樓振凱，戴曉震

（溫州商學(xué)院管理學(xué)院，浙江 溫州 325035）

模糊條件下配送中心選址評價(jià)方法研究

樓振凱，戴曉震

（溫州商學(xué)院管理學(xué)院，浙江 溫州 325035）

在配送中心選址問題的背景下，從定性和定量兩個(gè)角度出發(fā)分析對比已有的選址評價(jià)方法，指出其適用對象。在此基礎(chǔ)上，結(jié)合指標(biāo)對比關(guān)系的模糊性和指標(biāo)數(shù)值的模糊性，對模糊條件下配送中心選址評價(jià)問題進(jìn)行分類處理：模糊層次分析法確定指標(biāo)對比關(guān)系模糊下的權(quán)重，并運(yùn)用灰色綜合評價(jià)確定評價(jià)對象的優(yōu)劣性；離差最大化法求得指標(biāo)數(shù)值模糊下的權(quán)重，利用改進(jìn)理想解排序法（TOPSIS）對評價(jià)對象按理想程度進(jìn)行排序。并結(jié)合算例說明不同情形下方法的有效性和適用性。

評價(jià)方法；模糊指標(biāo)；確定權(quán)重；灰色關(guān)聯(lián)度；離差最大化

作為供應(yīng)商與客戶的橋梁，配送中心在物流系統(tǒng)中起著重要的承接作用。而配送中心的選址問題則是配送中心規(guī)劃與建設(shè)的關(guān)鍵一環(huán)，不僅決定了配送模式和配送距離，而且影響著整個(gè)系統(tǒng)的運(yùn)作效率。關(guān)于配送中心選址的研究主要可以分為兩大類：一類是以數(shù)學(xué)規(guī)劃、智能算法為工具的節(jié)點(diǎn)尋找問題，通過建立選址模型求得理想節(jié)點(diǎn)；另一類是以評價(jià)模型為主的節(jié)點(diǎn)選擇問題，運(yùn)用層次分析法、熵權(quán)法、理想解法等對備選地址進(jìn)行篩選排序。

關(guān)于節(jié)點(diǎn)尋找問題，早期的研究中常用的模型和方法有混合整數(shù)規(guī)劃模型、鮑姆爾-沃爾夫法、逐次逼近模擬法等。后續(xù)的研究中，文獻(xiàn)[1]提出了基于軸不等式族的分支割平面法，在解決無容量限制的選址問題中取得滿意的效果；對于類似的問題，文獻(xiàn)[2]改進(jìn)了半拉格朗日松弛算法，通過對偶上升算法尋找原始-對偶問題最優(yōu)解；文獻(xiàn)[3]從圖論的角度出發(fā)，構(gòu)建了加權(quán)動(dòng)態(tài)圖的選址模型并通過實(shí)際案例分析了模型的合理性。然而，由于選址問題的實(shí)際約束大大多于理論約束，優(yōu)化算法求得的理想解往往并不具有可行性，因此近幾年學(xué)者大多從對備選節(jié)點(diǎn)評價(jià)、排序的角度深入研究。文獻(xiàn)[4-9]分別從指標(biāo)對比和指標(biāo)數(shù)值的角度確定各指標(biāo)的權(quán)重，并對指標(biāo)數(shù)值進(jìn)行標(biāo)準(zhǔn)化處理，從而得出每個(gè)備選節(jié)點(diǎn)的綜合評價(jià)值；文獻(xiàn)[10]考慮到熵權(quán)法片面地通過指標(biāo)變化范圍確定權(quán)重的缺點(diǎn)，采用三角模糊數(shù)改進(jìn)并取得了良好效果；文獻(xiàn)[11-13]分別從數(shù)據(jù)方差均值和歐氏距離的角度對灰色關(guān)聯(lián)度進(jìn)行改進(jìn)，提出改進(jìn)的灰色綜合評價(jià)法解決選址問題。文獻(xiàn)[14]將特征值法和TOPSIS結(jié)合，求得備選點(diǎn)的綜合排序。

上述研究一定程度上解決了節(jié)點(diǎn)尋找和節(jié)點(diǎn)選擇問題。然而，現(xiàn)有文獻(xiàn)較少考慮到確定權(quán)重的時(shí)候指標(biāo)重要性對比的模糊性以及指標(biāo)數(shù)值本身的模糊性問題，而模糊性在現(xiàn)實(shí)問題中又普遍存在。本文在總結(jié)權(quán)重確定和備選點(diǎn)排序的評價(jià)方法的基礎(chǔ)上，對兩類模糊問題提出改進(jìn)評價(jià)方法。對指標(biāo)間對比關(guān)系模糊的問題，采用三角模糊數(shù)表示其決策矩陣，通過模糊層次分析確定權(quán)重，灰色綜合評價(jià)求得備選節(jié)點(diǎn)的優(yōu)劣排序；對指標(biāo)數(shù)值模糊的問題，采用離差最大化法確定指標(biāo)權(quán)重，改進(jìn)TOPSIS法對備選節(jié)點(diǎn)進(jìn)行排序。

1 指標(biāo)分析和方法比較

評價(jià)指標(biāo)的選取取決于對選址影響因素的分析。對影響因素分析如下：

1）客戶信息分析。配送中心以提供給客戶更好的配送服務(wù)作為目標(biāo)，對客戶信息進(jìn)行分析是選址的首要任務(wù)，客戶信息分析的主要指標(biāo)是客戶需求量以及客戶地理位置?，F(xiàn)實(shí)問題中，地理位置一般是確定的，而需求量往往是模糊性指標(biāo)。

2）交通便利性分析。配送活動(dòng)包括裝車、運(yùn)輸?shù)倪^程，交通便利性越強(qiáng)，那么道路的通行效率相對越高，越便于車輛調(diào)度。

3）土地成本分析。配送中心建設(shè)成本是企業(yè)所關(guān)心的主要問題，選址位置的不同，直接導(dǎo)致土地使用成本的差異。

4）政策支持度分析。配送中心的建設(shè)和發(fā)展也離不開政策的支持，故應(yīng)該考慮區(qū)域產(chǎn)業(yè)發(fā)展的情況。當(dāng)?shù)貐^(qū)域?qū)ξ锪鞯闹С至Χ仍酱?，往往獲得的優(yōu)惠政策越多。

配送中心選址問題屬于多屬性決策問題，對多屬性決策問題的評價(jià)方法進(jìn)行總結(jié)和比較如表1所示。

表1 評價(jià)方法比較Tab.1 Comparison of evaluation methods

在表1的方法中，各類層次分析、熵權(quán)法主要用于對指標(biāo)權(quán)重的確定，灰色綜合評價(jià)和TOPSIS則解決評價(jià)對象的優(yōu)劣排序問題。

2 對比關(guān)系模糊性問題

指標(biāo)兩兩對比關(guān)系模糊，但指標(biāo)數(shù)值確定的問題，給出模糊層次分析法確定指標(biāo)的權(quán)重，并對指標(biāo)數(shù)值標(biāo)準(zhǔn)化處理，構(gòu)造參考數(shù)列，求各評價(jià)指標(biāo)的關(guān)聯(lián)度并進(jìn)行排序。

采用包括最低可能值、最可能值和最高可能值的三角模糊數(shù)作為專家評價(jià)的比較值。給出多個(gè)專家進(jìn)行模糊打分情況下的模糊數(shù)整合規(guī)則。對于第i個(gè)評價(jià)對象在第j項(xiàng)指標(biāo)上的測評值，n個(gè)專家模糊打分分別為X1=（a1，b1，c1），…，Xn=（an，bn，cn），其中ai

由介值定理可知，X仍然是一個(gè)三角模糊數(shù)。得到模糊決策矩陣A如下

式中：xmn表示整合的模糊值。計(jì)算指標(biāo)i的模糊綜合值pi，按以下公式

得到各指標(biāo)的模糊權(quán)重，最后通過模糊隸屬度函數(shù)去模糊化，并確定每個(gè)指標(biāo)的權(quán)重P

將以上權(quán)重歸一化，得到各指標(biāo)的主觀權(quán)重P=（p1，...，pn）。

灰色綜合評價(jià)的第一步是對指標(biāo)數(shù)值進(jìn)行同趨化和標(biāo)準(zhǔn)化處理，后者也稱無量綱化。對于效益型指標(biāo)，將整列數(shù)值和其中最小值作比；對于成本型指標(biāo)，取整列中最大值，和列中每個(gè)數(shù)值作比?；疑P(guān)聯(lián)分析常用的標(biāo)準(zhǔn)化處理有初值化和均值化，考慮到計(jì)算關(guān)聯(lián)度之前每個(gè)指標(biāo)要乘上其權(quán)重，本文采用另一種同趨化和無量綱化同時(shí)處理的極差法，將指標(biāo)數(shù)值規(guī)范在[0，1]之間。設(shè)評價(jià)指標(biāo)數(shù)值矩陣Y=（yij）m×n，處理后的標(biāo)準(zhǔn)矩陣Z=（zij）m×n。

對于成本型指標(biāo)

對于效益型指標(biāo)

從加權(quán)標(biāo)準(zhǔn)化矩陣中選擇每個(gè)指標(biāo)的最優(yōu)值，組成參考數(shù)列。對于參考數(shù)列z0和比較數(shù)列zi，計(jì)算各指標(biāo)對應(yīng)的差的絕對值，記為Δmin和Δmax，則各評價(jià)對象各指標(biāo)的關(guān)聯(lián)系數(shù)由以下公式確定

式中：ζ為分辨系數(shù)，根據(jù)序列的關(guān)聯(lián)程度選擇，一般?。?，0.5］。將每個(gè)評價(jià)對象各指標(biāo)的關(guān)聯(lián)系數(shù)集中為一個(gè)值，也稱絕對關(guān)聯(lián)度ri，一般采用求平均數(shù)的方法

與之類似，加權(quán)關(guān)聯(lián)度Ri由以下公式確定

根據(jù)加權(quán)關(guān)聯(lián)度大小完成評價(jià)對象的優(yōu)劣排序。與理想目標(biāo)的關(guān)聯(lián)度越大，表示該評價(jià)對象的理想程度越高，在排序上也越優(yōu)先。

3 指標(biāo)數(shù)值模糊性問題

很多時(shí)候指標(biāo)數(shù)值無法確切給出，只能確定其范圍、程度，這類問題歸納為指標(biāo)數(shù)值模糊性問題，這類問題同樣可以分成計(jì)算權(quán)重、評價(jià)對象排序兩個(gè)步驟。對于權(quán)重的計(jì)算，同樣可以通過層次分析法、模糊綜合評價(jià)等求得，然而主觀判斷獲得的比值有其難以克服的缺陷，本文結(jié)合模糊指標(biāo)的特點(diǎn)，給出離差最大化法的權(quán)重客觀求法。在方法原理上，熵權(quán)法從指標(biāo)數(shù)值變化范圍所反映的信息熵出發(fā)，確定各指標(biāo)的權(quán)重；離差最大化法同樣以指標(biāo)偏差大小為依據(jù)，以拉格朗日函數(shù)求得權(quán)重。給出離差最大化法計(jì)算過程。在獲得權(quán)重的情況下運(yùn)用TOPSIS法計(jì)算評價(jià)對象到正負(fù)理想解的距離以及相對貼近度，并按貼近度的大小對評價(jià)對象進(jìn)行優(yōu)劣排序。

以三角模糊數(shù)表達(dá)指標(biāo)數(shù)值，uij=（aij，bij，cij），則uij和ulj之間的歐式距離為

式中：qj為權(quán)重。運(yùn)算遵循三角模糊數(shù)四則運(yùn)算法則。離差最大化模型表達(dá)為

構(gòu)造拉格朗日函數(shù)可求得

確定了指標(biāo)權(quán)重，可以運(yùn)用改進(jìn)TOPSIS法對備選點(diǎn)排序。

步驟1：規(guī)范化決策矩陣。規(guī)范化的目的同樣是為了同趨化、歸一化，對正向指標(biāo)和負(fù)向指標(biāo)分開處理。對于三角模糊數(shù)，當(dāng)指標(biāo)屬于正向指標(biāo)時(shí)

當(dāng)指標(biāo)為負(fù)向指標(biāo)時(shí)

式中：λmaxj為每個(gè)指標(biāo)的最大值；μminj為每個(gè)指標(biāo)的最小值。

步驟2：確定加權(quán)規(guī)范化決策矩陣W

步驟3：確定正理想解I+和負(fù)理想解I-，其中模糊數(shù)的比較采用均值法

步驟4：計(jì)算第i個(gè)評價(jià)對象到正負(fù)理想解的歐式距離

步驟5：計(jì)算每個(gè)評價(jià)對象與理想目標(biāo)的相對貼近度Ti

4 算例分析

4.1 算例1

某地計(jì)劃新建一個(gè)配送中心，現(xiàn)有五個(gè)備選地址可供選擇，考慮的指標(biāo)為土地成本、需求量、交通便利性和政策支持度等，這其中有準(zhǔn)確數(shù)值、評分、百分比等，記為A，B，C，D。數(shù)據(jù)見下表。

表2 評價(jià)原始數(shù)據(jù)Tab.2 Original evaluation data

標(biāo)準(zhǔn)化數(shù)據(jù)之前，先確定各指標(biāo)權(quán)重。利用三角模糊數(shù)來表達(dá)決策偏好。三位專家的打分表如下。

表3 模糊判斷矩陣Tab.3 Fuzzy judgment matrix

各指標(biāo)權(quán)重P=（0.22，0.29，0.11，0.38）。標(biāo)準(zhǔn)化矩陣如表4所示，其中零為參考項(xiàng)。

表4 標(biāo)準(zhǔn)化矩陣Tab.4 Standardized matrix

求得各備選點(diǎn)的加權(quán)關(guān)聯(lián)度為（0.465，0.670，0.707，0.570，0.635）。可以看出，各備選地址的優(yōu)劣順序?yàn)槿?，二，五，四，一?/p>

4.2 算例2

同樣有5個(gè)備選地址，考慮的指標(biāo)為土地成本、需求量、交通便利性和政策支持度?，F(xiàn)實(shí)問題中，在投入運(yùn)營之前無論哪個(gè)指標(biāo)都無法給出確切數(shù)值，只能給出程度范圍，存在語言值向數(shù)值轉(zhuǎn)化的過程。因此用模糊性指標(biāo)表達(dá)較符合實(shí)際，本文采用三角模糊數(shù)。基于偏好信息的專家打分如表5所示。

表5 模糊判斷矩陣Tab.5 Fuzzy judgment matrix

離差最大化法求得權(quán)重Q=（0.25,0.23,0.19,0.33），標(biāo)準(zhǔn)化處理后的加權(quán)決策矩陣如表6所示。

表6 加權(quán)決策矩陣Tab.6 Weighted decision matrix

由式（17），式（18）可得正負(fù)理想解為

由式（19），式（20）以及正負(fù)理想解計(jì)算各備選地址到正負(fù)理想解的歐式距離及相對貼近度，數(shù)據(jù)見表7所示。

表7 相關(guān)距離及貼近度Tab.7 Correlation distance and closeness degree

由理想解法貼近度大小排序知，備選地址的優(yōu)劣排序?yàn)槿?，二，五，一，四?/p>

5 總結(jié)

配送中心選址的優(yōu)劣對企業(yè)物流系統(tǒng)運(yùn)作成本、效率有著深遠(yuǎn)影響，而基于優(yōu)化算法的節(jié)點(diǎn)尋找往往不能滿足實(shí)際問題的諸多定性約束。對備選地址進(jìn)行分析、比較和評估，從中選擇最理想的地址作為配送中心的節(jié)點(diǎn)選擇問題引起更多關(guān)注和研究。

選址評價(jià)問題中，往往存在模糊性因素。本文將模糊選址評價(jià)問題分為兩類，即指標(biāo)對比關(guān)系模糊性問題和指標(biāo)數(shù)值模糊性問題，分別給出模糊層次分析法-灰色綜合評價(jià)法和離差最大化法-TOPSIS法，對兩類問題提供了可行的解決方法。算例分析表明，改進(jìn)的評價(jià)方法具有可行性和適用性。文章的不足之處在于，沒有對主觀評價(jià)和客觀評價(jià)的優(yōu)劣程度給出評判準(zhǔn)則，后續(xù)的研究還可以對主客觀權(quán)重的平衡、指標(biāo)數(shù)較多且相互關(guān)聯(lián)的問題展開研究。

[1]安邦，程朋.基于分支割平面的一類無容量限制設(shè)施選址問題求解算法[J].運(yùn)籌學(xué)學(xué)報(bào)，2015，19（4）：1-13.

[2]張慧珍，魏欣，馬良.求解無容量設(shè)施選址問題的半拉格朗日松弛新方法[J].運(yùn)籌學(xué)學(xué)報(bào)，2015，19（4）：37-47.

[3]劉欣.物流園區(qū)選址模型中的動(dòng)態(tài)Voronoi圖問題及評價(jià)[J].價(jià)值工程，2015（21）：168-169.

[4]王曉博，李一軍.電子商務(wù)環(huán)境下物流配送中心選址模型與評價(jià)方法[J].系統(tǒng)管理學(xué)報(bào)，2006，15（3）：199-204.

[5]許德剛，肖人彬.基于智能優(yōu)化的糧食物流中心選址評價(jià)體系[J].河南工業(yè)大學(xué)學(xué)報(bào)，2009，30（6）：80-83.

[6]劉謖汾，馬斌.煤炭物流園區(qū)多目標(biāo)動(dòng)態(tài)選址[J].工業(yè)工程，2015，18（6）：110-115.

[7]孔令明，王云峰.基于可拓層次分析法的物流中心選址評價(jià)[J].技術(shù)經(jīng)濟(jì)與管理研究，2009（6）：25-27.

[8]田時(shí)中，趙鵬大.中部六省霧霾壓力動(dòng)態(tài)綜合評價(jià)模型與實(shí)證[J].統(tǒng)計(jì)與信息論壇，2016，31（9）：56-61.

[9]王海濱，陳延君.物流配送中心選址的熵權(quán)法綜合評價(jià)研究[J].哈爾濱商業(yè)大學(xué)學(xué)報(bào)，2010（4）：61-64.

[10]遲國泰，王鈺娟，劉艷萍.基于三角模糊熵的經(jīng)濟(jì)評價(jià)模型及副省級城市的實(shí)證研究[J].運(yùn)籌與管理，2010，19（5）：107-117.

[11]陳戰(zhàn)波，黃小舟.物流配送中心選址的改進(jìn)灰關(guān)聯(lián)度評價(jià)方法[J].統(tǒng)計(jì)與決策，2015（3）：52-55.

[12]朱清香，曹秋芳，劉晶.基于改進(jìn)灰色關(guān)聯(lián)的商業(yè)網(wǎng)點(diǎn)最優(yōu)選址研究[J].統(tǒng)計(jì)與決策，2016（8）：51-53.

[13]DYMOVA，PAVEL S，ANNA T.An approach to generalization of fuzzy TOPSIS method[J].Information Science，2013（238）：149-162.

[14]楊磊，黃曉燕.物流配送中心選址的設(shè)計(jì)及評價(jià)模型[J].統(tǒng)計(jì)與決策，2008（9）：80-81.

[15]趙萬華.區(qū)域物流配送中心選址的評價(jià)方法研究[D].武漢：武漢大學(xué)，2011.

[16]王森，魏旭穎.基于模糊模型的網(wǎng)絡(luò)社會場系統(tǒng)的安全評估[J].華東交通大學(xué)學(xué)報(bào)，2016，33（5）：132-138.

Study on Evaluation Methods of Distribution Center Location under Fuzzy Condition

Lou Zhenkai,Dai Xiaozhen
（School of Management,Wenzhou Business College,Wenzhou 325035,China）

Aiming at the distribution center location，this paper compared the existing location evaluation methods and discussed their applications from the two perspectives of qualitative and quantitative analysis.Combining the fuzziness of the indexes contrast relationship with the fuzziness of the indexes value，it classified and solved the evaluation problems of distribution center location under fuzzy conditions：fuzzy analytic hierarchy process was used to determine the weight of indexes for the fuzzy contrast relationship，and the grey comprehensive evaluation was applied to determine the superiority and inferiority of evaluated objects；the weights of fuzzy indexes was obtained by maximizing deviations，and improved TOPSIS method was adopted to rank the evaluated objects according to the ideal level.Finally，it illustrated the effectiveness and applicability of the evaluation methods under different circumstances through numerical examples.

evaluation method；fuzzy index；weight decision；grey correlation degree；maximizing deviations

F252

A

1005-0523（2017）03-0081-07

（責(zé)任編輯 姜紅貴）

2016－12－01

樓振凱（1989—），助教，碩士，主要研究方向?yàn)槲锪鞴芾怼?/p>