基于直覺模糊TOPSIS 法的SDN 企業(yè)合作伙伴選擇問題研究

0 引 言

隨著經(jīng)濟的發(fā)展和科技的進步， 市場已經(jīng)逐漸從相對穩(wěn)定的局面演變?yōu)閯討B(tài)多變的局面， 單個企業(yè)、 乃至少數(shù)企業(yè)結成的聯(lián)盟僅憑借自身力量已經(jīng)難以應對復雜多變的市場環(huán)境， 只有通過以共贏為目的的戰(zhàn)略合作方式才能最大限度地發(fā)揮企業(yè)自身優(yōu)勢[1]， 為此， 時代呼喚新的管理理念和管理模式的產(chǎn)生。 基于這個背景， 多功能開放型企業(yè)供需網(wǎng)（SDN—Supply and Demand Network with multifunctional and opening characteristics for enterprise） 應運而生， 它是指以全球資源獲取、 全球制造、 全球銷售和提高企業(yè)綜合能力為目標， 相關企業(yè)之間由于“ 供需流” 的交互作用而形成的多功能開放式的供需一體化動態(tài)網(wǎng)絡模式[2]。 它有多功能性合作、 充分開放性合作、 包容性合作和動態(tài)網(wǎng)絡性合作的基本特征， 這些特征分別從不同的方面體現(xiàn)出了SDN 企業(yè)“ 以合作為主、 競爭為輔” 的經(jīng)營戰(zhàn)略。 因此， 在SDN 企業(yè)構建的過程中， 如何采取合理有效的方法選擇合適的、優(yōu)質(zhì)的合作伙伴以提高整體的效益和競爭力， 不僅關系到SDN 企業(yè)的績效和成敗， 同時也關系到整個供需網(wǎng)系統(tǒng)的良性運作，是一項非常重要的研究內(nèi)容。

迄今為止， 國內(nèi)外學者對企業(yè)合作伙伴選擇問題的研究主要是以供應鏈為研究對象， 然而隨著供需關系已經(jīng)逐步從鏈式結構趨向于網(wǎng)絡化結構的方式發(fā)展， 而研究中對基于供需網(wǎng)的合作伙伴選擇問題卻較少。 吳沖（Chong Wu） 等[3]（2011） 梳理并總結了供應鏈合作伙伴選擇的多種方法， 主要包括定性與定量相結合的分析模型， 如層次分析法、 網(wǎng)絡分析法等； 模糊評價模型， 如粗糙集、 模糊函數(shù)； 生物進化算法等模擬自然界的選擇方法， 如遺傳算法、 蟻群算法； 數(shù)學規(guī)劃方法， 如目標規(guī)劃、 多目標規(guī)劃和整數(shù)規(guī)劃等， 并指出上述方法的優(yōu)缺點和適用范圍。 Cheng-When Chang 等[4]（2012） 對供應鏈網(wǎng)絡中不同類型的企業(yè)合作策略進行了分析， 比較了各企業(yè)的合作內(nèi)涵與動機。 胡偉、 徐福緣（2013）[5]提出了基于供需網(wǎng)基本特征理念的企業(yè)合作伙伴選擇的多目標決策模型， 用粒子群算法對模型進行優(yōu)化和求解， 最后得出最佳的合作伙伴組合。 何源等（2013）[6]結合博弈理論分析方法和最小二乘曲線擬合思想， 構建了供需網(wǎng)企業(yè)動態(tài)演化模型， 最終得出最優(yōu)合作期望收益函數(shù)以及合作收益系數(shù)這一影響供需網(wǎng)成員企業(yè)動態(tài)合作選擇的重要因素。

從上述研究成果來看， 目前雖然針對多功能開放型企業(yè)供需網(wǎng)合作伙伴選擇方面的研究成果較為稀少， 然而與之研究有著緊密關聯(lián)的傳統(tǒng)企業(yè)和供應鏈企業(yè)合作伙伴選擇的研究方法和研究角度卻很多， 如大多數(shù)文獻采用層次分析方法、 網(wǎng)絡分析法、 數(shù)據(jù)包絡分析方法、 灰色關聯(lián)度分析方法、 模糊綜合評價法等， 這些成果為研究SDN 企業(yè)合作伙伴的選擇提供了借鑒。此外， 雖然有少數(shù)文獻已經(jīng)對基于供需網(wǎng)的企業(yè)合作從不同的角度進行了探究， 然而并沒有從整體上依據(jù)SDN 企業(yè)的所有特征， 給出一個切實可行的方案。 SDN 是一個建立在多種供需關系的基礎上具有復雜網(wǎng)絡結構的節(jié)點集合， 其節(jié)點內(nèi)涵趨于多樣化， 它既可以是企業(yè)、 科研機構、 金融機構和個人， 也可以是供應鏈、 虛擬企業(yè)或是動態(tài)聯(lián)盟， 這些節(jié)點由于供需關系的驅(qū)動成為SDN 的成員并具有平等的關系。 因此， SDN 企業(yè)合作伙伴的選擇問題不同于傳統(tǒng)企業(yè)之間或供應鏈間的合作伙伴選擇問題， SDN 企業(yè)的合作是節(jié)點之間的合作， 并且各節(jié)點企業(yè)遍布全球， 合作的目的不僅要使參與的企業(yè)節(jié)點受益， 更要使整個供需網(wǎng)絡系統(tǒng)的社會效益和經(jīng)濟效益得到改善， 同時要兼顧考慮資源環(huán)境效益和經(jīng)濟效益協(xié)同發(fā)展。 以此為基礎， 本文首先結合SDN 企業(yè)的特點及其合作伙伴選擇的原則構建了SDN 企業(yè)合作伙伴選擇評價指標體系， 同時， 將直覺模糊熵方法與TOPSIS 法結合， 以此構建基于直覺模糊TOPSIS 法的SDN 企業(yè)合作伙伴選擇模型， 為SDN 企業(yè)合作伙伴的正確選擇提供理論和實踐依據(jù)。

1 SDN 企業(yè)合作伙伴選擇的評價指標體系

目前， 學術界普遍關注的企業(yè)合作關系多集中在供應鏈、 企業(yè)集群、 戰(zhàn)略聯(lián)盟和虛擬企業(yè)中。 而SDN 則將人們的認識范疇從垂直一體化的鏈式方向向橫向多產(chǎn)品市場的網(wǎng)絡化方向擴展， 它綜合集成了以往各聯(lián)盟形式的優(yōu)勢， 同時克服了他們的缺陷和不足， 是一種更高層次的、 創(chuàng)新的合作理念。 因此， SDN 企業(yè)合作伙伴選擇評價指標的選擇要區(qū)別于傳統(tǒng)企業(yè)合作伙伴選擇的評價指標， 建立體現(xiàn)SDN 企業(yè)特征的評價指標體系。

根據(jù)SDN 企業(yè)的特點， 基于系統(tǒng)性、 科學性、 定性和定量相結合的原則， 本文在參閱了大量相關資料的基礎上， 構建了包括目標層、 準則層和指標層三個層次在內(nèi)的SDN 企業(yè)合作伙伴選擇的初始指標體系， 見表1 所示。 考慮到各個合作伙伴的差異， 這些指標在實際操作時可進行取舍。

表1 SDN 企業(yè)合作伙伴評價指標體系

2 基于直覺模糊TOPSIS 法的SDN 企業(yè)合作伙伴綜合評價模型

由于SDN 企業(yè)合作伙伴選擇評價指標體系是一個多屬性、 多層次、 不確定性的評價體系， 為了合理的評價， 本文在根據(jù)大量文獻閱讀研究的基礎上， 選取了直覺模糊熵與TOPSIS 方法相結合的評價方法對SDN 企業(yè)候選合作伙伴進行評價。 首先考慮到SDN 企業(yè)合作伙伴選擇的模糊性的特點， 且對于其評價指標無法用客觀的數(shù)據(jù)進行量化， 因此本文采用增加了度量專家猶豫度的直覺模糊數(shù)來表示評價信息， 并與客觀性較強的信息熵方法結合， 依據(jù)熵權公式計算出各項評價指標的熵權。 最后運用TOPSIS （逼近理想解） 方法對SDN 企業(yè)各候選伙伴進行綜合評價和排序， 最終選擇出SDN 企業(yè)的最優(yōu)合作伙伴。

2.1 基于直覺模糊熵的評價指標熵權的確定

（1） 將決策信息轉(zhuǎn)化為決策矩陣

1969 年， Zadeh 首次提出了模糊熵的概念， 它主要是一種度量模糊集信息量和模糊性的工具， 所以， 直覺模糊熵主要就是用來度量直覺模糊集中的不確定信息[7-9]。 根據(jù)本文構建的指標體系， 采用專家打分法進行評價， 首先提取出專家對所有指標的評價值， 構成初始評估矩陣（其中m表示候選合作伙伴的個數(shù)；n表示評價指標的個數(shù)）：

接下來再采用合作價值量化等級表對各項指標評價值進行量化[10]（見表2） ， 將評定值αmn轉(zhuǎn)化為直覺模糊集的形式， 其中μmn表示αmn對合作價值的隸屬度， υmn表示αmn對合作價值的非隸屬度， πmn=1-μmn-νmn表示專家在對指標αmn評估時的猶豫度或不確定度[11]。

表2 合作價值量化等級表

因此， 可建立直覺模糊評價矩陣：

在以上的直覺模糊評價矩陣D中：

（2） 建立評價指標直覺模糊熵矩陣

在現(xiàn)有的研究中， 學者針對直覺模糊熵的公理化定義比較多， 構造的直覺模糊熵計算公式也各有側(cè)重， 本文采用郭洪燦等人提出的定義進行計算。 那么， 得出第i個候選企業(yè)的第j個評價指標的直覺模糊熵E（xij）為：

因此， 可以利用該公式將模糊評價矩陣中的每一個指標評價值均轉(zhuǎn)化為直覺模糊熵的形式， 進而得出直覺模糊熵矩陣為：

（3） 指標熵權的確定

根據(jù)直覺模糊熵矩陣， 進而可以得出各個指標的直覺模糊熵。 則第j個指標的直覺模糊熵為：

同時， 利用熵權的公式， 可最終得出第j個指標的熵權：

2.2 基于TOPSIS 的SDN 企業(yè)合作伙伴評價

（1） 確定指標正理想解和負理想解

直覺模糊正理想解是指完全滿足各項指標的候選伙伴， 而直覺模糊負理想解是指完全不滿足任何指標的候選伙伴。 定義直覺模糊正理想解和負理想解為：

其中：

（2） 計算加權歐氏距離

（3） 計算相對接近度

3 算例分析

為了進一步證明模型的有效性， 現(xiàn)給出如下算例。 假設供需網(wǎng)系統(tǒng)中有一節(jié)點企業(yè)擬定從｛A1A2A3｝三個候選企業(yè)中選擇出適合自身的合作伙伴， 現(xiàn)聘請精通物流、 營銷、 采購、 財務等各個領域的專業(yè)人員成立決策專家小組， 根據(jù)評價指標體系， 分別對各企業(yè)的各項指標進行綜合打分， 指標實行10 分制， 評定結果如表3 所示。

表3 三個候選企業(yè)評價指標對應的初始評定值

第一步 根據(jù)合作價值量化等級表（見表4） 將專家對各項指標的初始評價值轉(zhuǎn)化為直覺模糊數(shù)的形式， 如表4 所示：

表4 三個候選企業(yè)直覺模糊形式的評價指標數(shù)據(jù)

第二步 確定各項指標的權重系數(shù)：

首先根據(jù)公式（3） 求出三個候選企業(yè)的每個指標所對應的直覺模糊熵， 結果見表5 所示：

表5 三個候選企業(yè)各個指標對應的直覺模糊熵

其次， 根據(jù)公式（4）～（6） ， 計算出各個指標的熵權向量為：

第三步 利用公式（7） 、 （8） 確定正負理想合作伙伴：

根據(jù)直覺模糊理想解的定義及性質(zhì)， 構造直覺模糊正理想解方案A+與負理想解方案A-， 如表6 所示。

表6 直覺模糊正理想解與負理想解

第四步 利用公式（9）～（11） 確定加權歐式距離及相對相似度， 結果如表7 所示：

表7 各候選合作企業(yè)到理想解的加權距離及相對相似度

第五步 根據(jù)表7 中的Gi的值確定各候選合作伙伴的排序為：

所以， 候選合作伙伴中企業(yè)A1為首選。

4 結論與展望

SDN 是全球經(jīng)濟一體化環(huán)境下的新型企業(yè)經(jīng)營管理模式， 它將傳統(tǒng)的競爭戰(zhàn)略向合作共贏戰(zhàn)略轉(zhuǎn)變， 更加注重企業(yè)之間的合作關系。在供需網(wǎng)環(huán)境下， 正確的選擇合作伙伴是保證SDN 企業(yè)有效運行的基礎。本文基于SDN 企業(yè)的特點， 設計了SDN企業(yè)合作伙伴選擇的評價指標體系。同時， 考慮到評價指標體系與評價方法的適應性， 以及基于SDN 企業(yè)合作伙伴選擇的特殊性和模糊性的特點， 本文提出了直覺模糊熵方法與TOPSIS 法相結合的評價方法， 提出了一種基于直覺模糊TOPSIS 法的SDN企業(yè)合作伙伴選擇的新方法。最后， 算例分析也充分證明了該方法的算法的可行性和有效性， 且評價過程簡單直觀， 應用方便靈活， 具有一定的參考價值。

[1] 胡偉， 徐福緣， 臺德藝. 基于供需網(wǎng)的企業(yè)合作偏好度及其穩(wěn)定性[J]. 系統(tǒng)工程， 2014(32):84-89.

[2] 徐福緣， 何靜. 多功能開放型企業(yè)供需網(wǎng)初探[J]. 預測， 2002,21(6):19-22.

[3] Chong Wu, David Barnes. A Literature Review of Decision-Making Models and Approaches for Partner Selection in Agile Supply Chains[J]. Journal of Purchasing & Supply Management, 2011(17):256-274.

[4] Chang C w, Chiang D M, Pai F Y. Cooperative strategy in supply chain network [J]. Industrial Marketing Management,2012,41(7):1114-1124.

[5] 胡偉， 徐福緣. 基于粒子群算法的供需網(wǎng)合作伙伴選擇問題研究[J]. 微電子學與計算機， 2013,30(1):70-72.

[6] 何源， 徐福緣. 供需網(wǎng)企業(yè)動態(tài)合作影響因素分析[J]. 計算機應用研究， 2013,30(12):3667-3673.

[7] Burillo P, Bustince H. Entropy on intuitionistic fuzzy sets and on interval-valued fuzzy sets[J]. Fuzzy Sets and Systems, 1996(3):403-405.

[8] Eulalia Szm idt, Janusz Kacprxyk. Entropy for intuitionistic fuzzy sets[J]. Fuzzy Sets and Systems, 2001,35(4):467-477.

[9] Vlachos I K, Sergiadis G D. Intuitionistic fuzzy inform ation-applications to pattern recognition[J]. Pattern Recognition Letters,2007(28):197-206.

[10] 王邦兆， 梁卡麗. 基于熵的供應鏈合作伙伴風險評估與選擇方法[J]. 技術經(jīng)濟與管理研究， 2013(7):27-31.

[11] 陸秋琴， 趙俏. 基于熵權的TOPSIS 供應鏈合作伙伴選擇方法[J]. 物流技術， 2014,33(7):330-354.