalyticHierarchyProcess，简称AHP)由美国运筹学家Satty于 上世纪80年代提出，用于多方案或多目标的定性定量相结合的决策方法。
[0024] ②人工神经网络算法
[0025] 人工神经网络算法（ArtificialNeuralNetwork，简称ANN)是类似于大脑神经突 触连接的结构并进行信息处理的数学模型。该模型模仿人脑工作方式，获取专家的知识、经 验及倾向，并在选择判断时将其再现。
[0026] 以上方法经过多年的发展实践，在供应商选择问题上有了重大成就，但仍然存在 以下问题：
[0027] (1)评价指标体系并不综合、全面、客观，所取指标有些偏重依靠主观经验，有些偏 重依靠客观数据，未能与实际相结合。
[0028] (2)所建立的评价模型无法综合考虑供应商和企业之间的关系，在实际应用中模 型还不能完全得到应用。
【发明内容】
[0029] 本发明目的是针对现有技术存在的缺陷提供一种新型多目标智能加权灰靶决策 方法。
[0030] 本发明为实现上述目的，采用如下技术方案：一种新型多目标智能加权灰靶决策 方法，其特征在于，
[0031] 第1步：根据设定的事件集A= {ai，a2，…，an}和对策集B= ，…，bm}构造 决策方案集S= {Sij=(ai,bj) |aiGA,bGB};
[0032] 第2步：确定决策目标k，k= 1, 2,…，s;
[0033] 第3步：确定各个决策目标k的决策权1，n2，…，ns;
[0034] 第4步：根据决策目标k，求相应的目标效果样本矩阵：
【主权项】
1. 一种新型多目标智能加权灰靶决策方法，其特征在于， 第1步：根据设定的事件集A={apa2，…，an}和对策集B=IX，b2，…，bm}构造决策 方案集S= {Sij=(ai，bj) |a!GA,b』GB}; 第2步：确定决策目标k，k= 1，2,…，s; 第3步：确定各个决策目标k的决策权1，n2，…，ns; 第4步：根据决策目标k，求相应的目标效果样本矩阵：
第5步：设定决策目标K的效果临界值； 第6步：求决策目标k的一致效果测度矩阵：
S 第7步：由4 得到综合效果测度矩阵为：
k=l 第8步：确定最优决策Z
【专利摘要】本发明公布了一种新型多目标智能加权灰靶决策方法，本发明的智能加权灰靶决策方法是针对效益型目标、成本型目标和适中型目标，相应设计了效益型目标效果测度、成本型目标效果测度及适中型目标下限效果测度和适中型目标上限效果测度，以表达目标实现或偏离的程度。其中，一致效果测度具有满足规范性、无量纲、效果越理想测度值越大的良好性质，进一步将灰靶临界值设计为一致效果测度函数的正负分界点，充分考虑了目标效果值中靶和脱靶两种不同情形，物理涵义清晰，综合效果测度的分辨率也大大提高。
【IPC分类】G06Q10-06
【公开号】CN104809546
【申请号】CN201510118856
【发明人】刘思峰
【申请人】刘思峰
【公开日】2015年7月29日
【申请日】2015年3月18日