运输管理第7章试卷.ppt

（一）运输需求的特征 物流需求预测的可行性 影响物流需求预测的因素 预测的精度与成本 预测的时间范围和更新频率 稳定性与响应性 物流需求预测的步骤 确定需求性质：独立需求或从属需求 确定预测目标 确定预测内容，收集资料进行初步分析 选择预测方法 预测和结果评价 物流需求的预测方法 定性预测方法 市场调研法、小组讨论法、德尔菲法等 定量预测方法 时间序列分析、因果关系分析等 时间序列 指把某一变量在不同时间上的数值按时间先后顺序排列起来所形成的序列，它的时间单位可是是分、时、日、周、旬、月、季、年等。 时间序列模型是利用时间序列建立的数学模型，主要被用来对未来进行短期预测，属于趋势预测法 简单一次移动平均预测法 项数n的数值，要根据时间序列的特点而定，不宜过大或过小 N过大，会降低移动平均数的敏感性，影响预测的准确性 N过小，移动平均数易受随机变动的影响，难以反映实际趋势 一般n取n的大小包含季节变动和周期变动的时期为好，这样可以消除他们的影响 对于没有季节变动和周期变动的时间序列，项数n的取值可取较大的数 如果历史数据的类型呈上升（或下降）的发展趋势，则项数n的数值应取较小的数，这样能取得较好的预测效果。 加权一次移动平均预测法 简单一次移动平均预测法，把参与平均的数据在预测中所起的作用同等对待，但参与平均的各期数据所起的作用往往是不同的 需要采用加权移动平均化进行预测 指数平滑法 二次指数平滑法 模糊综合评价的数学模型 模糊综合评价的步骤： 模糊综合评价的应用 分析步骤 1、建立层次结构模型 2、构造判断矩阵 人们在日常生活中经常要从一堆同样大小的物品中挑选出最重的物品。这时，人们总是利用两两比较的方法来达到目的。比如挑西瓜， 每只西瓜的重量分别为W1，W2，…，Wn，很容易得到表示n只西瓜相对重量关系的判断矩阵A： 2、构造判断矩阵 即n是A的一个特征根，每只西瓜的重量是A对应于特征根n的特征向量的各个分量。 反过来，如通过西瓜两两比较能得到判断矩阵A（而不是称），也可推导出西瓜的相对重量。因为判断矩阵A有完全一致性时，可通过解特征根问题 AW = λmax W 求出归一化特征向量（即设西瓜总重量为1），从而得到n只西瓜的相对重量。 2、构造判断矩阵 2、构造判断矩阵 同样，对于复杂的社会、经济、科技等问题，通过建立层次分析结构模型，构造出判断矩阵，利用特征值方法即可确定各种方案和措施的重要性排序权值，以供决策者参考。 使用AHP，判断矩阵A的一致性很重要，但要求所有判断都有完全的一致性不大可能。因此，一般只要求A具有满意的一致性，此时λmax稍大于矩阵阶数n，其余特征根接近零。这时，基于AHP得出的结论才基本合理。为使所有判断保持一定程度上的一致，AHP步骤中需要进行一致性检验。 2、构造判断矩阵 2、构造判断矩阵 其中bij通常取为1,2,3,…9及它们的倒数，其含义是： bij=1,表示Pi与Pj一样重要； bij=3,表示Pi比Pj重要一点（稍微重要）； bij=5,表示Pi比Pj重要（明显重要）； bij=7,表示Pi比Pj重要得多（强烈重要）； bij=9,表示Pi比Pj极端重要（绝对重要）。 其间的数2,4,6,8及各数的倒数具有相应的类似意义。 3、层次单排序－计算相对重要度 根据判断矩阵，计算对于上一层次某因素而言，本层次与之有关的因素的重要性次序的权值。 层次单排序可归结为计算判断矩阵特征根和特征向量问题。 即对判断矩阵B，计算满足 BW= ?maxW 的特征根与特征向量，W的各个分量Wi即是相应因素单排序的权值。 4、层次单排序中的一致性检验 为了检验判断矩阵的一致性，需要计算它的一致性指标 5、层次总排序－计算综合重要度 5、层次总排序 则综合计算P1、P2、P3相对A的总排序结果可用下表表示： 6、总排序的一致性检验 为评价总排序的计算结果的一致性，需要计算与单排序类似的检验量。 同样，当CR ≤ 0.1时，我们认为层次总排序具有满意的一致性，其结果可提供决策者参考。 特征值的计算方法 AHP计算的根本问题是计算判断矩阵的最大特征根?max及其对应的特征向量W. 三种常用的计算方法：幂法、求和法、方根法 幂 法（特征根方法）：计算机进行，可得到任意精确度的最大特征根?max及其相应的特征向量W。 求和法（算术平均法）：近似算法。 方根法（几何平均法）：近似算法。 1）幂法 计算步骤如下: (1)取与判断矩阵B同阶的归一化的初值向量W。 (2)计算 (3)令 2）求和法 2）求和法 2）求和法 2）求和法 2）求和法 2）求和法 2）求和法 3）方根法 3）方根法 3）方根法 例：AHP用于方案排序 [例3]决定某厂一笔企业留成利润 目标：合理使用留