基于BP神经网络和合作博弈的供应商评价选择研究

论文摘要

20世纪90年代以来,供应链管理作为一种新的适应全球制造、顾客需求多样化的管理模式,在企业中得到了广泛的应用,敏捷制造和动态企业联盟成为新的企业竞争模式和发展趋势。而供应商选择是构筑供应链的第一步,也是关键的一步。企业所选供应商能否与整个供应链的步调保持一致,能否促进整个供应链竞争力的增强,是供应链上每个企业所关注的问题。本文以供应商评价、选择以及合作后的利益分配问题为研究对象。首先,基于BP神经网络能以任意精度逼近任何非线性连续函数,以及神经网络自学习和自适应的特点,作者设计了一个通过学习专家意见或业内人士的经验来进行供应商评价的BP网络模型。然后,为解决供应商与制造商之间长期稳定的合作伙伴关系,对于合作伙伴的利益分配问题,基于合作博弈理论强调团体理性、效率、公平,以及“双赢”的特点,得出了基于选择单个供应商或多个供应商,两种情况的合作博弈解。本文主要完成了以下5个方面的工作：(1)供应商评价选择文献综述。从不同领域以及环境,对国内外建立的供应商评价体系进行研究,选择了符合供应链管理环境的供应商评价指标体系。从定量、定性以及定量定性相结合三个角度,研究了供应商评价的方法。在供应商评价选择方法中,重点研究了层次分析法、BP神经网络方法和合作博弈理论。(2)供应商影响因素分析。通过研究供应链管理环境下,供应商评价选择特点,按照采购策略对供应商进行分类,分析了影响供应商评价的主要因素,即本文中所采用的供应商评价指标。(3)人工神经网络方法的应用。在研究供应商评价选择方法的基础上,改进了BP神经网络评价选择方法。应用层次分析法进行数据样本采集,作为BP神经网络的输入样本和目标输出样本,通过对BP神经网络的反复训练,得到相对稳定性、精确度较好的BP神经网络模型,即建立了供应商评价模型。应用MATLAB7.0中的神经网络工具箱,实现了BP神经网络的仿真,实验表明,基于BP神经网络的供应商评价模型稳定性、精确性在允许范围内,具有一定的应用价值。(4)合作以后利益分配问题的研究。通过对供应链管理环境下,供应商评价和选择方法的研究,提出了将BP神经网络方法与合作博弈理论相结合,建立长期稳定的合作伙伴关系。在进行供应商评价的基础上,对合作后的利益分配问题进行研究,从而促进与供应商建立长期稳定合作伙伴关系协议的达成,本文将合作伙伴关系的研究分为两种情况进行讨论。其一,是选择一个最佳供应商建立合作伙伴关系的情况,应用合作博弈理论中的纳什均衡解,进行利益分配的研究；其二,是选择多个供应商建立合作伙伴关系的情况,应用合作博弈理论中的核心解概念,进行利益分配的研究。(5)总结本文的研究成果和主要贡献,指出了本论文研究的不足,以及进一步需要开展的研究工作。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景
• 1.2 问题的提出及研究意义
• 1.3 研究思路与研究方法
• 1.4 论文结构
• 第2章 文献综述
• 2.1 供应商评价指标体系研究综述
• 2.1.1 国外研究现状
• 2.1.2 国内研究现状
• 2.2 供应商评价选择方法研究综述
• 2.2.1 定性的选择方法
• 2.2.2 定量的选择方法
• 2.2.3 定性与定量相结合的选择方法
• 2.3 已有文献的贡献与不足
• 第3章 供应商评价的影响因素
• 3.1 SCM环境下供应商的特点
• 3.1.1 供应商分类
• 3.1.2 供应商选择特点分析
• 3.2 影响因素分析
• 3.2.1 质量控制
• 3.2.2 技术水平
• 3.2.3 生产组织
• 3.2.4 企业基本信息
• 3.2.5 供应链绩效
• 3.3 本章小结
• 第4章 评价指标体系与方法的选择
• 4.1 评价指标体系
• 4.2 层次分析法
• 4.3 BP神经网络评价方法
• 4.4 合作博弈理论
• 4.5 本章小结
• 第5章 基于BP神经网络的供应商评价
• 5.1 人工神经网络（ANN）简介
• 5.1.1 人工神经网络的发展
• 5.1.2 人工神经网络结构
• 5.2 BP神经网络理论
• 5.2.1 BP神经网络特点
• 5.2.2 BP神经网络模型
• 5.2.3 BP算法
• 5.3 基于BP神经网络的评价模型
• 5.3.1 样本采集—层次分析法
• 5.3.2 数据处理
• 5.3.3 BP网络设计
• 5.3.4 网络学习与训练
• 5.3.5 实例仿真
• 5.4 结果分析
• 5.5 本章小结
• 第6章 合作博弈模型
• 6.1 合作博弈理论与相关概念
• 6.1.1 二人讨价还价解
• 6.1.2 联盟与特征函数
• 6.1.3 合作博弈中的解概念
• 6.2 合作伙伴选择问题描述
• 6.3 合作博弈分析
• 6.4 合作模型设计
• 6.4.1 模型假设
• 6.4.2 建立模型
• 6.4.3 模型解释
• 6.5 本章小结
• 第7章 结论及展望
• 7.1 主要研究成果及结论
• 7.2 主要贡献
• 7.3 进一步需要开展的工作
• 参考文献
• 致谢
• 作者简介
• 附录