基于三枝决策粗糙集的供应链合作伙伴选择方法.pdf

《基于三枝决策粗糙集的供应链合作伙伴选择方法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第12期(总第242期)工业技术经济N0．12(General。No．242)2013年12月ofIndustrialTechnologicalEI潮∞lnic8Dec．2O13基于三枝决策粗糙集的供应链合作伙伴选择方法钟映嬷黄鑫(广东工业大学，广州510520)[摘要]选择合适的合作伙伴对提升供应链竞争力具有重要的战略意义。选择合作伙伴的常见方法有：线性加权法、数学规划法和层次分析法等，在存在噪声的实际决策环境中，大多数评价和选择方法缺乏对误分类的容错能力。本文根据三枝决策粗糙集理论，提出了一种新的方法来选择合作伙伴。该方法引入了最小风险贝

2、叶斯决策理论，采用定量的概率包含关系来度量对象集合相对于目标概念的隶属度(条件概率)，找出最小期望风险的决策，将其作为划分正域、负域和边界域的基本依据。本文给出了该方法的具体步骤，并通过算例对其有效性进行了验证。[关键词)供应链合作伙伴三枝决策粗糙集贝叶斯决策DOII10．3969／j．issn．1004—910X．2013．12．013[中图分类号】F274[文献标识码】A引言类，并且求出了分类和预测的准确率。Wu和o1．全球竞争环境下要求企业将自身业务与合作son建立了一个DEA—VAR模型去进行供应商选伙伴相结合，从整个供应链的角度考虑

3、如何提升择的风险管理，他们的模型提供了一种定量的方竞争力。因此，许多成功的企业都将与合作伙伴法来改善风险决策【5J。Ha和Krishnan提出了一个的附属关系转向联盟或战略合作关系，建立战略混合模型，将多种技术应用到合作伙伴的选择中合作伙伴关系成为供应链管理的一个的焦点⋯1。来，以选择最有竞争力的合作者，他们的模型允目前选择供应链合作伙伴的较常用的方法有：许决策者根据潜在对象的得分来进行单目标或多线性加权法、数学规划法、层次分析法、BP人工目标决策。这个模型还可以通过定性和定量的分神经网络法和数据包络分析法等。Amid等建立了析以确定目标对象

4、在群簇中的位W-E6]。Sar．kar和一个模糊一多目标线性模型去解决合作伙伴选择Mohapatra使用模糊的方法测量不精确的二维问题的问题，应用了一种非对称模糊决策技术，该模(绩效和能力)，以减少潜在合作伙伴的数量，但型权衡了合作伙伴不同属性之间的权重，并通过这个方法存在得分相互补偿的问题[引。线性转换简化了模型的计算[。Tam和Tummah以上方法在供应商选择中具有一定的适用性，用层次分析法研究了一个通信行业供应商选择的但是也有各自的缺点。线性加权法计算简便，但案例，评价者根据相对重要性函数表，给出因素容易受极端值的影响，不适合单独使用；

5、数学规两两比较的重要性等级[引，可靠性高，误差小，划法仅仅适用于单个候选者的多目标决策，不适不足之处，是如果因素众多，判断矩阵难以满足合多个候选者的情况；层次分析法虽然有效改善一致性要求[引。Wu提出了一个DEA、决策树、了群决策，但它忽略了属性之间自相关性对结果神经网络混合模型去评估供应商的绩效，这个混的影响；BP神经网络依赖于大量历史数据的训合模型用DEA把供应商分成高效性和低效性两练，但是对供应商选择来说，获得大量的数据是收稿日期：2o13—1O—l7基金项目：教育部人文社会科学规划项目(项目编号：12YJA630199)。广东省哲学社

6、会科学学科共建项目(项目编号：GD10XGI．1Y2}。作者简介i钟映，广东工业大学管理学院副教授，博士。研究方向：供应链管理，系统工程。黄鑫，广东工业大学管理学院硕士研究生。研究方向：物流工程。一9O一第12期(总第242期)工业技术经济№．12(C,mm-al。No．242)2013年l2月0fIndustrialTechnologicalE(翘l0Ic8Dee．20l3很困难的，所以适用范围受限；DEA数据包络分低了拒真与采伪错误，可看做是“风险中性”的析法也必须与其他方法一起使用才有效，否则自方式，符合人们的理性思维。身提供的有效信息

7、太少。假设U是一个有限的非空子集，R是定义在以上方法的分类决策结果只有两个：选择或u上的一种等价关系，记apt=(U，R)为近似空间，者不选择，很容易犯概率统计中拒真和采伪两类u在等价关系R下的划分记做U／R={[x]RIX∈错误，在存在噪声的实际决策问题中，缺乏对误u}，[x]R是包含X的等价类。下近似集定义为：分类的容错能力。三枝模糊决策将决策结果分成aprR(X)={xEUi[x]RX}；上近似集为：aprR接受、待定、拒绝3个域，以域来区分候选者的(x)={xEUl[x]RNx≠夺}。好坏，将两个域拓展为3个域可有效降低犯拒真正域PO

8、S(x)，待定域BND(x)和负域NEG和采伪错误的概率。该方法引入了最小风险贝叶(x)，其中POS(x)=aprR(X)，BND(X)=aprR(X)斯决策理论，