不確定多屬性決策在企業(yè)技術(shù)創(chuàng)新能力評(píng)價(jià)中的應(yīng)用研究

付 沙，肖葉枝，周航軍

(湖南財(cái)政經(jīng)濟(jì)學(xué)院 信息技術(shù)與管理學(xué)院，湖南 長(zhǎng)沙 410205)

近年來(lái)，不確定多屬性決策的研究主要集中在機(jī)器學(xué)習(xí)、系統(tǒng)預(yù)測(cè)、城市產(chǎn)業(yè)規(guī)劃、工業(yè)產(chǎn)品質(zhì)量評(píng)估、模式匹配及智能控制等諸多領(lǐng)域，并且有著極其廣泛的應(yīng)用。在現(xiàn)實(shí)生活中，由于受到客觀事物的不確定性、決策問(wèn)題的復(fù)雜性以及人類思維的模糊性的影響，人們?cè)跊Q策過(guò)程中往往很難對(duì)評(píng)價(jià)事物給出準(zhǔn)確的數(shù)值。為了客觀、準(zhǔn)確地反映決策信息，可以使用三角模糊數(shù)來(lái)表示決策信息以及信息處理，既可以保持變量的取值區(qū)間，又可以突出區(qū)間內(nèi)各取值的可能性，更能合理準(zhǔn)確地描述和表示所研究的不確定多屬性決策(uncertain multiple attribute decision making，UMADM)問(wèn)題。長(zhǎng)期以來(lái)，技術(shù)創(chuàng)新一直是世界經(jīng)濟(jì)蓬勃發(fā)展的重要源泉。特別是隨著經(jīng)濟(jì)全球化的深入和各國(guó)經(jīng)濟(jì)聯(lián)系的日益密切，技術(shù)創(chuàng)新對(duì)企業(yè)生存和贏得市場(chǎng)競(jìng)爭(zhēng)的必要性越來(lái)越大。企業(yè)技術(shù)創(chuàng)新能力已成為制約企業(yè)吸收創(chuàng)新成果并實(shí)現(xiàn)產(chǎn)業(yè)化的關(guān)鍵。一方面，技術(shù)創(chuàng)新給企業(yè)提供了必要的產(chǎn)品升級(jí)能力；另一方面，當(dāng)市場(chǎng)發(fā)生變化時(shí)，企業(yè)可以依靠自身強(qiáng)大的技術(shù)創(chuàng)新能力來(lái)安全應(yīng)對(duì)。技術(shù)創(chuàng)新是保持企業(yè)核心競(jìng)爭(zhēng)力的關(guān)鍵和主要途徑，是促進(jìn)企業(yè)可持續(xù)發(fā)展的動(dòng)力。因此，如何抓住機(jī)遇，加大科學(xué)研究投入，及時(shí)實(shí)現(xiàn)技術(shù)變革與創(chuàng)新，對(duì)企業(yè)自身乃至國(guó)家經(jīng)濟(jì)的可持續(xù)發(fā)展具有重要意義。

不確定多屬性決策問(wèn)題已成為現(xiàn)代決策科學(xué)的一個(gè)重要組成部分，其研究已引起國(guó)內(nèi)外專家學(xué)者的高度重視，并取得了一定的學(xué)術(shù)研究成果，提出了如粗糙集猶豫模糊法[1]、前景理論的指標(biāo)期望法[2]、可能度關(guān)系法[3]、灰關(guān)聯(lián)投影尋蹤動(dòng)態(tài)聚類[4]等有效的決策算法及模型。黃智力[3]針對(duì)指標(biāo)值為三角模糊數(shù)的UMADM問(wèn)題，提出了基于三角模糊數(shù)比較可能度關(guān)系的指標(biāo)權(quán)重度量，并給出三角模糊數(shù)UMADM的比較可能度關(guān)系的方法。江登英[5]在三角模糊數(shù)熵的基礎(chǔ)上建立了一個(gè)置信指數(shù)，以量化決策信息的信任度，并提出了一種基于三角模糊數(shù)置信算子的屬性信息聚合方法。陳雪[6]提出了一種新的規(guī)范三角模糊數(shù)與決策方案的相對(duì)相似度定義，借鑒合作博弈中可能度最大化算法，給出基于三角模糊數(shù)UMADM問(wèn)題的相對(duì)相似度關(guān)系算法。江文奇[7]設(shè)計(jì)了群體信息聚合的優(yōu)化模型，通過(guò)分析目前兩種主流群體信息聚合方法的缺陷，基于個(gè)體評(píng)價(jià)值與群體評(píng)價(jià)值之間的最佳距離和高度相似度這兩個(gè)目標(biāo)，提出了一種擴(kuò)展VIKOR的決策方法。譚旭[8]構(gòu)建了三角猶豫直覺(jué)模糊元的得分函數(shù)和精確函數(shù)，為確定三角猶豫模糊元的取值奠定了基礎(chǔ)。創(chuàng)新性地提出了非線性優(yōu)化遺傳算法求解模型，給出了三角模糊數(shù)猶豫模糊集的多屬性決策方法。

基于現(xiàn)有的研究，本文利用三角模糊數(shù)的特性，借助相似度關(guān)系理論，提出了三角模糊數(shù)不確定多屬性決策的相似規(guī)劃模型，構(gòu)建方案各評(píng)價(jià)屬性的三角模糊數(shù)正、負(fù)理想決策方案，計(jì)算各決策方案與理想決策方案之間相似度的相對(duì)比率?；谏鲜瞿Ｐ秃陀?jì)算方法，對(duì)企業(yè)在技術(shù)創(chuàng)新能力評(píng)價(jià)中的影響因素和過(guò)程進(jìn)行深入探析，為企業(yè)發(fā)展提供一定的理論和經(jīng)驗(yàn)借鑒。對(duì)于這類問(wèn)題的研究具有重要的理論意義和實(shí)踐應(yīng)用價(jià)值，正逐步成為決策學(xué)領(lǐng)域一個(gè)重要的研究熱點(diǎn)。

1 基礎(chǔ)理論

1.1 三角模糊數(shù)及運(yùn)算規(guī)則

[yL，yM，yU]，如果范數(shù)

(1)

(2)

(3)

稱s(X，Y)為決策方案X與Y的相似度。

(4)

(5)

1.2 確定相似度的相對(duì)比值

為了對(duì)決策方案集進(jìn)行排序，可使決策方案Ai與正理想決策方案之間的相似性越大越好，與負(fù)理想決策方案的相似性越小越好。然而，當(dāng)某決策方案接近正理想決策方案時(shí)，它不一定遠(yuǎn)離負(fù)理想決策方案。為解決上述問(wèn)題，運(yùn)用相對(duì)比率Rs(Ai)表示接近正理想決策方案而遠(yuǎn)離負(fù)理想決策方案的備選方案的相對(duì)差異程度[10]。

(6)

2 三角模糊數(shù)不確定多屬性決策的相似規(guī)劃模型

2.1 問(wèn)題描述

2.2 決策步驟

針對(duì)上述問(wèn)題，該不確定多屬性決策的相似規(guī)劃模型具體步驟描述如下：

對(duì)于效益型屬性，有：

(7)

對(duì)于成本型屬性，有：

(8)

(9)

(10)

步驟 4 利用公式(2)～(3)，計(jì)算各決策方案分別與正理想決策方案的相似度Sω(Ai，C+*)和負(fù)理想決策方案的相似度Sω(Ai，C-*)。

步驟 5 依據(jù)公式(6)，計(jì)算各決策方案與理想決策方案之間相似度的相對(duì)比率Rs(Ai)。最后，根據(jù)Rs(Ai)的值對(duì)各備選方案進(jìn)行優(yōu)劣排序，取值越大，備選方案越優(yōu)。

3 實(shí)例分析

企業(yè)技術(shù)創(chuàng)新能力不僅直接關(guān)系到一個(gè)企業(yè)的生存和發(fā)展，也影響到一個(gè)地區(qū)乃至國(guó)家的經(jīng)濟(jì)發(fā)展。如何全面、客觀地評(píng)價(jià)企業(yè)的技術(shù)創(chuàng)新能力，是企業(yè)在戰(zhàn)略發(fā)展和調(diào)整中面臨的主要問(wèn)題。通過(guò)咨詢行業(yè)專家，對(duì)某地區(qū)5家大型企業(yè)Ai(i=1，2，…，5)的技術(shù)創(chuàng)新能力依據(jù)下列6項(xiàng)屬性進(jìn)行評(píng)價(jià)，主要包含：創(chuàng)新戰(zhàn)略管理(C1)、創(chuàng)新品牌運(yùn)作(C2)、創(chuàng)新激勵(lì)管理(C3)、創(chuàng)新體系管理(C4)、生產(chǎn)實(shí)力(C5)和營(yíng)銷實(shí)力(C1)。經(jīng)過(guò)統(tǒng)計(jì)處理后，決策小組針對(duì)5家大型企業(yè)在各屬性下的評(píng)價(jià)值表示為三角模糊數(shù)形式[13]，具體的初始值觀測(cè)數(shù)量化評(píng)價(jià)矩陣如表1所示。

表1 初始值觀測(cè)數(shù)量化矩陣

為了更好地反映每個(gè)屬性的重要性以及屬性確定過(guò)程中存在的不確定性問(wèn)題，在屬性權(quán)重的選擇上，也是采用三角模糊數(shù)作為評(píng)價(jià)標(biāo)度，如表2所示。

表2 屬性權(quán)重

步驟 1 由于所有屬性都是效益型屬性，為了消除屬性之間量綱不同對(duì)決策結(jié)果產(chǎn)生的影響，可以使用公式(7)～(8)對(duì)三角模糊數(shù)矩陣進(jìn)行規(guī)范化處理，以獲得規(guī)范化三角模糊決策矩陣，如表3所示。

表3 規(guī)范化三角模糊決策信息表

表4 加權(quán)規(guī)范化三角模糊決策信息表×10-1

步驟 3 根據(jù)定義6，利用公式(4)～(5)，確定方案各評(píng)價(jià)屬性的三角模糊數(shù)正、負(fù)理想決策方案。

三角模糊數(shù)正理想決策方案C+*為：

C+*={[0.314，0.425，0.583]，[0.251，0.332，0.442]，[0.166，0.254，0.354]，[0.252，0.335，0.453]，[0.172，0.262，0.357]，[0.397，0.480，0.594]}×10-1

三角模糊數(shù)負(fù)理想決策方案C-*為：

C-*={[0.279，0.380，0.524]，[0.232，0.307，0.419]，[0.155，0.235，0.328]，

[0.233，0.311，0.426]，[0.157，0.240，0.336]，[0.356，0.430，0.540]}×10-1

步驟 4 利用公式(2)～(3)，計(jì)算各決策方案Ai分別與正、負(fù)理想決策方案的相似度。

Ai與正理想決策方案的相似度Sω(Ai，C+*)為：Sω(A1，C+*)=0.9889，Sω(A2，C+*)=0.9918，Sω(A3，C+*)=0.9844，Sω(A4，C+*)=0.9814，Sω(A5，C+*)=0.9841

Ai與負(fù)理想決策方案的相似度Sω(Ai，C-*)為：

Sω(A1，C-*)=0.9814，Sω(A2，C-*)=0.9785，Sω(A3，C-*)=0.9858，Sω(A4，C-*)=0.9888，Sω(A5，C-*)=0.9862

步驟 5 依據(jù)公式(6)，計(jì)算各決策方案Ai與理想決策方案C*之間相似度的相對(duì)比率Rs(Ai)。

Rs(A1)=-0.0058，Rs(A2)=0，Rs(A3)=-0.0149，Rs(A4)=-0.0210，Rs(A5)=-0.0156 根據(jù)Rs(Ai)值對(duì)各備選方案進(jìn)行排序，可得到最終的排序結(jié)果為A2?A1?A3?A5?A4，可確定該地區(qū)內(nèi)技術(shù)創(chuàng)新能力最優(yōu)的企業(yè)為A2，其評(píng)價(jià)結(jié)果能為決策者提供科學(xué)依據(jù)，可以推選企業(yè)A2擔(dān)任產(chǎn)業(yè)集群的龍頭企業(yè)，開展經(jīng)驗(yàn)總結(jié)和技術(shù)交流，共同提升產(chǎn)業(yè)集群的綜合競(jìng)爭(zhēng)力。對(duì)于企業(yè)A4，考慮到該企業(yè)技術(shù)創(chuàng)新能力相對(duì)落后，創(chuàng)新模式有待完善，同時(shí)提高技術(shù)研發(fā)人員的綜合素質(zhì)也有待提高。

通過(guò)實(shí)例分析可知，本文提出的方法不同于文獻(xiàn)[13]中給出的基于三角模糊數(shù)比較可能度關(guān)系的指標(biāo)權(quán)重度量值，也不同于文獻(xiàn)[14]中基于離差最大化的賦權(quán)算法求解指標(biāo)權(quán)重的度量值，然而，在判斷決策方案優(yōu)劣的過(guò)程中，三方并未改變對(duì)最優(yōu)方案的判定和排序，而是得出了基本一致的結(jié)論。

4 結(jié)束語(yǔ)

面對(duì)不確定性、不完全性和決策偏好等信息，人們將如何做出科學(xué)有效的決策，正越發(fā)受到關(guān)注并成為一個(gè)重要的研究課題。本文通過(guò)對(duì)企業(yè)技術(shù)創(chuàng)新能力評(píng)價(jià)的案例進(jìn)行分析，結(jié)合評(píng)價(jià)值和屬性權(quán)重均為三角模糊數(shù)的不確定多屬性決策問(wèn)題，提出了規(guī)范化三角模糊數(shù)相似度公式和決策方法。通過(guò)結(jié)合相似度關(guān)系理論，構(gòu)建了三角模糊數(shù)不確定多屬性決策的相似規(guī)劃模型，并詳細(xì)討論了其實(shí)施步驟。研究和實(shí)例分析表明，該模型將決策數(shù)據(jù)中的相對(duì)確定性信息和相對(duì)不確定性信息有機(jī)地結(jié)合起來(lái)，思路清晰，易于理解，具有良好的可操作性。