基于Rough Set理论图书供应商评价模型.docVIP

基于Rough Set理论图书供应商评价模型 　　[摘要] 本文利用粗糙集理论对选择图书供应商的指标体系进行了约简和指标权重的计算，从而为如何选择与评价图书供应商提供了新的有益的思路。 　　[关键词] 粗糙集 图书馆供应商 评价 　　 　　图书供应商在图书馆文献资源建设上扮演着至关重要的角色。读者的图书需求信息要以图书订单的形式传递给图书供应商，而且读者需求的满意程度与图书供应商关系也非常密切。因此，选择与评价图书供应商意义重大。它不仅是图书采购的一项重要的决策，而且会直接影响到供应链运行的效率与效益。 　　目前，关于供应商选择的定量模型有ABC成本法、TOPSIS法、DEA法、AHP法、线性规划方法、模糊评价模型、灰色综合评价、神经网络法等等。这些方法或计算比较复杂，或者权重的确定具有很大的主观性，或者对海量且含有噪音的数据缺乏有效的处理方法，从而导致对供应商的???价在客观性和准确性上不尽如人意。本文拟采用新方法（Rough Sets Theory）对图书供应商进行选择性评价，这对如何选择与评价图书馆供应商提供了新的有益的思路和可资借鉴的方法，以期达到抛砖引玉的作用。 　　一、基于粗糙集理论的多指标综合评价 　　粗糙集理论(Rough Sets Theory)是波兰学者Z.Pawlak于1982年提出的一种用来研究不完整数据、不精确知识的表达、学习和归纳的新理论。它的主要思想是利用已知的知识库,将不精确或不确定的知识用已知的知识库中的知识来近似刻划。该理论的主要特点是它仅利用数据本身所提供的信息来如实回答问题,能同时允许使用定性和定量的数据，无需提供任何附加信息或先验知识,因而它是一种能有效地分析和处理不确定知识的新的数学工具。 　　基于粗糙集理论的多指标综合评价的基本步骤： 　　1.指标数据离散化 　　由于粗糙集理论是基于集合论的，所以只能处理离散型的数据，而在实际问题的处理过程中，有些指标数据是连续型的，那么首先必须先将连续型的数据离散化。属性离散化的算法有很多种,如等距离划分算法、等频率划分算法、Naive Scaler算法、C-均值属性离散化算法,等等。 　　2.指标的筛选 　　根据粗糙集理论的属性约简原理，要将冗余的指标进行剔除。 　　3.计算各属性重要度 　　给定一个信息表知识表达系统S=(U,R,V,f)。这里,U={u1,u2,…,un}是对象集(论域),R=C∪D是属性集,子集C={c1,c2,…,ck}和D={d1,d2,…,di}分别称为条件属性集和结果属性集。条件属性ci∈C(i=1,2,…,n),ci对于决策属性的重要性程度定义为Ki, 则: 　　Ki=rC(D)-r(C-Ci)(D)=card(POSC(D))/card(U)-card(POS(C-ci)(D))/card(U) (1) 　　其中,card(U)表示集合U中元素的数量; POS(C-ci)(D)称作D的相对于(C-ci)的正域;card(POS(C-ci)(D))表示集合POS(C-ci)(D))中元素的个数。 　　4.计算评价指标权重 　　根据公式(2)对属性重要度ki进行归一化处理,可得到评价指标的权重: 　　 (2) 　　其中,Wi是评价指标的权重, ki是属性重要度。 　　5.建立评价模型 　　根据权重和属性值的意义，可得到评价模型： 　　(3) 　　其中，Yj是第j个评价对象的综合评价值；Xi是第i个指标Ci的评估值。 　　二、实例分析 　　本文从服务承诺、资信实力、交货情况、报价四个方面评价图书供应商。令服务承诺、资信实力、交货情况、报价分别为C1,C2,C3,C4。专家的历史评估为D。原始决策表见表1。粗糙集方法兼顾了历史与现实情况，兼顾了主观、客观情况，是一种比较好的方法。 　　1.离散化 　　本文根据评价指标的特点和性质,采用建立评价标准的方法对样本数据进行离散化。 　　C1分三个等级：差（＜0.85）、一般（0.85―0.95）、强（＞0.95），分别对应数值1、2、3；C2分三个等级：差（＜0.85）、一般（0.85―0.95）、好（＞0.95），分别对应数值1、2、3；C3分三个等级：差（＜0.85）、一般（0.85―0.95）、好（＞0.95），分别对应数值1、2、3；C4分三个等级：高（＞25万元）、一般（20―25万元）、低（＜20万元），分别对应数值1、2、3；D分三个等级：差（＜0.85）、一般（0.85―0.95）、好（＞0.95），分别对应数值1、2、3。离散化后结果见表2。 　　2.属性约简及重要度计算 　　根据表2,运用粗糙集方法进行属性约简,并计算重要度。 　　(1)计算各属性等价类 　　首先,计算决策属性和所有条件属