周 英

(中國科學院大學 工程科學學院，北京 100049)

中國企業(yè)參與國外大型工程投標的多目標決策研究

周 英

(中國科學院大學 工程科學學院，北京 100049)

隨著國家“一帶一路”發(fā)展戰(zhàn)略的提出，中國建筑行業(yè)國外業(yè)務(wù)發(fā)展迎來絕佳機遇。本文根據(jù)國外大型工程投標特點，將投標過程劃分為投標決策和報價決策，并對這兩個階段分別建立多目標決策模型，采用基于模糊綜合評價和卷積神經(jīng)網(wǎng)絡(luò)的方法研究投標決策，以及基于博弈論的方法研究報價決策，著重分析兩種模型下研究結(jié)果以及兩種模型在實踐中應(yīng)用的相關(guān)問題。文章通過建立合理的投標報價決策體系，使研究內(nèi)容更符合現(xiàn)實需求，得到更加理想的投標報價決策結(jié)果，提升企業(yè)國際競爭力，從而促進多元化、多項目的融洽經(jīng)濟合作。

工程投標報價；模糊理論；卷積神經(jīng)網(wǎng)；博弈論；多目標決策

在當今經(jīng)濟全球化的大背景影響下，我國工程承包商企業(yè)參與國際經(jīng)濟活動的步伐明顯加快。2015年3月28日，國家發(fā)改委、外交部等聯(lián)合發(fā)布《推動共建海上絲綢之路經(jīng)濟帶和21世紀海上絲綢之路的愿景與行動》，明確提出基礎(chǔ)設(shè)施互聯(lián)互通是“一帶一路”建設(shè)的優(yōu)先領(lǐng)域，建筑行業(yè)海外業(yè)務(wù)發(fā)展迎來絕佳機遇。

在面對進入國際市場的機遇下，也伴隨著相應(yīng)的挑戰(zhàn)。中國企業(yè)海外建筑市場的繁榮，促進了市場交易方式的長足發(fā)展與轉(zhuǎn)變。在諸多交易方式中，工程招投標是建筑市場經(jīng)濟活動中較為成熟與規(guī)范的交易方式，也是國際上通用的且被認為是最成功的建筑工程承發(fā)包方式。但是面對入世之后建筑業(yè)開放所帶來的沖擊，我國海外工程承包仍然存在一些問題，如市場經(jīng)濟的信息傳遞機制不完善，招投標過程中市場調(diào)查不充分，投標決策不科學，項目面臨由于虧損導致的工程進度嚴重滯后，無法按期按質(zhì)交付的問題等。尤其是隨著建筑市場競爭的激烈，這些問題已經(jīng)變得非常突出，造成的后果已十分嚴重。

部分企業(yè)的國外工程面臨巨額虧損，對其發(fā)展產(chǎn)生了嚴重的影響。如2009年9月，中國海外工程有限責任公司以不及波蘭政府預算一半的報價中標波蘭A2高速公路，但該項目由于虧損經(jīng)營導致工程進度嚴重滯后，2011年6月13日，波蘭高速公路管理局宣布解除與中海外的工程承包協(xié)議，并向后者索取約合17.51億元人民幣的賠償和罰款，同時禁止中海外3年內(nèi)參與波蘭的公開招標。

諸如此類的消息一經(jīng)爆出即在業(yè)內(nèi)引起極大振蕩，中國企業(yè)為何海外頻頻遭遇虧損，為什么此類項目不能在投標決策階段做出合理的評價與決策，規(guī)避風險？這些都是目前迫切需要解決的問題?，F(xiàn)在很多中國企業(yè)在進行海外項目投標決策時，沒有一個規(guī)范的投標體系，對項目評估分析不足。尤其當承建的工程項目面對經(jīng)濟效益、社會效益、政治效益等多邊利益關(guān)系中時，無法做出合理的多目標決策，往往只追求單一效益與單一目標，從而導致項目出現(xiàn)諸多糾紛，隨后就是項目虧損。

一、工程投標決策研究綜述

(一)工程投標決策模型綜述

投標的風險因素的評價問題，國內(nèi)外有許多學者進行過研究。20世紀 90年代以來，對于多風險因素投標報價決策問題，學者們主要有人工神經(jīng)網(wǎng)絡(luò)法、層次分析法、模糊評價法、基于事例推理法、主成份分析法等五種方法來進行研究[1-2]：

投標決策可以分成基于期望利潤的導向和基于項目綜合評價的導向[18]。基于期望利潤的導向是將預算投標價格和中標概率相結(jié)合，綜合計算后得出預期利潤，將預期利潤作為投標決策的依據(jù)。

表1 工程投標決策常用的模型評價

而基于項目綜合評價的導向是將項目施工難度、企業(yè)自身能力等多方面因素綜合考慮計算得出評價值，并依據(jù)此評價值對投標項目進行選擇?；谄谕麧櫟姆椒ㄖ饕袥Q策樹法、投標積極性分析法和項目綜合價值法。決策樹法[19]是將投標價格和中標概率結(jié)合得出預期利潤，并以此為依據(jù)作為決策標準，并將整個過程用決策樹表示。投標積極性分析法[20]考慮不能中標時的投標損失，計算投標積極性，也就是投標項目的損益期望值。項目綜合價值[21]是在投標積極性分析法的基礎(chǔ)上同時考慮項目的社會效益。

報價決策的模型按其所考慮的影響因素的多少可以分為單因素報價決策模型和多因素報價決策模型。單因素報價模型在進行報價決策時考慮競爭者狀況、中標概率和盈利水平。其中競爭者狀況是影響因素，而中標概率和盈利水平是兩個目標。根據(jù)不同理論基礎(chǔ)，可分為基于博弈論和基于概率論的兩種報價決策模型。多因素報價決策模型是在投保報價時考慮多個影響因素以及多個目標。影響因素除了競爭者狀況外還考慮環(huán)境因素、項目因素等，目標除了單因素模型中的中標概率和盈利水平外，還包括公司當?shù)厥袌稣加新省⒐举Y源利用的延續(xù)性等。應(yīng)當全面考慮報價的不同影響因素和目標。

(二)工程投標指標選取綜述

對于承包商來說，在投標中決不可忽視一些重要的客觀條件，如項目本身的復雜性以及項目所在地可能面臨的自然條件等，這些客觀條件都關(guān)系到投標的成功與否。但是，僅僅考慮這些是不夠的。承包商自身實力、業(yè)主情況等主觀條件，以及經(jīng)濟、社會、環(huán)境與安全等各種因素都與投標成功與否息息相關(guān)。在這些指標里，既有定性的指標也有定量的指標，既有經(jīng)濟方面的指標如利潤等也有社會指標如環(huán)境、科學等。如何科學合理的考慮到所有的指標，爭取讓施工企業(yè)取得利益最優(yōu)化，是每個施工企業(yè)都要面臨的重要抉擇。

不同的研究者、不同的項目類別所考慮的風險都不盡相同，目前投標項目評價指標體系還沒有一個成熟的標準。Frieman[19]只考慮了競爭對手的報價水平這一單一的風險因素；Odusote等[22]認為影響投標報價的因素包括業(yè)主支付能力、項目類型、與承包商三方面；楊蘭蓉[23]認為項目因素、企業(yè)自身因素和環(huán)境因素(地理因素、經(jīng)濟因素和經(jīng)驗因素)三類是最為重要的；安曉鵬[24]提出影響報價的因素包括業(yè)主提供的施工圖紙的完整性和深度，各國自然條件、民俗民情、政治、經(jīng)濟狀況、勞動力供求狀況、施工機械供應(yīng)情況、施工現(xiàn)場情況、施工工藝標準、材料設(shè)備供應(yīng)情況、參與投標的競爭對手、海運、陸運情況、匯率及各種稅收政策等多方面的情況；水小妮等[25]指出編制一個合理、可靠的投標價格除施工圖預算基礎(chǔ)上，還必須考慮工期、質(zhì)量、材料差價、投標工程的自然地理條件以及招標工程范圍等因素。盡管各個學者考慮的因素多少及重點都不一樣，但基本上囊括了影響投標的幾個主要方面：投標的主體——自身情況，投標的對象——項目情況，投標的客體——業(yè)主情況，投標的競爭者。

通常國外大型工程項目的投標一般具有大金額、較強技術(shù)性、高風險、多種不確定性因素等特征。目前，工程投標項目中到底哪些因素需要考慮，各個因素的權(quán)重該如何確定，因素與最終的報價是怎樣的關(guān)系等等，都尚無成熟的標準。不同的研究者、不同的項目類別根據(jù)各自研究目的所考慮的因素都各不相同。對一個充滿了多目標決策過程的工程項目競爭性投標來說，做好投標過程中的決策分析對于任何一個施工企業(yè)來說，都是至關(guān)重要的。因此，本文考慮在單一項目背景下，將整個決策流程分為投標決策和報價決策兩個階段來進行研究?；谀：C合評價和卷積神經(jīng)網(wǎng)投標決策模型，進行投標決策階段研究。這種方法避免了傳統(tǒng)方法對專家經(jīng)驗依賴較大，忽略歷史數(shù)據(jù)的局限性，考慮投標時因素的模糊性特點，并且結(jié)合神經(jīng)網(wǎng)絡(luò)找到不同變量間的內(nèi)在聯(lián)系，充分考慮歷史數(shù)據(jù)的作用?；诟倪M的博弈論模型，實現(xiàn)報價決策。最終建立基于投標決策和報價決策的完整體系，得到最合理的投標結(jié)果。

二、投標決策模型的建立

傳統(tǒng)的投標決策方法，對專家經(jīng)驗依賴較大，雖然考慮了影響投標因素的模糊性，但忽略了歷史數(shù)據(jù)的作用。因此，本文擬采用基于模糊綜合評價方法和卷積神經(jīng)網(wǎng)絡(luò)的投標決策模型。模糊綜合評價方法體現(xiàn)了投標時所考慮因素的模糊性特點，符合人類的思維方式；卷積神經(jīng)網(wǎng)絡(luò)通過學習案例，擺脫了模糊綜合評判過程中的隨機性以及參評專家主觀上的不確定性，并且充分考慮歷史數(shù)據(jù)的實際指導作用。二者結(jié)合，能實現(xiàn)優(yōu)勢互補，從而使投標決策過程更加科學合理，降低風險，從而對企業(yè)的發(fā)展起到促進作用。

本文提出的投標決策模型在參數(shù)學習階段，采用與模糊綜合評價類似的方法設(shè)定評價要素和評判等級標準，同時摒棄模糊綜合評價模型采用主觀的方式對評價等級進行的評定和對于決策結(jié)果的計算，而采用卷積神經(jīng)網(wǎng)絡(luò)進行多層網(wǎng)絡(luò)誤差反饋學習。該網(wǎng)絡(luò)能夠?qū)W習輸入數(shù)據(jù)與輸出決策結(jié)果之間的非線性映射關(guān)系，充分考慮歷史數(shù)據(jù)結(jié)果的指導作用，而且學習到的模型具有比較強的泛化性、適應(yīng)性。該模型方法建立的具體思路是：

(1)確定評價因素集，因素集的種類個數(shù)決定了卷積神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù)。投標者可根據(jù)本項目需求和企業(yè)效益的不同對評價因素集進行修改。

(2)根據(jù)各因素的特征對輸入因子進行分級處理，通過專家評議法確定卷積神經(jīng)網(wǎng)絡(luò)的輸入向量，結(jié)合投標項目的各種實際調(diào)查訪問材料以及研究數(shù)據(jù)，采用模糊數(shù)學方法對各個評價因素進行定量估算，確定評判數(shù)據(jù)并將其作為卷積神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù)，運用模糊綜合評價法得到卷積神經(jīng)網(wǎng)絡(luò)的期望輸出值。

(3)通過多次迭代的誤差反饋學習，確定卷積神經(jīng)網(wǎng)絡(luò)模型的參數(shù)，用于項目的投標決策。

(一)影響投標決策的因素分析

1.因素檢索

我們從所搜集到的大量實際項目投標材料中，精心選擇了86個具有代表性的含有指標體系的項目投標案例，經(jīng)過對這些案例的分析與統(tǒng)計，篩選出本文研究所需的工程投標決策指標體系。表2給出了按照被引用考慮的因素次數(shù)降序排列處理的排在前18位的評價指標，基本涵蓋了工程投標決策所要考慮的方方面面。

需要說明的是，因為不同研究案例的目的各不相同，因此側(cè)重的評價指標也有不同。同時，即使本著相同的研究目的，不同的研究人員在主觀上勢必有所偏好，會采用千差萬別的評價指標，因此表2 所列的評價指標顯得較為混雜，它們的目的是讓我們能夠更為直觀地理解目前相關(guān)研究中工程投標決策需要考慮哪些主要的評價指標。

2.指標體系的建立

在表2的 18個指標里面，可以從企業(yè)自身競爭實力、項目基本情況、項目中標后預計經(jīng)濟效益、項目實施后的外部關(guān)系、項目實施的社會影響力五個方向進行歸類，如表3所示。從中可以看出，投標決策所要考慮的因素，主要來自項目自身情況與承包商自身情況兩方面，這也是符合實際情況的。

(二)輸入因素的確定

1.輸入因素的分級處理

由于所考慮的影響因素大部分很難定量描述，可以利用“專家打分法”，專家打分法的優(yōu)點在于方法簡單、易懂、節(jié)約時間，但一般要求專家的人數(shù)不能太少，下面本文將依據(jù)實際工作中慣常采用的方法給出輸入因素的等級劃分標準：

表2 投標決策指標選取

表3 投標決策指標分類歸納

X1=技術(shù)設(shè)備條件=(強、中、弱)=(5、3、1)

X2=管理施工能力=(強、中、弱)=(5、3、1)

X3=信譽水平=(優(yōu)、中、劣)=(5、3、1)

X4=資信情況=(優(yōu)、中、劣)=(5、3、1)

X5=施工難度=(沒有、一般、大)=(5、3、1)

X6=項目地址=(方便、一般、不方便)=(5、3、1)

X7=項目規(guī)模=(大、中、小)=(5、3、1)

X8=項目可行性=(強、中、弱)=(5、3、1)

X9=所需設(shè)備資金=(少、中、多)=(5、3、1)

X10=設(shè)計施工成本=(少、中、多)=(5、

3、1)

X11=管理和維護成本=(少、中、多)=(5、3、1)

X12=特殊情況開銷預算=(少、中、多)=(5、3、1)

X13=施工工人和施工壓力=(小、中、大)=(5、3、1)

X14=招標者與工程質(zhì)量=(低、中、高)=(5、3、1)

X15=工程實施對當?shù)卣挠绊?(強、中、弱)=(5、3、1)

X16=其他競爭的投標者=(少、中、多)=(5、3、1)

X17=社會與業(yè)界影響力=(強、中、弱)=(5、3、1)

X18=工程實施對當?shù)氐挠绊?(強、中、弱)=(5、3、1)

注: 介于等級之間的分值為 4 和 2。

得到各因素等級分后，將各分值除以最高分值5，化為[0，1]域上的分值，以滿足神經(jīng)網(wǎng)絡(luò)值域的要求。

2.建立因素集

設(shè)某個被評價的對象Xi的 18 個影響因素分別為X1，X2，X3……X18，設(shè)定下列標準：0-很不重要；1-不重要；2-同樣重要；3-更重要；4-非常重要，對上述指標，兩兩比較其相對重要性，并進行打分，計算每個基本指標的權(quán)重，再將每一個指標的總分加和，得到一個總分，最后用每一個指標的總分加和除以所有指標的總分和，得到該指標在因素集中所占的權(quán)重，這種處理可以在一定程度上減少主觀打分上的誤差。

3.示例計算

選取我公司位于國外的A、B、C、D一共4個項目，按照18個影響因素指標進行因素確定。

表4 樣本輸入因子的分級處理

表5 樣本輸入因子化為[0，1]域上的分值

樣本指標權(quán)重計算選取A、B、C、D四個樣本，分別考慮權(quán)重，例如在樣本A中，X1代表了技術(shù)設(shè)備條件，在X1這一行中，將X1與其它的17個因素兩兩進行對比，得出參考數(shù)值，在A中，X1(技術(shù)設(shè)備條件)與 X2(管理施工能力)相比而言，顯得很不重要，故此數(shù)值為0；X1(技術(shù)設(shè)備條件)與 X3(信譽水平)相比而言，顯得更重要，故此數(shù)值為3，依此類推，就可以得出X1因素與其它所有因素兩兩相比，所占的重要性程度，以X1行求和，就可以得出X1在整個指標體系中所占的權(quán)重數(shù)值，其中X1和X1因素自身相比，我們選取數(shù)值為4，代表非常重要，這也有助于投標人積極參入每個項目的投標報價，重視每個指標因素的初衷相符合。按照同樣的方法，可以計算出剩余17個因素分別在指標體系中所占的數(shù)值，所有18個因素的權(quán)重數(shù)值求和，就構(gòu)成了一個指標體系的權(quán)重數(shù)值，最后求出每個因素的權(quán)重數(shù)值在整個指標體系中所占的比例，即為該因素在整個指標體系中所占的相對權(quán)重。采用這種處理方法，可以避免人為主觀綜合考慮18個因素直接打分造成的誤差，采用兩兩比較的方法，使得評價也更為容易，更加客觀，更符合項目本身的需要。

樣本A指標權(quán)重的計算見表6，樣本B、C、D計算方法相同，在此不再贅述。

(三)輸出因素的確定

在神經(jīng)網(wǎng)絡(luò)的學習訓練階段，樣本的期望輸出值可以由歷史資料確定或利用模糊綜合評價的方法評估得出。

模糊綜合評價是通過分析各因素重要性等級來明確各項指標的權(quán)重，然后根據(jù)綜合影響效果的評價等級確定投標意愿的強弱?；谒x取的18個針對于被評價對象的影響因素，建立影響因素的權(quán)重集。為了創(chuàng)建評價集，可設(shè)Y={P1、P2、P3、P4}={90、80、70、60}={很好、較好、一般、不好}，算出每個樣本的最終評分值，其中A、B、C、D四個項目對應(yīng)的結(jié)果分別為很好、一般、較好、不好。利用模糊關(guān)系的復合運算，得到最終指標值，再對其進行等級劃分，從而確定期望輸出值。

表6 樣本A指標權(quán)重計算

(四)卷積神經(jīng)網(wǎng)絡(luò)模型的訓練

卷積神經(jīng)網(wǎng)絡(luò)是一個多層的神經(jīng)網(wǎng)絡(luò)，包含卷積層、池化層和全連接層，每層由多個二維平面組成，而每個平面由多個獨立神經(jīng)元組成。

如圖1所示，C層為特征提取層，每個神經(jīng)元輸入與前一層局部感受也相連，并提取該局部的特征，一旦該局部特征被提取后，它與其他特征間的位置關(guān)系也隨之確定下來；S層是特征映射層，網(wǎng)絡(luò)的每個計算層由多個特征映射組成，每個特征映射為一個平面，平面上所有神經(jīng)元的權(quán)值相等。特征映射結(jié)構(gòu)采用影響函數(shù)核小的sigmoid函數(shù)作為卷積網(wǎng)絡(luò)的激活函數(shù)，使得特征映射具有位移不變性。

圖1 卷積神經(jīng)網(wǎng)絡(luò)圖

此外，由于一個映射面上的神經(jīng)元共享權(quán)值，因而減少了網(wǎng)絡(luò)自由參數(shù)的個數(shù)，降低了網(wǎng)絡(luò)參數(shù)選擇的復雜度。卷積神經(jīng)網(wǎng)絡(luò)中的每一個特征提取層(C-層)都緊跟著一個用來求局部平均與二次提取的計算層(S-層)，這種特有的兩次特征提取結(jié)構(gòu)使網(wǎng)絡(luò)在識別時對輸入樣本有較高的畸變?nèi)萑棠芰Α?/p>

卷積過程如圖2所示，包括：用一個可訓練的濾波器fx去卷積一個輸入的向量(第一階段是輸入的向量，后面的階段就是卷積特征map了)，然后加一個偏置bx，得到卷積層Cx。子采樣過程包括：每鄰域四個像素求和變?yōu)橐粋€像素，然后通過標量Wx+1加權(quán)，再增加偏置bx+1，然后通過一個sigmoid激活函數(shù)，產(chǎn)生一個大概縮小四倍的特征映射圖Sx+1。

圖2 卷積過程示意圖

訓練算法與傳統(tǒng)的BP算法類似。主要包括4步，這4步被分為兩個階段：

第一階段，向前傳播階段：

(1)從樣本集中取一個樣本(X, Yp)，將X輸入網(wǎng)絡(luò)。

(2)計算相應(yīng)的實際輸出Op。

在此階段，信息從輸入層經(jīng)過逐級的變換，傳送到輸出層。這個過程也是網(wǎng)絡(luò)在完成訓練后正常運行時執(zhí)行的過程。在此過程中，網(wǎng)絡(luò)執(zhí)行的是計算(實際上就是輸入與每層的權(quán)值矩陣相點乘，得到最后的輸出結(jié)果)：

Op=Fn(…(F2(F1(XpW(1))W(2))…)W(n))

第二階段，向后傳播階段

(3)算實際輸出Op與相應(yīng)的理想輸出Yp的差。

(4)按極小化誤差的方法反向傳播調(diào)整網(wǎng)絡(luò)權(quán)重矩陣。

對訓練集中每組數(shù)據(jù)都重復上面兩個階段，直到整個訓練偏差達到能被接受程度為止。在實際應(yīng)用中一般認為，用樣本訓練時，若卷積神經(jīng)網(wǎng)絡(luò)模擬輸出結(jié)果與期望值誤差范圍在(-0.25,0.25)之間，則認為模擬合格。

本文采用公開的caffe工具包進行卷積神經(jīng)網(wǎng)絡(luò)的迭代訓練，最終獲得可用于項目投標決策的網(wǎng)絡(luò)模型。另外，該模型針對測試樣本進行了投標決策，以此來評測模型，驗證所提出方法的有效性。

三、報價決策模型的建立

傳統(tǒng)報價決策是指對招標工程是否進行投標做出選擇之后，承包商經(jīng)過一系列的計算、評估和分析，確定直接成本；然后決策者利用標高金決策模型以及自身的經(jīng)驗、直覺等，從既能中標又能盈利的基本目標出發(fā)做出最優(yōu)報價決策。

本文采用博弈理論，分析在信息不對稱的情況下如何進行投標報價。中標概率分析可以采用歷史資料樣本分析確定總體概率。競爭對手歷史上參與投標的“報價”通常是投標者能夠獲得第一手資料，因此，本文改變以往以其他投標者的歷史成本為直接分析對象進行建模的做法，以報價作為基礎(chǔ)數(shù)據(jù)進行計算處理。

假設(shè)本次項目招投標過程中，有n個投標者參與競爭。以投標人1為分析對象，首先把歷史報價數(shù)據(jù)列入基礎(chǔ)數(shù)據(jù)表中，根據(jù)基礎(chǔ)數(shù)據(jù)表統(tǒng)計出投標人在每一標高金區(qū)間上的中標率。

隨著報價的增加，中標率呈曲線下降的趨勢。當標高金增加范圍局限在一個很小的區(qū)間時，我們近似認為中標率隨標高金的增加直線下降，即二者成線性關(guān)系。因此，由上面數(shù)據(jù)在圖紙上描點，并近似連成一條直線y=kx+b，求出k、b值，如圖3所示。

圖3 中標率與標高金線性關(guān)系圖

本次項目招投標過程中，n個參與競爭的投標者都希望中標，雖然該次報價具有很大的不確定性，但能根據(jù)歷史資料進行分析預測，因此設(shè)投標者的報價為Q，以第一個投標者為分析對象，設(shè)第一個投標者的標高金為R1，成本為C1，根據(jù)最低價中標的評標原則，如果第一個投標者的報價為Q1=min{Qi|i=1,2,n}，則投標者1中標。于是該報價過程可以表示為如下的貝葉斯博弈。

投標人1的中標函數(shù)為：PQ1=kR1+b

式中：PQ1表示投標人1在項目投標中的中標率；

R1表示投標人1在項目投標中標價的利潤率；

投標人1的期望收益函數(shù)為：U=Q1×R1×PQ1

=C1R1/(1-R1)PQ1

=C1R1/(1-R1)(kR1+b)

式中：U表示期望標高金；

Q1表示投標人本次投標報價；

C1表示投標人本次投標成本。

根據(jù)效用最大化原則，最優(yōu)化的一階條件方程為：U′=C1(KR12+bR1)/(1-R1)=0

本文根據(jù)最大效用原則和當前建筑市場的最低價中標原則，從歷史資料的分析入手確定中標率與標高金的函數(shù)關(guān)系，并代入投標者的期望效用函數(shù)中，以期望效用取得最大值為目標求解標高金，最終得到競爭中承包商能獲得期望效用的最佳報價點。在獲得合理利潤的同時，增加了中標概率，從而提升了企業(yè)競爭力，可為國家經(jīng)濟的發(fā)展起到良好的促進作用。

四、結(jié)語

本文在國內(nèi)外最新研究成果的基礎(chǔ)上，結(jié)合國家目前的經(jīng)濟政策及行業(yè)發(fā)展現(xiàn)狀，全面系統(tǒng)地分析了目前中國企業(yè)在國外大型工程中的投標決策問題，并基本形成了國際工程投標的方法體系。

本文提出了將整個投標決策流程分為投標決策和報價決策兩個階段，并創(chuàng)新地采用了卷積神經(jīng)網(wǎng)絡(luò)模型與模糊綜合評價方法相結(jié)合用于投標決策，利用模糊綜合評價方法彌補卷積神經(jīng)網(wǎng)絡(luò)的局限性，利用神經(jīng)網(wǎng)絡(luò)擺脫決策的隨機性及參評專家主觀上的不確定性，以實現(xiàn)二者優(yōu)勢互補，并充分考慮了歷史數(shù)據(jù)的指導作用，從而使投標決策過程更加科學合理。同時建立了基于博弈理論的報價決策模型，分析在信息不對稱的情況下如何進行投標報價，為企業(yè)提供了決策依據(jù)。

本文對國外大型工程投標決策進行系統(tǒng)研究，尋求決策依據(jù)的方法，不僅可以提升中國企業(yè)的國際化核心競爭力，在國際市場爭取到更大的份額，也可以保證項目實施過程中獲得合理的利潤，實現(xiàn)中國企業(yè)的可持續(xù)發(fā)展，具有深刻的現(xiàn)實意義。

[1]黎建強等.多風險因素的投標報價決策方法[J].運籌與管理, 2002, 11(1): 1-10.

[2]王雪青, 郭清娥,曹 楊.基于可信性理論的工程投標模糊風險評估[J].模糊系統(tǒng)與數(shù)學,2011,25(5):150-157.

[3]Hegazy T, Moselhi O.Analogy-based solution to markup estimation problem[J].Journal of Computer in Civil Engineering, 1998(1): 72-87.

[4]Li H.Neural network models for intelligent support for markup estimation [J].Journal of Construction Engineering and Management, A SCE，1996(3): 69- 82.

[5]王雪青, 喻 剛, 孟海濤.基于 GA改進 BP神經(jīng)網(wǎng)絡(luò)的建設(shè)工程投標報價研究[J].土木工程學報, 2007, 40(7): 93-98.

[6]Seydel.Bids considering multiple criteria [J].Journal of Construction Engineering and Management, A SCE,1990(4): 609-622.

[7]洪偉民, 朱志偉.基于模糊 AHP 的國際工程項目投標風險評價[J].煤炭工程，2008(4): 111-113.

[8]於永和等.投標報價中報高率確定的支持向量機方法研究[J].科技管理研究, 2006(11): 237-241.

[9]Fayek.Competitive bidding strategy model and software system for bid preparation [J].Journal of Construction Engineering and Management, ASCE, 1998(1): 1-10.

[10]劉爾烈等.基于模糊邏輯的工程投標決策方法[J].土木工程學報, 2003, 36(3): 57-58.

[11]張朝勇等.基于Choquet模糊積分的工程投標風險評估方法 [J].土木工程學報, 2007, 40(10): 98-104.

[12]Dikmen I, et al.A case-based decision support too l for bid mark-up estimation of inter national construction projects [J].Automation in Construction, 2007, (10): 30- 44.

[13]盧 梅, 張代亞.基于CBR與RBR的國際工程風險費用預測[J].2016,33(1):38-43.

[14]劉 華, 黃小龍.EPC合同爭端預警及案例分析[J].重慶大學學報, 2014, 37(9) : 144- 150.

[15]孫晉永, 古天龍, 常亮, 等.基于AL(QCD) 的CBR事例表示及相似性度[J].計算機科學, 2014, 41(4): 223-229.

[16]陳建, 張 明.主成分分析在水利工程評標中的應(yīng)用[J].科技資訊, 2008(5): 61.

[17]孫現(xiàn)軍.基于主成分分析法的清單商務(wù)標評標方法及應(yīng)用[J].建筑經(jīng)濟, 2011(7): 58-61.

[18]劉進鋒.一種簡潔高效的加速卷積神經(jīng)網(wǎng)絡(luò)的方法[J].科學技術(shù)與工程, 2014, 14(33): 240-244.

[19]Friedman L A.Competitive Bidding Strategy [J].Operation Research, 1956, 82(4): 104-112.

[20]郝麗萍等.基于博弈模型和模糊預測的投標報價策略研究[J].管理科學學報, 2002(3): 94-96.

[21]武智勇, 康重慶, 等.基于博弈論的發(fā)電商報價策略[J].電力系統(tǒng)自動化.26(9): 7-11.

[22]Odusote O, Fellows R F.An examination of the importance of resource considerations when contractors make project selection decisions [J].Construction Management & Economics, 1992, 10(2):137-151.

[23]楊蘭蓉.基于事例推理的報高率確定決策模型及其支持系統(tǒng)的研究[D].武漢:華中理工大學, 2000.

[24]安曉鵬.國際工程投標報價策略淺談[J].煤炭工程, 2008(2): 117-118.

[25]水小妮, 井海寧.建筑工程投標價格的合理確定[J].商場現(xiàn)代化, 2007(4): 171.

(本文責編：辛 城)

Study on Multi-objective Decision Making for Chinese Enterprises’ Participation in Foreign Large Scale Projects Bidding

ZHOU Ying

(CollegeofEngineeringScience,ChineseAcademyofSciencesUniversity,Beijing100049,China)

With the development of the national “Belt and Road” strategy, the construction industry of China has encountered a great opportunity for the development of foreign business.According to the characteristics of project bidding, the bidding process herewith in the article is divided into bidding decision and bidding decision.The multi-objective decision-making model is established for the two stages, bidding decision-making is studied by fuzzy comprehensive evaluation and convolutional neural network, and quotation decision-making is studied based on game theory, in addition, multi-objective decision-making study results under the two models and relevant problems occurred during the application of the two models in practice are also analyzed with emphasis.By establishing a reasonable bidding decision system, the article can make the research content more realistic, get the more ideal bid decision result, and enhance the international bidding competitiveness of Chinese enterprises, so as to promote diversification and multi-project harmony in economic cooperation.

engineering bidding quotation; fuzzy theory; convolutional neural network; game theory; multi-objective decision-making

2016-08-07

2016-11-27

周英(1978-)，男，河北唐山人，中交第一航務(wù)工程局有限公司經(jīng)營部經(jīng)理、高級工程師，碩士。

F407.9

A

1002-9753(2016)12-0154-09