基于遺傳神經(jīng)網(wǎng)絡(luò)的船舶供應(yīng)商評(píng)價(jià)體系研究

[摘 要] 文章針對(duì)現(xiàn)有評(píng)價(jià)方法在對(duì)指標(biāo)權(quán)重賦值時(shí)存在的主觀隨意性問題，提出了基于BP神經(jīng)網(wǎng)絡(luò)的船舶供應(yīng)商評(píng)價(jià)模型，并運(yùn)用遺傳算法對(duì)所建立的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行優(yōu)化。經(jīng)過實(shí)例分析，得出結(jié)論。

[關(guān)鍵詞] 船舶供應(yīng)商 評(píng)價(jià)體系 遺傳算法 神經(jīng)網(wǎng)絡(luò)

選擇合適的供應(yīng)商直接關(guān)系到船舶企業(yè)降低成本、提高企業(yè)競(jìng)爭(zhēng)力?，F(xiàn)有的平價(jià)方法在確定指標(biāo)權(quán)重時(shí)存在主觀隨意性，評(píng)價(jià)結(jié)果缺乏客觀與公正。BP神經(jīng)網(wǎng)絡(luò)具有容錯(cuò)性、自適應(yīng)性等特點(diǎn)，解決了評(píng)價(jià)過程中指標(biāo)權(quán)重隨意性和人為因素。本文構(gòu)建了BP神經(jīng)網(wǎng)絡(luò)的船舶供應(yīng)商評(píng)價(jià)模型，并針對(duì)BP神經(jīng)網(wǎng)絡(luò)收斂速度慢的缺點(diǎn)，采用遺傳算法對(duì)構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行優(yōu)化，從而構(gòu)建評(píng)價(jià)船舶供應(yīng)商遺傳神經(jīng)網(wǎng)絡(luò)模型。

一、船舶供應(yīng)商評(píng)價(jià)指標(biāo)體系的構(gòu)建

原材料供應(yīng)商和船舶配套企業(yè)的產(chǎn)品質(zhì)量性能以及管理水平等都會(huì)對(duì)船舶企業(yè)的正常運(yùn)行帶來重大影響，直接關(guān)系到企業(yè)的盈利能力。因此，構(gòu)建科學(xué)的合理的供應(yīng)商評(píng)價(jià)體系，是船舶制造企業(yè)綜合評(píng)價(jià)供應(yīng)商的依據(jù)。

周期長(zhǎng)、成本高等特點(diǎn)決定了船舶是一種特殊的產(chǎn)品，需要結(jié)合船舶自身的特點(diǎn)來構(gòu)建船舶供應(yīng)商評(píng)價(jià)指標(biāo)體系。綜合學(xué)者的研究成果與船舶公司實(shí)際狀況，本文認(rèn)為應(yīng)該從質(zhì)量、成本、交貨、柔性、財(cái)務(wù)與信譽(yù)狀況以及服務(wù)與管理水平6個(gè)方面構(gòu)建船舶供應(yīng)商的評(píng)價(jià)指標(biāo)體系。

二、基于遺傳神經(jīng)網(wǎng)絡(luò)的船舶供應(yīng)商評(píng)價(jià)模型

1.BP神經(jīng)網(wǎng)絡(luò)在船舶供應(yīng)商評(píng)價(jià)中的應(yīng)用

BP神經(jīng)網(wǎng)絡(luò)模型是一個(gè)分層型網(wǎng)絡(luò)，具有輸入層、中間層和輸出層。供應(yīng)商評(píng)價(jià)指標(biāo)由輸入層到輸出層的傳遞是一個(gè)前向傳播的過程，若輸出結(jié)果與期望結(jié)果的誤差超過允許范圍，則誤差反向傳播，并根據(jù)各層誤差的大小來調(diào)節(jié)權(quán)值，尋找最佳權(quán)集，實(shí)現(xiàn)正確輸出。基于BP神經(jīng)網(wǎng)絡(luò)的船舶供應(yīng)商評(píng)價(jià)模型結(jié)構(gòu)及學(xué)習(xí)原理如圖2所示。

2.基于遺傳算法改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)模型

BP算法是沿梯度下降(平方誤差函數(shù))來指導(dǎo)搜索的，學(xué)習(xí)過程收斂速度慢，易陷入局部極小點(diǎn)。而遺傳算法對(duì)于全局搜索具有較強(qiáng)的魯棒性和較高的效率，克服了BP網(wǎng)絡(luò)的局限性。將遺傳算法與BP網(wǎng)絡(luò)相結(jié)合，可以達(dá)到全局尋優(yōu)和快速高效的目的。

遺傳算法改進(jìn)BP神經(jīng)網(wǎng)絡(luò)模型的步驟是:（1)確定網(wǎng)絡(luò)參數(shù)；（2）設(shè)定的種群規(guī)模N，產(chǎn)生初始種群;（3)求N組網(wǎng)絡(luò)權(quán)系數(shù)，得到具有相同結(jié)構(gòu)的N個(gè)網(wǎng)絡(luò);（4)求N組網(wǎng)絡(luò)權(quán)值對(duì)應(yīng)的N個(gè)網(wǎng)絡(luò)輸出;（5）網(wǎng)絡(luò)性能評(píng)價(jià);（6)若不滿足評(píng)價(jià)條件，由對(duì)染色體進(jìn)行遺傳選擇、變異和交叉操作，產(chǎn)生新的染色體，直到滿足評(píng)價(jià)函數(shù);（7)選擇一個(gè)最優(yōu)染色體作為網(wǎng)絡(luò)權(quán)重，進(jìn)行網(wǎng)絡(luò)的訓(xùn)練和評(píng)價(jià)。其工作流程如圖3所示。

三、應(yīng)用仿真算例

以中船公司的25家供應(yīng)商數(shù)據(jù)為基礎(chǔ)，采用matlab7.0編程，建立三層遺傳神經(jīng)網(wǎng)絡(luò)模型。

將前15家供應(yīng)商作為訓(xùn)練集，訓(xùn)練該網(wǎng)絡(luò)；其余10家供應(yīng)商作為測(cè)試集，模擬待評(píng)價(jià)的對(duì)象。設(shè)置誤差精度為0.00001。首先用遺傳算法，經(jīng)過450次優(yōu)化，得到全局最優(yōu)的網(wǎng)絡(luò)權(quán)值。然后以前15家供應(yīng)商的二級(jí)評(píng)價(jià)指標(biāo)為樣本，經(jīng)過BP神經(jīng)網(wǎng)絡(luò)4700次訓(xùn)練，得出對(duì)應(yīng)的6個(gè)一級(jí)評(píng)價(jià)指標(biāo)的訓(xùn)練樣本;再以所得出的輸出值為樣本，經(jīng)過BP神經(jīng)網(wǎng)絡(luò)4450次訓(xùn)練，訓(xùn)練出最終的遺傳神經(jīng)網(wǎng)絡(luò)模型，并用于綜合評(píng)價(jià)工作。輸入后10家供應(yīng)商二級(jí)評(píng)價(jià)指標(biāo)值，得到其一級(jí)評(píng)價(jià)指標(biāo)的輸出值，以該輸出值為輸入，計(jì)算出10家供應(yīng)商的綜合評(píng)價(jià)結(jié)果。見表。

四、結(jié)束語

基于遺傳神經(jīng)網(wǎng)絡(luò)的船舶供應(yīng)商評(píng)價(jià)模型借助BP神經(jīng)網(wǎng)絡(luò)的容錯(cuò)性和自適應(yīng)自學(xué)習(xí)能力克服了傳統(tǒng)評(píng)價(jià)方法在指標(biāo)權(quán)重賦值時(shí)存在的主觀隨意性問題，并用遺傳算法的優(yōu)化解決了BP存在的收斂速度慢的問題，為評(píng)價(jià)船舶供應(yīng)商提供了一條新的途徑。

參考文獻(xiàn):

[1]金朝光 紀(jì)卓尚 林 焰:船舶企業(yè)選擇供應(yīng)商的策略研究[J]. 計(jì)算機(jī)集成制造系統(tǒng)，2003，9(10):886～890

[2]馬士華 林 勇 陳志祥:供應(yīng)鏈管理[M].北京:機(jī)械工業(yè)出版，2004

[3]朱大奇 史 慧:人工神經(jīng)網(wǎng)絡(luò)原理及其應(yīng)用[M].北京:科學(xué)出版社，2006

注：本文中所涉及到的圖表、注解、公式等內(nèi)容請(qǐng)以PDF格式閱讀原文