林 維

（貴州大學(xué)機(jī)械工程學(xué)院，貴州貴陽 550003）

ASP平臺下的動態(tài)聯(lián)盟風(fēng)險控制模型的研究*

林 維

（貴州大學(xué)機(jī)械工程學(xué)院，貴州貴陽 550003）

為解決ASP平臺下動態(tài)聯(lián)盟由于外部環(huán)境的復(fù)雜性導(dǎo)致的風(fēng)險控制困難的問題，通過TOPSIS方法找到最優(yōu)方案和最劣方案作為免疫遺傳算法的抗原輸入，每種應(yīng)對方案作為抗體輸入，計(jì)算抗原和抗體之間的親和度從而找出接近最優(yōu)方案的解。免疫遺傳算法采用實(shí)數(shù)編碼，把各種風(fēng)險的應(yīng)對措施用實(shí)數(shù)編碼表示，通過變異和交叉操作產(chǎn)生下一代的抗體，保持了個體的先進(jìn)性，提高了計(jì)算速度與精度;TOPSIS方法解決了免疫遺傳算法中抗體在染色體群中濃度過高導(dǎo)致尋優(yōu)過程早熟收斂的問題并且提高運(yùn)算速度。風(fēng)險控制模型的建立使得ASP平臺下的動態(tài)聯(lián)盟企業(yè)可用最低成本來達(dá)到有效地預(yù)防控制各種風(fēng)險的目的。

ASP平臺 風(fēng)險控制模型 免疫遺傳算法 TOPSIS法

ASP（Application Service Provider，應(yīng)用服務(wù)提供商）平臺［1］下的動態(tài)聯(lián)盟風(fēng)險是指由于虛擬企業(yè)外部環(huán)境的不確定性而使各參與方所面臨的各種風(fēng)險。怎樣用最低的成本來預(yù)防或控制風(fēng)險且達(dá)到最好的控制風(fēng)險效果是風(fēng)險控制管理策略的關(guān)鍵問題。對動態(tài)聯(lián)盟風(fēng)險的相關(guān)研究方法有基于模糊綜合評判、基于螞蟻系統(tǒng)、基于模糊層次分析、基于遺傳算法等方法［2－4］。以上文獻(xiàn)對動態(tài)聯(lián)盟的風(fēng)險相關(guān)內(nèi)容進(jìn)行了有益的探索，但對動態(tài)聯(lián)盟的風(fēng)險過程控制研究較少。因此本文在對ASP平臺下的動態(tài)聯(lián)盟風(fēng)險進(jìn)行分析、識別的基礎(chǔ)上采用TOPSIS算法［3］（Technique for Order Preference by Similarity to Ideal Solution，逼近理想解排序法）和免疫遺傳算法［4－12］建立了ASP平臺下動態(tài)聯(lián)盟的風(fēng)險過程控制模型。

表1 ASP平臺下動態(tài)聯(lián)盟風(fēng)險控制策略表

表2 ASP平臺下動態(tài)聯(lián)盟風(fēng)險應(yīng)對措施編碼表

溝通風(fēng)險 采用多種溝通方式A25 25技術(shù)銜接風(fēng)險 統(tǒng)一技術(shù)思想和技術(shù)標(biāo)準(zhǔn)A26 26技術(shù)外泄風(fēng)險 不同成員僅共享過程信息A27 27信息系統(tǒng)數(shù)據(jù)質(zhì)量風(fēng)險統(tǒng)一信息的輸入/輸出標(biāo)準(zhǔn)A29 29合作風(fēng)險A28 28信息系統(tǒng)安全風(fēng)險 數(shù)據(jù)進(jìn)行必要的加密組織和管理風(fēng)險 建立合理組織結(jié)構(gòu)A30 30信用風(fēng)險 建立監(jiān)督、檢查機(jī)制A31 31流動性風(fēng)險 利益共享等激勵手段穩(wěn)定核心成員A32 32激勵風(fēng)險 制定公正合理的伙伴收益分配方法A33 33戰(zhàn)略柔性風(fēng)險 培養(yǎng)核心能力高耐久性A34 34財務(wù)風(fēng)險 投資套牢風(fēng)險 采取分階段支付A35 35投資到位風(fēng)險 選擇新的合作伙伴A36 36

1 ASP平臺下的動態(tài)聯(lián)盟的風(fēng)險控制指標(biāo)體系的建立

風(fēng)險因素指標(biāo)體系的建立是非常重要的，指標(biāo)體系涵蓋的信息量既要全面，又不能重復(fù)。由于ASP平臺下的動態(tài)聯(lián)盟的風(fēng)險源變化的無窮性，逐一對每個風(fēng)險源中的每個風(fēng)險因素進(jìn)行考察是不可能的，也是不必要的。因此本文建立了如圖1所示的風(fēng)險評價指標(biāo)體系。

2 基于TOPSIS和免疫遺傳算法的風(fēng)險控制模型

2.1 ASP平臺下的動態(tài)聯(lián)盟風(fēng)險管理策略

對付風(fēng)險的策略方法有以下3方面：（1）化風(fēng)險為利益：所需費(fèi)用高，效果好。（2）減小風(fēng)險發(fā)生：所需費(fèi)用較高，效果一般。（3）減少風(fēng)險可能損失：所需費(fèi)用少，但效果較差。針對風(fēng)險的不同性質(zhì)，綜合運(yùn)用這些措施使動態(tài)聯(lián)盟企業(yè)或其項(xiàng)目處于最安全可靠的狀態(tài)。這一過程中應(yīng)盡量消除已知的風(fēng)險，對不能消除的風(fēng)險可以改變風(fēng)險的性質(zhì)、減小風(fēng)險發(fā)生的概率和可能的損失程度，風(fēng)險投入費(fèi)用一定情況下，使企業(yè)或項(xiàng)目面臨的整體風(fēng)險水平最低。對所選擇的各項(xiàng)措施、所需費(fèi)用、效果打分，滿分10分進(jìn)行無量綱化處理（如表1）。

表3 ASP平臺下動態(tài)聯(lián)盟風(fēng)險應(yīng)對措施同一趨勢化表

表4 ASP平臺下動態(tài)聯(lián)盟風(fēng)險應(yīng)對措施編碼表

溝通風(fēng)險 采用多種溝通方式4 4技術(shù)銜接風(fēng)險 統(tǒng)一技術(shù)思想和技術(shù)標(biāo)準(zhǔn)2 2技術(shù)外泄風(fēng)險 不同成員僅共享過程信息協(xié)作風(fēng)險1 1信息系統(tǒng)數(shù)據(jù)質(zhì)量風(fēng)險統(tǒng)一信息的輸入/輸出標(biāo)準(zhǔn)5 5信息系統(tǒng)安全風(fēng)險 數(shù)據(jù)進(jìn)行必要的加密8 9組織和管理風(fēng)險 建立合理組織結(jié)構(gòu)10 9.5信用風(fēng)險 建立監(jiān)督、檢查機(jī)制4 3流動性風(fēng)險 利益共享等激勵手段穩(wěn)定核心成員5 5協(xié)作風(fēng)險激勵風(fēng)險 制定公正合理的伙伴收益分配方法6 7戰(zhàn)略柔性風(fēng)險 培養(yǎng)核心能力高耐久性9 8投資套牢風(fēng)險 采取分階段支付投資風(fēng)險7 7投資到位風(fēng)險 選擇新的合作伙伴5 5

2.2 目標(biāo)函數(shù)的構(gòu)造

制定的目標(biāo)函數(shù)要求風(fēng)險控制的費(fèi)用最低和評分效果最高，即

其中：C表示風(fēng)險控制所選的措施費(fèi)用;P表示評價效果的打分表示該風(fēng)險應(yīng)對措施所需費(fèi)用;表示該風(fēng)險應(yīng)對措施下的效果評分。

2.3 編碼方式

本算例采用實(shí)數(shù)編碼方式，把應(yīng)對各種風(fēng)險的措施用實(shí)數(shù)表示。動態(tài)聯(lián)盟風(fēng)險控制應(yīng)對措施編碼如表2所示。針對風(fēng)險的不同性質(zhì)采用了應(yīng)對措施，所需費(fèi)用也不相同。

3 TOPSIS和免疫遺傳算法的方案實(shí)施

通過TOPSIS法找到的最優(yōu)方案和最劣方案作為免疫遺傳算法抗原輸入，步驟如下。

步驟1評價指標(biāo)同一趨勢化。TOPSIS法進(jìn)行評價時要求所有指標(biāo)變化方向一致，將低優(yōu)指標(biāo)轉(zhuǎn)化為高優(yōu)指標(biāo)。轉(zhuǎn)化方法用倒數(shù)法，即令原始數(shù)據(jù)中低優(yōu)指標(biāo) Xij（i=1，2，3，…n;j=1，2，3，…，m），通過 Xij'=1/Xij變換而轉(zhuǎn)化成高優(yōu)指標(biāo)，然后建立同一趨勢化后的原始數(shù)據(jù)表如表3所示。

步驟2對同一趨勢化后的原始數(shù)據(jù)矩陣進(jìn)行歸一化處理，并建立相應(yīng)矩陣。其指標(biāo)轉(zhuǎn)換公式為

式中：Xij表示第i個評價對象在第j個指標(biāo)上的取值，Xij'表示經(jīng)倒數(shù)轉(zhuǎn)換后的第i個評價對象在第j個指標(biāo)上的取值。由此得出經(jīng)歸一化處理后的A矩陣為

4 示意性算例

4.1 建立的原始數(shù)據(jù)表及同趨勢化矩陣

本算例模擬了ASP平臺下動態(tài)聯(lián)盟企業(yè)在聯(lián)合開發(fā)新產(chǎn)品時所面臨的各種風(fēng)險。各種風(fēng)險的應(yīng)對措施所需費(fèi)用及專家打分如表4所示。對同一趨勢化后的原始數(shù)據(jù)進(jìn)行歸一化處理建立相應(yīng)矩陣A即式（4），并根據(jù)應(yīng)對措施對矩陣分塊。

根據(jù)公式（3），對同一趨勢化后的原始數(shù)據(jù)矩陣進(jìn)行歸一化處理，并建立相應(yīng)矩陣B即式（5）。

4.2 確定最優(yōu)方案和最劣方案

確定最優(yōu)和最劣方案的方法是通過找到每種風(fēng)險下的應(yīng)對措施的費(fèi)用和評價打分的最大值和最小值找出最優(yōu)方案d+和最劣方案d－。

4.3 計(jì)算抗原和抗體之間的親和度

其中：‖·‖表示取范數(shù)，c－（t）為到最劣方案距離，c+（t）為到最優(yōu)方案的距離。E在0與1之間取值，愈接近1表示該評價對象越接近最優(yōu)水平;反之愈接近0，表示該評價對象越接近最劣水平。

4.4 群體更新和終止條件判別

通過變異和交叉操作產(chǎn)生進(jìn)入下一代的抗體，隨機(jī)挑選的一個抗體和抗原按設(shè)定的變異概率進(jìn)行變異后，相互之間再進(jìn)行交叉，重復(fù)執(zhí)行直到滿足終止條件為止?？删幹葡鄳?yīng)的程序進(jìn)行模擬訓(xùn)練（如圖2）。輸入樣本后，系統(tǒng)根據(jù)相應(yīng)的改進(jìn)算法來學(xué)習(xí)，直到誤差EAV滿足預(yù)先設(shè)定的要求時，系統(tǒng)停止學(xué)習(xí)。從模擬曲線看出，該算法解決了免疫遺傳算法中抗體在染色體群中濃度過高導(dǎo)致尋優(yōu)過程早熟收斂的問題，并且提高了運(yùn)算速度。

5 結(jié)語

ASP平臺下的動態(tài)聯(lián)盟風(fēng)險控制模型的組合優(yōu)化存在復(fù)雜性，在對風(fēng)險識別的基礎(chǔ)上提出了用TOPSIS和免疫遺傳算法來建立風(fēng)險控制模型，結(jié)果表明ASP平臺下的動態(tài)聯(lián)盟風(fēng)險控制中引入TOPSIS具有先進(jìn)性、可行性與快速性。免疫遺傳算法從父代到子代的進(jìn)化就是一種搜索，這種搜索方法與傳統(tǒng)方法的差異在于它不是基于搜索樹的每一點(diǎn)進(jìn)行擴(kuò)展，而是從某一狀態(tài)集中進(jìn)行后繼狀態(tài)的優(yōu)化，從而提高了搜索效率。

［1］謝慶生.中國企業(yè)網(wǎng)絡(luò)化制造的模式與發(fā)展策略［J］.數(shù)字制造科學(xué)，2004（1）：15－32.

［2］黃敏，楊紅梅，王興偉.基于模糊綜合評判的虛擬企業(yè)風(fēng)險評價［J］.模糊系統(tǒng)與數(shù)學(xué)，2004（6）：65－72.

［3］宣家驥.多目標(biāo)決策［M］.長沙：湖南科技出版社，1989.

［4］黃敏，楊紅梅，王興偉.電子商務(wù)下基于螞蟻系統(tǒng)的虛擬企業(yè)風(fēng)險控制問題［J］.計(jì)算機(jī)集成制造系統(tǒng)，2005（10）：85－92.

［5］曾志斌，李言，李淑娟.基于模糊層次分析的虛擬企業(yè)風(fēng)險評價［J］.模糊系統(tǒng)與數(shù)學(xué)，2006（4）：22－28.

［6］邵文武，夏恩君，任培民.虛擬企業(yè)的風(fēng)險控制研究［J］.生產(chǎn)力研究，2006（7）：15－22.

［7］馬軍，張青山，宿愷.采用遺傳算法的企業(yè)動態(tài)聯(lián)盟風(fēng)險分析與評價研究［J］.商業(yè)研究，2004（23）：65 －72.

［8］焦李成，杜海峰，劉芳，等.免疫優(yōu)化－計(jì)算，學(xué)習(xí)與識別［M］.北京：科學(xué)出版社，2006.

［9］云慶夏.進(jìn)化算法［M］.北京：冶金工業(yè)出版社，2005.

［10］Stark R M，Rothkopf M H.Competitive bidding：a comprehensive bibliography［M］.Operational Research，2002：85－92.

［11］F Vernadat.Enterprise modeling and Integration［M］.Chapman and Hall，2001：25 －35.

［12］Mary john，Laura Meade，JamicRogers.Partner selection in the agile environment［M］.5th Annual Agility Forum Conference Proc，2002：65－72.

如果您想發(fā)表對本文的看法，請將文章編號填入讀者意見調(diào)查表中的相應(yīng)位置。

Research on the risk management model of dynamic alliance based on ASP

LIN Wei
（College of Mechanical Engineering，Guizhou University，Guiyang 550003，CHN）

To solve the question of risk control difficult of dynamic alliance based on the ASP for the complexity of the external environment，we found the optimal and the worst schemes as the antigen input of immune genetic algorithm through the TOPSIS method.Each solution was inputted as antibody to calculate correlating between antigen and antibody in order to find the optimal solution.Immune genetic algorithm utilizes real number coding，which can keep the advancement of next－generation antibodies that were produced by mutation and crossover operation.It improveed the calculation speed and accuracy.TOPSIS method solved the problem of optimization process premature convergence for antibody excessive concentrations in chromosomes by immune genetic algorithm.Construction risk control model makes that dynamic alliance enterprises based on the ASP can achieve the purpose of prevention and control various risks in least－ cost.

ASP Platform;Risk Control Model;Immune Genetic Algorithm;TOPSIS Method

TPC11

A

* 國家“863”高技術(shù)研究發(fā)展計(jì)劃資助項(xiàng)目（2006AA04Z130）;國家自然科學(xué)基金資助項(xiàng)目（50475185，50575047）

林維，男，1972年生，講師，碩士研究生，主要從事制造業(yè)信息化的研究。

（編輯 周富榮）（收修改稿日期：2011－01－13）

4110741