[发明专利]基于三支决策的大型企业供需双方匹配方法

权利要求书

1.基于三支决策的大型企业供需双方匹配方法，其特征在于，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；所述初始满意度矩阵的构建过程如下：

(1)归一化处理：对于区间数属性值a_i，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：

a_i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；

(2)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,...,a_i,…,a_m}代表需求方个体集合，a_i表示第i个需求个体；B＝{b₁,…,b_j,...,b_n}代表供应方个体集合，b_j表示第j个供应个体；使用属性集合C＝{c₁,...,c_k,...,c_p}来评估需求个体对供应个体的满意度，c_jk表示供应个体b_j在属性c_k上的值；使用属性集合D＝{d₁,...d_h,...,d_q}来衡量供应个体的满意度，d_ih表示需求个体a_i在属性d_h上的值；表示需求个体a_i对供应方在属性c_k上的理想值；表示供应个体b_j对需求方在属性d_h上的理想值；

(3)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a_i对供应个体b_j在属性c_k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得到供应个体b_j对需求个体a_i在属性d_t上的初始满意度系数：

其中ρ为分辨系数；

(4)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(3)中得到的初始满意度系数根据属性加权计算需求个体a_i对供应个体b_j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b_j对需求个体a_i的满意度：

(5)求得每个需求个体a_i对全部n个供应方个体的初始满意度U_i＝{μ′_i1,...,μ′_ij,…,μ′_in}及每个供应个体b_j对全部m个需求方个体的初始满意度V_j＝{ν′_1j,…,ν′_ij,…,ν′_mj}；

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，具体包括：

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

(2)确定供需双方对另一方所要求的最低满意度阈值α和β，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≤ν′_ij≤1时，为第I象限；当0≤μ′_ij≤α，且β≤ν′_ij≤1时，为第II象限；当0≤μ′_ij≤α，且0≤ν′_ij≤β时，为第III象限；当α≤μ′_ij≤1，且0≤ν′_ij≤β时，为第IV象限，得到供需双方的匹配矩阵；

(3)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；

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；所述多目标优化模型为：

(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x_ijt为0-1的决策变量，当x_ijt＝1时，表明需求主体a_i与供应主体b_j在时期t形成匹配关系；当x_ijt＝0时，表明两者在时期t未形成匹配；X_ijt表示需求个体a_i与供应个体b_j在时期t产生的订单数量；d_ijcost表示需求个体a_i购买供应个体b_j产品的价格属性；c_ijrevenue表示供应个体b_j向需求个体a_i提供产品时得到的利润属性；θ_j表示供应个体b_j最多能匹配的需求个体数量，σ_i表示需求个体a_i最多能匹配的供应个体数量；μ″_ijT表示需求个体a_i对供应个体b_j在时期T的满意度，ν″_ijT表示供应个体b_j对需求个体a_i在时期T的满意度；通过求解上述模型得到当前时期双方匹配的结果x_ijt及对应的订单数量X_ijt；

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。