楊樹果，王新利

(黑龍江八一農(nóng)墾大學(xué) 經(jīng)濟(jì)管理學(xué)院，黑龍江 大慶 163319)

基于實(shí)數(shù)編碼加速遺傳投影尋蹤方法在物流供應(yīng)商選擇中的應(yīng)用

楊樹果，王新利

(黑龍江八一農(nóng)墾大學(xué) 經(jīng)濟(jì)管理學(xué)院，黑龍江 大慶 163319)

針對第三方物流供應(yīng)商評價(jià)指標(biāo)數(shù)據(jù)的不確定性和高維性，為克服以往評價(jià)方法的不足，提出了綜合評價(jià)的基于實(shí)數(shù)編碼加速遺傳投影尋蹤方法。采用投影尋蹤模型將高維數(shù)據(jù)投影到低維子空間上，并對數(shù)據(jù)結(jié)構(gòu)進(jìn)行分析;采用基于實(shí)數(shù)編碼的加速遺傳算法優(yōu)化投影方向，克服了投影尋蹤模型最佳投影方向難于尋找或容易陷入局部最優(yōu)的問題;通過最佳投影方向來判斷各評價(jià)指標(biāo)對綜合評價(jià)目標(biāo)的影響程度和方向，得出投影指標(biāo)值從大到小的排序。同時(shí)，對物流供應(yīng)商做深入分析，將這一方法用于對低維數(shù)據(jù)(二級指標(biāo))進(jìn)行評價(jià)排序，結(jié)果顯示與綜合評價(jià)基本一致，達(dá)到了對第三方物流供應(yīng)商科學(xué)、準(zhǔn)確的評價(jià)，可為企業(yè)正確選擇物流供應(yīng)商提供依據(jù)。

投影尋蹤;第三方物流供應(yīng)商;加速遺傳算法

引 言

隨著物流外包的發(fā)展，第三方物流以其服務(wù)專業(yè)化、綜合成本低、配送效率高的優(yōu)勢，成為國際物流業(yè)發(fā)展的趨勢和現(xiàn)代物流發(fā)展的方向。物流外包也被許多企業(yè)視為一項(xiàng)可以集中資源、降低物流成本、增強(qiáng)核心競爭能力的有價(jià)值的戰(zhàn)略。合理選擇第三方物流供應(yīng)商是許多企業(yè)進(jìn)行物流戰(zhàn)略調(diào)整過程中必須考慮的問題，而在選擇第三方物流供應(yīng)商中評價(jià)指標(biāo)的選擇是否合理，評價(jià)方法是否科學(xué)，評價(jià)結(jié)果是否準(zhǔn)確，對第三方物流供應(yīng)商的選擇起決定性的作用。

第三方物流供應(yīng)商選擇問題實(shí)質(zhì)是根據(jù)多個(gè)評價(jià)指標(biāo)及其權(quán)重進(jìn)行綜合評判的問題，而綜合評判的實(shí)質(zhì)是對高維數(shù)據(jù)(多個(gè)評價(jià)指標(biāo)值)的處理，即降低高維數(shù)據(jù)的維數(shù)。目前，關(guān)于第三方物流供應(yīng)商的選擇，特別是在選擇和評價(jià)方法方面的研究已經(jīng)引起國內(nèi)外學(xué)者的廣泛關(guān)注。普遍采用的方法有層次分析法、模糊綜合評價(jià)法、熵權(quán)多目標(biāo)決策法、BP神經(jīng)網(wǎng)絡(luò)、粗糙集等方法［1～7］，這些方法為企業(yè)選擇物流供應(yīng)商提供了參考。但層次分析法因受專家的知識和經(jīng)驗(yàn)的影響，具有一定的人為性;模糊綜合評判與綜合評分法，由于缺乏系統(tǒng)評價(jià)的最優(yōu)標(biāo)準(zhǔn)，常出現(xiàn)較大誤差，甚至得出反常規(guī)結(jié)論;基于熵的多目標(biāo)決策法根據(jù)評價(jià)指標(biāo)間的變異程度確定各指標(biāo)權(quán)重，在一定程度上消除了人為賦權(quán)的缺點(diǎn)，但在實(shí)用中常出現(xiàn)各評價(jià)指標(biāo)權(quán)重的平均化現(xiàn)象［8］;BP神經(jīng)網(wǎng)絡(luò)盡管可以處理高度復(fù)雜的非線性模型且具有極高的擬合精度，但在權(quán)值的選擇上由于采用經(jīng)驗(yàn)公式，容易陷入局部最優(yōu)，且易出現(xiàn)“過擬合”現(xiàn)象;粗造集理論對于不確定、不完整的信息具有可測性，但由于該方法考慮的指標(biāo)因素較少，因而不能準(zhǔn)確的反映實(shí)際情況。為此，我們采用投影尋蹤(Projection Pursuit model，PP)方法，來實(shí)現(xiàn)其高維數(shù)據(jù)的降維過程。

投影尋蹤模型自1974年弗里德曼(Friedman J H)和圖基(Tukey J W)首先提出以來［9］，被廣泛應(yīng)用各研究領(lǐng)域［10～12］，其基本原理是利用計(jì)算機(jī)技術(shù)，把高維數(shù)據(jù)通過某種組合投影到低維子空間上，并通過極小化某個(gè)投影指標(biāo)，尋求出能反映高維數(shù)據(jù)結(jié)構(gòu)或特征的投影，在低維空間上對數(shù)據(jù)結(jié)構(gòu)進(jìn)行分析，以達(dá)到分析和研究高維數(shù)據(jù)的目的［9］。該方法能在一定程度上解決了多指標(biāo)樣本分類問題，但是多維數(shù)據(jù)復(fù)雜的空間拓?fù)浣Y(jié)構(gòu)使得最優(yōu)投影方向難于尋找［8］。采用傳統(tǒng)的優(yōu)化技術(shù)如黃金分割法、爬山法等，容易陷入局部最優(yōu)，且當(dāng)優(yōu)化變量較多時(shí)，難以求解。為此，采用基于實(shí)數(shù)編碼的加速遺傳算法(Real－ coded Accelerating Genetic Algorithm，RAGA)來優(yōu)化多維投影方向，實(shí)現(xiàn)全局尋優(yōu)。將遺傳算法(Genetic Algorithm，GA)與PP模型結(jié)合，通過降低數(shù)據(jù)維數(shù)，將高維數(shù)據(jù)轉(zhuǎn)化為一維子空間的綜合投影指標(biāo)值，對第三方物流供應(yīng)商進(jìn)行評價(jià)排序，為企業(yè)選擇提供依據(jù)。

一、評價(jià)指標(biāo)選擇及樣本數(shù)據(jù)

1.指標(biāo)選擇

一個(gè)完整有效的物流供應(yīng)商評價(jià)指標(biāo)體系對企業(yè)篩選物流供應(yīng)商非常重要，其評價(jià)指標(biāo)體系的優(yōu)劣直接影響到物流供應(yīng)商選取的準(zhǔn)確性。由于第三方物流服務(wù)供應(yīng)商與企業(yè)是長期的戰(zhàn)略伙伴關(guān)系，為此企業(yè)在選擇物流服務(wù)供應(yīng)商時(shí)比較關(guān)注風(fēng)險(xiǎn)規(guī)避、高質(zhì)量服務(wù)獲得、服務(wù)成本低廉等因素。因此在遵循評價(jià)指標(biāo)選取的代表性、全面性、科學(xué)性、實(shí)用性、可比性原則的基礎(chǔ)上［5］，借鑒現(xiàn)有研究［13］，結(jié)合實(shí)際情況，從企業(yè)實(shí)力、服務(wù)質(zhì)量、服務(wù)能力、服務(wù)成本四個(gè)方面構(gòu)建第三方物流供應(yīng)商評價(jià)指標(biāo)，如表1所示。

表1 第三方物流供應(yīng)商評價(jià)指標(biāo)表

2.樣本數(shù)據(jù)

某生產(chǎn)企業(yè)考慮將其物流業(yè)務(wù)外包，擬從六個(gè)第三方物流供應(yīng)商中選擇一個(gè)最佳合作伙伴為例，根據(jù)以上指標(biāo)對與物流供應(yīng)商合作過的十家生產(chǎn)企業(yè)進(jìn)行實(shí)地和網(wǎng)上調(diào)研，針對每一指標(biāo)對物流供應(yīng)商進(jìn)行滿意度打分(滿分100分)，取平均分，獲得數(shù)據(jù)樣本，如表2所示。

表2 第三方物物流供應(yīng)商評價(jià)樣本數(shù)據(jù)

二、第三方物流供應(yīng)商評價(jià)模型構(gòu)建

依據(jù)投影尋蹤模型的建模步驟［10］，對第三方物流供應(yīng)商選擇評價(jià)建模如下:

1.樣本評價(jià)指標(biāo)集的歸一化處理

為消除各指標(biāo)值的量綱和統(tǒng)一各指標(biāo)值的變化范圍，鑒于此研究是要求指標(biāo)數(shù)值越大越好，對于越大越優(yōu)的指標(biāo)，采用下面公式進(jìn)行極值歸一化處理，處理結(jié)果見表3。

表3 樣本數(shù)據(jù)的歸一化處理結(jié)果

式中，x(i，j)為指標(biāo)特征值歸一化的序列，xmax(j)，xmin(j)分別為第j個(gè)指標(biāo)值的最大值和最小值。

2.構(gòu)造投影指標(biāo)函數(shù)

根據(jù)投影尋蹤模型特征，首先將P維數(shù)據(jù){x*(i，j)|i=1，2，…，n，j=1，2，…，p}綜合成以 a={a(1)，a(2)，…，a(p)}為投影方向的一維投影值，即:

式中:a為單位長度向量。

其次，根據(jù){z(i)|i=1，2，…，n}的一維散布圖進(jìn)行分類與評價(jià)。

投影指標(biāo)函數(shù)可以表達(dá)成:

式中:Sz為投影值z(i)的標(biāo)準(zhǔn)差

Dz為投影值z(i)的局部密度

式中 E(z)為序列{z(i)|i=1，2，…，n}的平均值，R為局部密度窗口半徑，一般按經(jīng)驗(yàn)選取R=0.1Sz;r(i，j)表示樣本之間的距離，r(i，j)=|z(i)－z(j)|;u(t)為一單位階躍函數(shù)，當(dāng)t≥0時(shí)，其值為1，當(dāng)t≤0時(shí)，其值為0。

3.優(yōu)化投影指標(biāo)函數(shù)

當(dāng)各指標(biāo)值的樣本集給定時(shí)，投影指標(biāo)函數(shù)Q(a)只隨著投影方向a的變化而變化。不同的投影方向反映不同的數(shù)據(jù)結(jié)構(gòu)特征，最佳投影方向就是最大可能暴露高維數(shù)據(jù)某類特征結(jié)構(gòu)的投影方向。因此可以通過求解投影指標(biāo)函數(shù)最大化問題來估計(jì)最佳投影方向，即:

最大化目標(biāo)函數(shù):Max:Q(a)=Sz·Dz

這是一個(gè)以{a(j)|j=1，2，…，p}為優(yōu)化變量的復(fù)雜非線性優(yōu)化問題，用傳統(tǒng)的優(yōu)化方法處理較難。因此，應(yīng)用模擬生物優(yōu)勝劣汰與群體內(nèi)部染色體信息交換機(jī)制的基于實(shí)數(shù)編碼的加速遺傳算法(RAGA)來解決其高維全局尋優(yōu)問題。

遺傳算法的基本思想是在初始變化區(qū)間內(nèi)隨機(jī)生成一組父代個(gè)體作為初始解，經(jīng)過選擇、雜交及變異，生成子代個(gè)體，通過適應(yīng)度函數(shù)(或目標(biāo)函數(shù))評價(jià)個(gè)體的“好壞”，優(yōu)勝劣汰產(chǎn)生優(yōu)秀個(gè)體，并作為新的父代個(gè)體。如此循環(huán)迭代，使個(gè)體的適應(yīng)能力不斷提高，不斷向最優(yōu)點(diǎn)逼近。加速遺傳算法是遺傳算法的一種改進(jìn)算法，它利用在運(yùn)行過程中產(chǎn)生的優(yōu)秀個(gè)體逐步調(diào)整優(yōu)化變量的初始變化區(qū)間，形成加速運(yùn)行［12］。實(shí)踐表明，后者的尋優(yōu)效果強(qiáng)于前者。

將PP模型中的投影指標(biāo)函數(shù)Q(a)作為目標(biāo)函數(shù)，各個(gè)指標(biāo)的投影a(j)作為優(yōu)化變量，運(yùn)行RAGA的八個(gè)步驟［11］，即可求得最佳投影方向a*(j)及相應(yīng)的投影值z(i)，將z(i)按其值大小進(jìn)行比較，從而求得評價(jià)結(jié)果。

4.分類或評價(jià)

把由上一步求得的最佳投影方向a*代入公式(2)中可得各樣本點(diǎn)的投影值z*(i)。將z*(i)與z*(j)進(jìn)行比較，二者越接近，表示樣本i與j越傾向于分為同一類。若按z*(i)的值從大到小排序，則可以將對物流供應(yīng)商的評價(jià)從優(yōu)到劣進(jìn)行排序。

(1)綜合指標(biāo)評價(jià)

采用Matlab7.0編程處理，建立第三方物流供應(yīng)商評價(jià)標(biāo)準(zhǔn)的數(shù)學(xué)模型。選定父代初始種群規(guī)模為n=400，交叉概率pc=0.80，變異概率pm=0.80，優(yōu)秀個(gè)體數(shù)目選定為20個(gè)，α=0.05，加速次數(shù)為20，得出最大投影指標(biāo)值為0.3170，各個(gè)狀態(tài)變量的最佳投影方向:

a*= (0.0086，0.2217，0.2826，0.3419，0.5491，0.2522，0.1713，0.2313，0.4636，0.0750，0.0636，0.2650，0.1009，0.0336)

將a*代入公式(2)，即得各供應(yīng)商綜合評價(jià)的投影值:EMBED Equation.3。

將EMBED Equation.3從大到小排列，得到各物流供應(yīng)商的綜合排名，即Ⅴ>Ⅵ>Ⅲ>Ⅰ>Ⅳ>Ⅱ，由此可見，供應(yīng)商5的綜合評價(jià)最好，供應(yīng)商6次之，再次是供應(yīng)商3、供應(yīng)商1和供應(yīng)商4，最差的是供應(yīng)商2。

(2)分項(xiàng)指標(biāo)評價(jià)

為確保評價(jià)的一致性，采用以上方法，對其二級指標(biāo)進(jìn)行評價(jià)(具體評價(jià)指標(biāo)數(shù)分別為5、4、3、2個(gè))，以便對六家供應(yīng)商作更深入分析。這里需要說明的是投影尋蹤方法適合于多個(gè)評價(jià)指標(biāo)值的處理，但并不排除其對低維數(shù)據(jù)的適用性。采用Matlab7.0編程處理，計(jì)算結(jié)果如下:

企業(yè)實(shí)力評價(jià):最大投影指標(biāo)值為0.3013，各個(gè)變量的最佳投影方向 a*=(0.0233，0.0918，0.3690，0.6000，0.7035)，各供應(yīng)商企業(yè)實(shí)力的投影值 z*(j)=(1.0208，0.0998，1.3868，1.0058，1.0230，1.6743)。得供應(yīng)商企業(yè)實(shí)力排名:Ⅵ>Ⅲ>Ⅴ>Ⅰ>Ⅳ>Ⅱ，即供應(yīng)商6的企業(yè)實(shí)力最強(qiáng)，其次是供應(yīng)商3，再次是供應(yīng)商5、供應(yīng)商1、供應(yīng)商4，最弱的是供應(yīng)商2。

服務(wù)質(zhì)量評價(jià):最大投影指標(biāo)值為0.3834，各個(gè)變量的最佳投影方向 a*=(0.6821，0.1065，0.5843)，各供應(yīng)商服務(wù)質(zhì)量的投影值z*(j)=(0.747，0.0426，1.6905，0.7367，1.4220，0.7478)。得供應(yīng)商服務(wù)質(zhì)量排名:Ⅲ>Ⅴ>Ⅵ>Ⅰ>Ⅳ>Ⅱ，即供應(yīng)商3的服務(wù)質(zhì)量最好，其次是供應(yīng)商5，再次是供應(yīng)商6、供應(yīng)商1、供應(yīng)商4，最差的是供應(yīng)商2。

服務(wù)能力評價(jià):最大投影指標(biāo)值為0.2662，各個(gè)變量的最佳投影方向 a*=(0.6440，0.4352，0.6292)，各供應(yīng)商服務(wù)質(zhì)量的投影值z*(j)=(1.5224，0.9926，0，0.8236，1.5219，0.6823)。得供應(yīng)商服務(wù)能力排名:Ⅰ>Ⅴ>Ⅱ>Ⅳ>Ⅵ>Ⅲ，即供應(yīng)商1的服務(wù)能力最強(qiáng)，其次是供應(yīng)商5，再次是供應(yīng)商2、供應(yīng)商4、供應(yīng)商6，最弱的是供應(yīng)商3。

服務(wù)成本評價(jià):最大投影指標(biāo)值為0.1997，各個(gè)變量的最佳投影方向 a*=(0.2237，0.9747)，各供應(yīng)商服務(wù)質(zhì)量的投影值z*(j)=(0.5575，1.1984，0.1398，0.1392，1.0312，1.0592)。得供應(yīng)商服務(wù)成本排名:Ⅱ>Ⅵ>Ⅴ>Ⅰ>Ⅲ>Ⅳ，即供應(yīng)商2的服務(wù)成本最低，其次是供應(yīng)商6，再次是供應(yīng)商5、供應(yīng)商1、供應(yīng)商3，服務(wù)成本最高的是供應(yīng)商4。

(3)結(jié)果分析

將各供應(yīng)商的綜合評價(jià)及分項(xiàng)評價(jià)進(jìn)行匯總，如表4所示。

表4 第三方供應(yīng)商綜合評價(jià)與分項(xiàng)評價(jià)排名

根據(jù)表4的排名，從綜合評價(jià)角度看，企業(yè)在選擇第三方物流供應(yīng)商合作伙伴時(shí)，可考慮供應(yīng)商5。因?yàn)樵摴?yīng)商在綜合評價(jià)中位于首位，且分項(xiàng)排名(二級指標(biāo)評價(jià))雖不是最優(yōu)(分別處在第3、2、2、3 位)，但沒有弱項(xiàng)，總體上能夠滿足企業(yè)物流外包的要求，適合建立長期合作關(guān)系。但與此物流供應(yīng)商協(xié)作時(shí)需要高度關(guān)注它的服務(wù)能力，以免由此延長產(chǎn)品供應(yīng)的時(shí)間;其他供應(yīng)商雖在不同指標(biāo)評價(jià)中優(yōu)勢明顯，但劣勢也很突出。如供應(yīng)商2服務(wù)成本最低，但整體實(shí)力最弱，服務(wù)質(zhì)量最差，雖然與該供應(yīng)商合作可明顯降低物流成本，但長期看，不利于企業(yè)物流外包業(yè)務(wù)的開展。

從綜合評價(jià)的最佳投影方向可以看出，影響程度較大的指標(biāo)依次是:社會聲譽(yù)、增值服務(wù)、發(fā)展?jié)摿?、管理水平、快速響?yīng)能力、準(zhǔn)時(shí)交貨率、訂單履行準(zhǔn)確率等;從二級指標(biāo)的最佳投影方向發(fā)現(xiàn)，各指標(biāo)影響基本與綜合評價(jià)一致，如企業(yè)實(shí)力評價(jià)中，影響程度大的指標(biāo)依次是社會聲譽(yù)、發(fā)展?jié)摿?、管理水平等?/p>

物流供應(yīng)商實(shí)力的強(qiáng)弱，反映了企業(yè)與其長期合作是否穩(wěn)定，服務(wù)能力的強(qiáng)弱和服務(wù)質(zhì)量的優(yōu)劣，決定了總體的服務(wù)效率和水平。雖然服務(wù)成本是任何一家企業(yè)都必須考慮的問題，但從物流的角度看，它絕不應(yīng)該是首要因素，因?yàn)槲锪鞲v求的是服務(wù)效率與質(zhì)量。

結(jié) 論

通過以上實(shí)例分析可知在進(jìn)行第三方物流供應(yīng)商的選擇評價(jià)時(shí)，采用基于實(shí)數(shù)編碼的加速遺傳算法的投影尋蹤模型是可行的，且較其他方法顯現(xiàn)出無可比擬的優(yōu)勢，為企業(yè)選擇第三方物流供應(yīng)商提供了一種新的研究方法。通過研究可得出以下結(jié)論:一是利用投影尋蹤模型對數(shù)據(jù)處理的高維降維技術(shù)，可對具有模糊性、不確定性的高維數(shù)據(jù)進(jìn)行綜合評判、排序，且效果很好。二是采用基于實(shí)數(shù)編碼的加速遺傳算法來優(yōu)化投影方向，克服了投影尋蹤模型最佳投影方向難于尋找或容易陷入局部最優(yōu)的問題。三是最佳投影方向可以科學(xué)的反映各評價(jià)指標(biāo)的重要程度，使得評價(jià)結(jié)果客觀、準(zhǔn)確。采用基于加速遺傳算法的投影尋蹤模型對二級指標(biāo)(指標(biāo)數(shù)量較少)評價(jià)的結(jié)果與綜合評價(jià)基本一致，且與實(shí)際經(jīng)驗(yàn)基本相符，但理論上是否確實(shí)有效，還有待進(jìn)一步驗(yàn)證。

［1］童明榮，薛恒新，林琳.現(xiàn)代第三方物流供應(yīng)商的選擇［J］.大連海事大學(xué)學(xué)報(bào)，2006，(11):14－18.

［2］柳鍵.物流供應(yīng)商的評價(jià)與選擇研究［J］.工業(yè)技術(shù)經(jīng)濟(jì)，2007，(1):95 －96，98.

［3］李思志，葉柏青.基于集對分析的第三方物流供應(yīng)商選擇模型［J］.物流科技，2005，(4):31－35.

［4］方承武，雷勛平.模糊決策法在物流供應(yīng)商選擇中的應(yīng)用［J］.安徽工業(yè)大學(xué)學(xué)報(bào):社會科學(xué)版，2005，(1):46－47.

［5］董景峰，王剛，呂民，高國安.基于熵的第三方物流供應(yīng)商選擇評估模型［J］.計(jì)算機(jī)工程與應(yīng)用，2007，(43):194－196.

［6］俞兆城，趙永剛，朱建坤.基于BP神經(jīng)網(wǎng)絡(luò)物流供應(yīng)商能力評估研究［J］.中國管理信息化，2008，(5):86－88.

［7］黃穎，李芳芳.基于粗集理論的物流供應(yīng)商選擇研究［J］.江蘇科技大學(xué)學(xué)報(bào):自然科學(xué)版，2008，(12):67－71.

［8］MONTANARI A，LIZZANI L A Projection Pursuit Approach to Variable Selection［J］.Computational Statistics＆ Data Analysis，2001，35:463－473.

［9］FRIEDMAN J H，TUKEY J W.A Projection Pursuit Algorithm for Ex － ploratory Data Analysis［J］.IEEE.Trans.Compute，1974，23:881 －889.

［10］付強(qiáng)，付紅，王立坤.基于加速遺傳算法的投影尋蹤模型在水質(zhì)評價(jià)中的應(yīng)用研究［J］.地理科學(xué)，2003，(4):236 －239.

［11］關(guān)法春，梁正偉.基于遺傳算法的投影尋蹤模型對小花堿茅最佳收獲期的判定［J］.農(nóng)業(yè)系統(tǒng)科學(xué)與綜合研究，2009，(8):336－339.

［12］付強(qiáng).數(shù)據(jù)處理方法及其農(nóng)業(yè)應(yīng)用［M］.北京:科學(xué)出版社，2006:297－306.

［13］魏世奇，蔡臨寧.第三方物流供應(yīng)商選擇和評價(jià)指標(biāo)體系的研究［J］.商場現(xiàn)代化，2007，(2):127－128.

［責(zé)任編輯 張大勇］

Application of PP Model Based on RAGA in the Selection of Logistics Provider

YANG Shu-guo，WANG Xin-li

(College of Economics ＆ Management，Heilongjiang August 1＇st Land Reclamation University，Daqing 163319，China)

In order to overcome the lack of previous evaluation methods，we suggest Projection Pursuit method based on Real－coded Accelerating Genetic Algorithm for the uncertain and high－dimensional nature of the evaluation indicator data of TPL providers.Projecting the high－dimensional data onto the low－dimensional sub－space by PP model and then analyzing the data structure，optimizing the projection direction by using RAGA to overcome the difficulty of finding the best projection direction or the problem of falling into local optimum，the paper determines the extent of impacting and the direction of the evaluation indicators on comprehensive evaluation target and calculates the sort of the projection index value in descending order.Furthermore，we try to use this method on low －dimensional data to analyze logistics providers deeply and the results show that basically consistent with the comprehensive evaluation.We achieve scientific and accurate evaluation to TPL providers and can provide a basis for the enterprise to select a logistics provider.

projection pursuit;TPL provider;RAGA

C934

A

1009-1971(2010)02－0089－06

2010－02－17

國家自然科學(xué)基金(70672117)

楊樹果(1977－)，女，黑龍江五常人，講師，從事企業(yè)管理研究;王新利(1956－)，男，山東五蓮人，管理學(xué)博士，教授，博士生導(dǎo)師，從事農(nóng)產(chǎn)品流通與農(nóng)村物流研究。