大型工程項(xiàng)目監(jiān)理承包商的選擇方法研究

徐武明，徐玖平,b

（四川大學(xué)a.不確定決策實(shí)驗(yàn)室b.水力學(xué)與山區(qū)河流開(kāi)發(fā)保護(hù)國(guó)家重點(diǎn)實(shí)驗(yàn)室，成都610064）

0 引言

大型工程監(jiān)理承包商的選擇問(wèn)題，本質(zhì)上一是多屬性決策問(wèn)題[1]，二是如何從現(xiàn)在有關(guān)屬性對(duì)未來(lái)監(jiān)理效果進(jìn)行有效預(yù)測(cè)的問(wèn)題。因此尋找到適合于大型工程監(jiān)理承包商選擇的更科學(xué)更有用的指標(biāo)（即屬性），又能正確找到各種輸入指標(biāo)和未來(lái)監(jiān)理效果之間的對(duì)應(yīng)函數(shù)關(guān)系，具有一定智能的工程監(jiān)理承包商的一種選擇方法，對(duì)大型工程項(xiàng)目管理和成敗意義重大。

神經(jīng)網(wǎng)絡(luò)（Neural Network）利用數(shù)學(xué)的方法模擬生物神經(jīng)網(wǎng)絡(luò)，是一種大規(guī)模并行的非線性動(dòng)力學(xué)系統(tǒng)。BP（Back Propagation，后向）神經(jīng)網(wǎng)絡(luò)其層與層之間權(quán)重可自修正，并已經(jīng)證明在閉區(qū)間內(nèi)任何一個(gè)N維到M維的連續(xù)函數(shù)都可以用含有一個(gè)隱層的神經(jīng)網(wǎng)絡(luò)來(lái)逼近,即一個(gè)3層神經(jīng)網(wǎng)絡(luò)就能夠?qū)崿F(xiàn)任意精度的由N維向M維的映射[2-3]。因此將神經(jīng)網(wǎng)絡(luò)應(yīng)用于監(jiān)理承包商監(jiān)理效果預(yù)測(cè)，對(duì)于上面所說(shuō)的不足之處，可以一一有效解決。它是幫助找到大型工程監(jiān)理承包商選擇的有效方法。

1 基本思想和步驟

基本思想是：首先，先用樣本集的數(shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)，直到滿足一定條件為止，使其具有預(yù)測(cè)的能力。用其來(lái)進(jìn)行工程監(jiān)理承包商的監(jiān)理效果預(yù)測(cè)。然后把監(jiān)理效果納入到工程監(jiān)理承包商的選擇指標(biāo)進(jìn)行選擇。

整個(gè)算法的步驟可以描述如下：

（1）根據(jù)大型工程項(xiàng)目的監(jiān)理實(shí)際，優(yōu)化建立輸入指標(biāo)集。

（2）構(gòu)造神經(jīng)網(wǎng)絡(luò)，確定神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和類(lèi)型，以及隱含層數(shù)、每層的節(jié)點(diǎn)數(shù)、權(quán)值取值范圍、訓(xùn)練算法、輸出層結(jié)點(diǎn)數(shù)目和含義。

（3）確定原始輸入數(shù)據(jù)，對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，選擇出訓(xùn)練樣本集、檢驗(yàn)樣本集和待選樣本集。訓(xùn)練樣本集用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)；檢驗(yàn)樣本集用于模擬檢驗(yàn)訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)；待選樣本集用于實(shí)際情況測(cè)試，選擇工程監(jiān)理承包商。

（4）在節(jié)點(diǎn)數(shù)、權(quán)值的取值范圍內(nèi)，隨機(jī)地產(chǎn)生一個(gè)網(wǎng)絡(luò)結(jié)構(gòu)，從輸入層到輸出層，用訓(xùn)練算法進(jìn)行訓(xùn)練。滿足一定條件終止。

（5）用檢驗(yàn)樣本集模擬檢驗(yàn)訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)效果。

（6）用待選樣本集進(jìn)行監(jiān)理承包商的監(jiān)理效果預(yù)測(cè)。

（7）利用監(jiān)理承包商的監(jiān)理效果預(yù)測(cè)指標(biāo)，構(gòu)造監(jiān)理承包商選擇指標(biāo)和選擇算法。

（8）對(duì)工程監(jiān)理承包商選擇。

2 構(gòu)建輸入屬性集

大型工程監(jiān)理承包商的比較要素，即屬性（或謂指標(biāo)），為和實(shí)踐中的做法有更好銜接，歸為技術(shù)屬性集、商務(wù)屬性集。

技術(shù)屬性集主要基于監(jiān)理方提交監(jiān)理大綱等技術(shù)文件和工程項(xiàng)目監(jiān)理人員情況，商務(wù)屬性集主要基于報(bào)價(jià)、監(jiān)理方情況和監(jiān)理方的服務(wù)承諾等。論文中的監(jiān)理是指一般意義上的監(jiān)理，即施工監(jiān)理。參照有關(guān)規(guī)定和資料[4-5]，根據(jù)咨詢實(shí)踐，構(gòu)建技術(shù)屬性集如表1；構(gòu)建商務(wù)屬性集如表2。各屬性值類(lèi)型可分為C-continuous：連續(xù)屬性；S-symbolic：離散屬性。

表1 監(jiān)理承包商技術(shù)屬性集

表2 監(jiān)理承包商商務(wù)屬性集

3 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

圖1 選用的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

選用MATLAB 7.1為開(kāi)發(fā)工具[6]。建立神經(jīng)網(wǎng)絡(luò)如圖1所示，選擇三層BP網(wǎng)絡(luò)，分別為輸入層、隱單元層、輸出層[3-5]。

輸入層節(jié)點(diǎn)I=(I1,I2,……,I29)，共29個(gè)，是因?yàn)榧夹g(shù)屬性集和商務(wù)屬性集點(diǎn)(I1,I2,……,I26)，2個(gè)節(jié)點(diǎn)(I27,I28)表示工程類(lèi)型，見(jiàn)下表3，另外一個(gè)節(jié)點(diǎn)對(duì)應(yīng)閾值。

中間一層隱單元處理層，隱單元處理層中的節(jié)點(diǎn)個(gè)數(shù)，按照2n+1方法[2-3]，選擇59個(gè)，其中58個(gè)節(jié)點(diǎn)接受輸入層的結(jié)果，另外一個(gè)節(jié)點(diǎn)對(duì)應(yīng)隱單元的閾值。

輸出層主要對(duì)應(yīng)監(jiān)理效果，監(jiān)理效果采用目標(biāo)輸出法和利益相關(guān)者滿意度方法[7]測(cè)量。節(jié)點(diǎn)數(shù)為8，o=(o1,o2,o3,o4,o5,o6,o7,o8,o9)，其中o1=投資控制效果分，o2=進(jìn)度控制效果分，o3=質(zhì)量控制效果分，o4=安全環(huán)境文明分，o5=協(xié)調(diào)效果分，o6=業(yè)主滿意度，o7=設(shè)計(jì)方滿意度，o8=施工方滿意度，o9=政府監(jiān)管部門(mén)滿意度。具體如何得值見(jiàn)實(shí)例。

隱單元層采用logsig函數(shù)

輸出層用purelin函數(shù)purelin(x)=x

在閾值點(diǎn)設(shè)置權(quán)值范圍[-1，1]，其它點(diǎn)權(quán)值范圍[0，1],在權(quán)值范圍內(nèi)隨機(jī)產(chǎn)生網(wǎng)絡(luò)初始權(quán)值。

4 實(shí)例

表3 工程類(lèi)型節(jié)點(diǎn)表

從S省招標(biāo)公司的2002～2008年招投標(biāo)數(shù)據(jù)集選用歷年的中標(biāo)企業(yè)和監(jiān)理工程（已完工）作為實(shí)例，選取訓(xùn)練樣本10條和檢驗(yàn)樣本5條，從2009年數(shù)據(jù)集中選用某一項(xiàng)監(jiān)理工程的投標(biāo)企業(yè)3家，作為待選樣本3條。

4.1 數(shù)據(jù)預(yù)處理

每條樣本的輸入層，見(jiàn)表1，表2，第1-26個(gè)節(jié)點(diǎn)對(duì)應(yīng)編號(hào)1-26的屬性，大部分?jǐn)?shù)據(jù)按規(guī)則顯然給值，有些在工程評(píng)標(biāo)階段已經(jīng)評(píng)價(jià)給值，給值不全的請(qǐng)5位有關(guān)專(zhuān)家重新給以評(píng)值。第27-28個(gè)節(jié)點(diǎn)對(duì)應(yīng)工程類(lèi)型。第29個(gè)節(jié)點(diǎn)是閾值=1。

對(duì)于訓(xùn)練樣本和檢驗(yàn)樣本，每條訓(xùn)練樣本的輸出層，(o1,o2,o3,o4,o5)按照收集的工程完工資料和監(jiān)理報(bào)告由5位專(zhuān)家依據(jù)評(píng)分規(guī)則予以打分,每位專(zhuān)家打分范圍在（0，1），取算術(shù)平均給分。

o6,o7,o8,o9各方滿意度主要是指各方對(duì)且僅對(duì)監(jiān)理和監(jiān)理方的滿意度，由于得到反饋所需時(shí)間不同，采用工程監(jiān)理結(jié)束各方不等長(zhǎng)時(shí)間發(fā)放回收有效調(diào)查表的方法，各方滿意度值按照各方回收的有效評(píng)分的份數(shù)算術(shù)平均。滿意度量值表見(jiàn)表4。

表4 滿意度量值表

4.2 訓(xùn)練

為提高訓(xùn)練效率，選用批處理訓(xùn)練，訓(xùn)練算法選用Matlab里的traingd函數(shù)（即最速下降法），性能函數(shù)選用MSE（mean squared error,均方誤差）。

用預(yù)處理的10條訓(xùn)練樣本進(jìn)行批處理訓(xùn)練，結(jié)果顯示，近40個(gè)周期基本收斂穩(wěn)定。如圖2所示。予以訓(xùn)練100次。至此，監(jiān)理承包商實(shí)際產(chǎn)出預(yù)測(cè)器建立完成。

4.3 檢驗(yàn)

以此作為實(shí)際使用的大型工程監(jiān)理承包商監(jiān)理效果預(yù)測(cè)器,對(duì)檢驗(yàn)樣本集的5條數(shù)據(jù)進(jìn)行檢驗(yàn)。

檢驗(yàn)得到每條樣本數(shù)據(jù)預(yù)測(cè)結(jié)果值和實(shí)際值的誤差值的MSE的值，見(jiàn)表5。

MSE的平均值為0.036899，可見(jiàn)預(yù)測(cè)效果很好。

4.4 選擇

在準(zhǔn)確預(yù)測(cè)的基礎(chǔ)上，用監(jiān)理效果預(yù)測(cè)值(o1,o2,o3,o4,o5,o6,o7,o8,o9)，再加上I16共10項(xiàng)指標(biāo)作為大型工程監(jiān)理承包商選擇的指標(biāo)集。

由10項(xiàng)指標(biāo)如何去選擇監(jiān)理承包商，現(xiàn)成方法很多，選用最簡(jiǎn)單常用的算術(shù)平均法，并對(duì)I16調(diào)整如下

圖2 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)訓(xùn)練效果圖

表5 測(cè)試樣本性能函數(shù)MSE表

I16分值調(diào)整為

其中max{I16}為3家監(jiān)理商監(jiān)理報(bào)價(jià)的最高值，min{I16}為3家監(jiān)理商監(jiān)理報(bào)價(jià)的最低值。

用預(yù)測(cè)器對(duì)待選樣本集的3條樣本數(shù)據(jù)進(jìn)行預(yù)測(cè)，分別得到對(duì)應(yīng)的(o1,o2,o3,o4,o5,o6,o7,o8,o9)，并如上調(diào)整，得各樣本的10項(xiàng)指標(biāo)，然后加權(quán)平均得值依次為0.825，0.891，0.852，因此選擇第二家T公司。這項(xiàng)監(jiān)理招標(biāo)在實(shí)際中也是選擇的T公司。

5 結(jié)論

對(duì)大型工程項(xiàng)目來(lái)說(shuō)，真正關(guān)心的是監(jiān)理效果。監(jiān)理資質(zhì)級(jí)別，注冊(cè)資本多少，其實(shí)與工程監(jiān)理本身并無(wú)多大直接關(guān)系，它其實(shí)就是一個(gè)前期用來(lái)初步預(yù)測(cè)監(jiān)理效果的依據(jù)指標(biāo)。既然如此，建立比較準(zhǔn)確的預(yù)測(cè)就很有必要，也很有價(jià)值。

神經(jīng)網(wǎng)絡(luò)特有的對(duì)具體對(duì)應(yīng)法則無(wú)需事先清楚掌握、連接權(quán)值能夠自學(xué)習(xí)自我更正的特點(diǎn)，為正確找到大型工程監(jiān)理承包商的各種屬性和未來(lái)監(jiān)理效果之間的對(duì)應(yīng)函數(shù)關(guān)系提供了可能，指出了一個(gè)方向。從上面可以看到，用這種人工神經(jīng)網(wǎng)絡(luò)技術(shù)構(gòu)造的預(yù)測(cè)器能夠比較準(zhǔn)確地預(yù)測(cè)監(jiān)理效果。在比較準(zhǔn)確預(yù)測(cè)的基礎(chǔ)上，把監(jiān)理效果作為選擇時(shí)也應(yīng)考慮的指標(biāo)去選擇監(jiān)理承包商，就更加科學(xué)。

接下來(lái)要做的工作，一是使指標(biāo)和神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)更有針對(duì)性優(yōu)化；二是收集更多數(shù)據(jù)對(duì)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行訓(xùn)練，提高神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)精確度；三是預(yù)測(cè)后的輸出指標(biāo)和輸入指標(biāo)怎樣更好結(jié)合來(lái)選擇。從而讓它更好地應(yīng)用到實(shí)際的大型工程建設(shè)項(xiàng)目中去，幫助選擇監(jiān)理承包商，優(yōu)化工程監(jiān)理，提高大型工程建設(shè)項(xiàng)目的經(jīng)濟(jì)效益和社會(huì)效益。

[1] 徐玖平,吳巍.多屬性決策的理論與方法[M].清華大學(xué)出版社,2006.

[2] 韓力群.人工神經(jīng)網(wǎng)絡(luò)教程[M].北京∶郵電大學(xué)出版社,2006.

[3] Robert Hecht-Nielsen.Theory of the Back Propagation Neural Network[C].Proceedings of the International Joint Conference on Neural Network,1989.

[4] 王海寬,石全,張麗坤.未確知測(cè)度模型在建設(shè)監(jiān)理招標(biāo)評(píng)標(biāo)中的應(yīng)用[J].建筑經(jīng)濟(jì),2008,(S1)

[5] 李海濤.建立科學(xué)合理的監(jiān)理評(píng)標(biāo)體系初探[J].建筑市場(chǎng)與招標(biāo)投標(biāo),2005,(6).

[6] 楊高波,元波.精通MATLAB7.0混合編程[M].北京∶電子工業(yè)出版社,2006.

[7] Richard L daft.組織理論與設(shè)計(jì)[M].大連∶東北財(cái)經(jīng)大學(xué)出版社,2002.