一种考虑客户方感受的集成商对于供应商的选择方法与流程

本发明涉及物流领域，具体是利用行为经济学以及运筹学方法，针对集成商在传统决策中认为客户为完全理性人而提出的一种考虑客户方感受的集成商对于供应商的选择方法。

背景技术：

随着如今经济全球一体化的加速发展，电子商务的兴起和物流市场的发展，市场对物流服务的要求更加全面具体。第四方物流企业通过提供完整的供应链解决方案，帮助企业有效整合资源从而降低成本，增加效益。我国第四方物流企业正在初步发展阶段，仍有很多问题和不足。早期针对物流管理和决策的研究有一个共同的前提假设，即决策是基于完全理性的最优化行为，而在实际的运作中人通常表现为有限理性。在实际运作中，无论是运作管理工作和技术，还是理论的成功运用都非常依赖于人类行为的理解。近年来，以行为特征为视角的第四方物流的研究还很少，已有的研究成果还比较单一，主要表现为研究角度单一、方法单一、考虑的因素单一等问题。因此，对于有多个决策主体参与的第四方物流企业而言，通过多种视角、多种方法、考虑多种因素，全面研究其运作内容中潜在的有限理性因素就显得十分重要，其价值在于它将使我们对于大部分涉及到人的运作问题进行重新认识。

技术实现要素：

针对现有研究中存在的问题和局限性，本发明提出一种考虑客户方感受的集成商对于供应商的选择方法，本发明利用前景理论考虑客户对于综合成本和工期的具有风险态度的第四方物流集成商对于第三方物流供应商的的选择方法。本发明将对物流管理理论起到有效的补充和发展作用，对行为运筹学理论的应用、发展起到完善作用，为第四方物流模式下物流运作提供理论和方法支撑，对于第四方物流在我国的健康发展具有重要的意义。

本发明采用的技术手段如下：

一种考虑客户方感受的集成商对于供应商的选择方法，具有如下步骤：

s1、初始化各个物流供应商的成本和工期信息；

s2、将物流网络抽象成一张复杂的网络拓扑图；

s3、根据前景理论，考虑客户要求的成本和工期，并根据整个运输任务建立考虑客户风险态度的多属性决策模型；

s4、根据物流网络抽象出的网络拓扑图和各个物流供应商的成本和工期信息，设计考虑精英策略的自适应遗传算法对问题模型进行优化求解；

s5、输出最优的物流供应商选择策略方案。

针对某个运输方案的最短工期ts和最长工期tl满足以下公式：

bij是以网络拓扑图中节点i为起点到节点j之间的边数(即物流供应商的个数)，是节点i，j之间选第k个供应商运输最短工期，对应为最长工期，xijk为是否在节点i，j之间选中第k个供应商，yj为是否选j作为转运节点，tj为j节点转运工期；

针对某个运输方案的运输成本cr满足以下公式：

cijk为节点i，j之间选第k个供应商运输的成本，cj为j节点转运工期。

所述步骤s3的具体步骤如下：

s31、针对客户要求工期，建模如下：

t表示某个运输方案的实际工期，假设在[ts,tl]均匀分布，tm为客户要求工期，e(u(t))为考虑要求客户工期的效用值，α和β为前景理论模型中价值函数的风险态度系数，λ为损失厌恶系数并根据前景理论设置α＝β＝0.88，λ＝2.25；

s32、针对客户要求成本，建模如下：

c表示某个运输方案实际成本，cm为客户要求成本，e(u(c))为考虑客户要求成本的效用值，p为工期延误概率，c'为延误工期的惩罚成本，

s33、综合考虑客户要求成本和客户要求工期，并根据整个运输任务建立考虑客户风险态度的多属性决策模型：

maxvr＝λ1e(u(t))+λ2e(u(c))

y1＝yn＝1

vr为某个运输方案的总效用，目标函数即最大化vr，λ1为客户对工期的重视系数，λ2为成本重视系数，且有λ1+λ2＝1，前两个约束保证方案为从起点到终点的一条通路，第三个约束条件表示运输起点和终点必须被选中。

所述步骤s4的具体步骤如下：

s41、令考虑精英策略的自适应遗传算法的种群个体为网络拓扑图中从起点到终点的一条连通路径，得到一个完整运输任务的供应商选择方案；

将网络拓扑图表示成邻接矩阵的形式，矩阵对应的位置为网络拓扑图两个节点之间的边数(即供应商个数。)，依次取出矩阵上三角的元素组成一组整数序列，此序列可反映出整个复杂图的所有连接情况；

将每个位置的整数都乘以[0,1]区间的随机数，并向上取整，得到的新序列代表一张从复杂图中随机抽出的简单图，每个位置代表两个节点之间选中了某个供应商负责此路段运输任务，再利用dijkstra算法针对此简单图求得较优路径，作为考虑精英策略的自适应遗传算法的个体；

s42、根据考虑精英策略的自适应遗传算法规定的种群个体个数和步骤s41生成初始种群，将所有方案带入适应度函数中，即目标函数中，求得适应度最优的当做精英个体，进行保存；

s43、由于运输任务的供应商选择方案中存在拖期和成本不足的情况，最终效用值会出现负数的情况，故本发明的选择个体环节采取锦标赛方法：从所有的运输任务的供应商选择方案中随机抽取80％的方案，选择其中最好的个体判断是否满足自适应的交叉概率；

s44、若满足，则进行交叉，并保存，不满足，则返回步骤s43重新选择个体；

s45、重复s44多次，得到n-1个交叉个体和精英个体组成的待变异种群，加入精英个体来避免优秀基因的流失，其中n为初始种群中个体个数；

s46、选择待变异种群中的个体，如果满足自适应的变异概率并且这个个体不是精英个体，则变异，得到新个体，否则不变异，得到不变异个体；

所有新个体、所有不变异个体和精英个体组成新种群；

自适应的目的是为了避免产生早熟收敛，增强算法的全局收敛性，加快算法的收敛速度。

s47、从新种群中重新选出适应度最优的方案保存为精英个体；

s48、判断是否到达终止迭代次数，未达到则返回步骤s43，以新种群代替所有的运输任务的供应商选择方案继续进行后续操作；若满足到达终止迭代次数则停止，将步骤s47得到的精英个体作为最优供应商选择方案返回。

自适应交叉概率pc和自适应的变异概率pm满足以下公式：

fmax为种群中最大适应值，favg为每一代群种群的平均适应度值，f'为要交叉的两个个体中较大的适应度值，f为要变异的个体的适应度值；

其中，pc1＝0.9,pc2＝0.6,pm1＝0.1,pm2＝0.01。

本发明将物流网络抽象为一张复杂多重网络拓扑图，考虑实际运输任务中产生的成本和运输工期以及客户要求的成本和工期的，结合前景理论的风险态度分析建立考虑客户风险态度的多属性决策模型，根据模型在网络拓扑图中去选择两两节点之间去承担运输任务的供应商，选出最符合客户成本和工期需求的的最优运输路径，完成多属性决策。本发明针对模型求解采用的求解算法----嵌入dijkstra算法的精英策略自适应遗传算法，首先通过整数编码技术，将复杂多重图简化为简单图，再用dijkstra算法求出较优运输路径，作为遗传算法的个体，然后再考虑精英保留的策略下，在遗传算法中加入自适应机制，使得算法的收敛速度更快，寻优精度更加精准，最终求得最符合客户需求的各路段供应商选择方案，完成决策。本发明考虑了客户的心理因素影响，对于成本和时间两个方面进行综合考虑，更加符合真实的客户心理感受，对集成商能选择出更加令客户满意的供应商运输方案有现实指导意义。

基于上述理由本发明可在物流等领域广泛推广。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做以简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的具体实施方式中一种考虑客户方感受的集成商对于供应商的选择方法求解流程图。

图2为本发明的具体实施方式中网络拓扑图(8节点)。

图3为本发明的具体实施方式中网络拓扑图(16节点)。

图4为本发明的具体实施方式中网络拓扑图(32节点)。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

如图1和图2所示，一种考虑客户方感受的集成商对于供应商的选择方法，其特征在于具有如下步骤：

s1、初始化各个物流供应商的成本和工期信息；

s2、将物流网络抽象成一张复杂的网络拓扑图；

s3、根据前景理论，考虑客户要求的成本和工期，并根据整个运输任务建立考虑客户风险态度的多属性决策模型；

s4、根据物流网络抽象出的网络拓扑图和各个物流供应商的成本和工期信息，设计考虑精英策略的自适应遗传算法对问题模型进行优化求解；

s5、输出最优的物流供应商选择策略方案。

针对某个运输方案的最短工期ts和最长工期tl满足以下公式：

bij是以网络拓扑图中节点i为起点到节点j之间的边数(即物流供应商的个数)，是节点i，j之间选第k个供应商运输最短工期，对应为最长工期，xijk为是否在节点i，j之间选中第k个供应商，yj为是否选j作为转运节点，tj为j节点转运工期；

针对某个运输方案的运输成本cr满足以下公式：

cijk为节点i，j之间选第k个供应商运输的成本，cj为j节点转运工期。

所述步骤s3的具体步骤如下：

s31、针对客户要求工期，建模如下：

t表示某个运输方案的实际工期，假设在[ts,tl]均匀分布，tm为客户要求工期，e(u(t))为考虑要求客户工期的效用值，α和β为前景理论模型中价值函数的风险态度系数，λ为损失厌恶系数并根据前景理论设置α＝β＝0.88，λ＝2.25；

s32、针对客户要求成本，建模如下：

c表示某个运输方案实际成本，cm为客户要求成本，e(u(c))为考虑客户要求成本的效用值，p为工期延误概率，c'为延误工期的惩罚成本，

s33、综合考虑客户要求成本和客户要求工期，并根据整个运输任务建立考虑客户风险态度的多属性决策模型：

maxvr＝λ1e(u(t))+λ2e(u(c))

y1＝yn＝1

vr为某个运输方案的总效用，目标函数即最大化vr，λ1为客户对工期的重视系数，λ2为成本重视系数，且有λ1+λ2＝1。

所述步骤s4的具体步骤如下：

s41、令考虑精英策略的自适应遗传算法的种群个体为网络拓扑图中从起点(节点1)到终点(节点8)的一条连通路径，如图2所示，得到一个完整运输任务的供应商选择方案；

将网络拓扑图表示成邻接矩阵的形式，矩阵对应的位置为网络拓扑图两个节点之间的边数(即供应商个数。)，依次取出矩阵上三角的元素组成一组整数序列；

将每个位置的整数都乘以[0,1]区间的随机数，并向上取整，得到的新序列代表一张从复杂图中随机抽出的简单图，每个位置代表两个节点之间选中了某个供应商负责此路段运输任务，再利用dijkstra算法针对此简单图求得较优路径，作为考虑精英策略的自适应遗传算法的个体；

s42、根据考虑精英策略的自适应遗传算法规定的种群个体个数和步骤s41生成初始种群，将所有方案带入适应度函数中，即目标函数中，求得适应度最优的当做精英个体，进行保存；

s43、由于运输任务的供应商选择方案中存在拖期和成本不足的情况，最终效用值会出现负数的情况，故本发明的选择个体环节采取锦标赛方法：从所有的运输任务的供应商选择方案中随机抽取80％的方案，选择其中最好的个体判断是否满足自适应的交叉概率；

s44、若满足，则进行交叉，并保存，不满足，则返回步骤s43重新选择个体；

s45、重复s44多次，得到n-1个交叉个体和精英个体组成的待变异种群，其中n为初始种群中个体个数；

s46、选择待变异种群中的个体，如果满足自适应的变异概率并且这个个体不是精英个体，则变异，得到新个体，否则不变异，得到不变异个体；

所有新个体、所有不变异个体和精英个体组成新种群；

s47、从新种群中重新选出适应度最优的方案保存为精英个体；

s48、判断是否到达终止迭代次数，未达到则返回步骤s43，以新种群代替所有的运输任务的供应商选择方案继续进行后续操作；若满足到达终止迭代次数则停止，将步骤s47得到的精英个体作为最优供应商选择方案返回。

自适应交叉概率pc和自适应的变异概率pm满足以下公式：

fmax为种群中最大适应值，favg为每一代群种群的平均适应度值，f'为要交叉的两个个体中较大的适应度值，f为要变异的个体的适应度值；

其中，pc1＝0.9,pc2＝0.6,pm1＝0.1,pm2＝0.01。

针对客户要求的工期tm和成本cm，以及目标函数两个属性的权重λ1，λ2进行调整，去观察不同参数组合条件下的不同供应商选择方案，验证本发明在做出考虑客户风险态度后的供应商选择方案时的有效性。

按照调整参数输出并记录不同参数组合下运输任务的对应的最优供应商选择方案，针对得出的结果进行分析。

实验结果分析

本发明分别针对如图2，图3，图4三种不同规模的运输任务进行分析，调整客户要求成本cm以及客户要求工期tm从严格到放宽，去观察得出的供应商选择方案，发现当cm或者tm要求过于严格，大部分方案都无法满足客户要求时，得出效用为负数，此时客户方会处于损失状态，在调整至刚刚达到满足客户要求之前，其效用值的图像变化是曲率较大，即体现了前景理论中人在损失的时候会表现出的损失厌恶和风险追求的态度。当实验中继续调整放宽两个要求参数时，所选方案的实际工期和实际成本便会在满足客户要求的前提下，根据客户要求均衡所选方案的工期和成本去分别变化，达到目标函数的效用值最优，即每次客户要求标准的改变，随之方案也会在满足客户要求的工期，成本的范围内，调整选择至客户心理满足程度最高的方案。并且随着要求的继续放宽，效用值的增长曲线会慢慢变缓慢，此刻就体现了前景理论中人在收益状态的时候，随着收益的慢慢增加，心里的满足程度会慢慢削减，即呈现着风险规避的态度。在调整工期和成本的权重系数λ1，λ2时，方案也会随着λ1的增大，方案会自动调整为运输任务工期较短，成本相较之前偏高的方案；相应λ2的增大，方案也会自动调整为运输任务成本较低，工期相较之前偏长的方案。

这些结果也表明了本发明提出的新型的供应商选择方法在多种不同规模的运输任务，都能有效地帮助集成商能去做到综合考虑客户要求和真实心理感受后对于运输任务方案进行选择决策以及相应的调整，对于第四方物流集成商企业真正去提升客户的满意度有着现实的指导意义。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。