制造企業(yè)供應(yīng)商排序決策： 基于SVM和TFN-RS的改進(jìn)TOPSIS*

李聯(lián)輝，王 麗，雷 婷，丁少虎

(北方民族大學(xué)機(jī)電工程學(xué)院，寧夏 銀川 750021)

1 引言

作為制造企業(yè)原材料采購(gòu)決策的一項(xiàng)重要內(nèi)容，供應(yīng)商排序是構(gòu)建供應(yīng)鏈合作伙伴關(guān)系的關(guān)鍵環(huán)節(jié)。大多數(shù)工業(yè)企業(yè)的采購(gòu)成本占到產(chǎn)品總成本的50%～90%[1]，合理選擇供應(yīng)商將直接影響企業(yè)的成本和競(jìng)爭(zhēng)力。

由于市場(chǎng)的不確定性、合作企業(yè)間信息的不對(duì)稱性及其他隨機(jī)因素的影響，制造企業(yè)在對(duì)供應(yīng)商進(jìn)行排序的過(guò)程中存在著很大風(fēng)險(xiǎn)。同時(shí)，綠色供應(yīng)鏈概念的提出和發(fā)展，使得在進(jìn)行供應(yīng)商排序時(shí)還應(yīng)考慮環(huán)境、資源等因素[2]。

Figure 1 Indicator system of vendors sequencing圖1 供應(yīng)商排序指標(biāo)體系

目前，國(guó)內(nèi)外學(xué)者在供應(yīng)商排序這一熱點(diǎn)問(wèn)題上進(jìn)行了大量研究，文獻(xiàn)[3]采用模糊多目標(biāo)整數(shù)規(guī)劃模型，綜合成本最小、質(zhì)量最好和交貨可靠等目標(biāo)，考慮采購(gòu)方需求、制造商能力、配額柔性等約束來(lái)解決供應(yīng)商選擇問(wèn)題；文獻(xiàn)[4]以貝葉斯網(wǎng)絡(luò)和所有權(quán)總成本方法分析為工具進(jìn)行供應(yīng)商選擇，并通過(guò)汽車行業(yè)應(yīng)用進(jìn)行驗(yàn)證；文獻(xiàn)[5]提出一種基于模糊TOPSIS(Technique for Order Preference by Similarity to an Ideal Solution)和多選擇目標(biāo)規(guī)劃的集成方法來(lái)選擇最佳供應(yīng)商；文獻(xiàn)[6]采用兩階段隨機(jī)規(guī)劃模型和機(jī)會(huì)約束規(guī)劃模型確定供應(yīng)商的最小集，并考慮數(shù)量折扣下的最優(yōu)訂購(gòu)批量；文獻(xiàn)[7]提出一種基于遺傳算法的新型兩級(jí)啟發(fā)式算法的供應(yīng)商選擇模型，并進(jìn)行了數(shù)值分析；文獻(xiàn)[8]依據(jù)質(zhì)量功能展開(kāi)提出了一種模糊多目標(biāo)群決策方法，采用模糊加權(quán)平均方法來(lái)計(jì)算供應(yīng)商評(píng)估標(biāo)準(zhǔn)；文獻(xiàn)[9]采用多目標(biāo)整數(shù)線性規(guī)劃模型來(lái)解決庫(kù)存量、供應(yīng)商選擇及承運(yùn)人選擇的聯(lián)合決策問(wèn)題；文獻(xiàn)[10]提出一種集成質(zhì)量功能展開(kāi)和數(shù)據(jù)包絡(luò)分析等方法的模糊多目標(biāo)群決策框架；文獻(xiàn)[11]提出一種屬性權(quán)重信息完全未知，且屬性值以區(qū)間數(shù)形式給出的多屬性綠色供應(yīng)商選擇決策方法；文獻(xiàn)[12]提出一種整數(shù)規(guī)劃和仿真相結(jié)合的混合方法來(lái)求解多目標(biāo)供應(yīng)鏈生產(chǎn)-分銷計(jì)劃模型。在評(píng)價(jià)指標(biāo)體系方面，較具代表性的有文獻(xiàn)[13]提供的23項(xiàng)供應(yīng)商績(jī)效評(píng)價(jià)準(zhǔn)則，以及文獻(xiàn)[14]概括的13、18、60項(xiàng)評(píng)價(jià)指標(biāo)?，F(xiàn)有研究大多針對(duì)某些具有顯著特征的企業(yè)，通用性較差，且較少考慮到環(huán)境因素。

2 供應(yīng)商排序決策整體框架

考慮供應(yīng)鏈的綠色內(nèi)涵，在已有成果[1 - 14]基礎(chǔ)上構(gòu)建由質(zhì)量、成本、交貨、合作、潛力和環(huán)境六個(gè)準(zhǔn)則層面的二十余項(xiàng)指標(biāo)組成的供應(yīng)商排序指標(biāo)體系，能較全面地反映供應(yīng)商的實(shí)際情況。如圖1所示，矩形框表示定量指標(biāo)，橢圓框表示定性指標(biāo)，詳細(xì)定義和計(jì)算方法可參照文獻(xiàn)[13-15]?？梢钥闯?，供應(yīng)商排序指標(biāo)數(shù)量眾多、協(xié)調(diào)關(guān)系復(fù)雜，且存在定量計(jì)算方法繁多、定性評(píng)價(jià)效果不佳的問(wèn)題，逐個(gè)計(jì)算的工作量很大且整體把握困難。

因此，本文構(gòu)造了一種基于SVM(Support Vector Machine)和TFN-RS(Trapezoidal Fuzzy Number-Rough Set)的改進(jìn)TOPSIS方法來(lái)進(jìn)行供應(yīng)商排序決策，根據(jù)候選供應(yīng)商的主要數(shù)據(jù)信息，應(yīng)用基于支持向量機(jī)的分類模型對(duì)其進(jìn)行初步篩選，以縮小候選供應(yīng)商數(shù)量；通過(guò)專家對(duì)準(zhǔn)則下屬指標(biāo)進(jìn)行考察和掌握，利用專家的智慧和經(jīng)驗(yàn)對(duì)準(zhǔn)則進(jìn)行梯形模糊數(shù)評(píng)分，設(shè)計(jì)了一種TFN-RS來(lái)計(jì)算供應(yīng)商在準(zhǔn)則上的分值；運(yùn)用CRITIC(Criteria Importance Though Intercrieria Correlation)對(duì)各準(zhǔn)則進(jìn)行賦權(quán)，通過(guò)相對(duì)熵替代歐氏距離的改進(jìn)TOPSIS對(duì)各供應(yīng)商進(jìn)行排序。

3 基于SVM和TFS-RS的改進(jìn)TOPSIS

3.1 基于SVM分類模型的候選供應(yīng)商初篩

在線性可分的情況下，SVM[16]的基本思想可描述為：假設(shè)有樣本x1,x2,…,xl，這里xi∈Ru(i=1,2,…,l)，l為樣本數(shù)，u為維數(shù)。用yi∈{ +1，-1}表示類別，定義超平面ω·xi+f=0將樣本x1,x2,…,xl分成兩類，分類結(jié)果如下：

(1)

其中,ω∈Ru為可調(diào)的權(quán)值向量，f為超平面的偏置量，ω·xi表示ω∈Ru與xi∈Ru的向量?jī)?nèi)積。

SVM最優(yōu)分類超平面如圖2所示。

Figure 2 Optimal separating hyperplane of SVM圖2 SVM最優(yōu)分類超平面

為使分類超平面對(duì)所有樣本都能正確分類，必須使其兩側(cè)的分類間隔2/‖ω‖最大，求解最優(yōu)超平面可以看成求解二次規(guī)劃的問(wèn)題。對(duì)于訓(xùn)練樣本集，找到權(quán)值ω和偏移f的最優(yōu)值,使權(quán)值代價(jià)函數(shù)最小，即：minφ(ω)= ‖ω‖2/2=ωTω/2，且滿足約束條件：yi(ω·xi+f)-1≥0,i=1,2,…,l。這里，優(yōu)化函數(shù)為二次型，約束條件為線性，屬于典型的二次規(guī)劃問(wèn)題，可用Lagrange方法求解。引入Lagrange乘子ξi≥0(i=1,2,…,l)，可得：

(2)

Γ的極值點(diǎn)為鞍點(diǎn)，取Γ對(duì)ω和f的最小值ω=ω*,f=f*，以及對(duì)ξ的最大值ξ=ξ*。對(duì)Γ求導(dǎo)后求解二次規(guī)劃可以確定最優(yōu)超平面?？梢钥吹?，只有ξ=0的樣本對(duì)ω*起作用并決定分類結(jié)果，這樣的樣本被定義為支持向量。ξ*和ω*可顯式求得，即：

(3)

選取一個(gè)支持向量樣本xi:f*=yi-ω·xi，對(duì)于任一輸入樣本x,計(jì)算分類函數(shù)：

d(x)=ω*·x+f*=Γ(ω,f,ξ)=

(4)

根據(jù)分類函數(shù)d(x)的符號(hào)來(lái)確定樣本x的歸屬，如果樣本是線性不可分的，則可以通過(guò)核函數(shù)定義的非線性變換，將線性不可分問(wèn)題轉(zhuǎn)換為線性可分問(wèn)題[17]。

3.2 基于TFN-RS求解供應(yīng)商準(zhǔn)則分值

根據(jù)RS理論[18]，論域U為對(duì)象的非空有限集合，Y是U中任一對(duì)象；U中所有對(duì)象都屬于p個(gè)劃分，即S1,S2,…,Sp。如果這p個(gè)劃分有S1

專家評(píng)分法的數(shù)理統(tǒng)計(jì)特性能最大程度地利用專家的智慧和經(jīng)驗(yàn)，但專家對(duì)多個(gè)供應(yīng)商在某準(zhǔn)則上的相對(duì)優(yōu)劣評(píng)分依賴于個(gè)人經(jīng)驗(yàn)和主觀判斷，用精確數(shù)值來(lái)表達(dá)顯然是不合理的。模糊數(shù)與精確數(shù)相比更能反映出專家評(píng)分的內(nèi)在不確定性。同時(shí)，梯形模糊數(shù)的隸屬度函數(shù)比三角模糊數(shù)更復(fù)雜，更能刻畫出專家評(píng)分的不確定性。專家在對(duì)供應(yīng)商的某一準(zhǔn)則上評(píng)分時(shí)帶有明顯的不分明性，而粗糙集理論中的粗糙數(shù)和粗糙邊界區(qū)間能將這種不分明性描述為集合邊界區(qū)域而不是隸屬函數(shù)形式[18]，能更好地反映專家的真實(shí)評(píng)判和兼顧多個(gè)專家的意見(jiàn)。因此，本文設(shè)計(jì)一種TFN-RS方法來(lái)計(jì)算供應(yīng)商在各準(zhǔn)則上的分值。

(5)

用同樣方法求得n個(gè)供應(yīng)商在其它準(zhǔn)則上的TFN準(zhǔn)則值后，可得TFN準(zhǔn)則值矩陣為Z=(zi,j)n×m，這里m表示準(zhǔn)則個(gè)數(shù)，有m=6。

3.3 各準(zhǔn)則的CRITIC賦權(quán)

在供應(yīng)商排序決策中，經(jīng)初篩后的供應(yīng)商有n個(gè)，排序準(zhǔn)則有m個(gè)(m=6)，用式(6)所示重心公式可將TFN準(zhǔn)則值矩陣Z=(zi,j)n×m轉(zhuǎn)化為實(shí)數(shù)形式W=(wi,j)n×m。

(6)

設(shè)各準(zhǔn)則的權(quán)重向量為θ=[θ1,θ2,…,θm]T，常見(jiàn)的賦權(quán)方法[19]包括：

(1) Entropy法。根據(jù)Entropy理論，準(zhǔn)則j(j=1,2,…,m)的Entropy值為：

(7)

Entropyj越大表明所有供應(yīng)商在準(zhǔn)則j上評(píng)分值差異越小，一般認(rèn)為當(dāng)各供應(yīng)商在某準(zhǔn)則上評(píng)分值差異較大時(shí)，該準(zhǔn)則較為重要，那么準(zhǔn)則j的權(quán)重為：

(8)

(2) 標(biāo)準(zhǔn)差法。用σj表示準(zhǔn)則j的標(biāo)準(zhǔn)差，則準(zhǔn)則j的權(quán)重為：

(9)

(3) CRITIC法。賦權(quán)時(shí)應(yīng)綜合考慮準(zhǔn)則間的對(duì)比強(qiáng)度和沖突性，前者表示各對(duì)象在同一準(zhǔn)則上取值差距的大小，以標(biāo)準(zhǔn)差的形式來(lái)表現(xiàn)；后者以兩準(zhǔn)則間的相關(guān)性為基礎(chǔ)，若具有較強(qiáng)的正相關(guān)關(guān)系，則兩準(zhǔn)則間沖突性較低。兩準(zhǔn)則k、j的相關(guān)系數(shù)為：

Cork,j=

(10)

進(jìn)一步地，準(zhǔn)則j與其余準(zhǔn)則的沖突性可表示為：

(11)

因此，準(zhǔn)則j的權(quán)重為：

(12)

其中,Infj=σj·Conj。Infj能同時(shí)包含兩準(zhǔn)則間的對(duì)比強(qiáng)度和沖突性內(nèi)涵，可表示準(zhǔn)則j包含的信息量。

相比熵權(quán)法和標(biāo)準(zhǔn)差法，CRITIC法綜合考慮了準(zhǔn)則值的波動(dòng)性和準(zhǔn)則間的沖突性，能更完整地反映準(zhǔn)則間的競(jìng)爭(zhēng)關(guān)系，因此本文選用CRITIC法來(lái)對(duì)m個(gè)準(zhǔn)則進(jìn)行賦權(quán)。

3.4 用相對(duì)熵改進(jìn)的TOPSIS實(shí)現(xiàn)供應(yīng)商排序

RE(ΘA,ΘB)=

(13)

這里，RE(ΘA,ΘB)≥0；當(dāng)且僅當(dāng)ΘA=ΘB時(shí)，RE(ΘA,ΘB)=0。

(14)

由式(14)可知，當(dāng)ek=e+時(shí)，RECk=1；當(dāng)ek=e-時(shí)，RECk=0；當(dāng)ek≠e+且ek≠e-時(shí)，若ek趨向于e+，則RE(ek,e+)趨向于0，這時(shí)RECk趨向于1?？梢?jiàn)，相對(duì)熵替代歐氏距離的改進(jìn)TOPSIS與TOPSIS原理相同，且能解決其不足。依次計(jì)算出各供應(yīng)商的加權(quán)準(zhǔn)則值向量e1,e2,…,en與理想點(diǎn)的貼近度后，按從大到小排列即得到排序決策結(jié)果。

4 應(yīng)用實(shí)例

隨著市場(chǎng)競(jìng)爭(zhēng)的日趨激烈，制造企業(yè)越來(lái)越將力量集中于自身核心業(yè)務(wù)，而由外部供應(yīng)商提供大量零組件。軸承主要由滾子、套圈、密封圈、保持架、防塵蓋等零件構(gòu)成，以某軸承制造企業(yè)為例，滾球、密封圈等零組件主要由外部供應(yīng)商提供。根據(jù)圖1所示指標(biāo)體系，由決策者選取若干項(xiàng)重要指標(biāo)作為標(biāo)準(zhǔn)，并確定輸入向量，按式(2)推導(dǎo)過(guò)程求解方程，以確定分類函數(shù)d(x)，限于篇幅不再給出詳細(xì)指標(biāo)數(shù)據(jù)。采用支持向量機(jī)分類模型進(jìn)行供應(yīng)商初篩的過(guò)程為：若d(x)=ω*·x+f*≥0，x通過(guò)初篩；若d(x)=ω*·x+f*<0，x被淘汰。在Matlab中利用SVM工具箱對(duì)14家滾球供應(yīng)商進(jìn)行數(shù)據(jù)樣本分類，有4家滾球供應(yīng)商通過(guò)初篩：Vendor1、Vendor2、Vendor3和Vendor4，需對(duì)這4家滾球供應(yīng)商進(jìn)行排序以獲得最優(yōu)供應(yīng)商。

Table 1 TFN scoring matrix of the three vendorson the criteria I2by Expert1表1 專家Expert1給出的4家供應(yīng)商在準(zhǔn)則I2上的TFN評(píng)分矩陣1,2

Table 2 TFN scoring matrix of the three vendorson the criteria I2by Expert2表2 專家Expert2給出的4家供應(yīng)商在準(zhǔn)則I2上的TFN評(píng)分矩陣2,2

Table 3 TFN scoring matrix of the three vendorson the criteria I2 by Expert3表3 專家Expert3給出的4家供應(yīng)商在準(zhǔn)則I2上的TFN評(píng)分矩陣3,2

Table 4 TFN scoring matrix of the three vendorson the criteria I2 by Expert4表4 專家Expert4給出的4家供應(yīng)商在準(zhǔn)則I2上的TFN評(píng)分矩陣4,2

其中,

將α1,2、α2,2、α3,2和α4,2重組為：

其中，

rn_α2=

再將矩陣rn_α2分解為矩陣rn_α2,Lower和矩陣rn_α2,Upper，對(duì)應(yīng)于最大特征值的特征向量分別為val_α2,Lower=[0.71,0.44,0.45,0.30]T，val_α2,Upper=[0.65,0.49,0.47,0.34]T，進(jìn)而求得val_α2={0.68,0.47,0.46,0.32}。同理求得val_β2={0.73,0.51,0.66,0.58}，val_χ2={0.82,0.67,0.73,0.69}，val_δ2={0.95,0.77,0.83,0.75}，從而得到4個(gè)供應(yīng)商在準(zhǔn)則I2上的TFN分值依次為z1,2=(0.68,0.73,0.82,0.95),z2,2=(0.47,0.51,0.67,0.77),z3,2=(0.46,0.66,0.73,0.83),z4,2=(0.32,0.58,0.69,0.75)。分別求得4家供應(yīng)商在其他5項(xiàng)準(zhǔn)則I1,I3,I4,I5,I6上的TFN分值后，可得TFN準(zhǔn)則值矩陣Z=(zi,j)4×6如表5所示。

根據(jù)式(6)，將Z=(zi,j)4×6轉(zhuǎn)化為實(shí)數(shù)形式W=(wi,j)4×6：

通過(guò)CRITIC法求得的權(quán)重向量為θ=[0.31,0.15,0.14,0.10,0.20,0.10]T，則加權(quán)準(zhǔn)則值矩陣E=(ei,j)4×6為：

則有正理想點(diǎn)e+={0.25,0.12,0.12,0.07,0.14,0.06}，負(fù)理想點(diǎn)e-={0.10,0.09,0.09,0.05,0.08,

Table 5 TFN criteria value matrix of four vendors表5 4家供應(yīng)商的TFN準(zhǔn)則值矩陣Z=(zi,j)4×6

0.04}。以Vendor1的加權(quán)指標(biāo)值向量e1=(0.14,0.12,0.11,0.05,0.12,0.04)為例，其與e+和e-的相對(duì)熵分別為RE(e1,e+) =0.05和RE(e1,e-)=0.02，從而與理想點(diǎn)的相對(duì)熵貼近度為REC1=0.29。同理Vendor2、Vendor3和Vendor4與理想點(diǎn)的相對(duì)熵貼近度分別為REC2=0.86,REC3=0.27,REC4=0.82。因此，Vendor2為該軸承制造企業(yè)的最優(yōu)滾球供應(yīng)商。

5 結(jié)束語(yǔ)

為提高核心競(jìng)爭(zhēng)力、降低生產(chǎn)成本及建立長(zhǎng)期穩(wěn)定的戰(zhàn)略合作關(guān)系，制造企業(yè)需從外部零件供應(yīng)商中挑選出最優(yōu)供應(yīng)商。供應(yīng)商排序指標(biāo)體系復(fù)雜、指標(biāo)計(jì)算方法多樣化等因素導(dǎo)致了供應(yīng)商排序決策較為困難?；诖?，本文首先根據(jù)候選供應(yīng)商的主要數(shù)據(jù)信息，應(yīng)用基于SVM的分類模型對(duì)其進(jìn)行初步篩選，以縮小候選供應(yīng)商數(shù)量；利用專家的智慧和經(jīng)驗(yàn)對(duì)準(zhǔn)則下屬指標(biāo)進(jìn)行整體考察和全局掌握，通過(guò)TFN的方式表達(dá)專家對(duì)各供應(yīng)商的評(píng)分傾向，然后運(yùn)用CRITIC法對(duì)各準(zhǔn)則進(jìn)行賦權(quán)，通過(guò)相對(duì)熵替代歐氏距離的改進(jìn)TOPSIS對(duì)各供應(yīng)商進(jìn)行排序決策。本文方法與現(xiàn)有方法相比，無(wú)須考量指標(biāo)的具體值，而充分利用專家的智慧和經(jīng)驗(yàn)對(duì)準(zhǔn)則進(jìn)行宏觀把握，能夠化繁為簡(jiǎn)地為制造企業(yè)的供應(yīng)商排序決策提供一種較為科學(xué)合理的方法。另外，不同專家的判別能力并不一致，如何對(duì)專家進(jìn)行區(qū)分以更充分地利用其智慧和經(jīng)驗(yàn)，將是下一步的研究?jī)?nèi)容。

參考文獻(xiàn):

[1] Boer L D,Labro E,Morlacchi P.A review of methods supporting supplier selection[J].European Journal of Purchasing & Supply Management,2001,7(2):75-89.

[2] Srivastava S K.Green supply-chain management:A state-of-the-art literature review[J].International Journal of Management Reviews,2007,9(1):53-80.

[3] Kumar M,Vrat P,Shankar R.A fuzzy programming approach for vendor selection problem in a supply chain[J].Computers & Industrial Engineering,2004,46(1):69-85.

[4] Dogan I, Aydin N.Combining Bayesian networks and total cost of ownership method for supplier selection analysis[J].Computers & Industrial Engineering,2011,61(4):1072-1085.

[5] Liao C N,Kao H P.An integrated fuzzy TOPSIS and MCGP approach to supplier selection in supply chain management[J].Expert Systems with Applications,2011,38(9):10803-10811.

[6] Li L,Zabinsky Z B.Incorporating uncertainty into a supplier selection problem[J].International Journal of Production Economics,2011,134(2):344-356.

[7] Aliabadi D E,Kaazemi A,Pourghannad B.A two-level GA to solve an integrated multi-item supplier selection model[J].Applied Mathematics & Computation,2013,219(14):7600-7615.

[8] Dursun M,Karsak E E.A QFD-based fuzzy MCDM approach for supplier selection[J].Applied Mathematical Modelling,2013,37(8):5864-5875.

[9] Choudhary D, Shankar R.A goal programming model for joint decision making of inventory lot-size,supplier selection and carrier selection[J].Computers & Industrial Engineering,2014,71(1):1-9.

[10] Karsak E E, Dursun M. An integrated supplier selection methodology incorporating QFD and DEA with imprecise data[J].Expert Systems with Applications,2014,41(16):6995-7004.

[11] Wu Jian,Cao Qing-wei.A method for choosing green supplier under uncertain decision-making[J].Operations Research & Management Science,2012,21(1):220-225.(in Chinese)

[12] Yang Jun-yu, Tang Wen-cheng. Research on supply chain collaborative planning based on hybrid approaches[J].Computer Engineering & Science,2012,34(3):180-185.(in Chinese)

[13] Dickson G W.An analysis of vendor selection systems and decisions[J].Journal of Purchasing,1966,2(1):5-17.

[14] Ellram L M. The supplier selection decision in strategic partnerships[J].Journal of Purchasing and Materials Management,1990,26(4):8-14.

[15] Bian Li.Study on supplier evaluation and selection and optimization problems in lean supply chain[D].Changsha:Central South University,2006.(in Chinese)

[16] Vapnik V N.The nature of statistical learning theory [M].New York:Springer-Verlag,1995.

[17] Hu Guo-sheng,Zhang Guo-hong.Comparison on neural networks and support vector machines in suppliers’ selection[J].Journal of Systems Engineering & Electronics,2008,19(2):316-320.

[18] Zhai L Y,Khoo L P,Zhong Z W.A rough set enhanced fuzzy approach to quality function deployment[J].The International Journal of Advanced Manufacturing Technology,2008,37(5-6):613-624.

[19] Wang Pei,Zhang Ding-hua,Chen Bing,et al.Evaluation of multi-process plans based on fuzzy comprehensive evaluation and grey relational analysis[J].Journal of Aerospace Power,2012,27(9):2075-2085.(in Chinese)

[20] Cover T M, Thomas J A.Elements of information theory[M].2nd Edition. New Jersey:Wiley-Blackwell, 2006.

[21] Tzeng G H,Huang J J.Multiple attribute decision making:

Methods and appliations[J].Lecture Notes in Economics & Mathematical Systems,2011,375(4):1-531.

附中文參考文獻(xiàn)：

[11] 吳堅(jiān),曹清瑋.不確定決策環(huán)境下綠色供應(yīng)商選擇方法研究[J].運(yùn)籌與管理,2012,21(1):220-225.

[12] 楊俊宇,湯文成.基于混合方法的供應(yīng)鏈協(xié)同計(jì)劃研究[J].計(jì)算機(jī)工程與科學(xué),2012,34(3):180-185.

[15] 邊利.精益供應(yīng)鏈的供應(yīng)商評(píng)價(jià)選擇及優(yōu)化研究[D].長(zhǎng)沙：中南大學(xué),2006.

[19] 王佩,張定華,陳冰,等.基于模糊綜合評(píng)價(jià)與灰色關(guān)聯(lián)分析法的多工藝方案評(píng)價(jià)[J].航空動(dòng)力學(xué)報(bào),2012,27(9):2075-2085.