基于三支决策的大型企业供需双方匹配方法与流程

本发明涉及信息技术、知识管理、三支决策等领域，提供了一种基于三支决策的大型企业供需双方匹配方法。

背景技术：

在全球化市场环境下，为了满足消费者对个性化产品的需求，制造企业面临着越来越大的压力。而供应商作为制造企业的源头，直接决定了制造业企业的产品质量、交货水平。传统的企业着重研究如何选择合适的供应商，却往往忽视了制造商在供需合作关系上的作用。制造商所处的现状直接影响供应商在合作中的态度，因此需要协调制造商与供应商之间的合作匹配关系。双边匹配研究的出现在一定程度上解决了双方匹配的问题。但在现实生活中，制造商与供应商之间是一种长期的合作关系，因此从长时期的角度考虑供需双方的合作稳定性问题是非常有必要的。

以往的研究对解决各种双边问题做出了重要的贡献，但这些研究大多是考虑单阶段静态评价信息，很少考虑匹配双方多个时期的合作稳定性评价。尽管合作稳定性与满意度密切相关，但为了尽可能准确获取匹配主体的满意度，建立一种考虑双方多个时期合作稳定性的匹配模型是非常有必要的。而且，在一些现实的双边匹配问题中，决策者应该更多的关心匹配方案的公平性，而不仅仅是满意度。例如，在大型企业中，制造商和供应商共同影响企业的整体利润，决策者对某一方满意度的偏好将会影响到企业的整体效益。显然，从企业效益的角度来确定能够最大限度地提高供需双方满意度和公平性的匹配结果是合理的。

而且由于客观世界的复杂性和人类对事物认识的有限性，双方的评价信息中包含了大量模糊和不确定的信息，这种信息往往以语义的形式给出。而区间数是一种不确定性的数学描述形式，相比于三角模糊数，能够以简单直观的形式表示模糊信息。

在现实世界中，匹配对象通常从多个方面对另一方进行度量，而且在各个方面都有其理想值。我们认为由具有全部理想值属性组成的对象是理想匹配对象，也就是使对方最满意的对象。对于一个对象来说，实际值和理想值越贴近，满意度就越高。而灰色关联分析方法(greyrelationalanalysis，gra)是一种有效的工具，根据序列曲线几何模式的相似性水平来判断关系的贴近度，即“灰色关联度”，作为衡量因素间关联程度的一种方法。关联程度越高，满意度也就越高。

三支决策思想的提出将传统的二支决策模式延伸到接受、拒绝和延迟决策三种决策模式上，是一种符合人类认知的决策模型，给出了新的思考问题和解决问题的方式。这种三支的思想在日常生活中普遍存在，并且在医疗诊断领域、金融领域和管理学领域都得到了广泛的应用。对于三支匹配，主要体现于对双方匹配对的三支划分。企业的决策者往往根据满意度是否达到双方要求将匹配对分为合适与不合适两类，这是一种二支的表示方式，即这个匹配对要么属于候选匹配对，要么不属于候选匹配对。然而对于不太合适的匹配对，也就是那些仅满足某一方要求的匹配对，有可能由于价格等因素能够保持稳定、持续的合作关系，在双方长期的合作中，这样的一些供需个体能够给企业带来可观的收益。考虑到这种匹配关系对企业整体效益的影响，因此用三支的匹配对表示更为合理，将达到双方满意度标准的匹配对划分到核心域部分；将达到单方满意度标准的匹配对划分到边缘域部分；将均没有达到双方满意度标准的匹配对划分到琐碎域部分。

技术实现要素：

本发明针对现有技术存在的匹配供需双方个体没有考虑双方公平性、长期的合作稳定性和整体效益等缺点。提出了一种基于三支决策的大型企业供需双方匹配方法能够有效的解决上述的问题，能够为企业的高层决策者提供一个公平、长期稳定的匹配方案，满足了企业对整体效益的需求。

一种基于三支决策的大型企业供需双方匹配方法，其包括以下步骤：

步骤1，将需求方和供应方的语义信息依据对事物评价的好坏程度分成e类，且每一类都用区间数与之对应，然后将需求方和供应方带有语义信息的实际值和理想值转换为对应的区间数；

步骤2，使用基于区间数的灰色关联分析方法对每个匹配主体进行计算，生成每个主体对另一方主体的初始满意度矩阵；

步骤3，根据双方给定的满意度阈值并基于三支决策建立三支匹配矩阵，将匹配对划分为三部分；

步骤4，从匹配主体的满意度、匹配方案公平性以及整体效益视角建立多目标优化模型，得到单一时期的最佳匹配结果及对应的数量关系；

步骤5，根据步骤4中得到的匹配结果及数量关系计算每个匹配主体的合作稳定性；然后将每个匹配主体的合作稳定性与满意度加权求和，得到新的满意度；

步骤6，循环迭代步骤3至步骤5，直到最大迭代次数，此时得到的收敛结果即为最终匹配结果。

进一步的，所述步骤1将双方的语义信息依据对事物评价的好坏程度分成e类，每一类都有区间数与之对应。然后将带有双方语义信息的理想值与实际值通过以下公式转换为对应的区间数：

其中，表示第e个语义信息对应的区间数值，se和分别表示区间数值的下限和上限。为了便于表示，我们用带下划线的符号来表示区间数值的下限，带上划线的符号来表示区间数值的上线。e表示语义信息的序号，e＝{1，2，...，e}。

进一步的，所述步骤2使用基于区间数的灰色关联分析方法对每个匹配主体进行计算，生成每个主体对另一方主体的初始满意度矩阵，具体包括：

step1：对属性值进行归一化处理。对于区间数属性值若为收益属性，其归一化计算公式如下：

若为消耗属性，其归一化计算公式为：

ai表示第i个需求个体，a′i表示经过归一化处理后的区间属性值，n为某一方的对象个数。

step2：分别计算需求方对供应方及供应方对需求方在每个属性上理想值与实际值的距离值：

其中，a＝{a1，...，ai，...，am}代表需求方个体集合，ai表示第i个需求个体；b＝{b1，...，bj，...，bn}代表供应方个体集合，bj表示第j个供应个体。使用属性集合c＝{c1，...，ck，...，cp}来评估需求个体对供应个体的满意度，cjk表示供应个体bj在属性ck上的值；使用属性集合d＝{d1，...dh，...，dq}来衡量供应个体的满意度，dih表示需求个体ai在属性dh上的值。表示需求个体ai对供应方在属性ck上的理想值，表示供应个体bj对需求方在属性dh上的理想值。

step3：基于需求方对供应方在每个属性上理想值与实际值的距离值使用如下公式计算需求个体ai对供应个体bj在属性ck上的初始满意度系数：

基于供应方对需求方在每个属性上理想值与实际值的距离值可以得到供应个体bj对需求个体ai在属性dt上的初始满意度系数：

其中ρ为分辨系数，一般在0～1之间，通常取0.5。

step4：给定供应个体属性的权重向量其中表示供应方第k个属性值的权重。将上一步中得到的初始满意度系数根据属性加权计算需求个体ai对供应个体bj的满意度：

相似的，给定需求个体属性的权重向量表示需求方第h个属性值的权重。将上一步中得到的初始满意度系数根据属性加权计算供应个体bj对需求个体ai的满意度：

由此求得每个需求个体ai对全部n个供应方个体的初始满意度ui＝{μ′i1，...，μ′ij，...，μ′in}及每个供应个体bj对全部m个需求方个体的初始满意度vj＝{v′1j，...，v′ij，...，v′mj}。

进一步的，步骤3根据双方给定的满意度阈值并基于三支决策的思想建立三支匹配矩阵，将匹配对划分为三部分的方法具体如下：

(1)双方匹配对的构造，将需求个体ai对供应个体bj的初始满意度μ′ij和对应的供应个体bj对需求个体ai的初始满意度v′ij组合并构成匹配对(μ′ij，v′ij)；

(2)根据三支决策规则，确定供需双方对另一方所要求的最低满意度阈值α和β，阈值的取值范围均为0～1。然后构建二维坐标系，其中，横坐标表示需求方满意度，纵坐标表示供应方满意度。根据双方最低满意度阈值α和β及满意度最大值将二维矩阵分为四个象限，当α≤μ′ij≤1，且β≤v′ij≤1时，为第i象限；当0≤μ′ij≤α，且β≤v′ij≤1时，为第ii象限；当0≤μ′ij≤α，且0≤v′ij≤β时，为第iii象限；当α≤μ′ij≤1，且0≤v′ij≤β时，为第iv象限，得到供需双方的匹配矩阵。接着根据双方满意度与阈值的关系将每个匹配对依次划分到三支的核心域和边缘域中，其中第i象限为核心域，第ii象限和第iv象限为边缘域，第iii象限为琐碎域，由此得到三支匹配结果。

进一步的，所述步骤4从匹配主体的满意度、匹配方案公平性以及整体效益视角建立多目标优化模型具体如下：

(1)最大化需求方满意度

(2)最大化供应方满意度

(3)最小化双方的满意度差值

(4)最小化需求方花销

(5)最大化供应方收入

(6)限制条件

其中匹配结果xijt为0-1的决策变量，当xijt＝1时，表明需求主体ai与供应主体bj在时期t形成匹配关系；当xijt＝0时，表明两者在时期t未形成匹配。xijt表示需求个体ai与供应个体bj在时期t产生的订单数量。dijcost表示需求个体ai购买供应个体bj产品的价格属性；cijrevenue表示供应个体bj向需求个体ai提供产品时得到的利润属性。θj表示供应个体bj最多能匹配的需求个体数量，σi表示需求个体ai最多能匹配的供应个体数量。通过求解上述模型得到当前时期双方匹配的结果xijt及对应的订单数量xijt。μ″ijt表示需求个体ai对供应个体bj在时期t的满意度，v″ijt表示供应个体bj对需求个体ai在时期t的满意度。

进一步的，所述步骤5根据上一步骤中得到的匹配结果及数量关系计算每个匹配主体的合作稳定性。然后将每个匹配主体的合作稳定性与满意度加权求和，得到新的满意度方法具体如下：

(1)依据上一步骤中得到的匹配结果xijt及对应的订单数量xijt计算相应时期的需求个体与供应个体之间的合作稳定性及供应个体与需求个体之间的合作稳定性

(2)将步骤2中得到的个体初始满意度与其合作稳定性结果加权，得到下一时期的双方最终满意度：

其中，μ″ijt表示需求个体ai对供应个体bj在时期t的满意度，v″ijt表示供应个体bj对需求个体ai在时期t的满意度。ξa和ξb分别代表需求方和供应方对初始满意度的权重，ηa和ηb分别代表需求方和供应方对合作稳定性评价的权重。

进一步的，所述步骤6依据得到的下一时期的双方最终满意度基于步骤3的三支匹配矩阵将匹配对重新分成三部分，并进行步骤4的计算，再依据步骤5计算下一时期的满意度。如此循环，直到达到最大迭代次数，得到最终收敛的匹配结果。

本发明的优点及有益效果如下：

本发明提出一种基于三支决策的大型企业供需双方匹配方法，能够处理带有语义信息的不确定性数据，并转化为满意度。考虑到“不太合适”的个体可能在双方长期合作中带来一定的影响，建立了一种双方合作稳定性评价方式，并基于三支决策思想，将匹配对划分到三个域中，更加符合实际情况和现实应用场景。从供需双方满意度、公平性以及整体效益角度建立多目标模型，更加符合现实场景，能够满足企业高层决策者的需求。

1、将语义信息通过区间数转换为个体的满意度，能够糅合模糊语义信息并进行处理；

2、建立了一种供需双方长期合作的稳定性的评价方式，并利用三支决策思想，将匹配对划分到三个域，能够考虑到令单方满意的个体在长时期合作过程中带来的影响，更精确的划分匹配对；

3、通过最小化双方满意度差值来体现匹配过程中的公平性，并通过最小化需求方花销及最大化供应方收入来体现企业的整体效益。从供需双方满意度、公平性以及整体效益三个方面考虑匹配问题，能够得到最令企业高层决策者满意的匹配结果。

附图说明

图1是本发明提供的实施例的基于三支决策的大型企业供需双方匹配方法流程框图；

图2是语义信息与其对应的区间数的转化图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、详细地描述。所描述的实施例仅仅是本发明的一部分实施例。

本发明解决上述技术问题的技术方案是：

图1为本发明提出的一种基于三支决策的大型企业供需双方匹配方法流程框图。将双方带有语义信息的实际值和理想值转换为对应的区间数；使用基于区间数的灰色关联分析方法对每个匹配主体进行计算，生成每个主体对另一方主体的初始满意度矩阵；根据双方给定的满意度阈值并基于三支决策的思想建立三支匹配矩阵，将匹配对划分为三部分；从匹配主体的满意度、匹配方案公平性以及整体效益视角建立了多目标模型，得到单一时期的最佳匹配结果及对应的数量关系；根据上一步中得到的匹配结果及数量关系更新匹配主体的合作稳定性及满意度；重新求解多目标模型，直到最大迭代次数，此时得到的收敛结果即为最终匹配结果。

(1)初始满意度计算阶段

如图2所示将带有双方语义信息的理想值与实际值通过以下公式转换为对应的区间数：

其中，表示第e个语义信息对应的区间数值。然后使用基于区间数的灰色关联分析方法对每个匹配主体进行计算，生成每个主体对另一方主体的初始满意度矩阵，具体步骤如下：

step1：对属性值进行归一化处理；

step2：分别计算需求方对供应方及供应方对需求方在每个属性上理想值与实际值的距离值；

step3：基于距离，计算需求个体ai对供应个体bj在属性ck上的初始满意度系数；

step4：给定供应个体属性的权重向量，将上一步中得到的初始满意度系数根据属性加权计算需求个体ai对供应个体bj的满意度。

(2)候选匹配对选择阶段

根据双方给定的满意度阈值并基于三支决策的思想建立三支匹配矩阵，将匹配对划分为三部分的方法具体如下：

step1：双方匹配对的构造，将需求个体ai对供应个体bj的初始满意度μ′ij和对应的供应个体bj对需求个体ai的初始满意度v′ij组合并构成匹配对(μ′ij，v′ij)；

step2：根据三支决策规则，确定供需双方对另一方所要求的最低满意度阈值α和β，阈值的取值范围均为0～1。然后构建二维坐标系，其中，横坐标表示需求方满意度，纵坐标表示供应方满意度。根据双方最低满意度阈值α和β及满意度最大值将二维矩阵分为四个象限，当α≤μ′ij≤1，且β≤v′ij≤1时，为第i象限；当0≤μ′ij≤α，且β≤v′ij≤1时，为第ii象限；当0≤μ′ij≤α，且0≤v′ij≤β时，为第iii象限；当α≤μ′ij≤1，且0≤v′ij≤β时，为第iv象限，得到供需双方的匹配矩阵。接着根据双方满意度与阈值的关系将每个匹配对依次划分到三支的核心域和边缘域中，其中第i象限为核心域，第ii象限和第iv象限为边缘域，第iii象限为琐碎域，由此得到三支匹配结果。

(3)满意度更新阶段

从匹配主体的满意度、匹配方案公平性以及整体效益视角建立多目标优化模型，通过求解上述模型得到当前时期双方的匹配结果xijt及对应的订单数量xijt。然后计算每个匹配主体的合作稳定性，再将每个匹配主体的合作稳定性与满意度加权求和，得到新的满意度。再依据新的满意度重新划分三支匹配对，进行下一时期的计算。

以下举例对本发明的实施作进一步说明。本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

假设某企业旗下有2家制造商和2家供应商需要进行匹配，属性cj1和di1均为收益属性。制造商的理想匹配供应商信息和供应商的实际信息如下表：

供应商的理想匹配制造商信息和制造商的实际信息如下表：

首先，将带有双方语义信息的理想值与实际值转换为对应的区间数，然后使用基于区间数的灰色关联分析方法对每个匹配主体进行计算，生成每个主体对另一方主体的初始满意度矩阵如下表：

限制每个个体能够匹配的另一方个体数量最多为2，然后设置双方的满意度阈值分别为α＝0.4和β＝0.4，并建立三支匹配矩阵，将匹配对划分为三部分，由此得到核心匹配为(a2，b1)和(a2，b2)，边缘匹配为(a1，b1)，匹配对(a1，b2)为无关匹配。

接着将候选匹配对即核心域和边缘域中的匹配对加入到多目标模型中，通过求解模型得到第一次迭代的结果为x11＝0，x21＝1，x22＝1。然后计算双方这一时期的稳定性，更新满意度，得到第二次迭代的满意度矩阵为：

再将通过三支匹配矩阵划分匹配对，通过求解模型得到第二次迭代的匹配结果为x11＝0，x21＝1，x22＝1。重复上述步骤，最终得到的匹配结果为x11＝0，x21＝1，x22＝1，即需求个体a2与供应个体b1和b2形成匹配，需求个体a1未与任何供应个体形成匹配。

以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后，技术人员可以对本发明作各种改动或修改，这些等效变化和修饰同样落入本发明权利要求所限定的范围。