供应链合作伙伴选择方法概述.docxVIP

PAGE 1 PAGE 1 供应链合作伙伴选择方法概述  7.合作伙伴选择的神经网络算法  人工神经网络（ArtificialNeuralNetwork，简称ANN）是20世纪80年月后期快速发展的一门新兴学科，ANN可以模拟人脑的某些智能行为，如知觉、灵感和形象思维等，具有自学习、自适应和非线形动态处理等特征。  这里将ANN应用于供应链管理环境下合作伙伴的综合评价选择，意在建立更加接近于人类思维模式的定性与定量相结合的综合评价选择模型。通过对给定样本模式的学习，获取评价专家的学问、经验、主观推断及对目标重要性的倾向，当对合作伙伴作出综合评价时，该方法可再现评价专家的经验、学问和直觉思维，从而实现了定性分析与定量分析的有效结合，也可以较好地保证合作伙伴综合评价结果的客观性。  基于人工神经网络的合作伙伴综合评价选择的处理总体流程结构模型。  在选定评价指标组合的基础上，对评价指标作出评价，得到评价值之后，因各指标间没有统一的度量标准，难以进行直接的分析和比较，也不利于输入神经网络计算，因此，在用神经网络进行综合评价之前，应首先将输入的评价值通过隶属函数的作用转换为之间的值，即对评价值进行标准无纲量化，并作为神经网络的输入，以使ANN可以处理定量和定性指标。  其中xpi表示第i个指标的评价值（输入值），pi表示第i个指标经量化后的评价值（输出值），它是B-P网络的输入值。  人工神经网络模块是综合评价系统的重要组成部分，由B-P网络组成，主要完成网络结构的定义、样本的学习和通过B-P算法进行合作伙伴的综合评价计算等功能。  用于合作伙伴评价选择的B-P人工神经网络（以下简称B-P网络）可以采用具有一个输入层、一个隐层和一个输出层的网络结构。各层具有多个节点，每相邻两层之间单方向互连  B-P网络结构参数的选择是一个非常重要的工作，输入层和隐含层个数的增加会增加网络的表达能力，但也会影响其收敛速度。B-P网络结构参数可在网络运行前进行设置定义，相应设置存于网络结构文件。  在通过计算得到网络的权值和阈值后，就可将经过初始化的企业评价值作为网络输入进行计算，得到评价输出。