基于BP神經網絡及層次分析法的供應商選擇問題

尹婷婷（西北工業大學 圖書館，西安 710072）

1 引言

圖書供應商是影響圖書館圖書采購質量和館藏建設的關鍵要素之一,因此準確評價與合理選擇書商對圖書館來說至關重要。近年來圖書館都相繼開始采用圖書招標方式進行圖書采購,而在圖書招標中建立一種科學的書商優選模式,避免單靠經驗選擇書商顯得十分重要。同時,圖書館也要隨時、方便地對已合作書商的綜合能力變化情況進行科學判斷,這樣有利于保證圖書館對書商實現動態選擇。此外,書商之間的競爭日益激烈,他們需要關注自己的綜合能力,并不斷完善以求發展。這些都要求對書商的綜合能力進行科學、快捷的定量評價,找出影響其綜合能力的主要指標。因此,圖書館書商綜合能力的評價對圖書館和書商而言都成了一個急需解決的問題,也是圖書館學的熱門話題，[1]相關研究論文和專著層出不窮，一些論文和專著對圖書供應商的評價指標進行了詳細分析，還有的文獻將層次分析法應用到書商選擇上。[2-4]層次分析法的特點是在對復雜的決策問題的本質、影響因素及其內在關系等進行深入分析的基礎上,利用較少的定量信息使決策的思維過程數學化,從而為多目標、多準則或無結構特性的復雜決策問題提供簡便的決策方法，該方法的整個過程體現了人的決策思維的基本特征,即分解、判斷與綜合,定性與定量相結合,便于決策者之間彼此溝通,是一種十分有效的系統分析方法。[5]但這種方法仍存在局限性，主要表現在：（1）評價過程中下一層要素與上一層要素的線性或非線性關系難以確定，不同的評價者可能得出不同的結果；（2）對系統進行評價時，容易出現判斷上的邏輯錯誤，必須進行一致性檢驗；（3）檢驗判斷矩陣的一致性非常困難，當判斷矩陣不具有一致性時，要經過若干次的調整、檢驗、再調整、再檢驗的過程才能使判斷矩陣具有一致性。

因此本文根據圖書館發展要求和書商服務的特點，借助BP神經網絡這一非線性科學理論，采用基于BP 算法的層次分析法構建適合定量分析評價書商綜合能力的模型，[6]進行圖書供應商的綜合能力評價。這種方法克服了傳統層次分析法的不足與局限，同時利用BP神經網絡所具有的大規模并行、分布、存儲、自適應、自組織和自學習的功能，不斷積累知識和經驗，不斷修正所學的知識，從而克服評價與決策過程中的人為因素，使評價與決策更準確、客觀。

2 建立圖書館供應商綜合能力評價指標體系及層次劃分

按照全面性與科學性、定量分析與定性分析相結合、可行性與可操作性、靈活性與目標導向性的原則，綜合考慮各方面因素的影響，同時便于比較，本文采用書商評價指標體系與層次劃分。[1,7-10]

（1）供應能力。作為圖書供應商必須具備圖書供應的能力,提供最新版本的圖書和提供國家一級出版社出版的圖書比率的大小是供應商在供應能力方面的重要體現。

（2）書目數據。圖書供應商不僅需要向圖書館提供圖書,還需要提供一定的服務,主要包括以下幾方面：免費提供全面的采訪數據，提供采編數據加工，提供符合國標或CALIS 標準的編目數據，及時反饋采不到或出版變化的圖書，提供義務咨詢以及有針對性地制作個性化征訂數據等服務，圖書出現破損、錯訂等情況能夠及時進行調換等。

（3）價格。由于不同供應商對圖書的折扣率亦有不同,從而造成圖書采購價格的差異。

（4）影響力。供應商的經營規模、資金狀況、信譽度、與國家一級出版社合作關系、定準率等自身綜合實力對圖書館選擇供應商起到很大的影響作用。

（5）業績。主要包括與其他圖書館的合作情況，最近3年的營業狀況，最大營業額，市場占有率。

（6）交貨能力。圖書供應商的交貨能力指訂書提前期和交書率，訂書提前期指從發出訂單到收到圖書所用的時間，交書率高是體現供應商實力的重要指標。

（7）采購方式。實現書目信息預訂與現場采購相結合的圖書訂購方式。

（8）信譽。主要包括資質和誠信狀況，嚴格按圖書館的訂單發書,防止任意搭配非訂購圖書的行為，無違法亂紀的經營行為，允許訂購方合理退書等。

3 基于BP神經網絡的層次分析法及各層權值的確定

將BP神經網絡用于層次分析法的基本原理為：把評價或決策指標作為BP神經網絡的輸入向量，把相應綜合評價的目標作為神經網絡的輸出，把層次分析法中的判據層作為網絡的隱含層。使用網絡前，先用一些經傳統綜合評價取得成功的樣本集訓練這個網絡，使網絡所具有的連接權值經過自適應學習后得到正確的內部表示，訓練好的神經網絡就可以作為綜合評價與決策的有效工具。輸入評價方案或決策目標的指標參數即可輸出評價目標量值。評價或決策時可以利用貢獻分析變量選擇理論，[11]對評價或決策指標進行選擇和篩選，使用于評價的神經網絡模型盡可能簡化，有利于計算機編程和運算。

按照BP 算法原理，可以得出基于BP 算法的層次分析法的步驟：[6]

（1）確定基本隨機變量的概率模型，創建用于評價學習的神經網絡，確定網絡結構參數，輸入層、隱含層、輸出層神經元個數，學習系數，誤差允許范圍δ 等。

（2）為網絡的連接權賦初值。

（3）對基本隨機變量重復m+n 次有目的的采樣（m、n 分別為神經網絡學習和檢驗所需要的次數），利用有限元軟件[12]進行m+n 次分析，獲得m+n 組響應量值。

（4）將m 次采樣的基本隨機變量作為神經網絡的訓練值，對網絡進行學習，計算樣本隱含層和輸出層各處理單元的實際輸出值。

（6）求Yp和Ep。

（7）若Ep≤δ，則結束學習。

（8）對隱含層和輸出層的處理單元分別計算其誤差。

（9）對權值進行修正。

（11）輸入評價或決策系統的各指標參數至訓練好的網絡，模擬網絡，輸出系統評價量值。

4 基于BP神經網絡的層次分析法仿真實例

4.1 確定基本變量及初始樣本點

為了便于與傳統的層次分析法相比較，本文選用李麗華等發表的“基于AHP 線性規劃的優化圖書供應量分配方案”文章中層次分析法的各項指標值作為BP網絡輸入層的17個節點。輸出層為一個節點，為供應商的綜合指標數，如表1 所示。17個基本輸入變量均服從對數正態分布，利用自適應重要抽樣法[13]篩選17個輸入變量的值，各指標如表2 所示，輸入值及其對應的輸出值即構成BP網絡的初始樣本點。

表1 結果對比

4.2 BP神經網絡模型的建立及訓練

利用初始樣本值通過網絡學習得到網絡的連接權值和閥值，其中輸入層采用“tansig”傳輸函數，隱含層采用“purelin”傳遞函數，學習過程中根據迭代情況適當調整隱含層神經元個數。當隱含層神經元個數為19時網絡收斂較快，收斂條件為網絡的誤差小于等于1.0e-2，網絡訓練曲線如圖所示。網絡訓練結束后，利用已知數據對網絡進行測試，測試數據的目標值與BP神經網絡的訓練值的比較見表1。

表2 初始樣本點

圖 BP神經網絡訓練曲線

由表1 可見，各組數據的目標值與訓練值的誤差最大為5.5%，滿足工程所需的精度，因此該BP網絡已達到了仿真所需要的要求。

4.3 仿真實例

根據已得到的BP神經網絡，對3個不同的供應商進行綜合測評，所得到的數據如表3 所示。列出了3個不同供應商的綜合評價目標值計算結果，依據目標值的大小，3個不同供應商供書質量由好到壞依次為：D2、D1、D3，同時說明D2 供應商具有較好的綜合供應能力。

表3 不同供應商的比較

5 結論

本文利用BP神經網絡及層次分析法，在充分分析評價指標體系的基礎上，建立圖書供應商綜合指標評價模型，客觀、公正地解決了圖書采購的供應商選擇問題。本方法可以克服傳統層次分析法的人為因素較多，影響評價結果的準確性和客觀性的不足，同時本方法具有不需要進行一致性檢驗，可以避免出現邏輯錯誤的優點，并且可以根據實際應用效果進行反饋和模型修正。

當然，基于BP 算神經網絡的層次分析法也具有一定的局限性，這種方法的收斂速度和所選擇的網絡參數有關，并且可能出現局部最小的情況，隨后的研究中將考慮綜合利用標桿法、模糊數學、多目標規劃、智能計算等技術和方法對所做的模型進行進一步的修正。

[1]張利,等.圖書館圖書供應商綜合能力評價模型及分析[J].實踐研究，2009（12）：76－80.

[2]Mk Brady，J J Gronin.Some new thoughts on conceptualizing perceived service quality：A hierarchical approach[J].Journal of Marketing，2001，65（3）：34－49.

[3]劉麗文.服務運營管理[M].北京：清華大學出版社，2004.

[4]Christian Gronroos.Service Management and Marketing：Management the Moments of Truth in Service Competition[M].Toronto：Lexington Books，1990.

[5]張志清,楊中華.基于AHP 和NEULONET的供應商選擇問題[J].系統工程與電子技術，2007（29）：570－573.

[6]黃冬民,端木京順.基于BP 算法的層次分析法研究[J].貴州工業大學學報,2004（33）：67－70.

[7]李麗華,等.基于層次分析法的圖書供應商評價模型[J].河北科技師范學院學報,2008（9）：38－41.

[8]徐詩濤.論圖書館圖書供應商的選擇[J].圖書館界,2004，6（2）：51－53.

[9]王云娣.基于層次分析法的圖書館信息服務能力綜合評價[J].情報科學，2008（1）：82－86.

[10]馮臻.淺談采購供應商選擇中層次分析法的應用[J].無錫職業技術學院學報,2007（3）:26－27.

[11]高仁祥，等.基于神經網絡的變量選擇方法[J].系統工程學報，1998，13（2）：32－37.

[12]趙經文，王宏鈺.結構有限元分析[M].北京：科學出版社，2001.

[13]呂震宙，楊子政.基于神經網絡的可靠性分析新方法[J].機械強度，2006,28（5）：699－702.