【摘 要】
：
港口企业物流服务供应商选择问题是一个复杂的多属性决策问题,为了提高物流服务供应商选择的科学性,需要建立一套合理的物流服务供应商选择的评价指标体系和综合决策方法.本
【机 构】
：
福州大学经济与管理学院,福建福州350108
论文部分内容阅读
港口企业物流服务供应商选择问题是一个复杂的多属性决策问题,为了提高物流服务供应商选择的科学性,需要建立一套合理的物流服务供应商选择的评价指标体系和综合决策方法.本文借鉴相关研究成果,建立了港口企业物流服务供应商选择的评价指标体系,通过发放问卷对评价指标的信度和效度进行检验,验证了所设计指标的可信度并根据效度检验的结果将评价指标归纳为五组一级指标.在此基础上,提出了一种用于解决多属性决策问题的组合赋权——灰色综合决策方法.该方法首先将网络分析法和熵值法相结合以确定评价指标的组合权重,接着引入改进中心三角白化权函数对备选方案进行聚类,最后通过计算灰色综合聚类决策系数对备选方案进行决策.文章以某家港口企业物流服务供应商选择为例进行实证研究以验证该方法的有效性.
其他文献
以统计学和灰色系统理论为基础，提出多维测量系统中互不确定度的简化灰色评定模型，提高了多维测量不确定度的评估效率。利用协方差的统计特征，推导出互不确定度与两个被测量
调适性神经模糊推论系统(Adaptive Network-Based Fuzzy Inference System； ANFIS)自从提出后，于分类或是数值预测问题的应用上均甚为广泛，然ANFIS 虽可藉由其学习过程对于
由于电子信息装备体系的组成成分越来越多，相互之间的关系越来越复杂，有关体系效能评估等体系问题的不确定性以及研究难度越来越大。电子信息装备体系表现出结构灰性、关系
小样本学习问题，常发生于系统建置初期数据稀少、取得困难或以及取得成本过高等环境却必须从事学习之情况，因此如何从中撷取更多有意义的信息，于近年已成为研究的课题。在过
在过往小样本学习方法中,虚拟样本产生法虽已被证实能有效提升机械学习算法的学习结果,然而对于如何确认所产生之虚拟样本的质量并未有明确的定义,如扩散神经网络虽有考
如何从资料中撷取出有意义的资讯，统计理论在过往扮演着重要的角色，然囿于其对于母体假设的基本限制，已无法因应现实世界中各种不同面向的资料，因此资料探勘与类神经网路等机
准确的短期需求预测是管理者拟定生产计划不可或缺的，但预测期程越短代表产品需求量的变化越不易呈现稳定的趋势。利用大量历史数据所产生的预测模型，因此不易掌握数据的实
由于成本和时间的限制因素，通常在一个新的制造系统的早期阶段能够观察到样本数量很小，并且不充分的样本将使得数据分析产生问题。半监督学习提供了一种方法来解决这个问题
为打破传统统计理论对于学习资料的基本限制,近二十年来机械演算学习法有着长足的发展,然由在新算法开发已渐趋成熟之情况下,为改善单一方法之学习效果,多模整合法的提出
在灰色聚类评估中,灰色综合聚类方法能够解决灰色聚类系数无显著性差异的评估问题,本文针对灰色综合聚类方法存在的问题进行了改进,提出了一种新的灰色综合聚类方法.并以一算