产生初始种群.ppt

合作伙伴评价指标的确定 合作伙伴评价方法的确定 马士华： 企业业绩、业务结构与生产能力、质量系统与企业环境 二、供应链合作伙伴选择方法 内涵：定性分析——定量分析——定性与定量分析相结合 原理：相互比较——基准比较 技术：从传统到先进 因素：单一——综合 过程：静态——动态 一致性检验 完全一致： 一致性指标： 平均随机一致性指标 检验系数： 2.1 内涵：从定性分析到定量分析再到定性与定量分析相结合 定性，如直观判断法、招标法和协商选择法等 简单易行、费用低，但易产生逆向选择，仅适用于备选者不多时次要合作伙伴的选择。 定量方法 成本比率法（The Cost Ratio），首先计算与成本有关的质量、运输、服务等项目的总成本，然后根据每一项准则的成本占总成本的百分比来选择合作伙伴。 基于活动的成本法（Activity Based Costing, ABC），通过计算备选合作伙伴的总成本选择最佳者。 定量方法的应用提高了合作伙伴选择的合理性和有效性，但面对客观存在的难以定量化的因素，纯粹的定量方法显现出较大的局限性 定性与定量相结合 层次分析法（Analytic Hierarchy Process，AHP） Dae- Ho Byun 韩国汽车制造企业合作伙伴选择，Tam和Tummala 分析香港通信设备的合作伙伴选择模型和决策过程，他们发现用AHP 法可缩短选择合作伙伴花费的时间 数据挖掘、智能推理、神经网络、群体决策、机器学习（最小二乘支持数量机） 2.2 原理：从相互比较到基准比较 合作伙伴选择必须建立在科学准确的评价基础之上，评价的实质是比较 相互比较 AHP 法 DEA（Data Envelopment Analysis）数据包络分析），一种非参数统计方法。 评价的依据是决策单元的“输入”数据和“输出”数据，输入数据是指决策单元在某种活动中需要消耗的某些量，例如投入的资金总额，投入的总劳动力数，占地面积等等；输出数据是决策单元经过一定的输入之后，产生的表明该活动成效的某些信息量，例如不同类型的产品数量，产品的质量，经济效益等等． 根据输入数据和输出数据来评价决策单元的优劣，即所谓评价部门（或单位）间的相对有效性 2.2 原理：从相互比较到基准比较 基准比较 灰色关联分析法（单基准比较） 将m个子序列对同一母序列的关联度按大小顺序排列起来，组成了关联序 根据因素之间发展趋势的相似或相异程度，亦即“灰色关联度”，作为衡量因素间关联程度的一种方法 TOPSIS （Technique for Order Preference by Similarity to Ideal Solution）法，逼近于理想点的排序方法，双基准比较。 集对分析（SPA, Set Pair Analysis ）——最优、最劣、中间 2.3 技术：从传统到先进2.3.1 单项技术不断完善 AHP 有一下方面的不足 无法表述一些模糊和不精确的因素, 1～9 的标度不精确且不易把握； 只考虑下层因素对上层的单向层次关系，未考虑同一层次因素间的相互作用 针对第一点不足，Morlacch 提出了模糊层次模型（FAHP） 针对第二点不足，Sarkis 和Talluri 提出网络分析（Analytic Network Process，ANP）。ANP法在层次分析的基础上建立各因素或相邻层次间的相互作用矩阵，称为超矩阵，利用超矩阵得出各备选伙伴的混合权重，体现了因素间的交叉影响。 模糊综合评价 提供了一个从正面解决含糊性问题的方法，但它忽略了侧面影响的作用 牛文学等人，提出Vague综合评价。引进真、假两个隶属度概念，分别反映评价因素的含糊性和不可分辨性 2.3.2 技术运用从单一到集成 Morlacchi将AHP 法与模糊综合评价结合起来 Ghodsypour 和Brien 将AHP和LP 结合起来开发了用于选择合作伙伴的决策支持系统。 Weber 等人将MOP （多目标规划）和DEA 结合起来构建供应商选择优化模型，首先利用MOP 选择出多个供应商，再用DEA 模型过滤从中选择效率高的伙伴组合。 Li 和Yamaguchi 将灰色关联分析和粗集理论相结合解决合作伙伴选择的决策问题，其基本步骤是：确定灰色决策矩阵并标准化——确定合适的供应商、——确定理想供应商——选择最合适的供应商。 AHP 与DEA、BP神经网络、TOPSIS、LP、MOP、灰色关联分析，以及DEA 与MOP ，平衡计分卡和广义熵等组合得到广泛应用。 AHP 法与其它方法组合的主要目的是确定指标权重，但用AHP 法确定指标权重存在两方面的缺陷， 判断矩阵存在着较明显的主观色彩； 未考虑评价对象所包含的信息 信息熵法确定指标权值，形成了熵与其它方法的组合。