孔令禎，張?jiān)茖?，張雪?/p>

(1.河海大學(xué) 商學(xué)院，江蘇 南京 211100；2.上海十三冶建設(shè)有限公司，上海 201999)

?

戰(zhàn)略導(dǎo)向下施工企業(yè)投標(biāo)決策研究

孔令禎1，張?jiān)茖?，張雪嬌2

(1.河海大學(xué) 商學(xué)院，江蘇 南京 211100；2.上海十三冶建設(shè)有限公司，上海 201999)

摘要：從施工企業(yè)投標(biāo)面臨的抉擇出發(fā)，在投標(biāo)決策與項(xiàng)目組合理論協(xié)同分析的基礎(chǔ)上，探討了施工企業(yè)戰(zhàn)略目標(biāo)導(dǎo)向下投標(biāo)決策問題。在戰(zhàn)略目標(biāo)分析階段，根據(jù)企業(yè)不同發(fā)展階段的不同戰(zhàn)略，從財(cái)務(wù)狀況、企業(yè)運(yùn)營、客戶及創(chuàng)新與發(fā)展4個(gè)維度，建立了包含8個(gè)指標(biāo)的戰(zhàn)略目標(biāo)評(píng)價(jià)體系，并利用熵權(quán)法對(duì)指標(biāo)權(quán)重進(jìn)行計(jì)算；在戰(zhàn)略價(jià)值評(píng)價(jià)階段，運(yùn)用三角模糊數(shù)和蒙特卡洛分別對(duì)定性指標(biāo)和預(yù)期利潤率進(jìn)行評(píng)價(jià)，并借鑒灰色關(guān)聯(lián)度法完成對(duì)各項(xiàng)目總體戰(zhàn)略價(jià)值的優(yōu)先級(jí)排序，對(duì)施工企業(yè)投標(biāo)決策具有重要的指導(dǎo)意義。

關(guān)鍵詞：施工企業(yè)；投標(biāo)決策；熵權(quán)法；灰色關(guān)聯(lián)度

隨著我國市場(chǎng)經(jīng)濟(jì)的不斷發(fā)展，招投標(biāo)已成為工程項(xiàng)目承發(fā)包的大趨勢(shì)。戰(zhàn)略規(guī)劃和多項(xiàng)目開發(fā)已成為施工企業(yè)發(fā)展的必然選擇，如何適應(yīng)新的市場(chǎng)環(huán)境和發(fā)展趨勢(shì)，采取合理的投標(biāo)決策是施工企業(yè)新時(shí)期面臨的新挑戰(zhàn)。CHENG等從內(nèi)部流程、管理能力、財(cái)務(wù)、技術(shù)、制度和外部環(huán)境6個(gè)角度對(duì)項(xiàng)目優(yōu)先級(jí)影響因素進(jìn)行了識(shí)別，并基于ANP建立了多項(xiàng)目優(yōu)先級(jí)排序模型[1]。WILLIAM等研究了近年來軟件在項(xiàng)目優(yōu)先級(jí)評(píng)價(jià)中的應(yīng)用，系統(tǒng)總結(jié)了項(xiàng)目優(yōu)先級(jí)評(píng)價(jià)的18個(gè)評(píng)價(jià)指標(biāo)，建立了評(píng)價(jià)模型，并運(yùn)用雷達(dá)圖對(duì)項(xiàng)目優(yōu)先級(jí)評(píng)價(jià)結(jié)果進(jìn)行監(jiān)控和分析[2]。徐洪明從建筑企業(yè)發(fā)展戰(zhàn)略角度出發(fā)，研究了建筑企業(yè)面對(duì)多個(gè)潛在項(xiàng)目時(shí)優(yōu)先級(jí)評(píng)選問題，最后運(yùn)用Vogue 集和狀態(tài)空間劃分理論建立了多目標(biāo)評(píng)價(jià)模型，并對(duì)目前研究提出了合理建議[3]。王潔靜等將平衡計(jì)分卡應(yīng)用于人力資源管理中，從4個(gè)維度構(gòu)建了多項(xiàng)目優(yōu)先級(jí)評(píng)價(jià)指標(biāo)體系，并用多目標(biāo)優(yōu)化方法解決了人力資源配置問題[4]。筆者將重新審視和改進(jìn)施工企業(yè)投標(biāo)決策行為，為施工企業(yè)投標(biāo)決策提供了一套切實(shí)可行的程序和方法。

1企業(yè)戰(zhàn)略目標(biāo)分解

1.1企業(yè)戰(zhàn)略目標(biāo)描述指標(biāo)體系

筆者在深入了解企業(yè)戰(zhàn)略目標(biāo)的基礎(chǔ)上，將企業(yè)戰(zhàn)略目標(biāo)進(jìn)行分解，建立用于項(xiàng)目評(píng)價(jià)的企業(yè)戰(zhàn)略評(píng)價(jià)指標(biāo)體系，然后針對(duì)指標(biāo)對(duì)戰(zhàn)略目標(biāo)的不同影響程度賦予合理的權(quán)重。

為了使戰(zhàn)略描述指標(biāo)更具系統(tǒng)性和邏輯性，筆者借鑒平衡計(jì)分卡模型框架，遵循一致性、系統(tǒng)性、可操作性、相對(duì)獨(dú)立性及靈活性等原則對(duì)各指標(biāo)進(jìn)行分類和篩選，建立了描述企業(yè)戰(zhàn)略目標(biāo)的指標(biāo)框架[5],并對(duì)各指標(biāo)進(jìn)行了解釋，具體如圖1和表1所示。

圖1　戰(zhàn)略目標(biāo)指標(biāo)框架

1.2熵權(quán)法確定指標(biāo)權(quán)重

(1)信息熵的確定[6]。根據(jù)斯提林公式，信息熵值hj為：

(1)

其中，μij為指標(biāo)綜合隸屬。

表1　企業(yè)戰(zhàn)略目標(biāo)指標(biāo)及簡單釋義

2項(xiàng)目戰(zhàn)略價(jià)值綜合評(píng)價(jià)

2.1基于三角模糊數(shù)的定性指標(biāo)模糊評(píng)價(jià)

在專家打分的基礎(chǔ)上，利用三角模糊數(shù)完成對(duì)定性指標(biāo)的模糊評(píng)價(jià)，使評(píng)價(jià)更為客觀[7]。具體步驟分為兩步：①確定因素集U={業(yè)主忠誠度，社會(huì)貢獻(xiàn)度，資源配置，核心競(jìng)爭(zhēng)力，市場(chǎng)份額，創(chuàng)新能力}，暫不考慮投資回收期；②建立模糊評(píng)語集Aij=(aij,bij,cij)，其中aij、bij和cij分別為最低評(píng)價(jià)值、最可能評(píng)價(jià)值和最高評(píng)價(jià)值，具體評(píng)價(jià)標(biāo)準(zhǔn)如表2所示。

表2　定性指標(biāo)評(píng)價(jià)標(biāo)準(zhǔn)

則aij∈[1,9]，bij∈[1,9]，cij∈[1,9]，且滿足aij≤bij≤cij。

2.2預(yù)期利潤率指標(biāo)評(píng)價(jià)

2.2.1RBF神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)

現(xiàn)階段，在工程清單計(jì)價(jià)模式下，多數(shù)企業(yè)并沒有建立能夠真實(shí)反映自身實(shí)際水平的企業(yè)定額，通常是使用統(tǒng)一的定額，因此各投標(biāo)人計(jì)算出來的工程成本相差無幾。在此背景下，預(yù)期利潤率成為影響施工企業(yè)投標(biāo)決策的重要因素。

構(gòu)建預(yù)期利潤率模型時(shí)，筆者選取了徑向基函數(shù)(RBF)神經(jīng)網(wǎng)絡(luò)，其是一種由輸入層、隱含層和輸出層構(gòu)成的3層向前網(wǎng)絡(luò)。并將擬投標(biāo)項(xiàng)目預(yù)期利潤率作為神經(jīng)網(wǎng)絡(luò)的輸出層，預(yù)期利潤率的影響因素為輸入層，建立了由X={x1,x2,…，x17}到Y(jié)={y1}的映射結(jié)構(gòu)。

RBF神經(jīng)網(wǎng)絡(luò)從輸入層到隱含層空間的變換是固定傳遞，無可調(diào)權(quán)值；從隱含層到輸出層的變換是線性的，通過線性方程可求得。RBF神經(jīng)網(wǎng)絡(luò)能夠大大加快模型的學(xué)習(xí)速度，并避免局部最小問題，但其必須滿足以下關(guān)系：

(2)

(3)

式中：wk為權(quán)重系數(shù)；R()為徑向?qū)ΨQ基函數(shù)；i=1,2,…，17;k=1,2,…，h;j=1。

RBF神經(jīng)網(wǎng)絡(luò)的參數(shù)主要有3個(gè)，分別是隱含層各個(gè)徑向基函數(shù)的對(duì)稱中心Ck、徑向基函數(shù)的寬度σk和到輸出層的權(quán)重系數(shù)wk。

2.2.2預(yù)期利潤率預(yù)測(cè)模型

(1)影響因素賦值。由于不同評(píng)價(jià)指標(biāo)量具有不同的量綱，波動(dòng)較小的指標(biāo)很容易被忽略。為了使利潤率預(yù)測(cè)更為準(zhǔn)確，對(duì)輸入值進(jìn)行歸一化處理，并利用模糊語言將輸入值定義在[0,1]區(qū)間內(nèi)，具體影響因素賦值如表3所示。

表3　影響因素賦值表

(2)模型訓(xùn)練。RBF神經(jīng)網(wǎng)絡(luò)在合理樣本數(shù)據(jù)基礎(chǔ)上，引入歷史數(shù)據(jù)，使得預(yù)測(cè)結(jié)果更為準(zhǔn)確。筆者選擇類似項(xiàng)目成功案例作為樣本，將其分為兩組，分別作為訓(xùn)練樣本和驗(yàn)證樣本[8]。通過訓(xùn)練確定Ck、σk和wk這3個(gè)參數(shù)，在訓(xùn)練過程中，使用雷瑛等提出的一種不需要確定隱含層數(shù)量的方法，即在線自適應(yīng)聚類算法[9]。具體步驟為：①經(jīng)過多次的試驗(yàn)，確定高斯函數(shù)精度最高的寬度σ，然后設(shè)定一個(gè)矢量α(k)和一個(gè)計(jì)數(shù)器β(k)。②輸入第一個(gè)樣本確定聚類中心C1，于是k=1，α(1)=y1，β(1)=1，這樣便建立了一個(gè)RBF神經(jīng)網(wǎng)絡(luò)，w1=α(1)/β(1)，只含有一個(gè)隱含層。③輸入第二個(gè)樣本，計(jì)算出樣本輸入到聚類中心C1的歐氏距離，當(dāng)D(xi,C1)≤σ時(shí)，該樣本與第一個(gè)樣本為同一類，則有k=1，α(1)=y1+y2，β(1)=2，w1=α(1)/β(1)；當(dāng)D(xi,C1)>σ時(shí)，需重新增加一個(gè)隱含層，得到第二個(gè)樣本聚類中心C2，于是有k=2，α(2)=y2，β(2)=1，w2=α(2)/β(2)。④重復(fù)步驟①～步驟③，完成樣本數(shù)據(jù)輸入，建立的神經(jīng)網(wǎng)絡(luò)輸出為：

(4)

(3)蒙特卡洛(Monte Carlo)預(yù)測(cè)模型。筆者采用蒙特卡洛模擬方法解決由于缺乏項(xiàng)目信息導(dǎo)致預(yù)測(cè)結(jié)果的隨機(jī)性和不確定性問題。詳細(xì)步驟為：①假定預(yù)期利潤率的各項(xiàng)影響因素均服從三角分布，ai、bi、ci(i=1,2,…,17)分別代表最低、可能和最高賦值；通過專家調(diào)查得到項(xiàng)目影響因素得分，并確定ai、bi、ci值，進(jìn)而得到影響因素的密度函數(shù)和分布函數(shù)，分別如式(5)和式(6)所示。②隨機(jī)產(chǎn)生一組能夠符合各自分布規(guī)律的指標(biāo)隨機(jī)評(píng)價(jià)值{xi}(i=1,2,…，17)，利用隨機(jī)發(fā)生器得到均勻分布隨機(jī)數(shù)r，r∈[0,1]；根據(jù)式(6)對(duì)F(xi)求逆函數(shù)得到xi,如式(7)所示，其中F(xi)∈[0，1]，令F(xi)=r，r滿足0～1之間均勻分布，故隨機(jī)變量xi服從三角分布。③將隨機(jī)變量xi輸入模型，計(jì)算出輸出值，即得到預(yù)期利潤率。④按照上述方法進(jìn)行不少于30次的抽樣，通過數(shù)據(jù)統(tǒng)計(jì)分析，獲得aij、bij和cij，并將其表示成三角模糊數(shù)形式。

(5)

(6)

(7)

2.3戰(zhàn)略價(jià)值的灰色關(guān)聯(lián)度計(jì)算

灰色關(guān)聯(lián)度評(píng)價(jià)是灰色理論的重要內(nèi)容之一，主要思想是用灰色關(guān)聯(lián)度來描述因素間關(guān)系的強(qiáng)弱、大小和次序，并已在復(fù)雜系統(tǒng)、社會(huì)現(xiàn)象等進(jìn)行分析時(shí)取得較滿意的結(jié)果[10]。

假設(shè)n個(gè)擬投標(biāo)項(xiàng)目的k個(gè)戰(zhàn)略描述指標(biāo)的評(píng)價(jià)值為Aij(i=1,2,…，n;j=1,2,…，k)，戰(zhàn)略目標(biāo)的指標(biāo)評(píng)價(jià)共分為兩類：①投資回收期評(píng)價(jià)值為實(shí)數(shù)類J1；②業(yè)主忠誠度、社會(huì)貢獻(xiàn)度、資源配置、核心競(jìng)爭(zhēng)力、市場(chǎng)份額、創(chuàng)新能力和預(yù)期利潤率指標(biāo)為三角模糊數(shù)類J2。為避免指標(biāo)間量綱差異，將數(shù)據(jù)進(jìn)行歸一化處理。

對(duì)于效益型實(shí)數(shù)類指標(biāo)有：

對(duì)于成本型實(shí)數(shù)類指標(biāo)有：

對(duì)于效益型三角模糊數(shù)類指標(biāo)有：

對(duì)于成本型三角模糊數(shù)類指標(biāo)有：

因此在參考序列選擇時(shí)，對(duì)于實(shí)數(shù)類指標(biāo)有u*j=max{uij}，對(duì)于三角模糊數(shù)類指標(biāo)有u*j=(maxuLij,maxuMij,maxuRij}，則可得到標(biāo)準(zhǔn)矩陣U：

(8)

其中，ρ表示分辨系數(shù)，一般可取0.5。當(dāng)指標(biāo)j的權(quán)重為wj時(shí)，則可得到項(xiàng)目i的加權(quán)關(guān)聯(lián)度ri，如式(9)所示。關(guān)聯(lián)度越大，則該比較序列與參考序列聯(lián)系越密切，因此根據(jù)關(guān)聯(lián)度大小可以確定投標(biāo)項(xiàng)目的優(yōu)先級(jí)排序。

(9)

3算例分析

筆者以AH公司面臨的投標(biāo)決策為例，進(jìn)行決策模型的實(shí)證分析。目前AH公司初步確定了4個(gè)在經(jīng)營資質(zhì)范圍內(nèi)的擬投標(biāo)項(xiàng)目，即項(xiàng)目1、項(xiàng)目2、項(xiàng)目3和項(xiàng)目4。

3.1AH公司戰(zhàn)略指標(biāo)權(quán)重確定

選擇那些對(duì)AH公司戰(zhàn)略了解并有決策權(quán)的相關(guān)領(lǐng)導(dǎo)及專家各10人組成評(píng)價(jià)小組，收集專家對(duì)各指標(biāo)權(quán)重的評(píng)價(jià)，然后運(yùn)用熵權(quán)法計(jì)算出各個(gè)評(píng)價(jià)指標(biāo)的權(quán)重為：{w#1,w#2,…，w#8}={0.16,0.20,0.08,0.09,0.07,0.16,0.23,0.01}。

3.2定性指標(biāo)評(píng)價(jià)

收集評(píng)價(jià)小組對(duì)擬投標(biāo)項(xiàng)目6項(xiàng)定性指標(biāo)三角模糊評(píng)價(jià)的結(jié)果，如表4所示。

表4　擬投標(biāo)項(xiàng)目定性指標(biāo)三角模糊評(píng)價(jià)

3.3預(yù)期利潤率評(píng)價(jià)

(1)建立學(xué)習(xí)樣本數(shù)據(jù)庫。選擇公司近期投標(biāo)成功案例20個(gè)，隨機(jī)選取其中15個(gè)作為訓(xùn)練樣本，剩余5個(gè)作為驗(yàn)證樣本。對(duì)樣本進(jìn)行賦值，構(gòu)建學(xué)習(xí)樣本數(shù)據(jù)庫，其中預(yù)期利潤率指標(biāo)為這些項(xiàng)目中標(biāo)報(bào)價(jià)扣除成本部分所占成本的百分比。

(2)模擬訓(xùn)練和驗(yàn)證。采用在線自適應(yīng)聚類學(xué)習(xí)算法，對(duì)高斯函數(shù)寬度取不同值進(jìn)行試驗(yàn)，隱含層神經(jīng)元個(gè)數(shù)為12，在RBF模型訓(xùn)練合格之后，對(duì)驗(yàn)證樣本進(jìn)行試驗(yàn)，如圖2和表5所示分別為σ=0.1時(shí)的驗(yàn)證結(jié)果和誤差。

圖2　驗(yàn)證結(jié)果圖

%

由表5可以看出，預(yù)測(cè)樣本的總平均精度達(dá)到96.3%，說明該模型的預(yù)測(cè)能力較好，可用于對(duì)擬投標(biāo)項(xiàng)目的預(yù)期利潤率預(yù)測(cè)。

(3)擬投標(biāo)項(xiàng)目預(yù)期利潤率預(yù)測(cè)。充分考慮當(dāng)前建筑市場(chǎng)特點(diǎn)，并借鑒已有研究成果，筆者針對(duì)項(xiàng)目、業(yè)主、企業(yè)自身和競(jìng)爭(zhēng)對(duì)手4個(gè)方面的情況，確立了17個(gè)影響企業(yè)預(yù)期利潤率的因素，并收集評(píng)價(jià)小組對(duì)擬投標(biāo)的4個(gè)項(xiàng)目的評(píng)價(jià)結(jié)果，如表6所示。

利用蒙特卡洛法對(duì)各影響因素在其三角分布規(guī)律上實(shí)現(xiàn)隨機(jī)抽樣，將隨機(jī)向量代入訓(xùn)練好的RBF神經(jīng)網(wǎng)絡(luò)，每個(gè)項(xiàng)目抽樣30次，通過統(tǒng)計(jì)抽樣結(jié)果得到4個(gè)項(xiàng)目的三角模糊數(shù)預(yù)測(cè)利潤率分別為(8.1%,13.6%,17.0%)、(7.4%,10.4%,14.0%)、(7.6%,11.0%,15.6%)和(9.1%,12.6%,17.3%)。

3.4AH公司擬投標(biāo)項(xiàng)目戰(zhàn)略價(jià)值排序

根據(jù)戰(zhàn)略描述指標(biāo)的分類評(píng)價(jià)，構(gòu)建評(píng)價(jià)矩陣，并對(duì)該評(píng)價(jià)矩陣A進(jìn)行歸一化處理，選取最優(yōu)值構(gòu)成參考序列，可得到標(biāo)準(zhǔn)矩陣U：

計(jì)算各個(gè)比較序列與參考序列之間的距離d(uij,u*j)，可得到距離矩陣D：

表6　擬投標(biāo)項(xiàng)目影響因素三角賦值

根據(jù)式(8)和式(9)可計(jì)算得到每個(gè)項(xiàng)目序列與參考序列的加權(quán)關(guān)聯(lián)度：

r=[0.664 1,0.594 9,0.526 5,0.692 3]

即項(xiàng)目1的關(guān)聯(lián)度為r1=0.664 1，項(xiàng)目2的關(guān)聯(lián)度為r2=0.594 9，項(xiàng)目3的關(guān)聯(lián)度為r3=0.526 5，項(xiàng)目4的關(guān)聯(lián)度為r4=0.692 3，從而確定這4個(gè)項(xiàng)目在該企業(yè)戰(zhàn)略導(dǎo)向下的投標(biāo)優(yōu)先級(jí)順序?yàn)?項(xiàng)目4﹥項(xiàng)目1﹥項(xiàng)目2﹥項(xiàng)目3。

4結(jié)論

筆者在現(xiàn)有研究基礎(chǔ)上，利用平衡計(jì)分卡模型，從企業(yè)財(cái)務(wù)、客戶、企業(yè)運(yùn)營、創(chuàng)新發(fā)展4個(gè)維度，建立一套科學(xué)系統(tǒng)的戰(zhàn)略目標(biāo)評(píng)價(jià)指標(biāo)體系，并利用熵權(quán)法確定了評(píng)價(jià)指標(biāo)的權(quán)重。對(duì)項(xiàng)目戰(zhàn)略價(jià)值評(píng)價(jià)時(shí)，采用三角模糊數(shù)對(duì)定性指標(biāo)進(jìn)行模糊評(píng)價(jià)，運(yùn)用蒙特卡洛模擬方法對(duì)其利潤率進(jìn)行了預(yù)測(cè)，并用灰色關(guān)聯(lián)度法完成了各項(xiàng)目總體戰(zhàn)略價(jià)值的排序。最后，筆者對(duì)AH公司面臨的4個(gè)擬投項(xiàng)目進(jìn)行戰(zhàn)略價(jià)值評(píng)價(jià)，得出戰(zhàn)略價(jià)值導(dǎo)向下，4個(gè)擬投標(biāo)項(xiàng)目的優(yōu)先級(jí)排序，證明了該方法的可行性和實(shí)用性，對(duì)企業(yè)投標(biāo)決策具有一定的理論和現(xiàn)實(shí)意義。

參考文獻(xiàn)：

[1]CHENG E W L，LI H. Analytic network process applied to project selection[J]. Journal of Construction Engineering and Management， 2005,134(4):459-466.

[2]WILLIAM R B, NAWAZ S. A conceptual framework for ranking R&D projects[J].IEEE Transactions on Engineering Management, 2008,55(2):267-277.

[3]徐洪明.建筑企業(yè)多項(xiàng)目優(yōu)先級(jí)評(píng)價(jià)研究[D].天津:天津財(cái)經(jīng)大學(xué),2010:45-46.

[4]王潔靜,任倍.平衡計(jì)分卡法在多項(xiàng)目條件下人力資源分配中的應(yīng)用[J].管理科學(xué),2010(10)：52-53.

[5]秦晉,陳永強(qiáng).工程企業(yè)多項(xiàng)目優(yōu)先級(jí)評(píng)價(jià)指標(biāo)體系構(gòu)建研究[J].價(jià)值工程,2011,30(28)：1-3.

[6]張欽禮,曹瑞鋒,王石,等.基于商權(quán)和模糊數(shù)學(xué)的充填管道堵塞風(fēng)險(xiǎn)評(píng)價(jià)[J].科技導(dǎo)報(bào)，2013,31(28/29)：30-34

[7]潘華,高楊楊,薛小龍，等.基于三角模糊數(shù)的輸變電工程模糊綜合評(píng)價(jià)[J].工程管理學(xué)報(bào),2015,29(4)：78-83.

[8]談飛,楊帆.基于蒙特卡洛的施工企業(yè)預(yù)期利潤率預(yù)測(cè)研究[J].項(xiàng)目管理技術(shù),2014,12(11)：108-112.

[9]雷瑛,孫自強(qiáng).徑向基網(wǎng)絡(luò)在熱鍍鋅氣刀控制系統(tǒng)中的應(yīng)用[J].世界儀表與自動(dòng)化，2004,8(1)：50-53.

[10]王相平.鐵路旅客運(yùn)輸量影響因素的灰色關(guān)聯(lián)分析[J].鐵路計(jì)算機(jī)應(yīng)用,2013,22(10)：13-16.

KONG Lingzhen:Postgraduate; School of Business，Hohai University，Nanjing 211100,China.

文章編號(hào)：2095-3852(2016)02-0238-06

文獻(xiàn)標(biāo)志碼:A

收稿日期：2015-11-16.

作者簡介：孔令禎(1991-)，男，河南衛(wèi)輝人，河海大學(xué)商學(xué)院碩士研究生.

中圖分類號(hào)：TU723.31

DOI：10.3963/j.issn.2095-3852.2016.02.022

Research on Multi-project Strategy-oriented Bidding Decision for Construction Enterprises

KONGLingzhen，ZHANGYunning，ZHANGXuejiao

Abstract：The Paper from the multi-project choice that construction enterprises bidding in the period of project decision, discuss the construction of corporate strategic objectives to guide decision-making problems . In the strategic target analysis stage, according to the different strategy, it built the scientific system contains 8 strategic indicators, from the financial situation, enterprise operation, customer, innovation and development four dimensions, and use entropy weight method to calculate the concrete index weight.And in the strategic value of the evaluation stage, using triangular fuzzy numbers and Monte Carlo qualitative indicators and expected profitability were evaluated.And in reference method of gray correlation and prioritization of completion of the overall strategic value of each project and the construction companies to bid decision, it has important practical and theoretical value.

Key words：construction companies; bid decision; entropy method; gray related degree