及负理想解的接近程Р度、排列各备选方案等步骤。 Р(4)数据包络方法 Р 数据包络方法(Data Envelopment Analysis, DEA)是由 A.Charnes, W.W.Cooper 和РE.Rhodes[16]于 1978 年首次提出的,他们在之后的研究中给出了 DEA 模型相对效率的Р定义。Weber[13] [17] [18]等人将 DEA 模型用于供应商评价。 DEA 模型可以用于处理多属Р性决策问题,首先将属性分为投入型和产出型,然后利用数学规划方法求出备选方Р案的相对效率。DEA 模型是一种多投入多产出的非参数生产前沿分析方法,由于它Р是非参数化方法,避免了引入主观因素,因此在简化算法和降低误差方面具有优势。Р这个模型可以将备选方案划分为两类,有效和无效,有效备选方案相对效率值为 1,Р而无效备选方案相对效率值为小于 1,被划归为无效的备选方案在各个属性下均处于Р劣势地位,然而也会使得一个在少数属性上有优势而在其他属性上处于劣势的备选Р方案成为有效备选方案,所以 DEA 模型适合于将备选方案进行分类,而非对备选方Р案进行排序。DEA 模型中不同备选方案的各属性权重不一样,每个备选方案为了获Р得最佳相对效率值其选择最优权重集。鉴于 DEA 模型非参数化、相对效率可变等特Р性,它被广泛应用于供应商评价和选择研究中。 Р(5)神经网络方法 Р 由于数学规划解析方法通常难以解决许多实际复杂决策问题,因此人们不断探索Р非数学解析方法来解决复杂决策问题。20 世纪 80 年代,人工神经网络技术(Artificial Рworks, ANN)迅速发展,并在供应商选择研究中得到了有效应用。ANN 可Р以模拟人类思维,具有自学习、自适应和非线性动态处理等特征。ANN 是由大量与Р神经细胞类似的人工神经元连结成的网络,它通过学习给定样本模式,获取评价专Р 7
全文预览
