基于ＶＰＲＳ的投標(biāo)風(fēng)險規(guī)則挖掘算法研究

摘要：本文研究了基于VPRS的投標(biāo)風(fēng)險規(guī)則獲取問題，從經(jīng)驗數(shù)據(jù)中發(fā)現(xiàn)風(fēng)險規(guī)律和知識，用于風(fēng)險預(yù)測，可以有效消除項目投標(biāo)風(fēng)險系統(tǒng)中的分類錯誤，得到強(qiáng)規(guī)則，支持風(fēng)險規(guī)避決策。

關(guān)鍵詞：變精度粗集；投標(biāo)風(fēng)險規(guī)避；數(shù)據(jù)挖掘

中圖分類號：TP311文獻(xiàn)標(biāo)識碼：A文章編號：1009-3044(2008)20-30208-03

Research of VPRS Based on Data Mining and Risk Avoidance in Project Bidding

LIANG Chen， ZHANG Qing

(Southwest University of Science and Technology， Mianyang 621010， China)

Abstract：Risk rule extraction is studied in the thesis. A series of algorithms based on VPRS and its generalization is designed to process the decision data of RE in project bidding. Then， risk rule of project bidding is obtained， and it can be used to forecast risk before the bidding.

Key words：Variable Precision Rough Set;Bidding Risk Avoidance;Data Mining

1 前言

項目投標(biāo)具有很高的風(fēng)險性，很多企業(yè)在贏得投標(biāo)合同之后仍然難以獲得預(yù)期利潤。有效地實施風(fēng)險規(guī)避是降低項目風(fēng)險、提高投標(biāo)商效益的必要手段。現(xiàn)有對于投標(biāo)風(fēng)險規(guī)避的研究，傳統(tǒng)的風(fēng)險規(guī)避通常以調(diào)研結(jié)果的簡單統(tǒng)計作為決策依據(jù)，缺少對現(xiàn)有經(jīng)驗數(shù)據(jù)的加工處理，一般限于投標(biāo)過程的某一個環(huán)節(jié)，如成本、報價和項目實施風(fēng)險等，沒有貫穿于投標(biāo)全過程，這樣就會缺少對于投標(biāo)過程動態(tài)風(fēng)險的控制。基于以上原因，本文應(yīng)用VPRS方法于投標(biāo)風(fēng)險決策數(shù)據(jù)挖掘，對投標(biāo)項目風(fēng)險規(guī)避問題進(jìn)行全面、系統(tǒng)的分析，將項目投標(biāo)全過程風(fēng)險規(guī)避問題作為研究對象實現(xiàn)投標(biāo)風(fēng)險規(guī)避。

2 投標(biāo)風(fēng)險因素和數(shù)據(jù)來源

2.1 投標(biāo)風(fēng)險因素和數(shù)據(jù)來源

在投標(biāo)理論研究方面，由于早期投標(biāo)對象的各種屬性確定性很高，如物品或簡單的工程項目等，報價成為獲得拍賣物品和贏得合同的決定性因素。現(xiàn)有的投標(biāo)分析模型隨著投標(biāo)項目的日益多元花，投標(biāo)風(fēng)險也以多種形式存在，并可能造成不同的風(fēng)險后果。

目前，一般將項目投標(biāo)風(fēng)險分為：

1)業(yè)主風(fēng)險，包括領(lǐng)導(dǎo)支持，需求定位和員工配合；

2)能力風(fēng)險，包括投標(biāo)商實力，項目經(jīng)驗和需求理解；

3)市場風(fēng)險，包括風(fēng)險偏好，競爭狀況和報價；

4)開發(fā)風(fēng)險，包括項目進(jìn)度，項目組織和質(zhì)量控制；

5)技術(shù)風(fēng)險，包括技術(shù)支持，開發(fā)和維護(hù)能力[1，2]。

投標(biāo)過程的內(nèi)在復(fù)雜性與人類判斷的非結(jié)構(gòu)性，表明投標(biāo)過程會輕易地被不相關(guān)的信息所影響，因此，在使用粗糙集理論時，需要考慮的一個重要問題是原始數(shù)據(jù)的離散化。由于項目投標(biāo)風(fēng)險涉及因素太多，在實踐中難以用非常定量的方法加以衡量，例如：技術(shù)風(fēng)險，對于同一個技術(shù)，在一個月以前技術(shù)不成熟，可能是高風(fēng)險，一個月后技術(shù)成熟，就變成低風(fēng)險了。因而，本文的數(shù)據(jù)主要來源于專家對風(fēng)險因素現(xiàn)有狀況的評估，如專家打分、群決策、問卷調(diào)查等。

2.2 風(fēng)險規(guī)避流程

目前，投標(biāo)風(fēng)險規(guī)避實施流程沒有統(tǒng)一的界定。借鑒項目管理的風(fēng)險經(jīng)驗，項目投標(biāo)風(fēng)險規(guī)避的基本流程總結(jié)如下：

1)風(fēng)險識別（Risk Identification）

風(fēng)險識別就是確定風(fēng)險的來源，查明它們是否會影響項目的投標(biāo)。由于風(fēng)險的隨機(jī)性和不確定性，可以由專家根據(jù)具體情況，列舉主要的風(fēng)險。風(fēng)險識別的基本依據(jù)就是客觀世界的因果關(guān)聯(lián)性和可識別性。

風(fēng)險識別是風(fēng)險規(guī)避的第一個關(guān)鍵步驟，主要考慮：①確認(rèn)風(fēng)險的客觀存在。經(jīng)過調(diào)查研究和經(jīng)驗，確認(rèn)該項目確實存在該種風(fēng)險，不是憑空想象的。②確立風(fēng)險的初步清單。在清單中列出潛在的各種風(fēng)險，應(yīng)包括影響因素。

2)風(fēng)險評估（Risk Assessment）

風(fēng)險評估主要是對項目風(fēng)險大小進(jìn)行估計。Boehm提出了R=（P*C）風(fēng)險評估模型，其中，R表示風(fēng)險，P表示不利事件發(fā)生的概率，C表示不利事件發(fā)生的后果[3]。有學(xué)者提出組織專家對投標(biāo)項目的各風(fēng)險類型和其中的風(fēng)險要素以及項目的整體風(fēng)險程度進(jìn)行評估，也就是對風(fēng)險當(dāng)量（Risk Exposure， RE）打分，1為輕度，2為適中，3為較高，4為極高[4]。

3)風(fēng)險分析（Risk Analysis）

對風(fēng)險評估的結(jié)果進(jìn)行分析，以一定的算法或方法對評估數(shù)據(jù)進(jìn)行處理，得到相應(yīng)的結(jié)果。分析各種風(fēng)險可能造成的后果，以及可以采取的相應(yīng)風(fēng)險規(guī)避措施和風(fēng)險規(guī)避力度排序。

4)風(fēng)險處理（Risk Reduction）

根據(jù)風(fēng)險分析的結(jié)論，針對不同的風(fēng)險及其風(fēng)險當(dāng)量，實施風(fēng)險規(guī)避措施，如調(diào)整報價、風(fēng)險轉(zhuǎn)移、通過合作分?jǐn)傦L(fēng)險等，以及相應(yīng)的風(fēng)險規(guī)避力度，以減少投標(biāo)商的項目投標(biāo)風(fēng)險。

5)風(fēng)險監(jiān)控（Risk Monitoring）

對風(fēng)險處理的效果進(jìn)行跟蹤，監(jiān)控投標(biāo)過程的不同階段風(fēng)險狀況的變化，并及時作出風(fēng)險規(guī)避策略的調(diào)整，實現(xiàn)動態(tài)的風(fēng)險管理。

3 變精度粗糙集

3.1 理論綜述

粗糙集理論是波蘭科學(xué)家Pawlak在1982年提出的，是一門實用性很強(qiáng)的學(xué)科，用于處理模糊和不確定性知識，已經(jīng)在不少領(lǐng)域取得了豐碩的成果，如近似推理、數(shù)字邏輯分析和化簡、建立預(yù)測模型、決策支持、控制算法獲取、機(jī)器學(xué)習(xí)算法和模式識別等等[5-6]。

變精度粗集（Variable Precision Rough Set，簡稱VPRS）是對Pawlak粗糙集的有利擴(kuò)充。在數(shù)據(jù)集合中存在噪聲等干擾情況下，經(jīng)典理論會由于對數(shù)據(jù)的過擬合而使其對新對象的預(yù)測能力大為降低。而在實際應(yīng)用中，噪聲是在所難免的。為增強(qiáng)粗糙集模型的抗干擾能力，Ziarko[7，8]提出了一種VPRS模型，通過引入一個分類誤差β（0≤β<0.5）使該模型具有一定的容錯性。隨后，An等人將β定義為正確分類的比例，合理范圍為0.5<β≤1。當(dāng)β=1時，VPRS轉(zhuǎn)變?yōu)镻awlak粗糙集，因此，Pawlak粗糙集可看成是VPRS的一個特例。VPRS模型兼容了Pawlak粗糙集的一切功能，并允許有一定程度的錯誤分類率存在，這有利于解決屬性間無函數(shù)或不確定關(guān)系的數(shù)據(jù)分類問題，并通過預(yù)置近似精度因子，放松對標(biāo)準(zhǔn)粗糙集嚴(yán)格的邊界定義，使模型具有抗噪聲能力。利用VPRS這種特性可以有效消除投標(biāo)風(fēng)險信息系統(tǒng)中的數(shù)據(jù)噪聲，提高投標(biāo)風(fēng)險規(guī)避決策的精度。

3.2基于VPRS的規(guī)則提取算法

VPRS模型的基本作用之一是尋找能與屬性全集提供相同分類信息的條件屬性子集，由β定義一個特定的正確分類率，被稱為“近似約簡”或“β-約簡”[9]。

假定U表示一個信息系統(tǒng)中的所有對象，信息系統(tǒng)由條件屬性集C和決策屬性集D組成。Ziarko將VPRS的分類質(zhì)量定義為VPRS模型相應(yīng)的根據(jù)以上分析，建立β-約簡規(guī)則挖掘算法如下：

算法步驟：

步驟1建立對象的評價指標(biāo)體系；

步驟2組織專家對投標(biāo)項目和風(fēng)險指標(biāo)RE打分，建立決策表；

步驟3調(diào)整、確定β值；

步驟4對決策表進(jìn)行β-約簡，從決策表中消去冗余屬性；

步驟5合并重復(fù)的行；

步驟6消去屬性的冗余值；

步驟7得到最簡規(guī)則。

4 基于VPRS的投標(biāo)風(fēng)險規(guī)則挖掘

經(jīng)過專家對10個投標(biāo)項目和各指標(biāo)的RE進(jìn)行評價，1為輕度，2為適中，3為高，得到某項目投標(biāo)RE評價決策表（見表1）。具體指標(biāo)包括：P1—投標(biāo)商實力；P2—人員結(jié)構(gòu)；P3—產(chǎn)品經(jīng)驗；P4—項目計劃；P5—報價；P6—維護(hù)能力；P7—生產(chǎn)平臺。

根據(jù)專家評估結(jié)果建立決策表，執(zhí)行算法，從表1中可以看出屬性P1，P2和P6，P3和P4對應(yīng)的各個投標(biāo)商的評價值是相同的，可知，人員結(jié)構(gòu)和維護(hù)能力都是投標(biāo)商實力的體現(xiàn)，而項目計劃通常由產(chǎn)品經(jīng)驗決定，因此，可以將P2，P4，P6作為冗余屬性去掉，得到表2如下：

令P=條件屬性全集={P1，P3，P5，P7}，D=決策屬性集=g0gggggg，β=0.6，則有：

IND(P)={{1}，{2}，{3}，{4}，{5}，{6}，{7，9，10}，{8}}

IND(D)={{1，2，5}，{3，4，6，7}，{8，9，10}}

IND(P-{P1})={{1}，{2，3}，{4}，{5}，{6，7，9，10}，{8}}

IND(P-{P3})={{1，2}，{3}，{4，8}，{5}，{6}，{7，9，10}}

IND(P-{P5})={{1}，{2}，{3}，{4}，{5，6}，{7，9，10}，{8}}

IND(P-{P7})={{1}，{2，5}，{3}，{4}，{6}，{7，9，10}，{8}}

由以上結(jié)果可知，當(dāng)β=1時，項目7與項目9，10具有相同的條件屬性和不同的決策屬性，決策表中存在著規(guī)則的不一致問題。而當(dāng)β=0.6時，項目7與項目9，10的條件屬性可以一起并入到相應(yīng)的決策等價類中，使決策表中的規(guī)則達(dá)到一致，屬性P7相對決策屬性d可省略，而屬性P1，P3，P5相對于決策屬性d不可省略，因此，CORDD(P)={P1，P3，P5}，得到約簡決策表（表3）。

5 結(jié)束語

本研究的理論價值在于為項目投標(biāo)風(fēng)險挖掘與規(guī)避提供一種新的研究思路，其實踐意義在于輔助投標(biāo)商對實際經(jīng)驗數(shù)據(jù)進(jìn)行深層次的總結(jié)，為項目投標(biāo)決策提供強(qiáng)有力的決策支持技術(shù)，提高投標(biāo)決策的效率和質(zhì)量，為投標(biāo)商規(guī)避項目投標(biāo)風(fēng)險提供決策依據(jù)，從而有效提高項目投標(biāo)的成功率。從社會角度來看，當(dāng)投標(biāo)商的風(fēng)險規(guī)避效果得到改善，則意味著社會資源配置的進(jìn)一步合理化，減少了資源浪費(fèi)，降低了社會風(fēng)險。因而，應(yīng)用VPRS對項目投標(biāo)風(fēng)險規(guī)則規(guī)避進(jìn)行探索具有一定的理論和實際應(yīng)用價值。

參考文獻(xiàn)：

[1] G.Xie and J.L. Zhang. Software Bidding Risk Model Based on VPRS and Fuzzy Set[J].Competitive Bidding and Auctions Proceeding， Wuhan， China， Lecture Notes in Decision Science， 2004， Vol.6， (2): 162-168.

[2] G.Xie， J.Zhang and K.K.Lai. A Group Decision-Making Model of Risk Evasion in Software Project Bidding Based on VPRS. Lecture Notes in Artificial Intelligence[J]， Springer-Verlag GmbH， 2005， Vol.3642: 530-538.

[3] B.W.Boehm. Software risk management: Principles and practices[J/OL]. IEEE Software，1991， Vol.8， (1)， 32-41.

[4] 張金隆，謝剛，盧新元. 一種基于VPRS 的IT項目投標(biāo)風(fēng)險要素評價方法[J].管理學(xué)報，2004， Vol.1， (2): 192-194.

[5] Z.Pawlak. Rough sets. International Journal of Computer and Information Science，1982，Vol.11，(5): 341-356.

[6] Z.Pawlak. Rough Sets: Theoretical Aspects of Reasoning About Data[J]. Kluwer Academic Publishers， Boston， 1991: 1-35.

[7] W.Ziarko. Variable precision rough set model. Journal of Computer and System Sciences，1993，Vol.46， (1): 39-59.

[8] W.Ziarko. Analysis of Uncertain Information in the Framework of Variable Precision Rough Sets[J]. Foundations of Computing and Decision Sciences，1993，Vol.18，(3-4):381-396.

[9] M.J.Beynon. Reducts within the variable precision rough sets model: a further investigation[J]. European Journal of Operational Research， 2001， Vol.134: 592-605.