CN115689201A - 面向企业资源供需调配的多准则智能决策优化方法及系统 - Google Patents
面向企业资源供需调配的多准则智能决策优化方法及系统 Download PDFInfo
- Publication number
- CN115689201A CN115689201A CN202211353814.4A CN202211353814A CN115689201A CN 115689201 A CN115689201 A CN 115689201A CN 202211353814 A CN202211353814 A CN 202211353814A CN 115689201 A CN115689201 A CN 115689201A
- Authority
- CN
- China
- Prior art keywords
- criterion
- fuzzy
- equal
- weight
- enterprise resource
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种面向企业资源供需调配的多准则智能决策优化方法及系统,包括:使用基于熵权的准则客观赋权过程确定企业资源供需调配准则的客观权重;将得到的所述客观权重输入到基于相对熵的准则组合赋权过程,生成反映实际调度情况的准则的组合权重;基于勾股模糊图的多准则决策过程接收前序步骤得到所述客观权重和所述组合权重,对多个企业资源供需调配调度方案进行评估;使用基于图论的企业资源供需调配多准则决策过程进行前序步骤的决策应用,以确定最优调度方案。本发明将勾股模糊图引入到企业资源供需调配决策问题中,用图来表达企业实际的供应链资源调度方案间的偏好关系,以及各种影响因素间的交互关系,方法简单易行,决策结果更加合理可靠。
Description
【技术领域】
本发明属于工业软件开发方法优化领域,具体涉及一种面向企业资源供需调配的多准则智能决策优化方法及系统。
【背景技术】
目前,我国越来越多的传统制造业正逐渐向信息化、数字化与智能化转型升级,这背后需要工业软件的支持。工业软件是工业技术与知识的程序化封装,其可以控制生产设备、优化制造流程,但是国内研发设计类的工业软件,大约95%左右都是依赖进口的,并且很多工业软件的信息化与数字化水平较低,无法推动企业从传统制造向智能制造转变。虽然大部分制造企业都将企业资源计划(Enterprise Resource Planning,ERP)系统作为企业决策层及员工提供决策运行手段的管理平台,但很多ERP系统仅集中在财务管理的层面,没有做到所有数据的高度集成,且缺乏智能分析与动态决策的能力。因此,对于制造企业复杂的供需调配场景,需要研究综合考虑多种因素的决策方法,发展具有智能决策能力的工业软件。
这种通过考虑多种因素从而进行决策优化实质上是一种典型的多准则决策问题,即在多种影响因素的作用下,从有限的方案中选择出较优的方案,以此辅助企业管理人员做出合理的决策。而企业资源的供需调配刚好是一个需要随时随地决策的复杂场景,故如果将多准则决策方法应用在该场景中,则可以为企业在供需侧的智能优化提供一解决方案。许多多准则决策方法都适用于企业资源的供需调配调度,传统的方法包括TOPSIS、ELECTRE、VIKOR等,这些方法虽然可以得到较为准确的决策结果,但是都依赖于决策者给出的实数形式的决策信息。然而在实际的决策问题中,企业管理人员通常只能给出不确定或模糊的信息,因此用模糊数来表达决策信息是十分有必要的。另外,在企业关于资源的供需调配过程中,会形成多条的供应链,这些链条间大多存在竞争或协同的关系,这些关系对最终资源调度方案的选择有着重要的影响,而图这种数据结构则可以很好地对链间的关系进行描述。在一种犹豫模糊语言术语集多准则决策方法(CN202111410038.2)专利中,将语言变量引入到了决策模型中,采用犹豫模糊语言术语集表达决策者的偏好,且综合了准则的主客观权重系数,得到的决策结果更加合理。该专利虽然考虑了决策过程中存在的不确定性,并用一种语言变量对其进行了描述,但是对于企业资源调度方案选择这类关系结构复杂的多准则决策问题而言并不适用,因为其并没有考虑问题中关系信息,导致可能出现最与实际情况不一致的决策结果。在一种基于勾股模糊-TOPSIS的新能源调度后评估方法及介质(CN114493227A)专利中,根据勾股模糊集同时包含隶属度、非隶属度和犹豫度的特点,将其作为表达决策信息的一种形式,并且利用勾股模糊集的距离测度来处理决策者权重不同及准则权重不同的情况。该专利的显著优势是采用了勾股模糊集这种数据形式。但是,目前技术方案都是针对简单关系结构中一种影响因素进行决策,当面对更加复杂的关系结构时,决策结果的准确性无法得到保证。
【发明内容】
为解决上述问题,企业资源供需调配是一个需要考虑多种影响因素的多准则决策问题。本发明引入一种表示复杂关系的机制,预用图的形式表达企业供需侧的链条关系,并围绕图开展多准则决策方法研究,旨在为诸如企业具有交互关系结构的多准则决策情景提供一种新的技术方案。
一方面,本发明提供了一种面向企业资源供需调配的多准则智能决策优化方法,包括下述步骤:
步骤1:使用基于熵权的准则客观赋权过程确定企业资源供需调配准则的客观权重;
步骤2:将得到的所述客观权重输入到基于相对熵的准则组合赋权过程,生成反映实际调度情况的准则的组合权重;
步骤3:基于勾股模糊图的多准则决策过程接收步骤1和步骤2得到所述客观权重和所述组合权重,对多个企业资源供需调配调度方案进行评估;
步骤4:使用基于图论的企业资源供需调配多准则决策过程进行步骤1、步骤2和步骤3的决策应用,以确定最优调度方案。
进一步的,在上述技术方案的基础上,所述基于熵权的准则客观赋权过程包括下述步骤:
步骤2.1:确定影响企业资源供需调配调度方案选择的评估准则,建立勾股模糊决策矩阵P,如下式所示:
式中,{X1,...,Xm}为m个企业资源供需调配调度方案集合,{C1,...,Cn}为n个评估准则集合,Pij=(μij,vij)为第i个方案在第j个准则下的勾股模糊准则值,μij和vij分别表示第i个方案在第j个准则下的隶属度与非隶属度,且μij,vij∈[0,1];
步骤2.2:根据所述勾股模糊决策矩阵,对n个准则的熵值采用勾股模糊熵测度确定,所述勾股模糊熵测度如下式所示:
步骤2.3:将所述勾股模糊熵测度代入熵权模型,得到每个准则的客观权重值,所述熵权模型为:
其中,i和j均为整数,1≤i≤m,1≤j≤n,w'j为第j个准则的客观权重值,m为调度方案的数量,n为评估准则的数量。
进一步的,在上述技术方案的基础上,所述基于相对熵的准则组合赋权过程包括:
步骤3.1:构建企业资源供需调配调度方案评估准则的组合权重模型,求解得到组合权重的表达形式,如下所示:
其中,h(uk,d*)表示每一种赋权结果与最优权重的贴近度,k为整数且1≤k≤p。
进一步的,在上述技术方案的基础上,所述基于勾股模糊图的多准则决策过程包括:
步骤4.1:根据企业资源供需调配勾股模糊决策矩阵P提供的准则值信息,构建每个准则下的方案勾股模糊图,计算每个图的拉普拉斯能量,并根据下式确定准则的主观权重,
式中,w”j为第j个准则的主观权重,j为整数且1≤j≤n,LE(μj)和LE(vj)分别表示第j个准则下的方案勾股模糊图Gj拉普拉斯能量的隶属度与非隶属度;
步骤4.2:利用所述基于熵权的准则客观赋权过程与基于相对熵的组合赋权过程,对企业资源供需调配调度方案评估准则的主、客观权重w”j与w'j进行组合,得到最终的准则权重wj;
步骤4.3:构建准则勾股模糊图G,计算企业资源供需调配决策矩阵P中各勾股模糊准则值的均值,得到勾股模糊准则值均值间的相关性系数,其中,Pi j即第j个准则下第i个方案的勾股模糊准则值的平均值,K(Pi j,Pi l)表示勾股模糊准则值Pi j和的均值间的相关性系数,其计算方式如下:
步骤4.4:将企业资源供需调配调度方案评估准则权重值、勾股模糊准则值、勾股模糊准则值均值间的相关性系数通过下式进行集成,得到每个企业资源供需调配调度方案的综合评价值,
其中,i,j,l均为整数,且1≤i≤m,1≤j≤n,1≤l≤n,pi表示第i个企业资源供需调配调度方案的综合评价值,wj表示第j个准则的权重,Pil表示第i个方案在第l个准则下勾股模糊准则值,K(Pi j,Pi l)表示勾股模糊准则值均值间的相关性系数;
步骤4.5:用下式所示的得分函数计算各方案综合评价值的得分值,从而对各企业资源供需调配调度方案进行排序,可得到最优方案,
进一步的,在上述技术方案的基础上,所述基于图论的企业资源供需调配多准则决策分析过程包括:
步骤5.1:构建n个评估准则下m个企业资源供需调配调度方案的勾股模糊决策矩阵P;
步骤5.2:计算P中的评估准则客观权重w'j;
步骤5.3:构建企业资源供需调配调度方案勾股模糊图Gj;
步骤5.4:计算各勾股模糊图Gj的拉普拉斯能量,并根据能量大小确定准则主观权重w'j';
步骤5.5:根据组合赋权方法计算各准则的组合权重wj;
步骤5.6:计算决策矩阵P中各勾股模糊准则值Pij的均值Pi j;
步骤5.7:构建准则勾股模糊图G,获取勾股模糊准则值均值间的相关性系数K(Pi j,Pi l);
步骤5.8:对wj、Pil、K(Pi j,Pi l)进行集成,确定各企业资源供需调配调度方案的综合评价值pi;
步骤5.9:计算各调度方案的得分函数值s(pi);
步骤5.10:根据得分函数的大小进行排序,得到企业资源供需调配最优调度方案;
其中,i,j,l均为整数,且1≤i≤m,1≤j≤n,1≤l≤n。
进一步的,在上述技术方案的基础上,所述企业资源为以下至少一种:
(1)生产资源;(2)数据库资源。
另一方面,本发明提供了一种面向企业资源供需调配的多准则智能决策优化系统,其特征在于包括:
处理器和存储器,所述处理器与所述存储器通信连接,
其中,所述存储器存储有计算机指令,所述处理器运行所述计算机指令时执行上述技术方案中的任一项所述的方法中的步骤。
本发明的有益效果:
本发明将基于勾股模糊图的多准则决策方法应用于企业资源供需调配调度方案的择优中,其中所构建的勾股模糊熵测度方法可以精准分析决策过程中的不确定性程度,从而合理分配多种决策准则的权重;基于相对熵的组合赋权模型则考虑了在决策时企业管理人员的主观意见,使得最终的决策准则权重更符合应用需求;勾股模糊图形式的多准则决策则将企业供需侧网络中复杂的交互关系进行了呈现,并通过图论与多准则决策相结合的方式实现了企业资源供需调配的最优选择;智能化决策系统则为企业管理人员提供了关于资源调配调度的辅助决策。
【附图说明】
图1为本发明的各处理方法间的关系图;
图2为本发明多准则智能决策优化方法流程图;
图3为本发明所涉及的方案勾股模糊图;
图4为本发明所涉及的准则勾股模糊图;
图5为本发明所开发的企业资源供需调配智能化决策软件架构图。
【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完整地描述作进一步的说明。为了便于理解,本具体实施方式是本发明公开的面向企业资源供需调配的多准则智能优化方法的一部分实施例,而不是全部的实施例,并不作为本发明权利要求的限定保护范围。
图1为本发明的一个优选实施例,本实施例可分解为五个处理部分,包括(1)基于熵权的准则客观赋权方法、(2)基于相对熵的准则组合赋权方法、(3)基于勾股模糊图的多准则决策方法、(4)基于图论的企业资源供需调配多准则决策分析、(5)企业资源供需调配智能化决策软件,各个组成部分间的关系如图1所示。前四个部分属于方法层面,最后一个部分为应用层面。其中,(1)基于熵权的准则客观赋权方法主要用来确定企业资源供需调配准则的客观权重,并将得到的权重输入到(2)基于相对熵的准则组合赋权方法中,其会生成准则的组合权重;(3)基于勾股模糊图的多准则决策方法会接收(1)、(2)的权重信息,并引入图论的相关概念对多个企业资源供需调配调度方案进行评估与决策;(4)基于图论的企业资源供需调配多准则决策分析是对(1)、(2)、(3)三种方法的具体的场景应用,以此获得符合企业资源供需调配要求的最优解;(5)企业资源供需调配智能化决策软件是(1)、(2)、(3)、(4)的集成与实现,如图5所示为本实施例的一个软件的架构图,基础层主要包括数据库服务器,应用支持层包括智能决策模型和数据访问对象,企业服务层包括REST API和WebService,并且企业服务层还可与外部的企业资源计划ERP系统进行数据交换,展现层为Web页面。
本发明的多准则智能决策优化方法包含10个具体的流程,如图2所示。首先构建企业资源供需调配调度方案勾股模糊决策矩阵(S1);其次,基于S1分别计算企业资源供需调配调度方案评估准则的客观权重(S2)、构建企业资源供需调配调度方案勾股模糊图(S3)、计算勾股模糊决策矩阵的勾股模糊准则值均值(S6);基于S3,确定企业资源供需调配调度方案评估准则的主观权重(S4);根据S2和S4得到的主客观权重,计算企业资源供需调配调度方案评估准则的组合权重(S5);之后,基于S6,构建准则勾股模糊图,确定勾股模糊准则值均值间的相关性系数(S7);基于S1、S4、S7,获取企业资源供需调配调度方案的综合评价值(S8);再计算S8中企业资源供需调配调度方案的综合评价值的得分函数值(S9);最后根据S9得到的得分函数对企业资源供需调配调度方案进行排序,选择出调度方案(S10)。
在本具体实施方案中,以我国某制造企业为例,对其日常生产资源调度场景进行分析。生产资源调度场景可以描述为:生产部门根据生产订单与生产计划进行设备生产,生产资源如锻压件、冲压件、小批量定制器件等需要在不同的生产子部门进行流通与调度,从而生产出完整的设备,但对于同一个生产任务会形成多种生产资源的调度方案,每一种调度方案都能够保证生产要求。现针对某一个生产任务有四种生产资源的调度方案X1~X4,X1是经济性优先策略下的调度方案,X2是可持续性优先策略下的调度方案,X3是时效性优先策略下的调度方案,X4是环保性优先策略下的调度方案。生产部门需要根据四个评估准则,零部件库存C1、订单优先级C2、生产效能C3和生产周期C4对各方案进行决策分析,以此产生最优方案。虽然四个评估准则都属于实数类型的定量准则,但仍需要生产部门管理人员对准则下的方案进行定性评估,将实数类型的方案准则值转换为勾股模糊准则值,并构建出生产资源调度方案勾股模糊决策矩阵P,如表1所示。
表1生产资源调度方案勾股模糊决策矩阵P
C<sub>1</sub> | C<sub>2</sub> | C<sub>3</sub> | C<sub>4</sub> | |
X<sub>1</sub> | (0.8,0.3) | (0.8,0.4) | (0.6,0.2) | (0.6,0.4) |
X<sub>2</sub> | (0.6,0.5) | (0.5,0.7) | (0.9,0.1) | (0.6,0.4) |
X<sub>3</sub> | (0.7,0.4) | (0.6,0.7) | (0.5,0.4) | (0.8,0.2) |
X<sub>4</sub> | (0.8,0.2) | (0.6,0.3) | (0.8,0.3) | (0.7,0.5) |
根据P中各勾股模糊准则值的信息,采用下式计算生产资源调度方案评估准则的客观权重,
其中,i,j分别指第i个方案和第j个准则,且1≤i,j≤4,μij、vij和πij分别表示第i个方案在第j个准则下的隶属度、非隶属度与犹豫度,m为调度方案的数量,n为评估准则的数量,这里都为4。计算得到4个准则的客观权重分别为:
w1'=(0.2872,0.2872),w'2=(0.1397,0.1397),w'3=(0.3944,0.3944),w'4=(0.1787,0.1787)
根据P中各勾股模糊准则值的信息,构建如图3所示的方案勾股模糊图Gj(j=1,2,3,4),其中,图中的节点x1~xm表示m个方案,图中的边表示方案间存在偏好关系。根据表2~表5所示的不同准则下的方案间交互值,可构建4个方案勾股模糊图。
表2准则C1下的方案间交互值
C<sub>1</sub> | X<sub>1</sub> | X<sub>2</sub> | X<sub>3</sub> | X<sub>4</sub> |
X<sub>1</sub> | (0.5,0.5) | (0.3,0.6) | (0.4,0.7) | (0.7,0.5) |
X<sub>2</sub> | (0.4,0.6) | (0.5,0.5) | (0.6,0.4) | (0.6,0.5) |
X<sub>3</sub> | (0.3,0.5) | (0.1,0.9) | (0.5,0.5) | (0.5,0.5) |
X<sub>4</sub> | (0.6,0.2) | (0.3,0.6) | (0.5,0.4) | (0.5,0.5) |
表3准则C2下的方案间交互值
表4准则C3下的方案间交互值
C<sub>3</sub> | X<sub>1</sub> | X<sub>2</sub> | X<sub>3</sub> | X<sub>4</sub> |
X<sub>1</sub> | (0.5,0.5) | (0.2,0.8) | (0.4,0.8) | (0.3,0.7) |
X<sub>2</sub> | (0.8,0.2) | (0.5,0.5) | (0.7,0.4) | (0.8,0.3) |
X<sub>3</sub> | (0.7,0.3) | (0.5,0.6) | (0.5,0.5) | (0.4,0.8) |
X<sub>4</sub> | (0.4,0.4) | (0.7,0.2) | (0.5,0.6) | (0.5,0.5) |
表5准则C4下的方案间交互值
C<sub>4</sub> | X<sub>1</sub> | X<sub>2</sub> | X<sub>3</sub> | X<sub>4</sub> |
X<sub>1</sub> | (0.5,0.5) | (0.3,0.6) | (0.4,0.6) | (0.4,0.5) |
X<sub>2</sub> | (0.7,0.2) | (0.5,0.5) | (0.8,0.4) | (0.8,0.3) |
X<sub>3</sub> | (0.8,0.4) | (0.3,0.8) | (0.5,0.5) | (0.7,0.5) |
X<sub>4</sub> | (0.8,0.4) | (0.1,0.8) | (0.7,0.5) | (0.5,0.5) |
根据P中各勾股模糊准则值的信息,计算勾股模糊决策矩阵的勾股模糊准则值均值Pi j,如下所示:
基于方案勾股模糊图Gj,采用下式计算生产资源调度方案评估准则的主观权重,
式中,j指第j个准则,且1≤j≤4,LE(μj)和LE(vj)分别表示图Gj拉普拉斯能量的隶属度与非隶属度,结果为:
w”1=(0.2107,0.2438),w”2=(0.2383,0.2552),w”3=(0.2706,0.2726),w”4=(0.2704,0.2285)
根据上述得到的主客观权重,利用下式所示的组合赋权法计算生产资源调度方案评估准则的组合权重,
w1=(0.2494,0.2676),w2=(0.1931,0.1959),w3=(0.3305,0.3293),w4=(0.2270,0.2072)。
基于勾股模糊准则值均值Pi j,构建如图4所示的准则勾股模糊图G,其中,图中的节点c1~cn表示n个决策准则,图中的边表示决策准则间存在的交互关系。采用下式确定勾股模糊准则值均值间的相关性系数,
式中,i,j,l分别指第i个方案和第j、l个准则,且1≤i,j,l≤4,和分别表示Pi j的隶属度、非隶属度与犹豫度,和分别表示Pi l的隶属度、非隶属度与犹豫度。得到的勾股模糊准则值均值间的相关性系数为:
K(C1,C2)=0.7670,K(C1,C3)=0.6386,K(C1,C4)=0.8296,K(C2,C3)=0.8952,K(C2,C4)=0.7198,K(C3,C4)=0.7341。
利用下式对表示准则权重wj、勾股模糊准则值Pil、勾股模糊准则值均值间的相关性系数K(Pi j,Pi l)进行集成,得到生产资源调度方案的综合评价值,
其中,i,j,l分别指第i个方案和第j、l个准则,且1≤i,j,l≤4,计算得到的4个调度方案的综合评价值为:
p1=(0.3302,0.0086),p2=(0.4629,0.0038),p3=(0.4023,0.0053),p4=(0.4186,0.0044)。
根据下式计算4个调度方案的得分函数值,
s(p1)=0.1090,s(p2)=0.2143,s(p3)=0.1618,s(p4)=0.1752
根据得分函数值进行方案排序:
X2>X3>X4>X1
故最优的生产资源调度方案为可持续性优先策略的方案X2。采用本发明有效地将生产资源以最优化的调度方案进行调配。除此之外,对于数字化企业,还涉及到大量数据库资源,这些数据库资源的调度是数字化企业实现智能制造的核心技术环节,采用图5所示的实施例,可为企业选择出最优化的调度方案,提升数字化企业的数据使用能力和应用水平。
以上是本发明的一些具体实施方式,但本发明并不仅局限于上述方式,所有对本发明技术特征的简单变换,凡依本发明专利申请范围所述的构造、特征及原理所做的等效变化或修饰,都将落入本发明的保护范围之内。
Claims (7)
1.一种面向企业资源供需调配的多准则智能决策优化方法,其特征在于包括下述步骤:
步骤1:使用基于熵权的准则客观赋权过程确定企业资源供需调配准则的客观权重;
步骤2:将得到的所述客观权重输入到基于相对熵的准则组合赋权过程,生成反映实际调度情况的准则的组合权重;
步骤3:基于勾股模糊图的多准则决策过程接收步骤1和步骤2得到所述客观权重和所述组合权重,对多个企业资源供需调配调度方案进行评估;
步骤4:使用基于图论的企业资源供需调配多准则决策过程进行步骤1、步骤2和步骤3的决策应用,以确定最优调度方案。
2.根据权利要求1所述的方法,其特征在于,所述基于熵权的准则客观赋权过程包括下述步骤:
步骤2.1:确定影响企业资源供需调配调度方案选择的评估准则,建立勾股模糊决策矩阵P,如下式所示:
式中,{X1,...,Xm}为m个企业资源供需调配调度方案集合,{C1,...,Cn}为n个评估准则集合,Pij=(μij,vij)为第i个方案在第j个准则下的勾股模糊准则值,μij和vij分别表示第i个方案在第j个准则下的隶属度与非隶属度,且μij,vij∈[0,1];
步骤2.2:根据所述勾股模糊决策矩阵,对n个准则的熵值采用勾股模糊熵测度确定,所述勾股模糊熵测度如下式所示:
步骤2.3:将所述勾股模糊熵测度代入熵权模型,得到每个准则的客观权重值,所述熵权模型为:
其中,i和j均为整数,1≤i≤m,1≤j≤n,w′j为第j个准则的客观权重值,m为调度方案的数量,n为评估准则的数量。
4.根据权利要求3所述的方法,其特征在于,所述基于勾股模糊图的多准则决策过程包括:
步骤4.1:根据企业资源供需调配勾股模糊决策矩阵P提供的准则值信息,构建每个准则下的方案勾股模糊图,计算每个图的拉普拉斯能量,并根据下式确定准则的主观权重,
式中,w″j为第j个准则的主观权重,j为整数且1≤j≤n,LE(μj)和LE(vj)分别表示第j个准则下的方案勾股模糊图Gj拉普拉斯能量的隶属度与非隶属度;
步骤4.2:利用所述基于熵权的准则客观赋权过程与基于相对熵的组合赋权过程,对企业资源供需调配调度方案评估准则的主、客观权重w″j与w′j进行组合,得到最终的准则权重wj;
步骤4.3:构建准则勾股模糊图G,基于企业资源供需调配决策矩阵P中各勾股模糊准则值的均值得到勾股模糊准则值均值的相关性系数,其中,
Pi j表示第j个准则下第i个方案的勾股模糊准则值的平均值,K(Pi j,Pi l)表示勾股模糊准则值Pi j和的均值间的相关性系数,和分别表示Pi j的隶属度、非隶属度与犹豫度,和分别表示Pi l的隶属度、非隶属度与犹豫度,i,j,l均为整数,且1≤i≤m,1≤j≤n,1≤l≤n;
步骤4.4:将企业资源供需调配调度方案评估准则权重值、勾股模糊准则值、勾股模糊准则值均值间的相关性系数通过下式进行集成,得到每个企业资源供需调配调度方案的综合评价值,
其中,i,j,l均为整数,且1≤i≤m,1≤j≤n,1≤l≤n,pi表示第i个企业资源供需调配调度方案的综合评价值,wj表示第j个准则的权重,Pil表示第i个方案在第l个准则下的勾股模糊准则值,K(Pi j,Pi l)表示勾股模糊准则值均值间的相关性系数;
步骤4.5:用下式所示的得分函数计算各方案综合评价值的得分值,从而对各企业资源供需调配调度方案进行排序,可得到最优方案,
5.根据权利要求4所述的方法,其特征在于,所述基于图论的企业资源供需调配多准则决策分析过程包括:
步骤5.1:构建所述n个评估准则下所述m个企业资源供需调配调度方案的勾股模糊决策矩阵P;
步骤5.2:计算所述P中的所述评估准则客观权重w′j;
步骤5.3:构建企业资源供需调配调度方案所述勾股模糊图Gj;
步骤5.4:计算各勾股模糊图Gj的拉普拉斯能量,并根据能量大小确定所述准则主观权重w″j;
步骤5.5:根据组合赋权方法计算各准则的所述组合权重wj;
步骤5.6:计算决策矩阵P中各勾股模糊准则值Pij的均值Pi j;
步骤5.7:构建准则勾股模糊图G,获取勾股模糊准则值均值间的所述相关性系数K(Pi j,Pi l);
步骤5.8:对所述wj、Pil、K(Pi j,Pi l)进行集成,确定各企业资源供需调配调度方案的所述综合评价值pi;
步骤5.9:计算各调度方案的所述得分函数值s(pi);
步骤5.10:根据得分函数的大小进行排序,得到企业资源供需调配最优调度方案。
6.根据权利要求5所述的方法,其特征在于,所述企业资源包括以下至少一种:
(1)生产资源;(2)数据库资源。
7.一种面向企业资源供需调配的多准则智能决策优化系统,其特征在于包括:
处理器和存储器,所述处理器与所述存储器通信连接,
其中,所述存储器存储有计算机指令,所述处理器运行所述计算机指令时执行权利要求1~6中任一项所述的方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211353814.4A CN115689201A (zh) | 2022-11-01 | 2022-11-01 | 面向企业资源供需调配的多准则智能决策优化方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211353814.4A CN115689201A (zh) | 2022-11-01 | 2022-11-01 | 面向企业资源供需调配的多准则智能决策优化方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115689201A true CN115689201A (zh) | 2023-02-03 |
Family
ID=85048634
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211353814.4A Pending CN115689201A (zh) | 2022-11-01 | 2022-11-01 | 面向企业资源供需调配的多准则智能决策优化方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115689201A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116542495A (zh) * | 2023-07-05 | 2023-08-04 | 浙江和达科技股份有限公司 | 一种基于数据挖掘的智能供水调度方法、装置及电子设备 |
-
2022
- 2022-11-01 CN CN202211353814.4A patent/CN115689201A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116542495A (zh) * | 2023-07-05 | 2023-08-04 | 浙江和达科技股份有限公司 | 一种基于数据挖掘的智能供水调度方法、装置及电子设备 |
CN116542495B (zh) * | 2023-07-05 | 2024-02-23 | 浙江和达科技股份有限公司 | 一种基于数据挖掘的智能供水调度方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hu et al. | Using BPNN and DEMATEL to modify importance–performance analysis model–A study of the computer industry | |
CN110059942A (zh) | 一种基于模糊多目标优化的云制造资源服务优化调度方法 | |
CN110751355A (zh) | 一种科技成果评估方法和装置 | |
Shmeleva et al. | Industrial management decision support system: From design to software | |
CN115660170A (zh) | 多维指标权重协同优化的数据资产管理成效差异化评估方法和系统 | |
CN115689201A (zh) | 面向企业资源供需调配的多准则智能决策优化方法及系统 | |
CN109559033A (zh) | 一种面向云设计制造模式的社交化团队成员优选方法 | |
Yiping et al. | An improved multi-view collaborative fuzzy C-means clustering algorithm and its application in overseas oil and gas exploration | |
CN107093005A (zh) | 基于大数据挖掘算法实现办税服务厅自动分级的方法 | |
CN117035837B (zh) | 一种电力用户购电需求预测及零售合同定制方法 | |
CN112288341B (zh) | 基于多智能体强化学习的信贷工厂订单调度方法及装置 | |
CN111260161A (zh) | 一种众包任务下发的方法及设备 | |
CN117745119A (zh) | 一种输变电工程施工承载力预警方法及装置 | |
CN113191533A (zh) | 仓库用工预测方法、装置、设备及存储介质 | |
CN113570118A (zh) | 一种基于调度规则的车间排产和分析方法 | |
CN112256681A (zh) | 一种空管数字化指标应用系统及方法 | |
Nasirian et al. | Multiskilled workforce planning: a case from the construction industry | |
Biagi et al. | Decision making and project selection: An innovative MCDM methodology for a technology company | |
CN109190798B (zh) | 一种云制造服务组合方法 | |
CN116187675A (zh) | 任务分配方法、装置、设备及存储介质 | |
Piwowarski et al. | Issues of multi-criteria methods applicability supporting complex business process decision-making in management | |
Lee | Designing an optimal neural network architecture: an application to property valuation | |
Fung et al. | A quality-engineering-based approach for conceptual product design | |
CN115034676A (zh) | 基于层次分析法的企业综合服务质量评估方法及系统 | |
RU80604U1 (ru) | Автоматизированная система распределения ресурсов для оптимального решения целевых задач |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |