基于模糊网络分析法的供应商评价方法

基于模糊网络分析法的供应商评价方法

1模糊网络分析1.1构建网络分析法tl。1996年，通过层次分析法提出了网络分析法。网络分析法弥补了层次分析法的不足。层次分析法中元素是按照层次排列的,同层之间是相互独立,元素内部没有反馈关系。而实际生活中复杂问题决策时,有时元素内部之间是有关系的。网络分析法把复杂系统描述的和实际情况更为相似,能够广泛地应用在各种决策问题中。如图1所示,建立供应商评价ANP网络。把候选供应商作为选择目标类,质量、价格、交货、及其他(地理位置、技术能力、维修能力、行业地位等作为准则层,建立具有反馈和内外部依赖联系关系的网络。要选择最好的供应商,就选择产品质量好,价格低,交货能力强的及其他方面良好的供应商。1.2三角模糊数考虑供应商选择过程中的不确定性,Satty主张采用几何平均值来代表大多数专家的意见,实际应用中也广泛地应用这种方法。1.2.1模糊关系函数设有实数集R=(-∞,+∞)上的一个模糊数P=(l,m,u),隶属度x∈R,l<m<u,l,m,u∈[1/9,1]∪。图1表示了一个模糊数的关系函数。l和u分别为上界和下界,l和u表示模糊的程度,u-l越大,模糊程度越大,其运算法则满足:设有三角模糊数P=(l,m,u),其中α(0≤α<1)表示专家组成员判断时的一致性系数,可以得到三角模糊数P=(l,m,u)的α截集1.2.2基于bukey提出的几何平均值方法，对许多专家进行了综合评价(1)标准尺度和尺度邀请专家组对供应商选择问题进行详细的描述,确定选择的目标、准则和子目标。对方案进行两两比较,采用三角模糊数定量表示比较的结果。使用Satty(1996)提出的评价指标相对重要判断尺度,且对尺度赋予1~9的比例尺度,如表1所示。平均值介于相邻两尺度之间(如:2,4,6等),倒数意味着(如1/3,1/5等)不重要,非常不重要等。(2)建立相互排斥的模糊矩阵把每个专家判断后得到的三角模糊数建立互反的模糊矩阵(3)综合专家的评估和建立全球模糊矩阵(4)截集,三角模糊数判断矩阵转化为非模糊数判断矩阵的实质就是利用一定的方法将三角模糊数对应于非模糊数。利用式(5),得到三角模糊数对应的α(0≤α≤1)截集。在实际的α确定过程中,如果专家组成员对评价问题的看法一致性比较高时,一般选取较大的α,得到α截集模糊矩阵再引入μ(HsuandYang2000)表示参与评价的专家乐观程度。当μ=0时,专家是最乐观的,大多数专家同意取三角模糊数的上限,相反,当μ=1时,专家是最保守的,0<μ<1。用0.1,0.3,0.5,0.7,0.9这5个数来评估专家的乐观程度。(5)模糊化后的矩阵利用式(5)~式(11),取合适的α和μ,把模糊矩阵去模糊化得到矩阵(6)构造特征向量t计算矩阵A的特征值和特征向量,求出最大特征值。利用式Aω=λmaxω,求出最大特征值对应的特征向量,对其进行规范化处理得到w=(x1,x2……xn)T。(7)计算一致性指数ci根据CI=(λmax-n)/(n-1),可求得CI,当CI≤0.1时,一般认为一致性是可以接受的,即权重结果符合一致性要求。1.3归一化矩阵的归一化每一个准则下的元素和准则之间的有相互关系的元素之间,利用上面公式进行计算得到的是无权重矩阵,对无权重矩阵的每一列进行归一化处理。为了获得权重矩阵,需要对准则进行相互比较,依据上面的方法并将比较获得的判断矩阵归一化,再与无权重矩阵相乘,获得权重超矩阵,对该权重超矩阵进行多次相乘,直到矩阵的所有列数值一样,获得极限超矩阵,从而得到元素的相对优先权。2建立三角模糊数(1)确定评价准则,建立网络分析模型;(2)建立三角模糊数;(3)建立成对比较矩阵并求出特征向量;(4)利用特征向量,构建超矩阵,求极限矩阵。(5)分析结果。3构造多个判断矩阵对候选供应商从质量、价格、交货、其他准则4个方面进行评价。假设专家组一致性系数α=0.5,专家乐观系数μ=0.5,对模糊矩阵进行去模糊化处理,用特征根法,得到权重向量。如以“价格”为主准则,以“供应商1”为次准则,构造多个判断矩阵(略)。根据矩阵可以计算出其最大特征值λ=3.038,相应的特征向量α=(0.9396,0.2420,0.2420)T。依此类推,对相应的准则元素之间进行比较,可以构造多个判断矩阵,获得相应的特征向量,对特征向量进行归一化处理,可以组成无权重矩阵,在获得无权重超矩阵后,对可选择供应商、质量、价格、交货、其他各元素依次进行比较,将得到的矩阵归一化处理,与无权重矩阵相乘得到权重超矩阵,对权重超矩阵自乘,直到各列相同为止,得到极限超矩阵。将(0.134199,0.12902,0.084722)归一化处理就可以得到候选供应商的优先权。4供应商评价中的应用本文把模糊