徐登科，歐陽璐

基于熵權(quán)-直覺三角模糊數(shù)物流服務(wù)商的選擇決策研究

徐登科，歐陽璐

（湖南工業(yè)大學(xué) 商學(xué)院，湖南 株洲 412007）

利用直覺三角模糊數(shù)，結(jié)合熵權(quán)法，通過集結(jié)各位專家決策矩陣，計(jì)算備選物流服務(wù)商各評(píng)價(jià)屬性的綜合評(píng)價(jià)值，再計(jì)算各計(jì)分函數(shù)值和精確函數(shù)值比較其大小，得出備選物流服務(wù)商評(píng)價(jià)值大小排序，即得到各物流服務(wù)商的綜合選擇決策排序。

物流服務(wù)商；熵值權(quán)重；直覺三角模糊數(shù)；選擇決策

在物流服務(wù)供應(yīng)鏈中，對(duì)功能型物流服務(wù)商的選擇決策是物流集成商所要重視的一個(gè)問題，對(duì)物流服務(wù)供應(yīng)鏈整條鏈的效益也有著重大影響。田宇結(jié)合運(yùn)用層次分析法和線性規(guī)劃的方法，構(gòu)建了基于服務(wù)價(jià)格、服務(wù)質(zhì)量和顧客服務(wù)這三個(gè)指標(biāo)因素的物流服務(wù)商競(jìng)爭(zhēng)力分析的指標(biāo)體系，研究探討了多源供應(yīng)商選擇以及最優(yōu)采購(gòu)量分配的問題[1]。Desheng Wu采用了決策樹、數(shù)據(jù)包絡(luò)分析方法、神經(jīng)網(wǎng)絡(luò)法相結(jié)合的方法來解決復(fù)雜多目標(biāo)的供應(yīng)商選擇問題[2]。A.Azadh等也應(yīng)用了數(shù)據(jù)包絡(luò)分析方法、模糊理論法相結(jié)合來解決供應(yīng)商選擇問題[3]。王君等選取發(fā)展能力、服務(wù)能力和合作能力三大指標(biāo)，以FHAP方法構(gòu)建物流服務(wù)供應(yīng)鏈的綠色供應(yīng)商評(píng)價(jià)體系對(duì)供應(yīng)商進(jìn)行評(píng)價(jià)與選擇[4]。陳可嘉種新的解決多屬性決策問題的方法—基于組合權(quán)重確定的 GI-TOPSIS 方法，將灰色關(guān)聯(lián)引入傳統(tǒng)的理想解法TOPSIS中，并以企業(yè)為實(shí)例證明該方法對(duì)物流供應(yīng)商選擇的可行性[5]。茅盈盈將層次分析法和熵權(quán)系數(shù)法相結(jié)合運(yùn)用到物流服務(wù)商的選擇決策中，具有一定的現(xiàn)實(shí)意義[6]。Y.Chen和B.L提出了基于三角模糊數(shù)的動(dòng)態(tài)多屬性決策模型，為物流服務(wù)商的選擇提供了新的方法[7]。魏倩采用DEA和模糊綜合評(píng)價(jià)相結(jié)合的方法為供應(yīng)鏈上游外包企業(yè)選擇第三方物流服務(wù)商，用于定量分析的DEA和用于定性分析的模糊綜合評(píng)價(jià)相結(jié)合的方法，構(gòu)建了基于DEA的模糊綜合評(píng)價(jià)與選擇模型，具有實(shí)用性[8]。將定量分析和定性分析充分結(jié)合，并以實(shí)例證明該方法的優(yōu)越性。Wan S.P等將物流服務(wù)商的選擇作為一種典型的模糊偏好關(guān)系的群體決策問題，提出了包括樂觀和悲觀及混合方法在內(nèi)的三種方法用于分析和構(gòu)建直覺模糊線性規(guī)劃模型并進(jìn)行分析求解[9]。

層次分析法（AHP）定性偏好占比較大，所以主觀影響因素對(duì)整個(gè)決策起著較為重要的作用，所以運(yùn)用AHP分析決策方案往往存在著較強(qiáng)的人為偏好因素，通過AHP得出的最終決策能夠反應(yīng)認(rèn)為的決策偏好，但基于客觀事實(shí)卻存在著較大的差異性。數(shù)據(jù)包絡(luò)分析方法（DEA）主要是根據(jù)企業(yè)多項(xiàng)投入指標(biāo)和多項(xiàng)產(chǎn)出指標(biāo)，通過線性規(guī)劃的方式，對(duì)具有可比性的同類型企業(yè)進(jìn)行相對(duì)有效性評(píng)價(jià)的一種數(shù)量分析方法。DEA通過分析供應(yīng)商各項(xiàng)指標(biāo)的投入和產(chǎn)出效率從而選擇出適合企業(yè)的供應(yīng)商，此方法是定量分析方法，但是只是針對(duì)供應(yīng)商的投入產(chǎn)出效率問題，在比較過程中，效率為100%的一些供應(yīng)商被稱為相對(duì)有效率供應(yīng)商，而其它效率評(píng)分低于100%的供應(yīng)商被稱為無效率供應(yīng)商。對(duì)供應(yīng)商的選擇具有較強(qiáng)武斷性，每個(gè)企業(yè)的核心能力有所不同，所以其不同指標(biāo)的投入產(chǎn)出效率也會(huì)有所不同。對(duì)于復(fù)雜的供應(yīng)商選擇問題，DEA并不能較為全面的反映企業(yè)對(duì)供應(yīng)商的需求。

對(duì)于功能型物流服務(wù)商的選擇，將考慮因素運(yùn)用模糊分析方法，可以使定性和定量屬性都能夠有直觀的呈現(xiàn)，再結(jié)合熵權(quán)法，能夠較大程度的保留原始數(shù)據(jù)，盡量消除各指標(biāo)權(quán)重的主觀性，使得專家打分更具客觀性。本文在綜合參考其他學(xué)者文獻(xiàn)成果下，運(yùn)用直覺三角模糊數(shù)對(duì)物流服務(wù)商進(jìn)行選擇決策。

1 熵權(quán)-直覺三角模糊數(shù)算法

直覺三角模糊數(shù)的屬性權(quán)重之一是通過專家打分的方式進(jìn)行決定的，但這種方法在實(shí)際問題中存在主觀性較強(qiáng)的問題，因此需要對(duì)專家打分的權(quán)重進(jìn)行客觀的分析，盡可能減少主觀性的分析。本文引入熵權(quán)法到直覺三角模糊數(shù)中，通過多種指標(biāo)屬性評(píng)價(jià)值的變異程度來決定決策問題的屬性權(quán)重，這樣能夠避免主管因素而帶來的不良影響。

1.1 熵權(quán)法

熵權(quán)法是一種客觀賦權(quán)方法。若指標(biāo)的熵越小，該指標(biāo)提供的信息量越小，在綜合評(píng)價(jià)中所起作用理當(dāng)越小，權(quán)重就應(yīng)該越低[6]。因此，可利用熵這個(gè)工具，計(jì)算出各個(gè)指標(biāo)的權(quán)重，為多指標(biāo)綜合評(píng)價(jià)提供依據(jù)。

1.2 直覺三角模糊數(shù)定義

1.2.1 三角模糊數(shù)

設(shè)、分別為模糊數(shù)的上限和下限，可能為可能性最大的值，當(dāng)=（），0，稱為三角模糊數(shù)，其隸度函數(shù)表示為

1.2.2 直覺三角模糊數(shù)

當(dāng)直覺梯形模糊數(shù)=（〈,,〉；μ,ν）中=時(shí)，直覺梯形模糊數(shù)退化為直覺三角模糊數(shù)=（〈，，〉；μ,ν），隸度函數(shù)

非隸度函數(shù)

1.2 直覺三角模糊數(shù)運(yùn)算及比較

設(shè)兩組直覺三角模糊數(shù)分別為

1=（〈1，1，1〉；μ1，ν1），

2=（〈2，2，2〉；μ2,ν2）

則

（1）1和2的相關(guān)運(yùn)算規(guī)則如下：

1+2=[（〈12，12，12〉；

min（μ1，μ2），max（1，ν2）]；

1-2=[（〈12，12，12〉；

min（μ1，μ2），max（ν1，ν2）]；

*1=（〈1，1，1〉；μ1，ν1）。

（2）直覺三角模糊數(shù)C=（〈〉；μ，ν），則有

計(jì)分函數(shù)為：()=[(l+2)/4]*(μ-ν)；

精確函數(shù)為：()=[(l+2)/4]*(μ+ν)。

對(duì)于兩組直覺三角模糊數(shù)1和2，其大小比較原則[10]為：

當(dāng)(1)<(2)，則直覺三角模糊數(shù)1<2；當(dāng)(1)=(2)，則考慮(1)和(2)，若(1)<(2),則直覺三角模糊數(shù)1<2，反之，則直覺三角模糊數(shù)1>2。

直覺三角模糊數(shù)算法結(jié)合熵權(quán)法，能夠較大程度的保留原始數(shù)據(jù)，盡量消除各指標(biāo)權(quán)重的主觀性，使得專家打分更具客觀性。

2 物流服務(wù)商的選擇決策

2.1 問題描述

設(shè)供選擇服務(wù)商為G(=1,2,3…m)，對(duì)服務(wù)商的評(píng)價(jià)屬性為X(=1,2,3…)，各評(píng)價(jià)屬性值為Z，專家對(duì)h（=1,2,3…l）評(píng)價(jià)屬性的評(píng)價(jià)值以直覺三角模糊數(shù)=（〈a，b，c〉；μ，ν）表示。

2.2 決策過程

2.2.1 熵權(quán)確定

2.2.2 直覺三角模糊數(shù)綜合排序

步驟一：通過專家打分和統(tǒng)計(jì)語言變量等方法得到直覺三角模糊數(shù)=（〈a，b，c〉；μ，ν），構(gòu)造矩陣*=（）*n，并規(guī)范化矩陣，得到R*=（R）*n=（〈r，s，t〉；μ，ν），且規(guī)范化分為效益型評(píng)價(jià)屬性和成本型評(píng)價(jià)屬性：

效益型評(píng)價(jià)屬性規(guī)范化公式[11]：

成本型評(píng)價(jià)屬性規(guī)范化公式[11]：

步驟二：利用TIFWA算子對(duì)決策矩陣進(jìn)行集結(jié)[10-12]，得到矩陣*=()*n。

設(shè)A=（〈a，b，c〉；μ，ν）為一組直覺三角模糊數(shù)，

TIFWA∶Ω→Ω，TIFWA(1,2,3…A) =

步驟三：結(jié)合各屬性權(quán)重計(jì)算服務(wù)商以直覺三角模糊數(shù)表示的綜合評(píng)價(jià)值。

步驟四：根據(jù)步驟三中服務(wù)商的綜合評(píng)價(jià)值，比較其大小進(jìn)行排序。

3 算例分析

3.1 問題描述

假設(shè)一物流集成商在選擇功能型物流服務(wù)商時(shí)，以物流成本、服務(wù)質(zhì)量和顧客滿意度(X，=1,2,3)為主要考慮因素，且調(diào)查得到服務(wù)商的各屬性值如表1所示；現(xiàn)邀請(qǐng)3位專家h（專家權(quán)重w=(0.3,0.4,0.3））對(duì)現(xiàn)有的4家物流商(g，=1,2,3,4)進(jìn)行打分，分別如表2~表4所示。

表1 服務(wù)商屬性值

表2 決策矩陣A1

表3 決策矩陣A2

表4 決策矩陣A3

3.2 決策過程

3.2.1 熵權(quán)計(jì)算

X1X2X3 g1011 g20.3110 g3100.43 g40.310.670.86

X1X2X3 g100.150.15 g20.050.150 g30.1500.07 g40.050.100.13

3.2.2 直覺三角模糊數(shù)綜合排序

(1)1為成本型評(píng)價(jià)屬性，2和3位效益型評(píng)價(jià)屬性，對(duì)1、2和3進(jìn)行規(guī)范化處理，得到規(guī)范矩陣

規(guī)范矩陣1

X1X2X3 g1(〈0.30,0.46,0.79〉;0.7，0.3)(〈0.26,0.41,0.75〉;0.7，0.2)(<0.23,0.50,0.83〉;0.6，0.3) g2(〈0.30,0.54,0.99〉;0.8，0.1)(〈0.19,0.50,0.75〉;0.5，0.3)(<0.23,0.43,0.83〉;0.7，0.1) g3(〈0.27,0.46,0.66〉;0.7，0.3)(〈0.32,0.50,0.86〉;0.8，0.3)(<0.34,0.50,0.74〉;0.5，0.3) g4(〈0.35,0.54,0.79〉;0.6，0.1)(〈0.38,0.58,0.97〉;0.6，0.1)(<0.40,0.57,0.83〉;0.8，0.2)

規(guī)范矩陣2

X1X2X3 g1(〈0.21,0.83,0.28〉;0.6，0.1)(〈0.13,0.41,1.20〉;0.7，0.1)(〈0.20,0.59,0.99〉;0.7，0.3) g2(〈0.31,1.38,3.43〉;0.7，0.2)(〈0.13,0.61,1.60〉;0.6，0.3)(〈0.26,0.42,0.87〉;0.5，0.2) g3(〈0.25,1.04,3.43〉;0.5，0.2)(〈0.26,0.61,1.60〉;0.8，0.1)(〈0.13,0.34,0.74〉;0.6，0.1) g4(〈0.15,0.69,1.37〉;0.7，0.3)(〈0.07,0.30,1.00〉;0.6，0.2)(〈0.40,0.59,0.74〉;0.7，0.3)

規(guī)范矩陣3

X1X2X3 g1(〈0.27,0.50,0.79〉;0.6，0.3)(〈0.35,0.55,1.01〉;0.8，0.2)(〈0.19,0.39,0.86〉;0.6，0.3) g2(〈0.20,0.42,0.64〉;0.7，0.1)(〈0.21,0.46,0.88〉;0.5，0.3)(〈0.25,0.47,0.75〉;0.8，0.2) g3(〈0.32,0.63,1.59〉;0.8，0.2)(〈0.35,0.64,1.01〉;0.6，0.2)(〈0.31,0.47,0.86〉;0.7，0.2) g4(〈0.20,0.42,0.64〉;0.6，0.2)(〈0.14,0.28,0.63〉;0.7，0.1)(〈0.37,0.63,0.97〉;0.6，0.1)

（2）利用TIFWA算子對(duì)決策矩陣進(jìn)行集結(jié)，得到如下決策矩陣：

X1X2X3 g1(〈0.26,0.62,0.59〉;0.6，0.3)(〈0.24,0.45,1.01〉;0.7，0.2)(〈0.21,0.50,0.90〉;0.6，0.3) g2(〈0.27,1.02,1.86〉;0.7，0.2)(〈0.17,0.52,1.13〉;0.5，0.3)(〈0.25,0.44,0.82〉;0.5，0.2) g3(〈0.28,0.74,2.05〉;0.5，0.2)(〈0.31,0.59,1.20〉;0.6，0.2)(〈0.25,0.43,0.78〉;0.5，0.3) g4(〈0.23,0.56,0.98〉;0.6，0.2)(〈0.18,0.38,0.88〉;0.6，0.2)(〈0.39,0.60,0.84〉;0.6，0.1)

（3）由屬性權(quán)重及TIFWA算子得到各服務(wù)商綜合評(píng)價(jià)值G=(〈,u,ū〉;μ，ν)：

1=(〈0.24, 0.53, 0.81〉; 0.6, 0.3)

2=(〈0.24, 0.70, 1.32〉; 0.5, 0.3)

3=(〈0.28, 0.60, 1.41〉; 0.5, 0.2)

4=(〈0.27, 0.50, 0.91〉; 0.6, 0.2)

（4）分別計(jì)算1、2、3和4的計(jì)分函數(shù)和精確函數(shù)：

(1)=[( 0.24+2*0.53+0.81)/4]*(0.6-0.3)=0.158

(1)= [( 0.24+2*0.55+0.78)/4]*(0.6+0.3)=0.475

同理可得

(2)=0.148，(2)=0.592；(3)=0.217，(3)=0.506；(4)=0.218，(4)=0.436

通過比較，得到(4)>(3)>(1)>(2)，則有4>3>1>2，即物流服務(wù)商1、2、3和4的綜合排序?yàn)?>3>1>2。

4 結(jié)論

上述計(jì)算決策過程是綜合運(yùn)用主客觀因素進(jìn)行的，得出結(jié)果也更具可信度。而倘若利用AHP進(jìn)行分析決策，其過程和結(jié)果會(huì)存在著較強(qiáng)的主觀性，AHP分析方法中，對(duì)于評(píng)價(jià)屬性的權(quán)重賦予是人為的偏好決定的，在這樣的分析基礎(chǔ)上，會(huì)對(duì)判斷矩陣中的決策結(jié)果產(chǎn)生較大的影響，使其最終決策結(jié)果社會(huì)客觀性較弱，且由于AHP需要對(duì)各個(gè)指標(biāo)兩兩對(duì)比，其計(jì)算也較為繁雜，若是指標(biāo)過多其計(jì)算的結(jié)果難免會(huì)有所誤差。

物流服務(wù)商的選擇決策關(guān)系著物流集成商的效益，對(duì)整條物流服務(wù)供應(yīng)鏈的發(fā)展也是非常重要的一環(huán)。利用熵權(quán)-直覺三角模糊數(shù)對(duì)物流服務(wù)商進(jìn)行選擇決策，對(duì)定量和定性屬性可以結(jié)合計(jì)算，也考慮到了物流集成商對(duì)各屬性的偏好和各位專家的權(quán)重信息，整體過程比較客觀，有效地提高了選擇決策的合理性和有效性。

[1] 田宇. 物流服務(wù)供應(yīng)鏈構(gòu)建中的供應(yīng)商選擇研究[J]. 系統(tǒng)工程理論與實(shí)踐, 2003, 5: 49-53.

[2] Wu Desheng. Supplier selection: A Hybrid Model using DEA, Decision Tree and Neural Network[J]. Expert Systems with Applications, 2009, 36(5): 9105-9112.

[3] Azadeh A, Alem S M. A flexible deterministic, stochastic and fuzzy data envelopment analysis approach for supply chain risk and vendor selection Problem: Simulation analysis[J]. Expert Systems with Applications, 2010, 37(12): 7438-7448.

[4] 王君, 劉凡, 張志勇. 基于FAHP的物流服務(wù)供應(yīng)鏈綠色供應(yīng)商選擇研究[J].安徽農(nóng)業(yè)科學(xué), 2014, 42(18): 5997-6000, 6017.

[5] 陳可嘉. GI-TOPSIS方法在逆向物流供應(yīng)商選擇中的應(yīng)用[J]. 中國(guó)流通經(jīng)濟(jì), 2014, 28(3): 39-48.

[6] 茅盈盈. HY 公司物流供應(yīng)商的選擇與評(píng)估[D]. 上海: 華東理工大學(xué), 2011.

[7] Chen Y, Li B. Dynamic multi-attribute decision making model based on tri-angular intuitionistic fuzzy numbers[J]. Scientia Iranica, 2011, 18(2): 268-274.

[8] 魏倩. 基于DEA與模糊綜合評(píng)判的第三方物流服務(wù)商評(píng)價(jià)研究[J].中小企業(yè)管理與科技: 下旬刊, 2012(4): 215-216.

[9] Wan Shu-Ping, Wang Feng, Lin Li-Lian, et al. An intuitionistic fuzzy linear programming method for logistics outsourcing provider selection[J]. Knowledge-based systems, 2015, 82(JuL.): 80-94.

[10] 聶榮榮. 基于直覺三角模糊數(shù)的多準(zhǔn)則決策方法研究[D]. 長(zhǎng)沙: 中南大學(xué), 2010.

[11] 范榮華. 基于直覺模糊數(shù)的物流配送中心選址的評(píng)價(jià)方法[J]. 統(tǒng)計(jì)與決策, 2016(23): 33-36.

[12] 萬樹平, 董九英. 基于三角直覺模糊數(shù)Choquet積分算子的多屬性決策方法[J]. 中國(guó)管理科學(xué), 2014, 22(3): 121-129.

[13] Li D F, Nan J X, Zhang M J. A Ranking Method of Triangular Intuitionistic Fuzzy and Numbers Application to Decision Making[J]. International Journal of Computational Intelligence Systems, 2010, 3(5): 522-530.

Research on Selection Decision of Logistics Service Provider Based on Entropy Weight-intuition Triangular Fuzzy Number

XU Deng-ke, OU Yang-lu

（School of Business, Hunan University of Technology, Zhuzhou 412007, China）

This paper uses the intuitionistic trigonometric fuzzy number and the entropy weight method to calculate the comprehensive evaluation value of each evaluation attribute of the alternative logistics service provider by assembling the expert decision matrix, and then calculate the value of each scoring function value and the exact function value. The ranking of the evaluation value of the alternative logistics service providers is obtained, that is, the ranking of the comprehensive selection decisions of each logistics service provider is obtained.

logistics service provider; entropy weight; intuitionistic triangular fuzzy number; selection decision

F224

A

1674-3261(2020)01-0057-05

10.15916/j.issn1674-3261.2020.01.01

2019-06-13

徐登科(1962-)，男，湖南益陽人，教授，碩士。

優(yōu)先出版地址：http://kns.cnki.net/kcms/detail/21.1567.T.20191227.1040.018.html

責(zé)任編校：劉亞兵