摘 要: 针对装备征用动员中器材需求不确定性大、响应时效性和质量要求高等特点,构建基于军事供应链的装备器材供应商选优评价准则体系,为解决不同准则带来的多种异质评价信息及准则权重、决策者权重均未知的多准则群决策问题,提出了一种基于直觉模糊熵和扩展多准则妥协解(VlseKriterijumska Optimizacija I Kompromisno Resenje,VIKOR)框架的决策方法。首先,采用包含隶属度与非隶属度偏差及犹豫度信息的直觉模糊熵,基于熵权法和权重协调系数确定综合准则权重;其次,综合考虑决策矩阵直觉模糊熵和距离测度,建立一种新的决策者权重方法;然后,采用直觉模糊加权平均算子得到决策者和决策群体综合评价矩阵;最后,将VIKOR方法扩展到直觉模糊语言环境,对备选供应商进行折衷排序和选优。
关键词: 供应商选优; 多准则群决策; 直觉模糊熵; 扩展多准则妥协解法; 熵权法
0 引 言
高新技术下现代战争对装备器材的需求越来越呈现出需求不确定性大、响应时效性和质量标准要求高等特点,仅靠军工企业的应急生产已远远不能满足要求,必须对非军工国有企业和高技术民营企业开展装备器材征用动员。因此,选择客观高效的装备器材供应商选优评价体系和选优决策方法是实现装备征用动员的核心要务,对于降低装备器材征用风险,提高装备综合保障时效具有重要意义[1-2]。
综合上述,乳房射频电疗可缩短剖宫产术后泌乳始动时间,也能提高泌乳量及血清泌乳素水平,对提高母乳喂养率有积极作用,值得临床推广。
目前,对于装备器材供应商选优决策的研究主要集中在选优评价准则和选优决策方法两个方面。在选优评价准则研究中,企业供应商选优评价准则注重价格、质量、供货能力、生产能力和管理水平等因素[3-11],而装备器材供应商因其军事性选择对选优评价准则具有独特的需求,在供应商信誉、需求反应能力和核心技术外购比率等指标上应给予高度关注。在选优决策方法研究上,装备器材供应商选优决策需要装备论证、研发、采购和使用等多个部门的共同参与,在选优决策过程中,决策者难以从众多潜在供应商中选择一个能够完全满足装备征用动员全部评价体系要求的装备器材供应商,因此,选择一个妥协解最优供应商更贴近实际。
综上所述,从选优评价准则和选优决策方法两个方面看,装备器材供应商选优决策问题的实质是一类多准则群决策问题。针对多准则群决策问题,文献[12]针对准则评价值为直觉模糊数,提出了一种面向多部门多准则的群体应急决策方法,并根据备选方案的投影值对方案进行选优排序;文献[13]针对准则值为直觉模糊数,准则权重和专家权重完全未知的群决策问题,提出了一种基于证据理论的直觉模糊群决策方法,该方法采用证据理论集结决策信息,根据得分值进行方案排序;但上述方法根据不同的直觉模糊数排序方法有可能得到不同的备选方案;在此基础上,文献[14]针对准则值为不确定语言变量,提出了一种基于扩展多准则妥协解(VlseKriterijumska Optimizacija I Kompromisno Resenje,VIKOR)的群决策方法,VIKOR方法具有同时考虑群体效用最大化和个体遗憾最小化以及融入决策者主观偏好的优点,因此具有更高的排序稳定性和可信度[15-24],然而,该方法只考虑了准则值为单一类型的情况,对于存在多种异质准则值的研究相对较少。
基于以上分析,本文针对装备征用动员中器材需求不确定性大、响应时效性和质量要求高等特点,构建基于军事供应链的供应商选优评价准则体系,基于不同准则具有区间数、直觉模糊数和语言变量等多种异质评价信息,且准则权重、决策者权重均未知的多准则群决策问题,提出了一种基于直觉模糊熵和VIKOR框架的群决策方法。首先,基于直觉模糊熵权法和权重协调系数确定综合准则权重;其次,在综合考虑决策矩阵直觉模糊熵和距离测度的基础上,建立一种新的决策者权重方法;然后,采用直觉模糊加权平均算子得到决策者和决策群体综合评价矩阵;最后通过对备选装备器材供应商选优决策实例并结合敏感性分析,验证所提方法的有效性。
1 供应商选优评价准则
随着军事订货与采购制度改革不断推进,借鉴现代企业以供应链管理为重心的经营策略,体现“大后勤”理念的适应多变和多样性保障需求的军事供应链应运而生,其中装备器材供应商选优和评价是军事供应链管理中的一项重要内容。装备征用动员的不确定性、时效性和特殊性决定了对装备器材供应商的选优和评价与企业领域内的供应商选择存在较大差别。因此,在装备征用动员背景下建立基于军事供应链的装备器材供应商选优和评价准则体系必须考虑如下原则:
(1) 供应商应具有良好的绩效。对企业绩效的评价是对供应商选优和评价的一项重要内容,在军事供应链管理环境下,装备器材供应商的供货质量、柔性、交货期直接关系到军事供应链管理目标能否实现。
(2) 供应商应具有确保军事供应链战略联盟稳定持久的组织战略。军队与供应商之间的战略联盟是军事供应链中最为重要的一种联盟关系。供应商必须理解和信守军事供应链管理战略,不断提升国防意识和以诚信为尺度的道德水平,确保企业发展战略与军队发展战略的一致性。
(3) 供应商应具有良好的成长和发展潜力。企业只有具备良好的发展潜力,才能不断地研发新装备,并对旧装备进行技术升级。
(4) 供应商实现与军队用户的有效协同,即良好的服务保障能力。由于装备征用动员的突发性,供应商应具有合理的需求反应时间能力和售后支援能力。
(5) 供应商应确保供应的稳定性和安全性。为避免军事供应链在战时或类战时情况下出现断链,必须考察企业的核心技术外购比率以及原材料和零配件的可替代程度。
根据以上原则,建立装备征用动员背景下基于军事供应链的装备器材供应商选优和评价准则体系如表1所示。
表1 装备器材供应商选优评价准则体系
Table 1 Evaluation criteria system of equipment material supplier selection decision-making
评价准则准则类型准则说明军检合格度定性动员周期内装备器材军检合格比重交货准时率定量动员周期内供应商时间、地点、数量均无误的交货次数与总交货次数的比率生产柔性定量供应商在动员周期内能够生产装备器材的数量范围供应商信誉定性装备器材供应商诚实守信的声誉发展战略兼容性定性供应商制定的发展战略与军队发展战略的一致性程度技术开发能力定性新装备器材设计和制造升级能力需求反应能力定性供应商对装备器材需求数量和时间变化的适应能力售后支援能力定性售后服务时间和安全保障能力核心技术外购比率定量供应商由国外购买的核心技术占其核心技术的比率原材料和零配件可替代程度定性上级供应商的供应能力与供应商自身的最大原材料和零配件需求量对比程度
2 直觉模糊多准则群决策方法
基于直觉模糊熵和VIKOR的装备器材供应商多准则群决策问题描述为:A={A1,…,Ai,…,Am}是由m个通过资格审查的供应商组成的备选供应商集合,C={C1,…,Cj,…,Cn}是由n个准则组成的评价准则集合,D={D1,…,Dk,…,Dp}是由来自p个部门的决策者组成的决策者集合。决策者分别对各备选供应商进行客观数据收集和主观经验判断,λk为决策者Dk的权重,为决策者Dk对评价准则Cj的权重,为决策者Dk对备选供应商Ai在评价准则Cj下的评价值,则决策者Dk给出的决策矩阵为
ITC[16]源于剑桥大学校园学生轨迹的可视化实验,是达特茅斯学院归档的无线自组织通信数据集之一,具体信息如表1所示.
(1)
2.1 规范化评价信息
在装备器材供应商选优决策中,由于来自不同部门的决策者信息掌握的不对称性和装备征用动员的高时效性,可能无法得到精确的评价信息,此时,往往采用区间数、直觉模糊数、语言变量等描述评价信息的不确定性,不同评价准则的评价信息类型如表2所示,其中分类B代表效益型,C代表成本型。
表2 评价信息类型
Table 2 Evaluation information type
评价准则信息类型分类军检合格度语言B交货准时率区间数B生产柔性区间数B供应商信誉语言B发展战略兼容性语言B技术开发能力直觉模糊数B需求反应能力直觉模糊数B售后支援能力语言B核心技术外购比率区间数C原材料和零配件可替代程度语言B
因此,在供应商选优决策分析中必须有效综合决策者异质评价信息(区间数、直觉模糊数、语言变量),以进行备选供应商的排序选优。直觉模糊集从隶属度、非隶属度和犹豫度三方面描述模糊和不确定信息,能够更好地刻画决策者异质评价信息的不确定性。
定义 1[25]设X为给定论域,则称
开展中药材种子生产技术研究，是推进中药材规范化栽培的一项重要任务[18]。该研究比较了不同部位间独活种子在发芽率与千粒重方面的差异，对促进独活种子规范化生产具有重大推动作用。但种子采收时种子质量还受采收时间、施肥、种根大小等因素的影响，有待开展进一步研究。
A={〈x,μA(x),νA(x)〉|x∈X}
(2)
3位决策者给出的决策矩阵Rk(k=1,2,3)如表4～表6所示。
区间数表征了决策过程定量数据的不确定性,对于决策矩阵中的区间数评价信息首先采用比重变换法进行归一化处理,使得归一化后的评价信息取值范围均在[0,1]区间内,消除量纲的影响;然后根据区间数与直觉模糊数的转化关系,将归一化处理后的评价信息转化为直觉模糊数形式。
当则有
(3)
当则有
(4)
不同粒度语言信息是指在群决策中决策者依据由不同语言短语数目表示的语言评价集给出的偏好信息。通常将定性的语言评价信息转化为三角模糊数或直觉模糊数,对于决策矩阵中的语言变量评价信息采用由9个语言评价粒度的语言短语评价集S=[s1=EP/EL,s2=VP/VL,s3=P/L,s4=MP/ML,s5=F/M,s6=MG/MH,s7=G/H,s8=VG/VH,s9=EG/EH]来描述语言变量评价信息,则其对应的直觉模糊数如表3所示。
第四，心理安全。由于学生存在个体差异性，加之受到成长环境和周边事物的影响，他们的心理特点也较为不同。学校应该展开心理调查，掌握学生的心理情况，并开设相关课程，对于有心理疾病的学生，帮助他们走出心理阴影，还可以配置专业心理咨询教师，及时帮助学生转变思想，健康积极应对生活。
表3 语言变量与直觉模糊数对应关系
Table 3 Relationship between linguistic variables and
intuitionistic fuzzy numbers
语言变量标记直觉模糊数极差/极低EP/EL(0.05,0.95)非常差/非常低VP/VL(0.15,0.80)差/低P/L(0.25,0.65)偏差/偏低MP/ML(0.35,0.55)一般/中等F/M(0.50,0.40)偏好/偏高MG/MH(0.65,0.25)好/高G/H(0.75,0.15)非常好/非常高VG/VH(0.85,0.10)极好/极高EG/EH(0.95,0.05)
通过将各决策者评价信息进行规范化处理,即将区间数和语言评价信息统一转化成直觉模糊数形式,得到决策者Dk的直觉模糊决策矩阵为
(5)
式中,为直觉模糊数。
2.2 准则权重确定
直觉模糊熵用来刻画直觉模糊集的模糊程度,评价准则的直觉模糊熵越大,说明该准则提供的判断信息的模糊程度越大,应赋予较小权重;反之,则赋予较大权重。而直觉模糊熵的模糊程度需要同时考虑不确定程度和未知程度,其中隶属度与非隶属度的偏差反映了不确定程度,犹豫度反映了未知程度,仅考虑隶属度和非隶属度两方面信息的直觉模糊熵在隶属度和非隶属度偏差相等的情况下无法有效区分,为了避免上述问题,采用考虑隶属度、非隶属度和犹豫度三方面信息的直觉模糊熵[26]为
(6)
式中,B={〈xi,μB(xi),νB(xi)〉|xi∈X,i=1,2,…,n}为直觉模糊集。
从式(6)可以看出,E(B)不但包含了隶属度与非隶属度的偏差μB(xi)-νB(xi),而且包含了犹豫度πB(xi)的信息。
根据式(6),令则由决策者Dk评价值所确定评价准则Cj的直觉模糊熵为
(7)
步骤 6 根据Euclidean距离测度公式,结合式(18)～式(20),令υ=0.5,计算供应商备选方案的群体效用值S(Ai)、个体遗憾值R(Ai)和折衷值Q(Ai)分别为
(8)
利用准则权重协调系数对进行集结,确定最终的综合准则权重为
5．统计学处理：应用SPSS 18.0统计软件进行数据分析。计量资料以表示，组间比较采用单因素方差分析，两两比较采用LSD法。P<0.05为差异具有统计学意义。
(9)
式中,为准则权重协调系数。
准则权重协调系数根据准则权重与权重取值区间中点的相似度进行设定,准则权重与权重取值区间中点的相似度为
(10)
式中,
则准则权重协调系数为
(5)成效慢.白猿通背拳需要日积月累的练习才能达到一定的效果，但反观现在发展的比较出色的跆拳道、空手道等，其基本内容略微简单，训练体系较为明晰，学生学上数月，便可看出成效.但白猿通背拳的练习则要以年来计算，并且对身体协调性与力量有着极高的要求，若没有足够的时间练习，则很难收获想要的成绩.
(11)
2.3 决策者权重确定
决策者权重取决于决策者判断信息的可靠性和确定性程度。决策者提供的判断信息越模糊越不确定,说明决策者对决策对象的了解程度相对较少,则赋予较小权重;反之,则赋予较大权重。决策矩阵的直觉模糊熵刻画了决策者判断信息的模糊性和不确定性。由此,根据熵权法基本原理,由决策矩阵直觉模糊熵确定决策者权重即
金色的秋天，层林尽染，丹桂飘香，硕果累累。在群山环抱、风景如画的鞍子镇干田村7组，一张张白色的防护网罩在稻田上，村民任昌奎正手端小盆，将一碗碗饲料撒向田间。一群群黑黝黝的泥鳅不时探出头来抢食，又以极快的速度钻入水中，一派祥和、静谧、丰收、天人合一的美丽乡村自然景象。
(12)
步骤 3 基于第2.3节提出的决策者准则权重确定方法,计算由决策矩阵直觉模糊熵确定的决策者权重和决策矩阵之间的距离测度确定的决策者权重分别为
由决策矩阵之间的距离测度确定决策者权重即
分别于试鸭3日龄和28日龄晨（08:00）对试鸭进行空腹称重。试验期间准确记录各重复耗料量，试验结束时称剩料重，并计算初重、末重、平均日增重、平均日采食量和料重比。
(13)
式中,为决策矩阵和之间的距离测度;为直觉模糊数和的Euclidean距离。
利用决策者权重协调系数对和进行集结,确定最终的决策者权重为
(14)
步骤 4 利用直觉模糊加权平均算子对备选供应商Si在准则Cj下的评价信息进行集结,将决策者决策矩阵聚合为决策群体决策矩阵,即
综上所述,直觉模糊多准则群决策方法的具体步骤如下:
步骤 1 构建具有多种异质评价信息的决策矩阵,利用第2.1节方法对区间数进行归一化处理,并将归一化后的区间数和语言变量统一转化为直觉模糊数,获得规范化直觉模糊决策矩阵。
最后，开设农村成人教育，培育新型职业农民。主要依托农业技术推广服务体系、农业示范基地和龙头企业，对各个年龄段、各不同职位的农民因材施教，围绕各地的传统、主导产业，开展有针对性的生产实用技术培训和职业技能培训，如开展岗位培训、技术指导、技术交流、科技示范和成果展示等，以满足农民从事农业生产经营的需要。
步骤 2 利用第2.2节准则权重确定方法,计算不同决策者准则权重和综合准则权重。
步骤 3 利用第2.3节决策者权重确定方法,基于决策矩阵直觉模糊熵和距离测度计算决策者综合权重。
式中,0<β<1为决策者权重协调系数；为决策者综合权重。
(15)
步骤 5 根据决策者决策矩阵,确定供应商备选方案正理想解和负理想解,即
(17)
步骤 6 将VIKOR方法扩展到直觉模糊语言环境,计算备选供应商方案的群体效用值S(Ai)、个体遗憾值R(Ai)和折衷值Q(Ai),即
(18)
(19)
(20)
式中,υ∈[0,1]为折衷系数;
自然生态、经济和社会子系统的稳定、发展是运河引配水工程实施、运行、维护的重要前提和有力保证。同时，各子系统间相互影响相互制约，自然环境的改善促进经济发展、利于社会和谐；社会经济发展对自然生态提出更高的要求也造成更大的压力。
步骤 7 根据排序值对备选供应商进行折衷排序并确定最优方案。
3 实例验证与分析
为完成某军事任务所进行的装备征用动员中需对某型装备器材供应商进行选优,先后经历资格预审、短期拜访、深度调研后,确定4个备选供应商,由来自装备论证、装备采购和装备使用3个部门的决策者组成决策群体对4个备选供应商进行选优和评价。
为直觉模糊集IFS(X)。其中,μA(x):X→[0,1],νA(x):X→[0,1]分别表示X中元素x属于A的隶属度和非隶属度,且满足条件0≤μA(x)+νA(x)≤1,x∈X。此外,称πA(x)=1-μA(x)-νA(x)为X属于A的犹豫度。为方便起见,将直觉模糊数简记为(μA(x),νA(x))。
表4 决策者D1给出的决策矩阵R1
Table 4 Decision-making matrix R1 given by decision-maker D1
C1C2C3C4C5C6C7C8C9C10A1MG[96,97][9,11]VGG(0.8,0.1)(0.7,0.2)F[5,7]VGA2G[94,96][10,12]MGVG(0.6,0.2)(0.8,0.1)VG[3,5]GA3G[95,96][10,11]FVG(0.6,0.1)(0.6,0.2)G[4,6]VGA4VG[96,98][11,13]VGMG(0.5,0.3)(0.5,0.4)VG[6,7]F
表5 决策者D2给出的决策矩阵R2
Table 5 Decision-making matrix R2 given by decision-maker D2
C1C2C3C4C5C6C7C8C9C10A1G[95,97][10,11]GF(0.7,0.2)(0.6,0.3)VG[6,8]GA2MG[95,96][11,13]VGG(0.6,0.3)(0.7,0.2)G[6,7]FA3MG[93,95][10,12]VGVG(0.5,0.3)(0.7,0.2)MG[5,6]MGA4VG[94,96][9,11]MGF(0.6,0.3)(0.6,0.3)G[7,8]G
表6 决策者D3给出的决策矩阵R3
Table 6 Decision-making matrix R3 given by decision-maker D3
C1C2C3C4C5C6C7C8C9C10A1VG[96,97][9,11]MGF(0.6,0.2)(0.6,0.2)MG[6,8]VGA2G[95,97][10,11]GVG(0.5,0.4)(0.6,0.2)VG[5,7]GA3MG[95,96][9,10]GG(0.6,0.3)(0.7,0.1)G[6,7]VGA4G[94,95][8,10]VGG(0.7,0.3)(0.8,0.1)MG[6,8]MG
3.1 备选供应商选优排序
利用本文所提出的群决策方法对备选装备器材供应商进行选优排序,具体步骤如下:
步骤 1 利用式(3)和式(4)对表4～表6中的区间数型评价信息进行规范化处理,利用表3对表4～表6中的语言变量型评价信息转化为直觉模糊数型评价信息,得到规范化后的直觉模糊决策矩阵如表7～表9所示。
表7 规范化直觉模糊决策矩阵
Table 7 Normalized intuitionistic fuzzy decision-making matrix
C1C2C3C4C5C6C7C8C9C10A1(0.650 0,0.250 0)(0.248 1,0.745 4)(0.214 3,0.694 4)(0.850 0,0.100 0)(0.750 0,0.150 0)(0.800 0,0.100 0)(0.700 0,0.200 0)(0.500 0,0.400 0)(0.200 0,0.611 1)(0.850 0,0.100 0)A2(0.750 0,0.150 0)(0.242 9,0.748 0)(0.238 1,0.694 4)(0.650 0,0.250 0)(0.850 0,0.100 0)(0.600 0,0.200 0)(0.800 0,0.100 0)(0.850 0,0.100 0)(0.120 0,0.722 2)(0.750 0,0.150 0)A3(0.750 0,0.150 0)(0.245 5,0.748 0)(0.214 3,0.722 2)(0.500 0,0.400 0)(0.850 0,0.100 0)(0.600 0,0.100 0)(0.600 0,0.200 0)(0.750 0,0.150 0)(0.160 0,0.666 7)(0.850 0,0.100 0)A4(0.850 0,0.100 0)(0.248 1,0.742 8)(0.190 5,0.722 2)(0.850 0,0.100 0)(0.650 0,0.250 0)(0.500 0,0.300 0)(0.500 0,0.400 0)(0.850 0,0.100 0)(0.240 0,0.611 1)(0.500 0,0.400 0)
表8 规范化直觉模糊决策矩阵
Table 8 Normalized intuitionistic fuzzy decision-making matrix
C1C2C3C4C5C6C7C8C9C10A1(0.750 0,0.150 0)(0.247 4,0.742 7)(0.212 8,0.725 0)(0.750 0,0.150 0)(0.500 0,0.400 0)(0.700 0,0.200 0)(0.600 0,0.300 0)(0.850 0,0.100 0)(0.184 9,0.702 1)(0.750 0,0.150 0)A2(0.650 0,0.250 0)(0.247 4,0.745 4)(0.234 0,0.675 0)(0.850 0,0.100 0)(0.750 0,0.150 0)(0.600 0,0.300 0)(0.700 0,0.200 0)(0.750 0,0.150 0)(0.211 3,0.702 1)(0.500 0,0.400 0)A3(0.650 0,0.250 0)(0.242 2,0.748 0)(0.212 80.700 0)(0.850 0,0.100 0)(0.850 0,0.100 0)(0.500 0,0.300 0)(0.700 0,0.200 0)(0.650 0,0.250 0)(0.246 5,0.642 6)(0.650 0,0.250 0)A4(0.850 0,0.100 0)(0.244 8,0.745 4)(0.191 5,0.725 0)(0.650 0,0.250 0)(0.500 0,0.400 0)(0.600 0,0.300 0)(0.600 0,0.300 0)(0.750 0,0.150 0)(0.184 9,0.744 7)(0.750 0,0.150 0)
表9 规范化直觉模糊决策矩阵
Table 9 Normalized intuitionistic fuzzy decision-making matrix
C1C2C3C4C5C6C7C8C9C10A1(0.850 0,0.100 0)(0.249 4,0.744 7)(0.212 8,0.725 0)(0.650 0,0.250 0)(0.500 0,0.400 0)(0.600 0,0.200 0)(0.600 0,0.200 0)(0.650 0,0.250 0)(0.178 6,0.688 9)(0.850 0,0.100 0)A2(0.750 0,0.150 0)(0.246 8,0.744 7)(0.234 0,0.675 0)(0.750 0,0.150 0)(0.850 0,0.100 0)(0.500 0,0.400 0)(0.600 0,0.200 0)(0.850 0,0.100 0)(0.204 1,0.626 7)(0.750 0,0.150 0)A3(0.650 0,0.250 0)(0.246 8,0.747 4)(0.212 80.700 0)(0.750 0,0.150 0)(0.750 0,0.150 0)(0.600 0,0.300 0)(0.700 0,0.100 0)(0.750 0,0.150 0)(0.204 1,0.688 9)(0.850 0,0.100 0)A4(0.750 0,0.150 0)(0.244 2,0.750 0)(0.191 5,0.725 0)(0.850 0,0.100 0)(0.750 0,0.150 0)(0.700 0,0.300 0)(0.800 0,0.100 0)(0.650 0,0.250 0)(0.178 6,0.688 9)(0.650 0,0.250 0)
步骤 2 基于第2.2节提出的准则权重确定方法,计算不同决策者准则权重和权重协调系数分别为
α1=0.335 2,α2=0.332 4,α3=0.332 4
则准则综合权重为
式中,为加权直觉模糊熵,表示决策者Dk给出的决策信息的模糊程度。
令决策者权重协调系数β=0.5,则决策者综合权重为
步骤 4 将决策者决策矩阵利用直觉模糊加权平均算子聚合为决策群体决策矩阵如表10所示。
表10 决策群体决策矩阵F
Table 10 Decision-making group decision-making matrix F
C1C2C3C4C5C6C7C8C9C10A1(0.764 0,0.155 7)(0.248 3,0.744 3)(0.213 3,0.714 4)(0.764 7,0.155 2)(0.605 1,0.286 5)(0.712 1,0.158 0)(0.637 3,0.227 9)(0.699 30.218 3)(0.188 0,0.665 4)(0.823 10.114 0)A2(0.721 3,0.176 9)(0.245 7,0.746 0)(0.235 4,0.681 5)(0.762 2,0.156 6)(0.823 1,0.114 0)(0.568 8,0.287 9)(0.712 1,0.158 0)(0.823 1,0.114 0)(0.178 8,0.682 2)(0.687 4,0.094 7)A3(0.687 90.210 1)(0.244 9,0.747 8)(0.213 3,0.707 5)(0.731 5,0.183 8)(0.821 8,0.114 6)(0.600 0,0.206 4)(0.669 1,0.158 3)(0.721 3,0.176 9)(0.203 5,0.666 1)(0.802 9,0.134 4)A4(0.821 8,0.114 6)(0.245 7,0.746 1)(0.191 2,0.724 0)(0.802 9,0.134 4)(0.649 4,0.244 9)(0.608 3,0.300 0)(0.658 4,0.228 5)(0.764 7,0.155 2)(0.202 0,0.678 2)(0.645 5,0.248 8)
步骤 5 根据决策者决策矩阵F,确定供应商备选方案正理想解和负理想解分别为
f*=(0.821 8,0.114 6),(0.248 3,0.744 3),
(0.235 4,0.681 5),(0.802 9,0.134 4),
没有了巴库油田的支持，德国受到了致命性的打击。1918年9月29日，兴登堡和鲁登道夫向德皇表示：必须立即签订停战协定。10月3日，德国组成新内阁，向美国请求停战。德国国内石油告罄，只能宣布投降。
(0.823 1,0.114 0),(0.712 1,0.158 0),
(0.712 1,0.158 0),(0.823 1,0.114 0),
(0.178 8,0.682 2),(0.823 1,0.114 0).
f-=(0.687 9,0.210 1),(0.244 9,0.747 8),
(0.191 2,0.724 0),(0.731 5,0.183 8),
(0.605 1,0.286 5),(0.568 8,0.287 9),
(0.658 4,0.228 5),(0.699 3,0.218 3),
(0.203 5,0.666 1),(0.645 5,0.248 8).
则由决策者Dk评价值所确定的准则权重可以表示为
S(A1)=0.552 1,S(A2)=0.389 9
S(A3)=0.678 6,S(A4)=0.617 4
针对不同的折衷系数,当υ<0.5时,决策专家倾向于按最小化个体遗憾机制进行决策;当υ=0.5时,决策专家按协商共识机制进行决策;υ>0.5时,决策专家倾向于按最大化群体效用机制进行决策,不同折衷系数υ对备选供应商排序结果的影响如表12所示。
R(A3)=0.130 7,R(A4)=0.118 2
Q(A1)=0.62,Q(A2)=0,Q(A3)=1,Q(A4)=0.621 8
此项试验中,治疗后,分析组肛门失禁发生率和并发症发生率分别为3.57%(1/28)和7.14%(2/28),明显低于对照组的25.00%(7/28)和39.29%(11/28),两者之间相差较大,而P<0.05,数据从统计结果思考,具有参考价值。根据上述材料,表明在肛周脓肿并肛瘘患者患者中,使用挂线术联合瘘管部分切开术进行治疗,有助于患者的康复,与姜鹏君等[5]人的研究内容相符,值得广泛应用,提升患者治疗效率。
步骤 7 根据S(Ai)、R(Ai)和Q(Ai)的值进行升序排列,分别得到备选供应商的3个排序结果如表11所示。
表11 备选供应商排序结果
Table 11 Sorting result of alternative suppliers
1234S(Ai)A2A1A4A3R(Ai)A2A4A1A3Q(Ai)A2A1A4A3
由表11可以看出,备选供应商A2满足Q(A1)-Q(A2)=0.62≥1/3,且A2在依据S(Ai)和R(Ai)排序时均是最小值。因此,υ=0.5时,备选供应商A2为最优方案。
3.2 敏感性分析
R(A1)=0.123 3,R(A2)=0.107 7
表12 折衷系数υ对备选供应商排序结果的影响
Table 12 Influence of compromise coefficient υ on the sorting result of alternative supplier
由表12可以看出,针对不同的折衷系数υ,根据决策者主观偏好的不同机制进行决策,得到了不同的排序结果,当υ<0.5时,得到的排序结果为A2fA4fA1fA3;当υ≥0.5时,得到的排序结果为A2fA1fA4fA3。因此,本文所提方法能够根据决策者主观偏好得到不同的排序结果,提高了决策的灵活性和可用性。此外,当υ<0.5时,备选供应商A2满足Q(A4)-Q(A2)≥1/3;当υ≥0.5时,备选供应商A2满足Q(A1)-Q(A2)≥1/3,且A2在依据S(Ai)和R(Ai)排序时均是最小值。因此,备选供应商A2在决策过程中是稳定的最优方案。
高中地理教学有大量的原理，这就要求老师的地理教学语言要精练、准确、清晰，即表述要精炼，用语要规范准确，不能含糊其辞。在地理教学中要注意不要犯习惯上的错误：比如看地图时是“上北下南，左西右东”，但指示方向时却容易说成“上下左右”；更要专业术语的运用：比如“降水”是水分以固态或液态形式从空中降落到地面的过程，不能说成“降雨”“下雨”，更不能说成“落雨”。地理事物形成发展过程前后顺序的承继性；因果关系中的相关性；应在教学语言的表达中予以充分注意。
4 结 论
本文在构建装备征用动员中器材供应商选优评价准则体系的基础上,提出了一种基于直觉模糊熵和VIKOR框架的群决策方法，处理具有区间数、直觉模糊数和语言变量等多种异质评价信息,且准则权重、决策者权重均未知的多准则群决策问题,通过装备器材供应商选优决策实例结合敏感性分析表明选优评价准则和群决策方法的有效性和稳定性。
参考文献：
[1] 温斌. 精确式装备动员优化研究[D]. 北京: 中国人民解放军装备学院, 2011.
WEN B. Investigation of optimization for accurate equipment mobilization[D]. Beijing: Equipment Academy of PLA, 2011.
[2] 李海林,姜俊.基于二元语意一致性的军品供应商绩效模糊评价方法[J].系统工程理论与实践,2012,32(2):373-379.
LI H L, JIANG J. A fuzzy measuring method based on 2-tuple linguistic consistency for supply performance of military product suppliers[J]. System Engineering-Theory & Practice, 2012, 32(2): 373-379.
[3] KHALEIE S, FASANGHARI M, TAVASSOLI E. Supplier selection using a novel intuitionist fuzzy clustering approach[J]. Applied Soft Computing, 2012, 12(6): 1741-1754.
[4] ZOUGGARI A, BENYOUCEF L. Simulation based fuzzy TOPSIS approach for group multi-criteria supplier selection problem[J]. Engineering Applications of Artificial Intelligence, 2012, 25(3): 507-519.
[5] KRISHNENDU M. Supplier selection criteria and methods: past, present and future[J]. International Journal of Operational Research, 2016, 27(1/2): 356-373.
[6] BASKIR M B, TURKSEN I B, SAATCIOGLU O. An alternative fuzzy evaluation framework for supplier[J]. International Journal of Applied Management Science, 2017, 9(3): 169-187.
[7] TOORANLOO H S, IRANPOUR A. Supplier selection and evaluation using interval-valued intuitionistic fuzzy AHP method[J]. International Journal of Procurement Management,2017,10(5): 539-554.
[8] AGRAWAL V, AGRAWAL A M, MOHANTY R P. Application of fuzzy MCDM in supplier selection of fertilizer manufacturing industry[J]. International Journal of Performance and Supply Chain Modelling, 2017, 9(2): 133-159.
[9] MARCUS S, PAULO S F. Supplier selection: a proposed framework for decision making[J]. International Journal of Procurement Management, 2018, 11(2): 233-249.
[10] KUMAR G K, RAO M S, KESAVA S V. Supplier selection and order allocation in supply chain[J]. Materials Today: Proceedings, 2018, 5(5): 12161-12173.
[11] KANNAN G, MADAN S, DEVIKA K. Supplier selection based on corporate social responsibility practices[J]. International Journal of Production Economics, 2018, 200: 353-379.
[12] 徐选华,蔡晨光,王佩,等.面向具有多部门多指标特征的复杂大群体应急决策方法[J].控制与决策,2016,31(2):225-232.
XU X H, CAI C G, WANG P, et al. Complex large group emergency decision making method oriented characteristic of multi-department and multi-index[J]. Control and Decision, 2016, 31(2): 225-232.
[13] 陈云翔, 王攀, 罗承昆. 基于证据理论的偏好型直觉模糊群决策方法[J]. 控制与决策, 2017, 32(5): 947-953.
CHEN Y X, WANG P, LUO C K. Method for intuitionistic fuzzy group decision-making with preference based on evidence theory[J]. Control and Decision, 2017, 32(5): 947-953.
[14] 刘政敏,刘培德,刘位龙.基于Pythagorean不确定语言的扩展VIKOR多属性群决策方法[J].控制与决策,2017,32(12):2145-2152.
LIU Z M, LIU P D, LIU W L. Extend VIKOR method for multi-attribute group decision making based on Pythagorean uncertain linguistic information[J]. Control and Decision, 2017, 32(12): 2145-2152.
[15] GUL M, CELIK E, AYDIN N, et al. A state of the art literature review of VIKOR and its fuzzy extensions on applications[J]. Applied Soft Computing, 2016, 46: 60-89.
[16] PARKOUHI S V, GHADIKOLAEI A S. A resilience approach for supplier selection: using fuzzy analytic network process and grey VIKOR technique[J]. Journal of Cleaner Production, 2017, 161: 431-451.
[17] DONG J Y, YUAN F F, WAN S P. Extend VIKOR method for multiple criteria decision-making with linguistic hesitant fuzzy information[J]. Computers & Industrial Engineering, 2017, 112: 305-319.
[18] FOROOZESH N, GITINAVARD H, MOUSAVI S M, et al. A hesitant fuzzy extension of VIKOR method for evaluation and selection problems under uncertainty[J]. International Journal of Applied Management Science, 2017, 9(2): 95-113.
[19] TOOSI S L, SAMANI J M. Prioritizing watersheds using a novel hybrid decision model based on fuzzy DEMATEL fuzzy ANP and fuzzy VIKOR[J]. Water Resources Management, 2017, 31(9): 2853-2867.
[20] TOLGA G, MAHMUT M. An application of fuzzy VIKOR method on evaluation of the university students’ preferences on selected Turkish banks[J]. International Journal of Business and Systems Research, 2018, 12(1): 13-24.
[21] LIU J, LIANG Y Y. Multi-granularity unbalanced linguistic group decision-making with incomplete weight information based on VIKOR method[J]. Granular Computing, 2018, 3(3): 219-228.
[22] ARMIN C, MOHAMMAD M P, MOSTAFA H K. Applying a hybrid BWM-VIKOR approach to supplier selection: a case study in the Iranian agricultural implements industry[J]. International Journal of Applied Decision Sciences, 2018, 11(3): 274-301.
[23] SAKTHIVEL G, SARAVANAKUMAR D, MUTHURAMALINGAM T. Application of failure mode and effect analysis in manufacturing industry-an integrated approach with FAHP-fuzzy TOPSIS and FAHP-fuzzy VIKOR[J]. International Journal of Productivity and Quality Management, 2018, 24(3): 398-423.
[24] WANG W, PANG Y F, SHI J R, et al. Linguistic hesitant intuitionistic fuzzy decision-making method based on VIKOR[J]. Neural Computing and Applications, 2018, 29(7): 613-626.
[25] ATANASSOV K T. Intuitionistic fuzzy sets[J]. Fuzzy Sets and Systems, 1986, 20(1): 87-96.
[26] 刘满凤, 任海平. 基于一类新的直觉模糊熵的多属性决策方法研究[J]. 系统工程理论与实践, 2015, 35(11): 2909-2916.
LIU M F, REN H P. A study of multi-attribute decision making based on a new intuitionistic fuzzy entropy measure[J]. Systems Engineering-Theory & Practice, 2015, 35(11): 2909-2916.
Equipment material supplier selection decision-making based on intuitionistic fuzzy entropy and VIKOR
ZHANG Liang, WANG Jianhao, Zheng Dongliang, CHE Fei, SHI Chao, MAO Hongbao
(EquipmentManagementandUnmannedAerialVehiclesEngineeringCollege,AirForceEngineeringUniversity,Xi’an710051,China)
Abstract: Aiming at the equipment expropriation mobilization with the characteristics of uncertainty, response timeliness and high quality requirements of material demands, the evaluation criteria system of supplier selection decision-making based on military supply chains is built. A multi-criteria group decision-making method based on intuitionistic fuzzy entropy and VlseKriterijumska Optimizacija I Kompromisno Resenje (VIKOR) is proposed with heterogeneous evaluating information, unknown criteria and decision-makers’ weights. Firstly, a intuitionistic fuzzy entropy, which not only considered the deviation of membership degree and non-membership degree, but also considered the decision-maker’s hesitation information is employed and comprehensive criteria weights are obtained based on the entropy weight method, combining with weight coordination coefficient. Secondly, a decision-maker’s weight method with considering the intuitionistic fuzzy entropy and distance measure of decision matrices is proposed. Then the decision-making individual and group comprehensive evaluation matrices are integrated by intuitionistic fuzzy weighted average operator. Finally, through extending the VIKOR method to intuitionistic fuzzy linguistic environment, the compromise ranking and selection result of alternative supplier can be determined.
Keywords: supplier selection; multi-criteria group decision-making; intuitionistic fuzzy entropy; VlseKriterijumska Optimizacija I Kompromisno Resenje (VIKOR) method; entropy weight method
文章编号:1001-506X(2019)07-1568-08
网址:www.sys-ele.com
中图分类号: C 934
文献标志码:A
收稿日期:2018-09-21; 修回日期:2018-12-19;网络优先出版日期:2019-03-18。
网络优先出版地址:http:∥kns.cnki.net/kcms/detail/11.2422.TN.20190318.1007.028.html
基金项目:国家自然科学基金(61503409)资助课题
DOI:10.3969/j.issn.1001-506X.2019.07.18
作者简介：
张 亮(1982-),男,副教授,博士,主要研究方向为装备综合保障工程。
E-mail:179108235@qq.com
王坚浩(1982-),通信作者,男,讲师,博士,主要研究方向为智能控制、计算与优化,装备综合保障工程。
E-mail:hamilton_wang@sina.com
郑东良(1968-),男,教授,硕士研究生导师,主要研究方向为装备综合保障工程。
E-mail:zhengdl@pub.xaonline.com
车 飞(1983-),男,讲师,博士,主要研究方向为装备综合保障工程。
E-mail:cfei_1983@163.com
史 超(1978-),男,副教授,博士,主要研究方向为装备综合保障工程。
E-mail:sc78115@sohu.com
毛红保(1979-),男,讲师,博士,主要研究方向为装备综合保障工程。
E-mail:maohbao@126.com
标签：决策者论文; 权重论文; 直觉论文; 供应商论文; 模糊论文; 社会科学总论论文; 管理学论文; 决策学论文; 《系统工程与电子技术》2019年第7期论文; 国家自然科学基金(61503409)资助课题论文; 空军工程大学装备管理与无人机工程学院论文;