AHP-模糊综合评价法在物流外包上的应用.

我们毕业啦其实是答辩的标题地方AHP-模糊综合评价法在物流外包上的应用报告人报告时间袁瑜2015年11月27日一、AHP-模糊综合评价法的原理与建模过程二、AHP-模糊综合评价法的步骤三、基于AHP-模糊评价法的实例分析四、结论CONTANTS一、AHP-模糊综合评价法的原理与建模过程AHP-模糊综合评价法的原理最开始先要确定被评价对象的因素集合，建立一个评价级。然后再分别确定各个因素的权重，构建出隶属度矢量，通过这一评价法获得模糊评判矩阵，建立模型；最后运用和积法或根值法进行归一化处理，检验通过后才能进行模糊运算，得到模糊综合评价结果。其特点在于评判逐对象进行，不受被评价对象所处对象集合的影响，对被评价对象有唯一的评价值。AHP-模糊综合评价法的建模过程二、AHP-模糊综合评价法的步骤（1）确定评价对象的因素集假设U={u1,u2,…,um}为被评价对象的m种评价因素。其中:m表示的是因素的个数,从1到m个，这个是由具体的指标体系所决定的。为便于权重分配和确定，可以将各种评价因素分为若干类，分开来看，都能视为单一因素。下属还能设置第二评价因素，再接着设置第三评价因素，依此类推。即U=U1∪U2∪…∪Us.(有限不交并)，其中Ui={ui1,ui2,…，uim},Ui∩Uj=Φ,任意i≠j,i,j=1,2,…，s.我们称{Ui}是U的一个划分。（2）确定评价对象的评语级设V={v1,v2，…,vn}，是各种评价结果构成的评语等级集合。其中：vj代表第j个评价结果，j=1,2,…,n.个数n为总的评价结果数。（3）确定评价因素的权重向量设A=(a1,a2,…,am)是由各元素权重组成的向量，其中ai表示第i个因素的权重,要求0«ai,Σai=1。A主要反映了各因素的重要程度。（4）进行单因素模糊评价单因素模糊评价，简单来说就是从任意一个因素出发单独进行评价，从而确定评价对象对V的隶属程度。当得到等级模糊子集后，就要进行量化处理，这是对逐个对被评价对象而言的。即从每个因素ui上进行量化，进而得到模糊关系矩阵：mnmmnnrrrrrrrrr212222111211R上面矩阵中，rij(i=1，2，…，m;j=1，2，…，n)，ui的表现通过ri=(ri1，ri2，…，rim)表示，可以看作是因素集U和评价集V之间的一种模糊关系，即影响因素与评价对象之间的“合理关系”。在隶属关系确定方面，通常是由专家或相关的专业人员根据评判等级对要评价对象进行打分，但是打分过程的主观性较强。（5）多指标综合评价利用合适的模糊合成算子将模糊权重向量A与模糊关系矩阵R合成计算，就可以得到各被评价对象的模糊综合评价结果矢量B。这一模糊综合评价的计算模型为：nmnmmnnmbbbrrrrrrrrraaa,,,,,,RAB2121222211121121其中：bj表示被评级对象从整体上看对评价等级模糊子集元素vj的隶属程度。（6）对综合模糊评价结果进行分析模糊综合评价的结果是通过矩阵计算出来的，是被评价对象对各等级模糊子集的隶属度，一般来说，它不是一个点值，而是一个向量。所以，其信息量通常比较大，反映也较为准确。三、基于AHP-模糊评价法的实例分析1.建立企业物流外包风险评价指标体系本文选取甲公司，对企业的物流外包风险进行分析与总结，甲企业的物流外包风险主要来自四个方面，分别为财务风险、信息风险、市场风险和管理风险，用U表示风险评级指标的一级指标，这四个方面的风险确立为四个子集为U1、U2、U3、U4，则U={u1，u2，u3，u4}。企业物流外包的财务风险包含四个二级指标，用U11、U12、U13、U14表示；同理，企业物流外包的信息风险也包含四个二级指标，分别用U21、U22、U23、U24表示；企业物流外包的市场风险包含的四个二级指标，分别用U31、U32、U33、U34表示；企业物流外包的管理风险包含的四个二级指标，分别用U41、U42、U43、U44表示。具体二级指标如下图所示：2.指标因素权重确定（1）判断矩阵采用Sauty提出1～9个层次的标度方法，两两比较，对指标之间以及某项指标与下一级指标相对重要性一一比较确定指标权重。（2）计算各指标相对权重并做一致性检设判断矩阵B=(bij)m×n，按以下步骤检验:A计算判断矩阵B的每一行元素之积Mi，(i=1,2,...,n)。B计算Mi的n次方根，(i=1,2,...,n)。C对向量进行归一化处理，(i=1,2,...,n)，则即为所求的特征向量。D求最大特征根，式子中：（BW)i为向量BW的第i个元素。E一致性检验计算一致性指标CI：，当判断矩阵具有完全一致性时，CI=0。从平均随机一致性指标中查找实际所需的平均随机一致性指标RI见下表iMijnjb1iWniMWTn),...,,(21njjii),...,,(21miiiWBWn1max)(11maxnnCIn1234567891011RI000.580.91.121.241.321.411.451.491.51不同阶数RI的取值用matlab软件计算判断矩阵的一致性比率CR并检验一致性:当CR≤0.10此时判断矩阵通过，一次性良好。否则，需调整判断矩阵，直到检验通过。甲公司企业物流外包风险因素构成中，各因素对物流外包风险影响程度是不同的，本文运用这种方法来确定权重。16个二级指标，各二级指标与一级指标的对应关系见表3.3。通过甲公司指标体系的分析，运用AHP－FUZZY综合评判方法对其总目标及各级指标进行评价。邀请不同层次的专家和业内知名人士对表3.2中的指标体系进行打分，经过多次评选得到如下判断矩阵:1213321463141131316131A12214121131512313145311B12215121131412313154312B12134214531411314151313B12215121131412312154214B各个矩阵的一致性检验如表3.4所示表3.4各矩阵的一致性检验结果指标AB1B2B3B44.23544.05114.10234.26184.0720CI0.07850.01700.03410.08730.0240CR0.08720.01890.03790.09700.0267利用方根法计算各指标的权重归一化处理后再进行一致性检验，计算所得权重值：2756.05127.00814.01303.0WA1377.00838.02323.05462.0W1B3063.04841.00815.01281.0W3B1306.00900.02302.05492.0W2B1357.00920.02614.05109.0W4Bclc;clear;A=[1,3,1/6,1/3;1/3,1,1/4,1/3;6,4,1,2;3,3,1/2,1];%因素对比矩阵A，只需要改变矩阵A[m,n]=size(A);%获取指标个数RI=[000.580.901.121.241.321.411.451.491.51];R=rank(A);%求判断矩阵的秩[V,D]=eig(A);%求判断矩阵的特征值和特征向量，V特征值，D特征向量；tz=max(D);B=max(tz);%最大特征值[row,col]=find(D==B);%最大特征值所在位置C=V(:,col);%对应特征向量CI=(B-n)/(n-1);%计算一致性检验指标CICR=CI/RI(1,n);B=BifCR0.10disp('CI=');disp(CI);disp('CR=');disp(CR);disp('对比矩阵A通过一致性检验，各向量权重向量Q为：');Q=zeros(n,1);fori=1:nQ(i,1)=C(i,1)/sum(C(:,1));%特征向量标准化endQ%输出权重向量elsedisp('对比矩阵A未通过一致性检验，需对对比矩阵A重新构造');end权重确定表如下表所示3.根据隶属函数计算评语集数值建立风险指标的评语集，按照风险大小，共分为五个档次，即为V=[V1，V2，V3，V4，V5]。分别表示为高风险、较高风险、一般风险、较低风险、低风险。本项目中甲企业物流外包风险也按照这五类进行评价，专家评价结果，可参照下表。高风险较高风险一般风险较低风险低风险U110.280.370.230.120U120.210.150.220.40.02U130.280.250.140.20.13U140.330.40.240.030U210.320.430.140.040.07U220.260.330.270.10.04U230.190.280.40.040.09U240.110.160.380.240.11U310.160.280.30.150.11U320.320.260.260.160U330.150.30.310.220.02U340.220.250.350.120.06U410.270.240.360.110.02U420.310.20.290.150.05U430.170.360.270.120.08U440.320.380.240.0604.确立评价矩阵建立企业物流外包风险指标U的模糊评价矩阵。003.024.04.033.013.02.014.025.028.002.04.022.015.021.0012.023.037.028.0R111.024.038.016.011.009.004.04.028.019.004.010.027.033.026.007.004.014.043.032.0R206.012.035.025.022.002.022.031.030.015.0016.026.026.032.011.015.03.028.016.0R3006.024.038.032.008.012.027.036.017.005.015.029.02.031.002.011.036.024.027.0R45.得出综合评价结果根据模糊评价模型公式C=W*R，可以得出具体的C1、C2、C3、C411RC1BW1377.00838.02323.05462.022RC2BW1306.00900.02302.05492.0003.024.04.033.013.02.014.025.028.002.04.022.015.021.0012.023.037.028.011.024.038.016.011.009.004.04.028.019.004.010.027.033.026.007.004.014.043.032.00155.01794.02215.03130.02706.00701.00799.02247.03582.02671.033RC3BW3063.04841.00815.01281.044BC4BW1357.00920.02614.05109.006.012.035.025.022.002.022.031.030.015.0016.026.026.032.011.015.03.028.016.00421.01755.03169.02789.01866.0006.024.038.032.008.012.027.036.017.005.015.029.020.031.002.011.0