[发明专利]一种基于动态粒子群算法的船舶供应商评价算法

说明书

本发明提供一种基于动态粒子群算法的船舶供应商评价算法，本算法中评估函数主要通过企业实力、财务状况、企业信誉、产品质量、服务质量和成本控制和相应的参数完成供应商评估，该基于动态粒子群算法的船舶供应商评价算法设计合理，借助动态粒子群算法对供应商评价模型进行优化，该模型的优点是既借助了专家的经验，又通过改进的粒子群算法找出评价指标数据和评价结果间的内在联系，实现了评价模型的自主学习和更新，保证了船舶供应商评价的科学性、准确性和客观性。

技术领域

本发明属于船舶供应商评价技术领域，特别涉及一种基于动态粒子群算法的船舶供应商评价算法。

背景技术

供应商评价的系统研究工作始于1966年，Dickson最早开始相关工作的研究。A.C.Pan(1989)建立了以成本为目标的线性规划模型。Zeger(2000)等人基于总成本法对2000年以前文献进行研究，通过实例证明数学规划模型要优于评价模型，多项模型要优于单项模型。1998年，S.H Ghodsypour提出了混合整形非线性规划模型，用于解决供应能力有限情况下的多资源问题。Yahya和Kingsman运用层次分析法，开始系统地研究供应商评价问题。舒丽丽(2007)提出了基于层次分析法和三角模糊数的综合评价法的船舶供应商评价模型。熊云峰(2011)提出了AHP和灰色关联的船舶设备供应商模糊综合评价模型。In 2009,KLChoy,WB Lee,Henry Lau和Victor Lo(2009)将人工智能技术引入到供应链管理中，提升了供应链管理的灵活性。2012年，刘立国和他的同事提出基于熵权的灰色系统理论综合评价方法.以大连某船务公司船舶导航系统招标为例，对理论模型进行验证，计算结果显示出最优决策目标。2015年，牛西武和他的同事在供应商评价和选择的影响因素和权值的确定方法上对已有模型加以改进，构建了新型供应商评价层次结构模型。2016年，熊勇提出了供应商分类管理办法及目标，并基于船舶制造物资供应商的特点使用应用层此法建立了供应商评价体系模型。邓浩等在2019年提出基于GA-BP神经网络的船用柴油机制造企业供应商评价模型，并通过实例分析验证了模型在船用柴油机制造企业供应商评价中的有效性。2019年，钱芳提出使用RBF径向基函数网络方法建立船舶建造供应商的评价模型，解决了大数据背景下的船舶建造供应商选择评价问题。

从上面这些研究可以看出，关于供应商评价的研究主要分成两大类，一类是借助数据建模的方法评价供应商，另一类是通过人工智能的方法评估供应商。前者对主观因素的依赖性较强，难以对供应商进行客观、全面和具体的评价；后者虽然已经成功地应用到很多领域中，但在船舶供应商评价中还处于起步阶段。

船舶制造是一项复杂的工程，需要多种船舶设备供应商与船舶制造商进行配合。现有船舶供应商评价系统主要是依靠数学模型的方式和专家经验完成供应商评估。这种方式的缺点是求解不够成熟，更不完善，准确地较低。更重要的是，这样评价的系统过于依靠专家们的主观因素进行决策，难以对供应商进行客观、全面和具体的评价；更无法对模型中的参数进行动态调整，进而影响模型的可维护性，降低系统的准确性，为此，本发明提出一种基于动态粒子群算法的船舶供应评价算法。

发明内容

为了解决现有技术存在的问题，本发明提供了一种基于动态粒子群算法的船舶供应商评价算法，本发明的基于动态粒子群算法的船舶供应商评价算法设计合理，借助动态粒子群算法对供应商评价模型进行优化，该模型的优点是既借助了专家的经验，又通过改进的粒子群算法找出评价指标数据和评价结果间的内在联系，实现了评价模型的自主学习和更新，保证了船舶供应商评价的科学性、准确性和客观性。

为了实现上述目的，本发明是通过如下的技术方案来实现：一种基于动态粒子群算法的船舶供应商评价算法，本算法中评估函数主要通过企业实力、财务状况、企业信誉、产品质量、服务质量和成本控制和相应的参数完成供应商评估，公式表达如下所示：