整体评价与内部有效性评价相结合的供应链绩效评价研究

论文摘要

本文研究在供应链管理的模式下,对具有复杂性、自适应性和动态性的供应链系统进行绩效评价的问题。研究侧重于从整体评价和内部有效性评价两个角度展开,借助融合的评价方法开展具体的评价工作。研究从几个方面展开：第一,回顾近10年来供应链绩效评价领域的国内外研究进展；第二,简介支持向量机、仿生智能算法、数据包络分析、主成分分析、人工神经网络和模糊综合评价等方法；第三,从整体评价和内部有效性评价两个角度构建PSO-SVM和PCA-CS-DEA两个评价模型；第四,以真实的算例对两个模型进行仿真,以检验其有效性；第五,将PSO-SVM的评价结果与传统方法的评价结果进行比较,以表明PSO-SVM方法的优势；第六,本文的数据处理和模型求解过程全部在Matlab上编程实现,所有源代码一并附于论文中,以供后续研究者参考。研究成果包括两个方面：第一,构建整体评价和内部有效性评价两个不同视角的评价模型；第二,提出PSO-SVM和PCA-CS-DEA两种融合的评价方法用于供应链绩效评价。该研究成果能够用于复杂供应链系统的绩效评价。与传统方法相比,本文的评价视角更加全面,评价方法更具融合性,评价结果更加精确。

论文目录

• 摘要
• ABSTRACT
• 目录
• 附表与插图
• 符号表
• 1 绪论
• 1.1 研究背景
• 1.2 研究目的
• 1.3 研究内容、方法和框架
• 1.3.1 研究内容
• 1.3.2 研究方法
• 1.3.3 论文的框架
• 1.4 研究的创新点
• 2 供应链绩效评价综述
• 2.1 供应链绩效评价概述
• 2.1.1 供应链绩效评价的定义
• 2.1.2 供应链绩效评价的地位和作用
• 2.2 供应链绩效评价方法概述
• 2.2.1 层次分析法
• 2.2.2 模糊综合评价
• 2.2.3 人工神经网络
• 2.2.4 数据包络分析
• 2.2.5 支持向量机
• 2.3 供应链绩效评价方法的融合趋势
• 3 基于PSO-SVM的供应链整体绩效评价研究
• 3.1 微粒群算法的基本理论
• 3.1.1 微粒群算法的标准模型
• 3.1.2 微粒群算法的流程
• 3.2 支持向量机的基本理论
• 3.2.1 支持向量机的概念
• 3.2.2 标准支持向量分类机
• 3.2.3 标准支持向量回归机
• 3.2.4 支持向量机的特点分析
• 3.2.5 支持向量机核函数的选择
• 3.3 基于PSO-SVM的供应链整体绩效评价
• 3.3.1 PSO-SVM模型的参数分析
• 3.3.2 PSO优化SVM参数的流程
• 3.3.3 PSO-SVM绩效评价模型的建立
• 3.4 算例
• 3.4.1 PSO-SVM仿真算例
• 3.4.2 PSO-SVM仿真效果的比较分析
• 4 基于PCA-CS-DEA的供应链内部有效性评价研究
• 4.1 数据包络分析的基本理论
• 4.1.1 数据包络分析的概念
• 2R和C²GS²模型'>4.1.2 C²R和C²GS²模型
• 2R和C²GS²模型的有效性判定'>4.1.3 C²R和C²GS²模型的有效性判定
• 4.1.4 投影分析
• 4.1.5 数据包络分析的优势和劣势评价
• 4.2 主成分分析及其应用
• 4.2.1 主成分分析的基本理论
• 4.2.2 主成分分析的几何意义
• 4.2.3 运用主成分分析确定指标权重
• 4.2.4 算例
• 4.3 数据包络分析的指标分析与处理
• 4.3.1 指标数量与DEA有效性的关系
• 4.3.2 复杂系统指标处理方法
• 4.4 评价复杂供应链内部有效性的PCA-CS-DEA模型
• 4.4.1 PCA-CS-DEA模型的基本思想和模型的建立
• 4.4.2 PCA-CS-DEA的有效性判定及其投影分析
• 4.4.3 实施PCA-CS-DEA的步骤
• 4.5 算例
• 4.5.1 供应链整体有效性评价
• 4.5.2 投影分析及改进后的整体绩效检验
• 5 结论与展望
• 5.1 结论
• 5.2 展望
• 参考文献
• 附录
• 攻读学位期间发表论文
• 致谢