張國防，何莉輝

河北大學(xué) 數(shù)學(xué)與計算機(jī)學(xué)院，河北 保定 071002

基于模糊積分的供應(yīng)鏈網(wǎng)絡(luò)優(yōu)化方法

張國防，何莉輝

河北大學(xué) 數(shù)學(xué)與計算機(jī)學(xué)院，河北 保定 071002

1 引言

從供應(yīng)鏈角度而言，成功選擇合作伙伴至關(guān)重要，供應(yīng)鏈網(wǎng)絡(luò)設(shè)計中最主要的任務(wù)就是優(yōu)勢企業(yè)依據(jù)技術(shù)、質(zhì)量、成本、時間、產(chǎn)能等特性，從每一層次候選企業(yè)中選擇良好的合作伙伴，從而確定產(chǎn)品從原材料起點到顧客端點的整個流程網(wǎng)絡(luò)。文獻(xiàn)[1]提出了基于自我分類理論的供應(yīng)鏈合作伙伴選擇的兩階段模型。該模型提出了供應(yīng)鏈合作伙伴選擇應(yīng)在企業(yè)去人格化后，在自我分類的基礎(chǔ)上選擇與核心企業(yè)核心能力互補(bǔ)且具有競爭力的合作伙伴的觀點，為供應(yīng)鏈合作伙伴選擇提供了新思路。文獻(xiàn)[2]從供應(yīng)鏈合作伙伴選擇角度出發(fā)，討論了基于GBOM的供應(yīng)鏈網(wǎng)絡(luò)的結(jié)構(gòu)，在此基礎(chǔ)上建立了供應(yīng)鏈合作伙伴選擇的數(shù)學(xué)模型，給出了模型的求解方法。文獻(xiàn)[3]選擇最小二乘支持向量機(jī)（LS-SVM）算法對合作伙伴進(jìn)行選擇。傳統(tǒng)供應(yīng)鏈網(wǎng)絡(luò)設(shè)計問題的研究中，文獻(xiàn)[4]利用模糊事件的可信性測度推導(dǎo)零售商的模糊期望利潤，運用logit模型刻畫消費者的隨機(jī)選擇行為，借助有限維變分不等式理論構(gòu)建具有模糊需求的多商品流供應(yīng)鏈網(wǎng)絡(luò)均衡狀態(tài)滿足的變分不等式。而在文獻(xiàn)[5]中，研究了供應(yīng)商向制造商供應(yīng)原材料，生產(chǎn)同質(zhì)產(chǎn)品的制造商通過零售商銷售渠道將其產(chǎn)品銷售給消費者，以滿足消費市場隨機(jī)需求的供應(yīng)鏈網(wǎng)絡(luò)最優(yōu)化問題。然而在供應(yīng)鏈網(wǎng)絡(luò)設(shè)計時所依據(jù)的數(shù)據(jù)大多是模糊與隨機(jī)雙重不確定性的。諸多的模糊和隨機(jī)雙重不確定性給供應(yīng)鏈網(wǎng)絡(luò)構(gòu)建帶來了困難。因此本文引入模糊理論和隨機(jī)理論研究供應(yīng)鏈合作伙伴選擇與網(wǎng)絡(luò)構(gòu)建方法。

在實際的決策過程中，由于客觀事物的復(fù)雜性、隨機(jī)性及人類思維的模糊性，決策者在對事物進(jìn)行判斷評估時，提供的偏好信息有可能無法采用精確的數(shù)值來進(jìn)行估計，一般喜歡直接用模糊和隨機(jī)雙重語言形式給出，決策者對不同類別屬性的綜合過程帶有很強(qiáng)的主觀思考或經(jīng)驗推理，所以這也是一個對離散信息、帶有隨機(jī)性和模糊偏好的模糊綜合過程。文獻(xiàn)[6]利用博弈理論構(gòu)建了分散式控制生產(chǎn)商與零售商的Stackelberg博弈模型和集中式控制閉環(huán)供應(yīng)鏈的決策模型，通過求解模型得到了各成員企業(yè)和閉環(huán)供應(yīng)鏈的最優(yōu)決策及利潤。文獻(xiàn)[7]利用模糊理論的期望值模型，分別在集中式和分散式兩種決策方式下給出了新產(chǎn)品的最優(yōu)批發(fā)價格、最優(yōu)零售價格及廢舊產(chǎn)品的最優(yōu)回收率的解析表達(dá)式。但是上述方法中所使用的決策工具只考慮了單個屬性的重要程度，沒有考慮屬性之間的交互性對整個決策的影響。因此本文引入模糊測度和模糊積分理論研究供應(yīng)鏈合作伙伴評價與選擇的多重多屬性模糊綜合決策，以及模糊隨機(jī)環(huán)境下的任務(wù)粗分配方法。下面對本文使用的gλ模糊測度和choquet模糊積分做簡單的介紹[8]。

2 gλ模糊測度與choquet模糊積分

2.1 gλ模糊測度

本文中，供應(yīng)鏈合作伙伴選擇與網(wǎng)絡(luò)構(gòu)建中涉及的是有限個屬性，討論的內(nèi)容主要是基于有限集合，所以假定有限集合 X={x1，x2，…，xn}，有限集上的模糊測度在數(shù)學(xué)中的定義如下：

定義1假設(shè) X為非空集合，P(X)為由 X的子集構(gòu)成的冪集，集函 μ∶P(X)→[0，1]滿足下面的三個性質(zhì)時，稱為定義在P(X)上的模糊測度：

（1）μ(?)=0，μ(X)=1（歸零性，正則性）

（2）A∈P(X),B∈P(X),B?A?μ(B)≤μ(A)（單調(diào)性）

定義2如果模糊測度g還滿足下面性質(zhì)時，那么稱之為gλ-模糊測度（Sugeno模糊測度）。

存在常數(shù)λ，λ＞-1，使得：

通常將 gλ-模糊測度記為 g，令 g({xi})=gi，i=1，2，…，n，xi∈X，稱gi為模糊密度。模糊密度gi可以解釋為供應(yīng)鏈合作伙伴選擇與網(wǎng)絡(luò)構(gòu)建中第i個屬性的重要程度。關(guān)于gλ-模糊測度有下面兩個重要的結(jié)論：

定理1設(shè) g為定義在 P(X)上的 gλ-模糊測度，A1，A2，…，Al為P(X)中互不相交的l個集合(0＜l≤2n= |P(X)|)，則

由定理1和定理2可知，模糊測度 g在集合 X= {x1，x2，…，xn}中每一單點集的模糊測度值能確定 g在P(X)中其他集合的模糊測度值，因此在供應(yīng)鏈合作伙伴選擇與網(wǎng)絡(luò)構(gòu)建中，要確定gλ-模糊測度，只需知道模糊密度，即只要確定各個屬性的重要度就可以了。

2.2 choquet模糊積分

定義3假設(shè) f為定義在 X上的非負(fù)函數(shù)，μ為定義在F上的模糊測度，F(xiàn)為由X的子集構(gòu)成的σ-代數(shù)（當(dāng)X為有限集合時，F(xiàn)=P(X)），則 當(dāng)X={x1，x2，…，xn}為有限集合時，令·(i)滿足條件：

3 基于模糊積分的合作伙伴選擇模糊多屬性綜合決策

3.1 供應(yīng)鏈合作伙伴評價屬性模糊隨機(jī)變量和隨機(jī)模糊變量

本文以文獻(xiàn)[9]中提供的供應(yīng)鏈合作伙伴評價多屬性層次分析結(jié)構(gòu)模式為依據(jù)研究模糊和隨機(jī)雙重不確定性環(huán)境下的合作伙伴選擇。在模糊與隨機(jī)雙重不確定性環(huán)境下得到的各屬性分量的參數(shù)值均為模糊隨機(jī)數(shù)值，或為隨機(jī)模糊數(shù)值，或為定量絕對模糊隨機(jī)數(shù)，或為定性隨機(jī)模糊語意。屬性變量取值為模糊隨機(jī)型時，首先將模糊語意與相應(yīng)的定義于[0，1]的模糊三角數(shù)或模糊區(qū)間數(shù)匹配，進(jìn)行數(shù)量化轉(zhuǎn)換，然后根據(jù)模糊隨機(jī)型取值的概率分布計算出期望值作為最終參與決策的數(shù)值。屬性變量取值為隨機(jī)模糊型時，首先依據(jù)隨機(jī)性計算出期望值，然后將模糊語意與相應(yīng)的定義于[0，1]的模糊三角數(shù)或模糊區(qū)間數(shù)匹配，進(jìn)行數(shù)量化轉(zhuǎn)換。

3.2 離散信息各屬性及屬性子集模糊測度的確定

根據(jù)前面的敘述，只要確定出各個單個屬性的重要度，即測度值，那么由公式（2）可以完全確定gλ模糊測度，這樣屬性子集的測度值給出了屬性之間交互性的一種度量。接下來的問題是如何將這些模糊語意量子在不確定性最小情況下轉(zhuǎn)換為相應(yīng)的單個屬性的重要度。由于模糊語意量子具有單調(diào)性，故模糊語意決策的屬性重要度向量由下式確定[10]：

為了評價決策者在模糊語意下的決策狀態(tài)，給出相應(yīng)屬性重要度向量的orness（或的程度）和entropy（熵）兩種測度，即

在多屬性決策中如何確定各屬性的重要度向量，為了盡量減小各屬性重要度系數(shù)的不確定，根據(jù)Jaynes最大熵原理[11]，所確定的屬性重要度向量應(yīng)使entropy取極大。結(jié)合文獻(xiàn)[12]中的方法，假設(shè)在供應(yīng)鏈合作伙伴選擇與網(wǎng)絡(luò)構(gòu)建中有n個屬性用gi，(i=1，2，…，n)表示模糊密度，即 gi=μ({x(i)})，為單個屬性重要程度的度量，X={x1，x2，…，xn}表示n個屬性集合。gλ模糊測度測度確定步驟如下：

步驟1由式（6）得到屬性重要度初始向量 g= (g1，g2，…，gn)。

步驟2由式（7）計算屬性重要度向量g的orness(g)值。

確定模糊測度值。

3.3 基于模糊積分的模糊多屬性綜合決策

本文采用文獻(xiàn)[9]中的供應(yīng)鏈關(guān)系關(guān)聯(lián)度定義，結(jié)合模糊測度的確定方法，由屬性重要性程度與決策過程信息取舍多少模糊語意進(jìn)行匹配可以確定不同屬性的重要度，以choquet模糊積分作為決策工具對各個屬性子集進(jìn)行信息融合，得到各個屬性的數(shù)值信息。所以，合作伙伴選擇的決策過程如下：

步驟1優(yōu)勢企業(yè)（盟主）所委托或指定的決策專家小組根據(jù)產(chǎn)品類型、生產(chǎn)任務(wù)、供應(yīng)鏈策略等提出伙伴企業(yè)選擇評價的屬性，對大的屬性可繼續(xù)分解為具體的實施細(xì)則即相應(yīng)的子屬性，依AHP模式建立比較全面、詳細(xì)的評價屬性體系。

步驟2采用交互方式，依據(jù)評價指標(biāo)體系充分征詢候選企業(yè)，分別采集候選企業(yè)對其上游企業(yè)或下游企業(yè)選擇的子屬性評價信息。通過對所采集的信息可進(jìn)一步對AHP評價多屬性體系進(jìn)行修正和完善。

步驟3對采集得到的定量子屬性信息和定性子屬性信息進(jìn)行模糊語意轉(zhuǎn)化為相應(yīng)的模糊數(shù)，對信息進(jìn)行規(guī)范化處理。

步驟4根據(jù)多屬性體系中屬性或子屬性的向量個數(shù)，分別對綜合決策中的三種模糊語意：至少一半、絕大多數(shù)、盡可能多，利用gλ模糊測度測度確定步驟計算得到各個屬性的重要度以及屬性子集的重要度。

步驟5根據(jù)產(chǎn)品類型、生產(chǎn)階段和供應(yīng)鏈策略，對AHP結(jié)構(gòu)中的屬性按重要性程度進(jìn)行分類，即哪些屬性為關(guān)鍵屬性，哪些屬性為重要屬性，哪些屬性為一般屬性。按關(guān)鍵屬性與至少一半匹配、重要屬性與絕大多數(shù)匹配、一般屬性與盡可能多匹配，以choquet模糊積分作為信息決策工具對各個屬性下的子屬性信息進(jìn)行融合，得到各屬性數(shù)值信息。再按“絕大多數(shù)專家意見一致”這一語意進(jìn)行屬性信息融合，得到伙伴關(guān)系選擇優(yōu)屬度。

步驟6對相鄰層次上兩候選企業(yè)對各自對方的伙伴關(guān)系優(yōu)屬度按乘積整合，得到兩兩候選企業(yè)間的伙伴關(guān)系關(guān)聯(lián)度。相鄰層次上伙伴關(guān)系關(guān)聯(lián)度應(yīng)進(jìn)行歸一化處理，最后數(shù)值大小表示合作伙伴關(guān)系選擇的優(yōu)先順序。

4 面向任務(wù)預(yù)分配的供應(yīng)鏈網(wǎng)絡(luò)

設(shè)一定時期內(nèi)產(chǎn)品的市場需求總量為Q，供應(yīng)鏈各層間的物料轉(zhuǎn)換關(guān)系為1。考慮各個企業(yè)的生產(chǎn)處理能力的約束。如果這些約束參量是模糊隨機(jī)的，且市場需求總量也是模糊隨機(jī)的，這時可以用模糊隨機(jī)規(guī)劃的期望值模型，并以伙伴關(guān)系關(guān)聯(lián)度作為任務(wù)分配的權(quán)重。

表1 評價時各準(zhǔn)則適配策略和相應(yīng)數(shù)據(jù)的模糊積分決策結(jié)果

其中：式（10）（11）為企業(yè)的能力約束，式（12）為節(jié)點企業(yè)的物流約束，式（13）為需求約束。

為了求解上述模糊隨機(jī)規(guī)劃，參照文獻(xiàn)[13]中的方法，結(jié)合文獻(xiàn)[14-15]中的思路，采用由模糊隨機(jī)模擬，神經(jīng)網(wǎng)絡(luò)及遺傳算法相結(jié)合而成的混合智能方法，其步驟如下：

步驟1通過模糊隨機(jī)模擬為不確定函數(shù)U產(chǎn)生輸入輸出數(shù)據(jù)。

步驟2利用產(chǎn)生的數(shù)據(jù)訓(xùn)練一個神經(jīng)網(wǎng)絡(luò)逼近不確定函數(shù)。

步驟3初始產(chǎn)生群體，并利用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)檢驗群體中個體的可行性。

步驟4通過交叉和變異操作跟新群體，并利用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)檢驗子代中個體的可行性。

步驟5利用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)計算所有個體的目標(biāo)值。

步驟6根據(jù)目標(biāo)值計算每個個體的適應(yīng)度。

步驟7通過輪盤賭方法選擇個體。

步驟8重復(fù)步驟4到7直到完成給定的循環(huán)次數(shù)。

步驟9給出最好的個體作為最優(yōu)解。

5 事例模擬

應(yīng)用事例以某市輕紡區(qū)域網(wǎng)絡(luò)化制造為背景，考察某三個集團(tuán)公司，該三個集團(tuán)以生產(chǎn)加工運動服為主，利用本文提出的方法進(jìn)行供應(yīng)鏈構(gòu)建與優(yōu)化模擬，與文獻(xiàn)[3]、文獻(xiàn)[9]和文獻(xiàn)[13]中提出的方法進(jìn)行對比，取五層{1-3-3-4-3}供應(yīng)鏈網(wǎng)絡(luò)拓?fù)洌詛N1-N2-N3-N4-N5}表示第一層企業(yè) E11一家，第二層企業(yè){E21，E22，E23}三家，第三層企業(yè){E31，E32，E33}三家，第四層企業(yè){E41，E42，E43，E44}四家，第五層企業(yè){E51，E52，E53}三家。在供應(yīng)鏈網(wǎng)絡(luò)構(gòu)建過程中，首先進(jìn)行的是合作伙伴評價與選擇，按決策流程評價準(zhǔn)則，依照這些評價準(zhǔn)則，各企業(yè)分別對各自上下游可合作伙伴進(jìn)行評價。根據(jù)供應(yīng)鏈策略確定各評價準(zhǔn)則的重要性程度見表1。設(shè)一定時期內(nèi)產(chǎn)品的市場需求總量為確定值，分別利用文獻(xiàn)[3]、文獻(xiàn)[9]、文獻(xiàn)[13]和本文提出的方法構(gòu)建供應(yīng)鏈網(wǎng)絡(luò)，以最終網(wǎng)絡(luò)的分配總量在市場需求總量中的比重為標(biāo)準(zhǔn)，實驗結(jié)果見表2。通過對實驗結(jié)果的分析，可以看出使用本文提出的方法較其他方法具有很好的結(jié)果，其主要原因是考慮屬性之間的交互作用，同時利用choquet模糊積分為決策工具可以將各個屬性之間的交互性進(jìn)行有效的處理，這樣就盡可能地利用了數(shù)據(jù)提供的信息，保證較好的結(jié)果。

表2 各種方法得到的分配總量在需求總量中的比重結(jié)果

6 結(jié)論

本文分析了模糊與隨機(jī)雙重不確定環(huán)境下合作伙伴選擇與供應(yīng)鏈網(wǎng)絡(luò)構(gòu)建，給出了相應(yīng)的基于模糊測度和模糊積分理論的決策模型。針對供應(yīng)鏈合作伙伴多屬性評價與決策，采用模糊隨機(jī)變量和隨機(jī)模糊變量刻畫多屬性中定性參量與定量參量的模糊與隨機(jī)雙重不確定性，研究了基于供應(yīng)鏈策略導(dǎo)向的模糊隨機(jī)多屬性數(shù)值融合與模糊綜合決策，還研究了以合作伙伴關(guān)系關(guān)聯(lián)度為依據(jù)，采用模糊隨機(jī)規(guī)劃期望值模型探討了面向任務(wù)預(yù)分配的供應(yīng)鏈初始網(wǎng)絡(luò)確定方法，最后通過事例模擬進(jìn)行了驗證。

[1]劉家國，趙金樓.基于自我分類的供應(yīng)鏈合作伙伴選擇模型[J].哈爾濱工程大學(xué)學(xué)報，2011（6）.

[2]單汨源，蘭海豐，毛超.基于GBOM的供應(yīng)鏈合作伙伴選擇[J].統(tǒng)計與決策，2011（12）.

[3]肖宇，朱敏，黃俊.基于LS-SVM的供應(yīng)鏈合作伙伴選擇[J].計算機(jī)與數(shù)字工程，2010（9）.

[4]胡勁松，徐元吉，劉芳霞，等.具有模糊需求的多商品流供應(yīng)鏈網(wǎng)絡(luò)均衡研究[J].控制與決策，2012（5）.

[5]張桂濤，孫浩，胡勁松，等.考慮風(fēng)險的隨機(jī)需求供應(yīng)鏈網(wǎng)絡(luò)均衡研究[J].復(fù)雜系統(tǒng)與復(fù)雜性科學(xué)，2012（4）.

[6]徐兵，吳明.雙營銷渠道閉環(huán)供應(yīng)鏈決策模型與協(xié)調(diào)[J].西南交通大學(xué)學(xué)報，2012（6）.

[7]魏杰，馬茜，張新軍，等.模糊環(huán)境下閉環(huán)供應(yīng)鏈定價決策研究[C]//中國自動化學(xué)會控制理論專業(yè)委員會C卷，第三十屆中國控制會議，2011.

[8]王熙照.模糊測度與模糊積分及在分類技術(shù)中的應(yīng)用[M].北京：科學(xué)出版社，2008.

[9]傅玉穎.不確定情況下基于模糊集理論的庫存管理研究[J].系統(tǒng)工程理論與實踐，2005（9）.

[10]Herrera，F(xiàn)rancisco，Martinez L.A 2-tuple fuzzy linguistic representation model for computing with words[J].IEEE Transactions on Systems，Man，and Cybernetics，2000，6：746-752.

[11]朱雪龍.應(yīng)用信息論基礎(chǔ)[M].北京：清華大學(xué)出版社，2001.

[12]Filev D，Yager R R.Analytic properties of maximum entropy OWA operators[J].Information Sciences，1995，85：11-27.

[13]劉寶啶，趙瑞清，王綱.不確定規(guī)劃及應(yīng)用[M].北京：清華大學(xué)出版社，2003.

[14]陳倩.區(qū)間模糊語言多屬性群決策方法及應(yīng)用研究[J].計算機(jī)工程與應(yīng)用，2012，48（33）：18-23.

[15]田衛(wèi)東，張建良.證據(jù)理論與模糊距離不確定性信息融合方法[J].計算機(jī)工程與應(yīng)用，2011，47（30）：148-151.

ZHANG Guofang,HE Lihui

College of Mathematics and Computer Science,Hebei University,Baoding,Hebei 071002,China

In this paper,some problems are represented under the fuzzy-random uncertain circumstances,which usually happen when cooperation partner is selected in supply chain management.Furthermore,three methods are proposed∶the first one is selection of cooperation partner of supply chain,the second one is construction way of supply chain networks, the last one is the rough allocation of task under fuzzy-random uncertain circumstances.In these methods,the important technology is the policy of supply chain management and the tool of decision is fuzzy integral.A simulation example is represented,which shows that the proposed methods are feasible.

supply chain;fuzzy-random;fuzzy measure;fuzzy integral

分析了模糊隨機(jī)雙重不確定性環(huán)境下供應(yīng)鏈合作伙伴選擇時存在的問題，提出了由供應(yīng)鏈策略為主導(dǎo)，以模糊積分為決策工具的模糊隨機(jī)多重多屬性供應(yīng)鏈合作伙伴選擇與網(wǎng)絡(luò)構(gòu)建方法，以及模糊隨機(jī)環(huán)境下的任務(wù)粗分配方法。通過事例模擬進(jìn)行了驗證，結(jié)果表明所提方法有效可行。

供應(yīng)鏈；模糊隨機(jī)；模糊測度；模糊積分

A

TP181

10.3778/j.issn.1002-8331.1305-0149

ZHANG Guofang,HE Lihui.Method based on fuzzy integral about construction and optimization of supply chain networks.Computer Engineering and Applications,2014,50（24）：231-235.

河北大學(xué)青年基金（No.2011Q12）。

張國防（1979—），男，講師，研究領(lǐng)域為機(jī)器學(xué)習(xí)、人工智能；何莉輝（1979—），通訊作者，女，講師。E-mail：helihui@hbu.cn

2013-05-14

2013-06-30

1002-8331（2014）24-0231-05

CNKI網(wǎng)絡(luò)優(yōu)先出版：2013-09-12，http∶//www.cnki.net/kcms/detail/11.2127.TP.20130912.1436.011.html

book=235,ebook=240