BP 神經(jīng)網(wǎng)絡(luò)理論下供應(yīng)商選擇評(píng)價(jià)模型構(gòu)建

■ 秦曉芳（山西大學(xué)商務(wù)學(xué)院 太原 030031）

理論基礎(chǔ)

（一）供應(yīng)商理論

1.供應(yīng)商的定義。供應(yīng)商是指為生產(chǎn)者及其競(jìng)爭(zhēng)者提供特定產(chǎn)品、服務(wù)的公司、個(gè)人。激烈的市場(chǎng)競(jìng)爭(zhēng)要求企業(yè)最大限度地提高生產(chǎn)效率，快速響應(yīng)消費(fèi)需求。供應(yīng)商作為供應(yīng)鏈的源頭，是整個(gè)供應(yīng)鏈高效運(yùn)作的基礎(chǔ)。筆者將供應(yīng)商定義為在供應(yīng)鏈管理環(huán)境下，為核心企業(yè)提供其所需資源的組織。供應(yīng)商和上下游企業(yè)以相互信任為基礎(chǔ)，以市場(chǎng)需求為出發(fā)點(diǎn)，目標(biāo)是建立合作共贏的戰(zhàn)略合作伙伴關(guān)系。

2.供應(yīng)商選擇評(píng)價(jià)的意義。供應(yīng)商提供資源的質(zhì)量，以及交貨的及時(shí)性，能直接影響到上下游企業(yè)的生產(chǎn)和經(jīng)營(yíng)狀況，選擇合適的供應(yīng)商具有重要的意義：提高供應(yīng)的靈活性，快速響應(yīng)市場(chǎng)需求；減少成本，核心企業(yè)與供應(yīng)商長(zhǎng)期穩(wěn)定的合作關(guān)系可以縮短交易時(shí)間，提高交易的效率；提高產(chǎn)品和服務(wù)質(zhì)量，核心企業(yè)與供應(yīng)商的戰(zhàn)略合作伙伴關(guān)系，可以保證供應(yīng)的連續(xù)性，有利于雙方進(jìn)行有效的協(xié)調(diào)，達(dá)到“雙贏”的目的。

（二）人工神經(jīng)網(wǎng)絡(luò)理論

1.人工神經(jīng)網(wǎng)絡(luò)定義。人工神經(jīng)網(wǎng)絡(luò)（Artifcial Neural Network，簡(jiǎn)稱ANN），是現(xiàn)代的科學(xué)計(jì)算機(jī)與高度復(fù)雜的人腦計(jì)算相互結(jié)合的產(chǎn)生物。一個(gè)簡(jiǎn)單的處理元構(gòu)成了一個(gè)神經(jīng)網(wǎng)絡(luò)的基本單位，而規(guī)模宏大的處理元并行分布，則構(gòu)成了神經(jīng)網(wǎng)絡(luò)的處理器。人工神經(jīng)網(wǎng)絡(luò)所特有的非線性信息自學(xué)習(xí)處理能力，幫助專家在信號(hào)處理及控制、模式識(shí)別、預(yù)測(cè)、仿真、建模等許多應(yīng)用領(lǐng)域取得了顯著的進(jìn)展（呂冬，2012）。

2.神經(jīng)網(wǎng)絡(luò)的特點(diǎn)。一是非線性處理能力，在實(shí)際應(yīng)用中，預(yù)測(cè)結(jié)果與各影響因素往往是復(fù)雜的非線性關(guān)系，而人工神經(jīng)網(wǎng)絡(luò)自身所具有的處理非線性問題能力比傳統(tǒng)的評(píng)價(jià)方法更有效；二是具有泛化能力，神經(jīng)網(wǎng)絡(luò)可以通過算法對(duì)神經(jīng)元進(jìn)行訓(xùn)練，達(dá)到一個(gè)想要的輸出目標(biāo)；三是具有自適應(yīng)能力，人工神經(jīng)網(wǎng)絡(luò)可以通過調(diào)節(jié)連接人工神經(jīng)元的強(qiáng)度，來適應(yīng)外界環(huán)境的變化；四是并行分布式處理能力，整個(gè)神經(jīng)元網(wǎng)絡(luò)是高度并聯(lián)的，加快了信息處理的速度。

供應(yīng)商選擇評(píng)價(jià)指標(biāo)體系的構(gòu)建

（一）構(gòu)建原則

全面簡(jiǎn)明原則。所設(shè)置的指標(biāo)體系必須能夠全面反映供應(yīng)商水平，包括產(chǎn)品質(zhì)量、供貨能力與柔性等各方面的因素，才能提高企業(yè)的競(jìng)爭(zhēng)優(yōu)勢(shì)和增強(qiáng)整體供應(yīng)鏈的競(jìng)爭(zhēng)力。同時(shí)，供應(yīng)商選擇評(píng)價(jià)指標(biāo)還應(yīng)突出重點(diǎn)、層次分明，滿足簡(jiǎn)單明了的原則。各指標(biāo)必須具有代表性，從企業(yè)目標(biāo)出發(fā)，充分反映供應(yīng)商的水平。

客觀可比原則。供應(yīng)商選擇評(píng)價(jià)指標(biāo)必須與企業(yè)真實(shí)情況相符合，具有針對(duì)性，能夠真實(shí)反映供應(yīng)商的綜合水平，滿足客觀可比原則。各評(píng)價(jià)指標(biāo)應(yīng)該概念清晰，能夠量化，有確切的計(jì)算方法，這樣可以在一定程度上避免主觀因素。同時(shí)因?yàn)橹笜?biāo)可以量化，研究者可以對(duì)不同時(shí)期不同供應(yīng)商企業(yè)進(jìn)行縱向和橫向比較。

可操作性原則。供應(yīng)商選擇評(píng)價(jià)指標(biāo)的數(shù)據(jù)應(yīng)該易于通過抽樣調(diào)查、現(xiàn)有的資料整理等科學(xué)方法取得，滿足具有實(shí)施操作的可行性。采集到的數(shù)據(jù)應(yīng)滿足企業(yè)的真實(shí)情況，能夠全面分析供應(yīng)商的選擇評(píng)價(jià)結(jié)果。同時(shí)各項(xiàng)指標(biāo)的計(jì)算應(yīng)盡量簡(jiǎn)便、規(guī)范化，從而提高工作效率、降低操作過程的復(fù)雜程度。

可擴(kuò)展性原則?；跁r(shí)間競(jìng)爭(zhēng)的市場(chǎng)環(huán)境，不同行業(yè)、不同企業(yè)的供應(yīng)鏈都有其各自的特性，即便是同一企業(yè)在不同時(shí)段對(duì)供應(yīng)商的選擇也會(huì)有所改變。因此供應(yīng)商選擇評(píng)價(jià)指標(biāo)體系應(yīng)滿足可擴(kuò)展性原則，企業(yè)可以根據(jù)內(nèi)外部環(huán)境變化對(duì)指標(biāo)體系進(jìn)行不斷修改、完善。

（二）指標(biāo)描述

本文在綜合分析前人的研究基礎(chǔ)上，遵循筆者提出的全面簡(jiǎn)明、客觀可比、可操作性、可擴(kuò)展性的設(shè)置原則，構(gòu)建了供應(yīng)商選擇評(píng)價(jià)指標(biāo)體系，具體包括8 個(gè)一級(jí)指標(biāo)，19 個(gè)二級(jí)指標(biāo)，如表1所示。

基于BP神經(jīng)網(wǎng)絡(luò)的供應(yīng)商選擇評(píng)價(jià)模型構(gòu)建

（一）模型構(gòu)建

BP（Back-Propagation network）神經(jīng)網(wǎng)絡(luò)主要由輸入層、隱含層、輸出層組成。其中隱含層可以是一層或者多層。假設(shè)輸入變量X=（X1，X2，…，Xi）,隱含層輸出變量為Y=（Y1，Y2，…，Yj），輸出層變量為Z=（Z1，Z2，…，Zl），期望輸出的變量為T=（T1，T2，…，Tl），Wij、Wjl分別為輸入層到隱含層、隱含層到輸出層的連接權(quán)值。對(duì)于i 個(gè)輸入學(xué)習(xí)樣本X1、X2、…、Xi已知對(duì)其對(duì)應(yīng)的輸出樣本為Z1、Z2、…、Zl。通過BP算法的學(xué)習(xí)沿著負(fù)梯度方向不斷調(diào)整和修正網(wǎng)絡(luò)連接值Wij和Wjl，使網(wǎng)絡(luò)的實(shí)際輸出Z逐漸逼近目標(biāo)矢量T。

如圖1所示，在正向傳播過程中，輸入數(shù)據(jù)經(jīng)輸入層流通至隱含層，在隱含層里經(jīng)過逐層計(jì)算并通過輸出層輸出數(shù)據(jù)，其中每一層神經(jīng)元的狀態(tài)只影響下一神經(jīng)元的狀態(tài)。如果輸出誤差小于預(yù)先設(shè)定的允許誤差，則得到期望的輸出值，學(xué)習(xí)訓(xùn)練過程結(jié)束。如果輸出誤差大于預(yù)先設(shè)定的允許誤差，則逐層計(jì)算各層節(jié)點(diǎn)的輸出誤差，然后將各層輸出誤差沿原路進(jìn)行反向傳播，不斷修改網(wǎng)絡(luò)的連接權(quán)值直到達(dá)到期望誤差。

表1 供應(yīng)商選擇評(píng)價(jià)指標(biāo)體系

圖1 三層BP 網(wǎng)絡(luò)結(jié)構(gòu)圖

圖2 神經(jīng)網(wǎng)絡(luò)供應(yīng)商選擇評(píng)價(jià)模型流程圖

圖3 供應(yīng)商選擇評(píng)價(jià)模型的MATLAB 實(shí)現(xiàn)圖

（二）BP 神經(jīng)網(wǎng)絡(luò)模型建立的步驟

第一，確定輸入層、隱含層、輸出層的節(jié)點(diǎn)數(shù)。輸入層點(diǎn)數(shù)的確定：輸入層樣本數(shù)據(jù)的個(gè)數(shù)等于輸入層的節(jié)點(diǎn)數(shù)。本文選取了8個(gè)一級(jí)指標(biāo)，19個(gè)二級(jí)指標(biāo)對(duì)供應(yīng)商進(jìn)行選擇評(píng)價(jià)，所以本文將19個(gè)二級(jí)指標(biāo)作為網(wǎng)絡(luò)模型的輸入層。根據(jù)19個(gè)影響因素的歷史數(shù)據(jù)進(jìn)行網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練，則確定BP神經(jīng)網(wǎng)絡(luò)的輸入層節(jié)點(diǎn)數(shù)為19。隱含層節(jié)點(diǎn)數(shù)的確定：目前還沒有一個(gè)普遍的方法來確定隱含層節(jié)點(diǎn)數(shù)。本文采用經(jīng)驗(yàn)公式，其中q為隱含層點(diǎn)數(shù)，n為輸入層節(jié)點(diǎn)數(shù)，p為輸出層點(diǎn)數(shù)，a為常數(shù)（取1-10）。選取較小的銀行層點(diǎn)數(shù)10 進(jìn)行訓(xùn)練、檢驗(yàn)。然后增加節(jié)點(diǎn)數(shù)進(jìn)行重試，直到網(wǎng)絡(luò)對(duì)數(shù)據(jù)的收斂速度無法再加快為止，確定最優(yōu)的隱含層節(jié)點(diǎn)數(shù)。經(jīng)過多次試驗(yàn)，本文的隱含層節(jié)點(diǎn)數(shù)為15 時(shí)，訓(xùn)練效果最佳。輸出層節(jié)點(diǎn)數(shù)的確定：輸出層節(jié)點(diǎn)數(shù)就是輸出結(jié)果的個(gè)數(shù)。BP 神經(jīng)網(wǎng)絡(luò)供應(yīng)商的選擇評(píng)價(jià)模型的最終目的就是對(duì)各個(gè)可供選擇的供應(yīng)商做出綜合評(píng)價(jià)，因此其結(jié)果輸出的是供應(yīng)商的綜合水平。本文的輸出結(jié)果只有一個(gè)供應(yīng)商的綜合水平，所以確定BP神經(jīng)網(wǎng)絡(luò)的輸出層節(jié)點(diǎn)數(shù)為1。

第二，BP 網(wǎng)絡(luò)連接權(quán)值和閥值初始化。對(duì)BP神經(jīng)網(wǎng)絡(luò)連接權(quán)值和閥值進(jìn)行初始化，是為了保證神經(jīng)網(wǎng)絡(luò)不被大的加權(quán)輸入飽和。一般在區(qū)間（-1，1）選取任意數(shù)作為BP神經(jīng)網(wǎng)絡(luò)的初始連接權(quán)值和閥值，來保證即使很小的隨機(jī)數(shù)也可以對(duì)每一層的權(quán)值和閥值進(jìn)行初始化。所謂BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)訓(xùn)練就是不斷修正神經(jīng)網(wǎng)絡(luò)的權(quán)值和閥值，使得輸出結(jié)果的誤差在允許誤差之內(nèi)。

第三，信息的正向傳播。本文構(gòu)建的供應(yīng)商選擇評(píng)價(jià)模型，需要用到MATLAB 對(duì)數(shù)據(jù)進(jìn)行仿真分析。所以隱含層采用正切對(duì)數(shù)型函數(shù)即sigmoid函數(shù)，輸出層采用線性purelin 傳遞函數(shù)。用函數(shù)initff對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行重新初始化，樣本數(shù)據(jù)通過輸入層經(jīng)隱含層向輸出層進(jìn)行正向傳播，并經(jīng)過傳遞函數(shù)的計(jì)算得到輸出數(shù)據(jù)。其中隱含層、輸出層的輸出矢量分別為：

隱含層的輸出矢量為：

輸出層的輸出矢量為：

上述公式中，wij、wjl分別為輸入層到隱含層的連接權(quán)值，隱含層到輸出層的連接權(quán)值。f1為隱含層的傳遞函數(shù)tansig，f2為輸出層的傳遞函數(shù)purelin，bi為隱含層的輸出閥值，bl為輸出層的閥值。

第四，誤差的反向傳播。一般網(wǎng)絡(luò)預(yù)測(cè)誤差E=T-Y，如果誤差函數(shù)E小于允許誤差ε，則訓(xùn)練結(jié)束，輸出期望值。否則輸出值將進(jìn)行反向傳播，不斷對(duì)網(wǎng)絡(luò)連接的權(quán)值和閥值進(jìn)行修正，直至誤差函數(shù)小于允許誤差ε。最終輸出評(píng)價(jià)值越高的，評(píng)價(jià)結(jié)果越好。

神經(jīng)網(wǎng)絡(luò)供應(yīng)商選擇評(píng)價(jià)模型流程圖如圖2 所示。

（三）供應(yīng)商選擇評(píng)價(jià)模型的MATLAB 實(shí)現(xiàn)

如圖3 所示，MATLAB 工具箱提供了數(shù)據(jù)模塊、網(wǎng)絡(luò)模塊、輸出模塊三大模塊實(shí)現(xiàn)BP神經(jīng)網(wǎng)絡(luò)的供應(yīng)商選擇評(píng)價(jià)模型。MATLAB數(shù)據(jù)模塊的主要功能是對(duì)樣本數(shù)據(jù)進(jìn)行預(yù)處理，網(wǎng)絡(luò)模塊的功能是進(jìn)行網(wǎng)絡(luò)的學(xué)習(xí)訓(xùn)練和網(wǎng)絡(luò)的仿真分析，輸出模塊的主要功能是對(duì)預(yù)測(cè)結(jié)果的網(wǎng)絡(luò)輸出。

MATLAB實(shí)現(xiàn)的主要步驟如下：一是數(shù)據(jù)的歸一化處理，在MATLAB 工具運(yùn)用premnmx函數(shù)，把本文輸入向量18個(gè)二級(jí)指標(biāo)數(shù)據(jù)歸一到[-1,1]區(qū)間；二是BP神經(jīng)網(wǎng)絡(luò)的構(gòu)造，使用MATLAB 工具箱的traningdm函數(shù)來對(duì)數(shù)據(jù)進(jìn)行快速訓(xùn)練，學(xué)習(xí)函數(shù)為learngdm；三是BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練及仿真，運(yùn)用MATLAB工具箱中的sim函數(shù)，對(duì)經(jīng)過歸一化后的數(shù)據(jù)進(jìn)行仿真模擬，然后對(duì)預(yù)測(cè)結(jié)果進(jìn)行誤差分析，直到得到最優(yōu)的預(yù)測(cè)值，選出最符合要求的供應(yīng)商。

綜上，隨著市場(chǎng)競(jìng)爭(zhēng)的日趨激烈，核心企業(yè)與供應(yīng)商的合作伙伴關(guān)系對(duì)于供應(yīng)鏈的整體運(yùn)行起著重要的作用。本文在前人研究的基礎(chǔ)上，構(gòu)建了供應(yīng)商選擇指標(biāo)評(píng)價(jià)體系，并運(yùn)用BP神經(jīng)網(wǎng)絡(luò)方法，建立供應(yīng)商評(píng)價(jià)模型。該模型不需要人為確定輸入指標(biāo)的權(quán)重，因此降低了主觀因素，同時(shí)具有良好的學(xué)習(xí)、適應(yīng)能力。最后筆者結(jié)合MATLAB 工具箱實(shí)現(xiàn)BP 神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)模型的應(yīng)用，降低了BP神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)的復(fù)雜性，適用于供應(yīng)商的選擇與評(píng)價(jià)。

1.霍佳震.企業(yè)績(jī)效及供應(yīng)鏈績(jī)效評(píng)價(jià)研究現(xiàn)狀[J].企業(yè)管理，2013（9）

2.呂冬.神經(jīng)網(wǎng)絡(luò)技術(shù)在供應(yīng)鏈管理中的應(yīng)用[J].經(jīng)濟(jì)研究，2012（8）

3.丁以中.基于神經(jīng)網(wǎng)絡(luò)的供應(yīng)商選擇模型[J].物流技術(shù)，2014（3）