彭安華 肖興明

1.中國(guó)礦業(yè)大學(xué)，徐州，221116 2.淮海工學(xué)院，連云港，222005

0 引言

虛擬企業(yè)是一種嶄新的企業(yè)組織形式，是21世紀(jì)企業(yè)進(jìn)行生產(chǎn)經(jīng)營(yíng)活動(dòng)和參與市場(chǎng)競(jìng)爭(zhēng)的主要模式。面對(duì)某一市場(chǎng)機(jī)遇時(shí)，最先抓住機(jī)遇并掌握一定核心能力的企業(yè)首先要對(duì)自身核心資源進(jìn)行分析，判斷實(shí)現(xiàn)市場(chǎng)機(jī)遇所需的核心資源與自身資源是否匹配。如果兩者匹配，則核心企業(yè)通過(guò)自身努力來(lái)抓住市場(chǎng)機(jī)遇，反之，核心企業(yè)則根據(jù)具體情況通過(guò)組建虛擬企業(yè)或者并購(gòu)?fù)獠抠Y源來(lái)抓住市場(chǎng)機(jī)遇。如果選擇組建虛擬企業(yè)，則該核心企業(yè)稱為盟主。對(duì)盟主而言，在確定新產(chǎn)品開(kāi)發(fā)目標(biāo)后，首先進(jìn)行項(xiàng)目分解，將總項(xiàng)目分解成若干個(gè)可由單獨(dú)企業(yè)承擔(dān)的子項(xiàng)目，為每個(gè)子項(xiàng)目設(shè)計(jì)招標(biāo)書，然后通過(guò)公共信息網(wǎng)絡(luò)進(jìn)行招標(biāo)。在同一時(shí)間內(nèi)有眾多的企業(yè)投標(biāo)，如何從這些投標(biāo)企業(yè)中選擇最佳的合作伙伴，是組建虛擬企業(yè)過(guò)程中最為關(guān)鍵的一步。文獻(xiàn)［1］提出了基于層次分析法的合作伙伴選擇方法，文獻(xiàn)［2］提出了基于層次分析法和數(shù)據(jù)包絡(luò)分析的合作伙伴選擇方法，文獻(xiàn)［3］提出了基于改進(jìn)型灰色評(píng)價(jià)的虛擬企業(yè)合作伙伴選擇方法。這些文獻(xiàn)中的判斷矩陣或效用值及其評(píng)價(jià)指標(biāo)的權(quán)重都是用一個(gè)精確數(shù)表示的。

然而在實(shí)際決策中，由于客觀事物的復(fù)雜性及人類認(rèn)識(shí)的局限性，往往很難確定一個(gè)精確數(shù)，即使給定一個(gè)精確數(shù)，也是比較主觀的，不一定能反映實(shí)際情況。文獻(xiàn)［4－5］提出基于模糊層次分析法的合作伙伴選擇方法，首先給出語(yǔ)言判斷矩陣，然后給出語(yǔ)言偏好信息的隸屬函數(shù)，例如“高”、“很高”等語(yǔ)言的隸屬函數(shù)分別用三角模糊數(shù)［0.7，0.9，1.0］和［0.9，1.0，1.0］表示，而事實(shí)上隸屬函數(shù)在實(shí)踐中并不是總能獲得，因而該方法在實(shí)際應(yīng)用中仍存在一定的困難。文獻(xiàn)［6］提出的基于證據(jù)推理的合作伙伴選擇方法，雖不需要將語(yǔ)言評(píng)價(jià)轉(zhuǎn)為精確數(shù)或模糊數(shù)，但需要事先給每個(gè)語(yǔ)言評(píng)價(jià)的確定置信度，這顯然也比較主觀。由Herrera等［7］提出的二元語(yǔ)義可直接對(duì)語(yǔ)言評(píng)價(jià)信息進(jìn)行計(jì)算，但目前還沒(méi)見(jiàn)到基于二元語(yǔ)義信息的合作伙伴選擇方法。文獻(xiàn)［8］提出了一種基于二元語(yǔ)義信息處理的群體決策方法，該文中有兩個(gè)問(wèn)題值得商榷：①由于對(duì)屬性的認(rèn)識(shí)程度不同，故不同的決策者可能依據(jù)不同粒度語(yǔ)言評(píng)價(jià)集給出語(yǔ)言評(píng)價(jià)值；②屬性的權(quán)重一般很難精確得到，尤其當(dāng)決策問(wèn)題比較復(fù)雜時(shí)。虛擬企業(yè)合作伙伴選擇過(guò)程中，由于涉及因素多，且有很多抽象因素?zé)o法用數(shù)值精確描述，故用諸如“好”、“較好”來(lái)描述，更符合人們的思維習(xí)慣。本文提出一種在部分權(quán)重的情況下基于多粒度語(yǔ)言評(píng)價(jià)值的動(dòng)態(tài)聯(lián)盟中的合作伙伴選擇方法。

1 不同粒度語(yǔ)言評(píng)價(jià)值的一致化

關(guān)于二元語(yǔ)義的基本概念可參考文獻(xiàn)［9－10］。

定義1 設(shè)β∈［0，T］為語(yǔ)言評(píng)價(jià)集S經(jīng)某種集結(jié)方式得到的一個(gè)實(shí)數(shù)值，則β可由函數(shù)Δ表示為二元語(yǔ)義：

式中，sk為語(yǔ)言評(píng)價(jià)集S中第k＋1個(gè)語(yǔ)言評(píng)價(jià)值；ak為sk的符號(hào)平移，ak＝β－k；round（＊）為四舍五入取整算子。

定義2 設(shè)（sk，ak）是一個(gè)二元語(yǔ)義，則存在一個(gè)逆函數(shù)Δ－1，使其轉(zhuǎn)換成相應(yīng)的數(shù)值β∈［0，T］：

基于多粒度語(yǔ)言評(píng)價(jià)信息的群決策問(wèn)題首先將不同語(yǔ)言評(píng)價(jià)集一致化為標(biāo)準(zhǔn)語(yǔ)言評(píng)價(jià)集。文獻(xiàn)［11］基于模糊理論中的擴(kuò)展原理，采用最大最小隸屬度原則，將不同粒度語(yǔ)言評(píng)價(jià)信息轉(zhuǎn)化為定義在基本語(yǔ)言評(píng)價(jià)集上的模糊數(shù)。文獻(xiàn)［12］通過(guò)插值方法將不同粒度語(yǔ)言評(píng)價(jià)信息一致化為基本語(yǔ)言評(píng)價(jià)信息。文獻(xiàn)［11-12］使用三角模糊數(shù)來(lái)表達(dá)語(yǔ)言評(píng)價(jià)集中短語(yǔ)所對(duì)應(yīng)的語(yǔ)義，計(jì)算過(guò)程比較繁瑣，而且只能從粒度低的評(píng)語(yǔ)集向粒度高的評(píng)語(yǔ)集轉(zhuǎn)化。

2 二元語(yǔ)義集結(jié)算子

其中，π（j）（j＝1，2，…，n）是1，2，…，n中的一個(gè)置換。對(duì)任意j＝2，3，…，n 有（sπ（j－1），aπ（j－1））≥（sπ（j），aπ（j））。

ET－OWGA算子只考慮了數(shù)據(jù)位置的重要程度，即只根據(jù)某個(gè)數(shù)據(jù)在整個(gè)數(shù)據(jù)列當(dāng)中的相對(duì)大小賦予不同的權(quán)重，而沒(méi)有考慮數(shù)據(jù)自身的重要程度，即在多屬性決策中沒(méi)有考慮不同的屬性具有不同的權(quán)重。參考文獻(xiàn)［14］，本文提出擴(kuò)展的組合加權(quán)幾何平均算子（ET－COWGA）。

定義6 設(shè)｛（s1，a1），（s2，a2），…，（sn，an）｝為一組二元語(yǔ)義信息，由于每個(gè)數(shù)據(jù)自身的重要程度不同，且設(shè)數(shù)據(jù)自身的權(quán)重向量為ω，位置權(quán)重向量v是與擴(kuò)展的二元語(yǔ)義有序組合加權(quán)幾何平均（ET－C OWGA）算子φ相關(guān)聯(lián)的加權(quán)向量，則φ定義為

應(yīng)用OWG算子的關(guān)鍵是確定位置權(quán)向量v，確定位置權(quán)向量的方法主要有模糊量化方法、最大熵規(guī)劃模型、最小方差規(guī)劃模型、極大極小離差規(guī)劃模型［15］，但這些方法要么是物理含義不夠清楚，要么是計(jì)算過(guò)程比較復(fù)雜。在數(shù)據(jù)列當(dāng)中，出現(xiàn)在平均值附近的數(shù)據(jù)比較合理，應(yīng)該賦予較大的位置權(quán)重，遠(yuǎn)離平均值的數(shù)據(jù)則說(shuō)明該數(shù)據(jù)不盡合理，應(yīng)該賦予較小的權(quán)重，以弱化不合理數(shù)據(jù)對(duì)數(shù)據(jù)集結(jié)結(jié)果的影響?；诖?，筆者提出基于正態(tài)分布的方法來(lái)確定OWG算子中的位置權(quán)向量：

3 基于兩階段優(yōu)化確定屬性權(quán)重向量

利用MATLAB軟件中的fmincon函數(shù)求解此模型，將得到最終精確權(quán)重向量ω。

4 虛擬企業(yè)合作伙伴決策

虛擬企業(yè)合作伙伴選擇的框架主要分為4個(gè)階段（圖1）［16-17］：第一個(gè)階段為市場(chǎng)機(jī)遇實(shí)現(xiàn)模式的選擇，即通過(guò)分析確定是采用并購(gòu)模式還是組建虛擬企業(yè)或者放棄市場(chǎng)機(jī)遇。第二階段為評(píng)價(jià)指標(biāo)的確定，評(píng)價(jià)指標(biāo)的確定主要是在參考虛擬企業(yè)指標(biāo)庫(kù)的基礎(chǔ)上，根據(jù)任務(wù)分解確定評(píng)價(jià)指標(biāo)［18］。第三階段為篩選，確定必須要滿足要求的硬指標(biāo)，若任何一項(xiàng)硬指標(biāo)不滿足要求，則淘汰該方案。第四階段為合作伙伴綜合評(píng)價(jià)，即在滿足硬指標(biāo)要求的有限個(gè)合作伙伴中選擇最佳的合作伙伴。一個(gè)產(chǎn)品的制造過(guò)程大體上可分為產(chǎn)品設(shè)計(jì)、零部件制造、總裝、銷售等4個(gè)業(yè)務(wù)過(guò)程，如果盟主主要具有產(chǎn)品設(shè)計(jì)能力，則盟主要為其他3個(gè)業(yè)務(wù)過(guò)程尋找最理想的合作伙伴。現(xiàn)假設(shè)盟主為產(chǎn)品的銷售尋找普通型的緊密型合作伙伴。評(píng)價(jià)指標(biāo)確定為企業(yè)績(jī)效u1、企業(yè)先進(jìn)程度u2、企業(yè)產(chǎn)品質(zhì)量u3、企業(yè)環(huán)境u4，相應(yīng)的權(quán)重分別為ω～1＝ ［0.3，0.5］，ω～2＝ ［0.2，0.3］，ω～3＝ ［0.1，0.2］，ω～4＝［0.15，0.35］，現(xiàn)假設(shè)請(qǐng)了3個(gè)專家d1、d2、d3進(jìn)行評(píng)判，經(jīng)過(guò)篩選后有3家合作伙伴x1、x2、x3，要經(jīng)過(guò)綜合評(píng)價(jià)才能確定誰(shuí)是最佳合作伙伴。假設(shè)3個(gè)專家給出的語(yǔ)言評(píng)價(jià)值如表1所示。一般地講，若專家對(duì)某種評(píng)價(jià)指標(biāo)或者對(duì)某一候選企業(yè)比較熟悉，則給出的較大粒度的語(yǔ)言評(píng)價(jià)值，反之則給出較小粒度的語(yǔ)言評(píng)價(jià)值，圖1描述了其詳細(xì)的決策過(guò)程。

表1 評(píng)價(jià)指標(biāo)及各專家語(yǔ)言評(píng)價(jià)值

4.1 語(yǔ)言評(píng)價(jià)值一致化

假設(shè)以7粒度語(yǔ)言評(píng)價(jià)集為標(biāo)準(zhǔn)語(yǔ)言評(píng)價(jià)集，按照定義3（式（1））將3粒度語(yǔ)言和5粒度語(yǔ)言都統(tǒng)一轉(zhuǎn)換為7粒度語(yǔ)言評(píng)價(jià)集中的語(yǔ)言評(píng)價(jià)：

4.2 集結(jié)專家語(yǔ)言評(píng)價(jià)值

4.3 求出精確權(quán)重向量

4.3.1 求出局部?jī)?yōu)化權(quán)重向量

例如以合作伙伴x1的綜合屬性值為最優(yōu)，根據(jù)式（7）建立如下最優(yōu)化模型

4.3.2 求出精確權(quán)重向量

根據(jù)式（8）建立如下最優(yōu)化模型

利用MATLAB軟件中的fmincon函數(shù)求解此模型，可得到精確權(quán)重向量ω＝（0.4101，0.2453，0.1210，0.2235）。

4.4 求合作伙伴綜合評(píng)價(jià)值

利用定義4（式（2））計(jì)算出x1的綜合評(píng)價(jià)值值。

5 結(jié)論

（1）在專家語(yǔ)言評(píng)價(jià)值集成的過(guò)程中采用ET－COWGA算子，既考慮了數(shù)據(jù)自身的重要性，又考慮了數(shù)據(jù)位置的重要性，減小了過(guò)高或過(guò)低評(píng)價(jià)的不合理影響，提高了評(píng)價(jià)結(jié)果的準(zhǔn)確性。

（2）采用基于正態(tài)分布的辦法求位置權(quán)重向量，該方法相對(duì)于目前常用的方法具有物理含義明確、易于理解、計(jì)算簡(jiǎn)單等優(yōu)點(diǎn)。

（3）直接利用語(yǔ)言評(píng)價(jià)，無(wú)需給出偏好信息的隸屬函數(shù)，方便了專家評(píng)價(jià)。根據(jù)評(píng)價(jià)矩陣采用二階段優(yōu)化的辦法求出精確的屬性權(quán)重。模糊性與精確性結(jié)合，進(jìn)一步提高了評(píng)判結(jié)果的準(zhǔn)確性。

（4）為了提高評(píng)價(jià)數(shù)據(jù)的準(zhǔn)確性，可構(gòu)造層次結(jié)構(gòu)的評(píng)價(jià)指標(biāo)體系，例如可將企業(yè)績(jī)效細(xì)分為企業(yè)發(fā)展前景、企業(yè)信譽(yù)水平、產(chǎn)品市場(chǎng)占有率及新產(chǎn)品開(kāi)發(fā)成功率等，這時(shí)就構(gòu)成了一個(gè)多層次的模糊多屬性決策問(wèn)題，求解方法與本文類似，只是在每一層次重復(fù)利用本文的方法。

［1］鄭文軍，張旭梅，劉飛，等.虛擬企業(yè)合作伙伴評(píng)價(jià)體系及優(yōu)化決策［J］.計(jì)算機(jī)集成制造系統(tǒng)－CIMS，2000，6（5）：63－67.

［2］盧級(jí)華，李艷.基于DEA／AHP的虛擬企業(yè)合作伙伴選擇 ［J］.東 北 大 學(xué) 學(xué) 報(bào)，2008，29（11）：1661－1664.

［3］張成考，聶茂林，吳價(jià)寶.基于改進(jìn)型灰色評(píng)價(jià)的虛擬企業(yè)合作伙伴選擇［J］.系統(tǒng)工程理論與實(shí)踐，2007，27（11）：54－60.

［4］馬永軍.網(wǎng)絡(luò)聯(lián)盟企業(yè)中設(shè)計(jì)伙伴選擇方法［J］.機(jī)械工程學(xué)報(bào)，2000，36（1）：15－19.

［5］李帥.基于模糊群決策的虛擬企業(yè)合作伙伴選擇［J］.東北大學(xué)學(xué)報(bào)（自然科學(xué)版），2004，25（3）：295－298.

［6］廖貅武，唐煥文.動(dòng)態(tài)聯(lián)盟中伙伴選擇的證據(jù)推理方法［J］.計(jì)算機(jī)集成制造系統(tǒng)－CIMS，2003，9（1）：57－61.

［7］Herrera F，Martinez L.A 2－tuple Fuzzy Linguistic Representation Model for Computing with Words［J］.IEEE Transactions on Fuzzy Systems，2000，8（12）：746－752.

［8］鮑廣宇，付豐科，趙志敏.一種基于二元語(yǔ)義信息處理的群體決策方法［J］.解放軍理工大學(xué)學(xué)報(bào)，2009，10（5）：435－439.

［9］姜艷萍，樊治平.具有語(yǔ)言信息的多指標(biāo)群體綜合評(píng)價(jià)［J］.東北大學(xué)學(xué)報(bào)（自然科學(xué)版），2005，26（7）：703－706.

［10］張園林，匡興華.一種基于多粒度語(yǔ)言偏好矩陣的多屬性群決策方法［J］.控制與決策，2008，23（11）：1296－1300.

［11］Chen Z F，Berrarieh D.On the Fusion of Multigranularity Linguistic Label Sets in Group Decision Making［J］.Computers ＆Industrial Engineering，2006，51（10）：526－541.

［12］Herrera F，Matinez L.A Model Based on Linguistic 2－tuples for Dealing with Multi－granularity Linguistic Contexts in Multi－expert Decision Making［J］.IEEE Transaction on Systems，Man and Cybernetics，Part B：Cybernetics，2001，31（2）：227－234.

［13］衛(wèi)貴武，黃登仕，魏宇.基于ET－WG和ETOWG算子的二元語(yǔ)義群決策方法［J］.系統(tǒng)工程學(xué)報(bào)，2009，24（6）：744－748.

［14］徐澤水，達(dá)慶利.一種組合加權(quán)幾何平均算子及其應(yīng)用［J］.東南大學(xué)學(xué)報(bào)，2002，32（3）：506－509.

［15］Xu Z S.An Overview of Methods for Determining OWA Weights［J］.International Journal of Intelligent Systems，2005，20（8）：843－865.

［16］葉飛，孫東川，張紅.面向虛擬企業(yè)合作伙伴的新過(guò)程框架研究［J］.系統(tǒng)工程理論與實(shí)踐，2003（11）：88－94.

［17］陳菊紅，汪應(yīng)洛，孫林巖.虛擬企業(yè)伙伴選擇過(guò)程及方法研究［J］.系統(tǒng)工程理論與實(shí)踐，2001，21（7）：48－54.

［18］錢碧波，潘曉弘，程耀東.敏捷虛擬企業(yè)合作伙伴選擇評(píng)價(jià)體系研究［J］.中國(guó)機(jī)械工程，2000，11（4）：397－401.