面向大數(shù)據(jù)的新能源汽車復(fù)雜聯(lián)盟云評(píng)價(jià)研究?

尹 蕾，蔣建國(guó)，路瑞剛，尹安東

(1.合肥工業(yè)大學(xué)計(jì)算機(jī)與信息學(xué)院，合肥 230009； 2.中國(guó)汽車工程學(xué)會(huì)，北京 100055；3.合肥工業(yè)大學(xué)汽車與交通工程學(xué)院，合肥 230009)

前言

新能源汽車產(chǎn)業(yè)具有資金與技術(shù)密集、產(chǎn)業(yè)鏈長(zhǎng)和關(guān)聯(lián)度高等特點(diǎn),沒有一家企業(yè)能夠擁有產(chǎn)品研發(fā)所必須的全部資源和能力[1],聯(lián)盟成為其重要組織形式。由于新能源汽車是實(shí)現(xiàn)汽車智能化、網(wǎng)絡(luò)化的最佳載體,吸引了信息技術(shù)產(chǎn)業(yè)、傳統(tǒng)能源產(chǎn)_業(yè)、新能源產(chǎn)業(yè)、金融產(chǎn)業(yè)等的加入,使新能源汽車產(chǎn)業(yè)聯(lián)盟結(jié)構(gòu)復(fù)雜且成員多元化,有些成員同時(shí)參與承擔(dān)不同任務(wù)的多個(gè)聯(lián)盟,而形成一個(gè)具有分布式復(fù)雜系統(tǒng)特征的規(guī)模龐大的多任務(wù)聯(lián)盟網(wǎng)絡(luò),即多任務(wù)復(fù)雜聯(lián)盟(簡(jiǎn)稱復(fù)雜聯(lián)盟)。隨著新能源汽車產(chǎn)業(yè)的發(fā)展,新能源汽車聯(lián)盟機(jī)制的理論研究越來(lái)越受到高度關(guān)注。

大數(shù)據(jù)是一種重要的戰(zhàn)略資源,自2008年9月《Nature》雜志推出“大數(shù)據(jù)”(big data)的專欄[2]以來(lái),大數(shù)據(jù)的研究與應(yīng)用已得到世界范圍內(nèi)的廣泛重視。近年來(lái)隨著各種新興網(wǎng)絡(luò)技術(shù)的發(fā)展,大數(shù)據(jù)技術(shù)的崛起,各類需求數(shù)據(jù)更加容易收集獲取,面向大數(shù)據(jù)的新能源汽車聯(lián)盟評(píng)價(jià)成為學(xué)術(shù)界和企業(yè)界的研究熱點(diǎn)。

目前聯(lián)盟評(píng)價(jià)方法主要有：定性評(píng)價(jià)方法、定量評(píng)價(jià)方法和定性與定量相結(jié)合的評(píng)價(jià)方法等[3-4]。定性評(píng)價(jià)方法主觀性強(qiáng),但存在缺乏數(shù)據(jù)支撐、評(píng)價(jià)對(duì)象適應(yīng)范圍受到限制等缺陷；定量評(píng)價(jià)方法是通過降維方式使評(píng)價(jià)結(jié)果更加客觀與合理,但需要進(jìn)行大量的前期研究工作,相對(duì)較為復(fù)雜；定性與定量相結(jié)合的評(píng)價(jià)方法則是將定性評(píng)價(jià)與定量評(píng)價(jià)有機(jī)結(jié)合。由于新能源汽車聯(lián)盟的數(shù)據(jù)難以獲得,當(dāng)今學(xué)術(shù)界的研究大部分以定性研究為主,定量研究較少,鑒于在新能源汽車聯(lián)盟評(píng)價(jià)過程中存在模糊性和不確定性,采用定性與定量相結(jié)合的評(píng)價(jià)方法是必然選擇,但如何處理模糊性和不確定性,實(shí)現(xiàn)定量評(píng)價(jià)與定性評(píng)價(jià)相互轉(zhuǎn)化是聯(lián)盟評(píng)價(jià)急需解決的問題關(guān)鍵。

云模型是研究自然語(yǔ)言從定性概念到定量表示之間相互轉(zhuǎn)化的一種模型,為研究不確定性人工智能提供了新的方法[5-6]。云模型已應(yīng)用于網(wǎng)上交易信任評(píng)價(jià)[7]、決策分析[8]和數(shù)據(jù)挖掘[9]等領(lǐng)域,但目前云模型理論運(yùn)用于新能源汽車復(fù)雜聯(lián)盟評(píng)價(jià)的研究還很少涉及。

鑒于多Agent系統(tǒng)(multi-agent system,MAS)的聯(lián)盟理論在聯(lián)盟形成策略[10-11]、效用分配[12]等方面取得了豐碩成果,且對(duì)新能源汽車聯(lián)盟的研究具有較強(qiáng)的適應(yīng)性,因此本文中基于MAS聯(lián)盟理念,引入云模型理論,提出一種面向大數(shù)據(jù)的新能源汽車復(fù)雜聯(lián)盟云評(píng)價(jià)方法。首先建立面向大數(shù)據(jù)的新能源汽車復(fù)雜聯(lián)盟評(píng)價(jià)模型,并根據(jù)新能源汽車聯(lián)盟大數(shù)據(jù)處理分析平臺(tái)獲取聯(lián)盟成員基本評(píng)價(jià)指標(biāo)的評(píng)價(jià)數(shù)據(jù),應(yīng)用逆向云發(fā)生器生成相應(yīng)的評(píng)價(jià)云；其次利用云綜合運(yùn)算產(chǎn)生聯(lián)盟評(píng)價(jià)指標(biāo)的評(píng)價(jià)云；然后在確定評(píng)價(jià)指標(biāo)權(quán)重云的基礎(chǔ)上,運(yùn)用云運(yùn)算規(guī)則得到單任務(wù)聯(lián)盟評(píng)價(jià)云；再結(jié)合任務(wù)權(quán)重云和單任務(wù)聯(lián)盟評(píng)價(jià)云,運(yùn)用云運(yùn)算規(guī)則獲得多任務(wù)復(fù)雜聯(lián)盟評(píng)價(jià)云,并對(duì)所形成的新能源汽車多任務(wù)復(fù)雜聯(lián)盟備選方案進(jìn)行評(píng)價(jià)和選優(yōu)。

1 云模型理論

1.1 云模型概念

定義1 設(shè)U是一個(gè)用精確數(shù)值表示的定量論域,T是U上的定性概念,若定量值x∈U,且x是定性概念T的一次隨機(jī)實(shí)現(xiàn),x對(duì)T的確定度(隸屬度)μ(x)∈[0,1]是具有穩(wěn)定傾向的隨機(jī)數(shù)。即：μ：U→[0,1],?x∈U,x→μ,則x在論域U上的分布稱為云,記為C(X)。每一個(gè)(x,μ)稱為一個(gè)云滴。

云模型是通過期望Ex、熵En和超熵He 3個(gè)特征數(shù)字有效地整合來(lái)刻畫定性概念的隨機(jī)性和模糊性,一般將云模型記為C(Ex,En,He)。由期望Ex和熵En可確定云的數(shù)學(xué)期望曲線(mathematical expected curve,MEC)方程,即確定度(隸屬度)μ(x)為

1.2 逆向云發(fā)生器

給定云滴(xi,μi)作為樣本,產(chǎn)生描述云模型所對(duì)應(yīng)的定性概念的3個(gè)數(shù)字特征(Ex,En,He)稱為逆向云發(fā)生器。不含確定度信息的逆向云發(fā)生器算法如下[13]。

(1)通過云滴xi(i＝1,2,…,N)計(jì)算樣本均值

(2)計(jì)算樣本方差

(3)計(jì)算云滴的熵和超熵

1.3 綜合云

綜合云是將兩個(gè)或兩個(gè)以上的同類型語(yǔ)言值綜合為一個(gè)層次更高的概念語(yǔ)言值。若兩個(gè)基云模型為C1(Ex1,En1,He1)和C2(Ex2,En2,He2),則由兩個(gè)基云構(gòu)成的綜合云數(shù)字特征定義為

該定義既適用于論域空間為一維的情況,也適用于論域空間為二維或多維的情況。

1.4 云的運(yùn)算規(guī)則

定義2 設(shè)給定論域U中任意兩朵正態(tài)云C1(Ex1,En1,He1)和C2(Ex2,En2,He2),C1和C2的加、乘、除運(yùn)算法則分別如下：

2 面向大數(shù)據(jù)的新能源汽車聯(lián)盟評(píng)價(jià)模型

2.1 基于MAS的新能源汽車聯(lián)盟描述

將新能源汽車聯(lián)盟中各企業(yè)視為獨(dú)立的Agent成員,則基于MAS的新能源汽車聯(lián)盟可描述如下：

(3)實(shí)際資源貢獻(xiàn)量 對(duì)應(yīng)?ai∈A,?tk∈T都具有實(shí)際資源貢獻(xiàn)向量表示ai在任務(wù)tk中的實(shí)際貢獻(xiàn)量；

(4)單任務(wù)聯(lián)盟 任務(wù)tk對(duì)應(yīng)的聯(lián)盟Ctk,且具有一個(gè)能力資源向量為 BCtk＝,其中表示 Ctk對(duì)第j種資源的擁有量,單任務(wù)聯(lián)盟Ctk承擔(dān)任務(wù)tk的資源約束條件為

(6)聯(lián)盟收益值 聯(lián)盟Ck的收益值用一個(gè)特征函數(shù)V(Ck)≥0給出[14]：

式中：P(tk)為承擔(dān)任務(wù)tk所獲得的效用；F(Ck)＝為聯(lián)盟成員總資源貢獻(xiàn)折合的成本,包括開發(fā)成本、生產(chǎn)成本、使用成本及其它開支等。

多任務(wù)聯(lián)盟C的總收益定義為

因此,新能源汽車復(fù)雜聯(lián)盟形成實(shí)質(zhì)就是針對(duì)多任務(wù)T＝{t1,t2,…,tk,…,tm}在滿足給定的資源約束條件下(見式(10)和式(11))求解相應(yīng)的聯(lián)盟C＝{Ct1,Ct2,…,Ctk,…,Ctm},使其總收益 VMAS(如式(14))最大化。

2.2 面向大數(shù)據(jù)的新能源汽車復(fù)雜聯(lián)盟評(píng)價(jià)模型

2.2.1 面向大數(shù)據(jù)的新能源汽車復(fù)雜聯(lián)盟架構(gòu)

將新能源汽車聯(lián)盟中各個(gè)企業(yè)(Agent成員)作為不同的網(wǎng)絡(luò)節(jié)點(diǎn),以大數(shù)據(jù)處理分析平臺(tái)為中心,形成功能一體化的復(fù)雜聯(lián)盟網(wǎng)絡(luò)體系,其中大數(shù)據(jù)處理分析平臺(tái)是聯(lián)系各個(gè)企業(yè)的中介,提供包括數(shù)據(jù)采集、數(shù)據(jù)處理、數(shù)據(jù)分析、數(shù)據(jù)更新、軟件計(jì)算等各種服務(wù),實(shí)現(xiàn)新能源汽車聯(lián)盟中各個(gè)企業(yè)之間的數(shù)據(jù)交流、資源整合和信息共享(包括評(píng)價(jià)信息)。建立面向大數(shù)據(jù)的新能源汽車復(fù)雜聯(lián)盟架構(gòu)如圖1所示。

圖1 面向大數(shù)據(jù)的新能源汽車復(fù)雜聯(lián)盟架構(gòu)

2.2.2 面向大數(shù)據(jù)的復(fù)雜聯(lián)盟評(píng)價(jià)模型

設(shè)有n個(gè)企業(yè)A＝{a1,a2,…,ai,…,an},為了承擔(dān)m項(xiàng)任務(wù)T＝{t1,t2,…,tk,…,tm},在滿足資源約束條件下形成新能源汽車多任務(wù)復(fù)雜聯(lián)盟為C＝{Ct1,Ct2,…,Ctk,…,Ctm}；并設(shè)V(Ctk)表示承擔(dān)單個(gè)任務(wù)tk所形成聯(lián)盟Ctk的收益,V(C)表示承擔(dān)多任務(wù)而形成的復(fù)雜聯(lián)盟C的綜合收益。

針對(duì)新能源汽車產(chǎn)業(yè)聯(lián)盟的特點(diǎn),將多任務(wù)復(fù)雜聯(lián)盟評(píng)價(jià)分解為基本指標(biāo)評(píng)價(jià)、單任務(wù)聯(lián)盟評(píng)價(jià)和多任務(wù)復(fù)雜聯(lián)盟評(píng)價(jià)3個(gè)層次,并以V(C)作為多任務(wù)復(fù)雜聯(lián)盟評(píng)價(jià)的總體目標(biāo),以V(Ctk)作為單任務(wù)聯(lián)盟評(píng)價(jià)的子目標(biāo),以影響聯(lián)盟收益評(píng)價(jià)的主要因素作為基本指標(biāo)。在構(gòu)建面向大數(shù)據(jù)的新能源汽車復(fù)雜聯(lián)盟架構(gòu)的基礎(chǔ)上,建立面向大數(shù)據(jù)的新能源汽車復(fù)雜聯(lián)盟評(píng)價(jià)模型,如圖2所示。圖中：U1,U2,…,Uq分別表示影響單任務(wù)聯(lián)盟收益評(píng)價(jià)的各種因素；q為評(píng)價(jià)指標(biāo)個(gè)數(shù)。

圖2 面向大數(shù)據(jù)的復(fù)雜聯(lián)盟評(píng)價(jià)模型

面向大數(shù)據(jù)的新能源汽車復(fù)雜聯(lián)盟評(píng)價(jià)模型包括以下方面：(1)依托大數(shù)據(jù)處理分析平臺(tái),基于隨機(jī)采樣法采集相關(guān)企業(yè)(Agent成員)的基本指標(biāo)數(shù)據(jù),并應(yīng)用逆向云發(fā)生器生成相應(yīng)的評(píng)價(jià)云；(2)利用云綜合運(yùn)算產(chǎn)生新能源汽車聯(lián)盟評(píng)價(jià)指標(biāo)評(píng)價(jià)云；(3)基于云運(yùn)算規(guī)則分別生成單任務(wù)聯(lián)盟評(píng)價(jià)云和多任務(wù)復(fù)雜聯(lián)盟評(píng)價(jià)云,進(jìn)而對(duì)新能源汽車復(fù)雜聯(lián)盟備選方案進(jìn)行評(píng)價(jià)和選優(yōu)。

在對(duì)影響新能源汽車多任務(wù)復(fù)雜聯(lián)盟評(píng)價(jià)的諸多因素進(jìn)行分析和篩選基礎(chǔ)上,將聯(lián)盟能力匹配度、信任度、交易開支、可持續(xù)性等作為聯(lián)盟基本評(píng)價(jià)指標(biāo)：(1)能力匹配度是聯(lián)盟成員提供一定比例能力與任務(wù)的能力需求之間相匹配的程度,可用歐氏距離公式來(lái)度量[15]；(2)信任度是直接信任度和間接信任值的綜合,由直接信任度和間接信任值共同決定[16]；(3)交易開支為聯(lián)盟中各成員之間交易的代價(jià)之和；(4)可持續(xù)性是指聯(lián)盟在滿足當(dāng)前任務(wù)需求的前提下還能承擔(dān)后續(xù)任務(wù)的能力。

3 基于云理論的新能源汽車復(fù)雜聯(lián)盟評(píng)價(jià)

基于云模型理論面向大數(shù)據(jù)的新能源汽車復(fù)雜聯(lián)盟評(píng)價(jià)主要包括：建立指標(biāo)評(píng)價(jià)集,確定評(píng)價(jià)等級(jí)標(biāo)準(zhǔn)云和評(píng)價(jià)指標(biāo)評(píng)價(jià)云,確定評(píng)價(jià)指標(biāo)權(quán)重云和任務(wù)權(quán)重云,確定單任務(wù)聯(lián)盟評(píng)價(jià)云、多任務(wù)聯(lián)盟評(píng)價(jià)云以及對(duì)所形成的新能源汽車聯(lián)盟備選方案的評(píng)價(jià)與選優(yōu)等流程,如圖3所示。

圖3 基于云模型理論的新能源汽車復(fù)雜聯(lián)盟評(píng)價(jià)流程

3.1 建立評(píng)價(jià)指標(biāo)的評(píng)價(jià)集

以影響新能源汽車聯(lián)盟評(píng)價(jià)的主要因素作為評(píng)價(jià)指標(biāo)。構(gòu)建評(píng)價(jià)指標(biāo)集U＝{U1,U2,…,Uq},并將評(píng)價(jià)指標(biāo)的評(píng)價(jià)劃分為5個(gè)等級(jí),評(píng)價(jià)等級(jí)由“好”、“較好”、“中等”、“較差”和“差”等語(yǔ)言值來(lái)描述。

3.2 建立評(píng)價(jià)等級(jí)標(biāo)準(zhǔn)云模型

選用“好”、“較好”、“中等”、“較差”和“差”等5個(gè)定性語(yǔ)言值作為評(píng)價(jià)等級(jí)進(jìn)行新能源汽車復(fù)雜聯(lián)盟評(píng)價(jià)。首先基于新能源汽車聯(lián)盟大數(shù)據(jù)處理分析平臺(tái)獲取相關(guān)評(píng)價(jià)數(shù)據(jù),然后運(yùn)用逆向云發(fā)生器算法分別確定各個(gè)評(píng)價(jià)等級(jí)標(biāo)準(zhǔn)的論域區(qū)間和云特征參數(shù),如表1所示。

表1 評(píng)價(jià)等級(jí)標(biāo)準(zhǔn)的論域區(qū)間和云特征參數(shù)

3.3 確定聯(lián)盟評(píng)價(jià)指標(biāo)的評(píng)價(jià)云

依托新能源汽車聯(lián)盟大數(shù)據(jù)處理分析平臺(tái),基于隨機(jī)采樣法獲取相關(guān)聯(lián)盟成員的基本指標(biāo)的評(píng)價(jià)數(shù)據(jù),運(yùn)用逆向云發(fā)生器算法生成相應(yīng)的評(píng)價(jià)指標(biāo)評(píng)價(jià)云；并運(yùn)用云綜合運(yùn)算產(chǎn)生聯(lián)盟評(píng)價(jià)指標(biāo)評(píng)價(jià)的云特征參數(shù),進(jìn)而確定聯(lián)盟評(píng)價(jià)指標(biāo)評(píng)價(jià)云矩陣為

3.4 確定聯(lián)盟評(píng)價(jià)指標(biāo)權(quán)重云

根據(jù)聯(lián)盟評(píng)價(jià)指標(biāo)U1,U2,…,Uq影響聯(lián)盟收益評(píng)價(jià)的重要程度,設(shè)定評(píng)價(jià)指標(biāo)權(quán)重云集為λ＝{λ1,λ2,…,λi,…,λq},其中 λi表示聯(lián)盟評(píng)價(jià)指標(biāo)Ui的權(quán)重云(Exλi,Enλi,Heλi)。 將聯(lián)盟評(píng)價(jià)指標(biāo)的重要程度劃分為極不重要、較不重要、一般重要、較重要和極重要5個(gè)等級(jí),并依托新能源汽車聯(lián)盟大數(shù)據(jù)處理分析平臺(tái),獲取各聯(lián)盟評(píng)價(jià)指標(biāo)的重要程度相關(guān)數(shù)據(jù),運(yùn)用逆向云發(fā)生器算法確定聯(lián)盟各評(píng)價(jià)指標(biāo) Ui相應(yīng)的權(quán)重云

3.5 確定任務(wù)權(quán)重云

針對(duì)多任務(wù)復(fù)雜聯(lián)盟C＝{Ct1,Ct2,…,Ctm},根據(jù)單任務(wù)tk對(duì)多任務(wù)T的影響程度,設(shè)定任務(wù)云權(quán)重集為 ω＝{ω1,ω2,…,ωk,…,ωm},其中 ωk表示單任務(wù)聯(lián)盟Ctk對(duì)多任務(wù)復(fù)雜聯(lián)盟C影響的權(quán)重云ωk(Exωk,Enωk,Heωk)。 將任務(wù)重要程度劃分為不重要、較不重要、一般、較重要和重要5個(gè)等級(jí)。依托新能源汽車聯(lián)盟大數(shù)據(jù)處理分析平臺(tái),獲取各個(gè)任務(wù)的重要程度相關(guān)數(shù)據(jù),并運(yùn)用逆向云發(fā)生器算法生成各個(gè)任務(wù) tk相應(yīng)的權(quán)重云 ωk(Exωk,Enωk,Heωk)。

3.6 確定單任務(wù)聯(lián)盟評(píng)價(jià)云

依托新能源汽車聯(lián)盟大數(shù)據(jù)處理分析平臺(tái),確定聯(lián)盟評(píng)價(jià)指標(biāo)評(píng)價(jià)云矩陣(式(15)),并得到單任務(wù)聯(lián)盟Ctk各評(píng)價(jià)指標(biāo)評(píng)價(jià)云ECtki；再結(jié)合各評(píng)價(jià)指標(biāo)權(quán)重云λi,采用云運(yùn)算規(guī)則進(jìn)行合成,計(jì)算得到單任務(wù)聯(lián)盟Ctk的評(píng)價(jià)云VCtk(ExCtk,EnCtk,HeCtk)：

3.7 確定多任務(wù)復(fù)雜聯(lián)盟的評(píng)價(jià)云

針對(duì)復(fù)雜聯(lián)盟C＝{Ct1,Ct2,…,Ctk,…,Ctm}的評(píng)價(jià)是在獲得各個(gè)單任務(wù)聯(lián)盟Ctk評(píng)價(jià)云VCtk的基礎(chǔ)上,結(jié)合與各單任務(wù)相應(yīng)的權(quán)重云ωk,采用云運(yùn)算規(guī)則計(jì)算獲得多任務(wù)復(fù)雜聯(lián)盟C評(píng)價(jià)云VC(ExC,EnC,HeC)：

3.8 多任務(wù)復(fù)雜聯(lián)盟備選方案的云評(píng)價(jià)與選優(yōu)

在滿足給定的資源約束條件下,選取r個(gè)新能源汽車多任務(wù)復(fù)雜聯(lián)盟備選方案：

式中：CAl為第l個(gè)復(fù)雜聯(lián)盟的備選方案；CCtk,Al為第l個(gè)復(fù)雜聯(lián)盟備選方案中為承擔(dān)單任務(wù)tk∈T對(duì)應(yīng)形成的單任務(wù)聯(lián)盟。針對(duì)r個(gè)新能源汽車聯(lián)盟備選方案進(jìn)行評(píng)價(jià)與選優(yōu)的步驟如下。

(1)各個(gè)單任務(wù)聯(lián)盟Ctk,Al的評(píng)價(jià)

首先確定備選方案CAl中各個(gè)單任務(wù)聯(lián)盟Ctk,Al相對(duì)應(yīng)的聯(lián)盟評(píng)價(jià)指標(biāo)評(píng)價(jià)云及其指標(biāo)權(quán)重云λi,然后按式(16)計(jì)算得到單任務(wù)聯(lián)盟Ctk,A評(píng)價(jià)

l

(2)多任務(wù)復(fù)雜聯(lián)盟方案CAl的評(píng)價(jià)

根據(jù)式(18)確定方案CAl中各個(gè)單任務(wù)聯(lián)盟Ctk,Al對(duì)應(yīng)的評(píng)價(jià)云VCtk,Alk,并結(jié)合與其對(duì)應(yīng)的任務(wù)權(quán)重云ωk,按式(17)計(jì)算得到各個(gè)多任務(wù)復(fù)雜聯(lián)盟方案CAl綜合評(píng)價(jià)云VCAl(ExCAl,EnCAl,HeCAl),即

(3)新能源汽車多任務(wù)復(fù)雜聯(lián)盟備選方案選優(yōu)

在獲得各個(gè)新能源汽車多任務(wù)復(fù)雜聯(lián)盟備選方案CAl綜合評(píng)價(jià)云VCAl(l＝1,2,…,r)的基礎(chǔ)上,基于MATLAB仿真平臺(tái),采用正向云發(fā)生器算法生成云圖[17],并對(duì)新能源汽車多任務(wù)復(fù)雜聯(lián)盟備選方案進(jìn)行排序和選優(yōu),最后確定最優(yōu)新能源汽車多任務(wù)復(fù)雜聯(lián)盟方案。

4 實(shí)例分析

依托某新能源汽車產(chǎn)業(yè)聯(lián)盟,以需要承擔(dān)5項(xiàng)新能源汽車產(chǎn)品開發(fā)任務(wù)為例,對(duì)其所形成的新能源汽車多任務(wù)復(fù)雜聯(lián)盟方案進(jìn)行綜合評(píng)價(jià)與選優(yōu),以驗(yàn)證面向大數(shù)據(jù)的新能源汽車復(fù)雜聯(lián)盟云評(píng)價(jià)方法的有效性,具體要求如下。

(1)產(chǎn)品開發(fā)任務(wù)T＝{t1,t2,t3,t4,t5}中各任務(wù)的底盤車身及控制系統(tǒng)、驅(qū)動(dòng)電機(jī)及控制系統(tǒng)和動(dòng)力電池及管理系統(tǒng)等關(guān)鍵總成部件的需求量如表2所示,其對(duì)應(yīng)的資源需求向量分別為：(50,41,38),(35,36,34),(22,24,27),(25,25,23),(31,30,36)。

表2 各任務(wù)的資源需求量

(2)擬參加新能源汽車產(chǎn)品開發(fā)任務(wù)企業(yè)集合為A＝{a1,a2,a3,a4,a5,a6,a7,a8,a9,a10},各個(gè)企業(yè)的底盤車身及控制系統(tǒng)、驅(qū)動(dòng)電機(jī)及控制系統(tǒng)和動(dòng)力電池及管理系統(tǒng)等總成部件所能提供的資源量如表3所示,其對(duì)應(yīng)的能力資源向量分別為：(18,12,11),(13,16,12),(20,14,21),(16,12,15),(21,16,15),(15,20,8),(17,15,15),(18,17,25),(15,18,17),(22,25,26)。

表3 各個(gè)企業(yè)所能提供的資源量

(3)在滿足給定的資源約束條件所形成的新能源汽車多任務(wù)復(fù)雜聯(lián)盟方案中,選取4個(gè)能夠承擔(dān)5項(xiàng)產(chǎn)品開發(fā)任務(wù)的復(fù)雜聯(lián)盟備選方案A1(CA1),A2(CA2),A3(CA3)和A4(CA4),各多任務(wù)復(fù)雜聯(lián)盟備選方案對(duì)應(yīng)的聯(lián)盟成員及其實(shí)際貢獻(xiàn)量如表4所示。

采用本文中提出的面向大數(shù)據(jù)的新能源汽車復(fù)雜聯(lián)盟云評(píng)價(jià)方法對(duì)各個(gè)備選復(fù)雜聯(lián)盟方案進(jìn)行評(píng)價(jià)與選優(yōu),具體流程如下。

(1)確定評(píng)價(jià)指標(biāo)權(quán)重云

將影響新能源汽車聯(lián)盟評(píng)價(jià)的聯(lián)盟能力匹配度、信任度、交易開支、可持續(xù)發(fā)展性等因素作為聯(lián)盟基本評(píng)價(jià)指標(biāo),依托新能源汽車聯(lián)盟大數(shù)據(jù)處理分析平臺(tái)獲取各聯(lián)盟評(píng)價(jià)指標(biāo)重要程度的相關(guān)數(shù)據(jù),運(yùn)用逆向云發(fā)生器算法分別生成能力匹配度U1、信任度U2、交易開支U3、可持續(xù)性U4等指標(biāo)對(duì)應(yīng)的權(quán)重云 λ1,λ2,λ3,λ4分別為：λ1(0.913,0.034,0.002),λ2(0.763,0.028,0.002),λ3(0.599,0.034,0.003),λ4(0.698,0.034,0.002)。

(2)確定任務(wù)權(quán)重云

依托新能源汽車聯(lián)盟大數(shù)據(jù)處理分析平臺(tái)獲取任務(wù)重要程度的相關(guān)數(shù)據(jù),運(yùn)用逆向云發(fā)生器算法分別生成任務(wù)t1,t2,t3,t4,t5相應(yīng)的權(quán)重云ω1,ω2,ω3,ω4,ω5分別為：ω1(0.243,0.023,0.008),ω2(0.231,0.043,0.018),ω3(0.185,0.023,0.008),ω4(0.179,0.039,0.017),ω5(0.162,0.035,0.011)。

表4 新能源汽車多任務(wù)復(fù)雜聯(lián)盟的成員及其實(shí)際貢獻(xiàn)量

(3)計(jì)算各評(píng)價(jià)指標(biāo)評(píng)價(jià)云

由于篇幅受限,僅以方案A1(CA1)中單任務(wù)聯(lián)盟Ct1,A1為例,依托新能源汽車聯(lián)盟大數(shù)據(jù)處理分析平臺(tái)獲取相關(guān)聯(lián)盟成員(企業(yè))的基本指標(biāo)的評(píng)價(jià)數(shù)據(jù),運(yùn)用逆向云發(fā)生器算法分別生成相應(yīng)的評(píng)價(jià)云,并應(yīng)用云綜合運(yùn)算分別產(chǎn)生聯(lián)盟能力匹配度U1、信任度U2、交易開支U3、可持續(xù)性U4等指標(biāo)所對(duì)應(yīng)的評(píng)價(jià)云如表5所示。同理,分別得到方案A1(CA1)中其它任務(wù)t2,t3,t4,t5對(duì)應(yīng)的單任務(wù)聯(lián)盟Ct2,A1,Ct3,A1和Ct4,A1的各評(píng)價(jià)指標(biāo)的評(píng)價(jià)云。

表5 方案A1中各單任務(wù)聯(lián)盟的評(píng)價(jià)指標(biāo)評(píng)價(jià)云

(4)備選方案中單任務(wù)聯(lián)盟評(píng)價(jià)(以A1為例)

依據(jù)單任務(wù)聯(lián)盟Ct1,A1,Ct2,A1,Ct3,A1,Ct4,A1和Ct5,A1的評(píng)價(jià)指標(biāo)評(píng)價(jià)云及其對(duì)應(yīng)的指標(biāo)權(quán)重云λ1,λ2,λ3,λ4,并按式(18)計(jì)算得到方案A1中任務(wù)t1,t2,t3,t4,t5對(duì)應(yīng)的單任務(wù)聯(lián)盟Ct1,A1,Ct2,A1,Ct3,A1,Ct4,A1和Ct5,A1的評(píng)價(jià)云分別為：VCt1,A1(0.861,0.027,0.003),VCt2,A1(0.750,0.025,0.003),VCt3,A1(0.653,0.022,0.002),VCt4,A1(0.718,0.025,0.002)和 VCt5,A1(0.827,0.035,0.003)。

(5)多任務(wù)復(fù)雜聯(lián)盟備選方案的云評(píng)價(jià)

依據(jù)方案A1中任務(wù)t1,t2,t3,t4,t5對(duì)應(yīng)的單任務(wù)聯(lián)盟的評(píng)價(jià)云VCt1,A1,VCt2,A1,VCt3,A1,VCt4,A1,VCt5,A1和任務(wù)權(quán)重云 ω1,ω2,ω3,ω4,ω5,根據(jù)式(19)計(jì)算方案A1的評(píng)價(jià)云VCA1(0.766,0.082,0.031)。

同理,分別計(jì)算多任務(wù)聯(lián)盟備選方案A2,A3和A4對(duì)應(yīng)的評(píng)價(jià)云分別為：VCA2(0.861,0.090,0.036),VCA3(0.796,0.084,0.028)和VCA4(0.637,0.068,0.026)。

(6)多任務(wù)復(fù)雜聯(lián)盟備選方案的選優(yōu)

基于MATLAB仿真平臺(tái),采用正向云發(fā)生器分別生成4個(gè)新能源汽車復(fù)雜聯(lián)盟備選方案的評(píng)價(jià)云VCA1,VCA2,VCA3和VCA4對(duì)應(yīng)的評(píng)價(jià)云圖,如圖4所示。圖 4中“好”、“較好”、“中等”、“較差”和“差”分別表示新能源汽車聯(lián)盟各個(gè)評(píng)價(jià)等級(jí)對(duì)應(yīng)的標(biāo)準(zhǔn)云圖。

圖4 復(fù)雜聯(lián)盟備選方案的評(píng)價(jià)云圖

由圖4可知,聯(lián)盟備選方案A1,A2,A3和A4的排列順序?yàn)椋篤CA2＞VCA3＞VCA1＞VCA4,聯(lián)盟備選方案 A2為最佳聯(lián)盟方案。與評(píng)價(jià)等級(jí)標(biāo)準(zhǔn)云圖相比：備選方案A1,A2和A3的評(píng)價(jià)云圖在評(píng)價(jià)等級(jí)標(biāo)準(zhǔn)云圖的較好和好之間,且A1偏向較好、A2偏向好；備選方案A4的評(píng)價(jià)云圖在評(píng)價(jià)等級(jí)標(biāo)準(zhǔn)云圖的中和較好之間,且偏向較好。因此聯(lián)盟備選方案A2可擬定為承擔(dān)新能源汽車產(chǎn)品開發(fā)任務(wù)的聯(lián)盟實(shí)施方案。

5 結(jié)論

新能源汽車產(chǎn)業(yè)聯(lián)盟得到迅速發(fā)展,但相關(guān)的理論研究仍比較匾乏?；诖髷?shù)據(jù)是一種重要的戰(zhàn)略資源,針對(duì)新能源汽車復(fù)雜聯(lián)盟評(píng)價(jià)過程中存在模糊性和不確定性,本文中引入云模型理論,提出了一種面向大數(shù)據(jù)的新能源汽車復(fù)雜聯(lián)盟的云評(píng)價(jià)方法。

構(gòu)建了面向大數(shù)據(jù)的新能源汽車聯(lián)盟架構(gòu),建立了面向大數(shù)據(jù)的新能源汽車復(fù)雜聯(lián)盟評(píng)價(jià)模型,并依托新能源汽車聯(lián)盟大數(shù)據(jù)處理分析平臺(tái)獲取聯(lián)盟相關(guān)評(píng)價(jià)數(shù)據(jù)；運(yùn)用云模型理論確定聯(lián)盟指標(biāo)評(píng)價(jià)云、指標(biāo)權(quán)重云和任務(wù)權(quán)重云,并讓權(quán)重云參與多任務(wù)復(fù)雜聯(lián)盟評(píng)價(jià)和優(yōu)選；通過對(duì)新能源汽車產(chǎn)品開發(fā)所形成的聯(lián)盟實(shí)例評(píng)價(jià)與選優(yōu),驗(yàn)證了所提出的面向大數(shù)據(jù)的新能源汽車復(fù)雜聯(lián)盟云評(píng)價(jià)方法的有效性和合理性。