混合信息融合策略下共享電單車綠色回收供應(yīng)商選擇方法

2023-12-04 13:01:40劉利枚唐麗娟陳白帆

計算機集成制造系統(tǒng) 2023年11期

劉利枚,唐麗娟,楊藝+,陳樹,陳白帆

(1.湖南工商大學(xué) 大數(shù)據(jù)與互聯(lián)網(wǎng)創(chuàng)新研究院,湖南長沙 410205;2.湖南工商大學(xué) 新零售虛擬現(xiàn)實技術(shù)湖南省重點實驗室,湖南長沙 410205;3.中南大學(xué) 自動化學(xué)院,湖南長沙 410083)

0 引言

在共享單車市場培育下,社會對綠色共享的兩輪出行方式接受度逐漸提高,然而共享單車所能滿足的出行需求相對有限。電動自行車是城市交通領(lǐng)域規(guī)模最大、發(fā)展最迅速的燃料替代型交通工具。得益于物聯(lián)網(wǎng)、人工智能、大數(shù)據(jù)的技術(shù)應(yīng)用,針對3到10公里中短途出行痛點,共享電單車應(yīng)運而生。近年來,各大城市對共享電單車的投放逐漸持開放態(tài)度,如北京摩拜(美團)、上海鈞正(哈羅出行)等企業(yè)先后在昆明、長沙、銀川等城市投放電單車,開啟共享電單車的全新局面。根據(jù)艾媒咨詢數(shù)據(jù)顯示,2020年中國共享電單車數(shù)量近500萬輛,預(yù)計2025年達800萬輛。然而,由于日常使用率高、有效維護缺乏以及使用行為不規(guī)范等因素使得狀況良好的電單車數(shù)量顯著減少,大量破損車輛造成了經(jīng)濟和環(huán)境方面的問題[1]。因此,建立有效的回收管理模式成為促進共享單車綠色運營的關(guān)鍵任務(wù)。加之,動力電池作為核心部件之一,若不能適當(dāng)回收利用,將會造成嚴重的重金屬污染,進而對生態(tài)環(huán)境和人類健康構(gòu)成嚴重威脅[2]。因此,共享電單車的回收研究具有重要的現(xiàn)實意義。

目前,學(xué)者們主要從調(diào)度[3-5]、選址[6]、治理[7-8]以及供應(yīng)商[9-10]等方面開展共享單車的回收研究。針對故障車回收的調(diào)度問題,文獻[3]以運營商總成本最小化為目標(biāo)建立混合整數(shù)線性規(guī)劃模型并提出禁忌搜索求解算法;文獻[4]以行駛時間、站點檢查時間以及裝卸搬運總服務(wù)時間為目標(biāo)建立回收取送一體化旅行商調(diào)度模型,并運用貪心-模擬退火算法求解最優(yōu)調(diào)度路徑;文獻[5]以系統(tǒng)調(diào)度時間最短為目標(biāo),構(gòu)建了基于破損信息不確定的新車投放—舊車調(diào)撥—壞車回收共享單車聯(lián)合調(diào)度優(yōu)化模型。針對故障共享單車回收站選址庫存問題,考慮庫存成本、投放周期等因素,文獻[6]以物流系統(tǒng)總成本最小化為目標(biāo)建立回收站選址庫存模型,并設(shè)計自適應(yīng)遺傳算法進行模型求解。針對產(chǎn)業(yè)鏈中下游的回收與轉(zhuǎn)化問題,司紅運等[7]提出生產(chǎn)責(zé)任延伸制與征收環(huán)保稅兩種回收治理模式,通過回收治理過程的模擬仿真分析三方主體的演化均衡策略及最優(yōu)治理路徑。毛敏等[8]以總運營成本最小為目標(biāo),提出滿載裝運下故障單車直運、轉(zhuǎn)運和混合3種回收運輸策略的選擇條件,分析了最優(yōu)裝運量下的回收策略選擇?！犊萍既請蟆吩缭?018年指出了單車回收的必要性,當(dāng)2 000萬輛共享自行車報廢時,會產(chǎn)生近30萬噸廢金屬,相當(dāng)于5艘航空母艦結(jié)構(gòu)鋼的重量[11]。中國再生資源回收行業(yè)發(fā)展報告指出,由于回收成本高,利潤率低,大多數(shù)公司選擇忽略廢棄的共享自行車,而不采取任何適當(dāng)?shù)奶幹么胧12]。鑒于這種情況,學(xué)者們認為[9-10]有必要引入第三方物流供應(yīng)商進行回收,并以區(qū)間二型模糊集、畢達哥拉斯模糊集和VIKOR等決策理論為基礎(chǔ)構(gòu)建了回收供應(yīng)商選擇模型[9-10],為運營商選擇回收供應(yīng)商提供決策支撐。綜合上述分析,現(xiàn)有研究主要集中于傳統(tǒng)共享單車研究,鮮有共享電單車的回收研究[10]。值得注意的是,除了座墊、車架、車輪等百余個部件之外,電單車還加載了動力電池以及頭盔,共享電單車的有效回收需求極為迫切。受現(xiàn)有文獻[9-10]啟發(fā),本文將聚焦共享電單車綠色回收供應(yīng)商選擇問題,從指標(biāo)體系及選擇模型等方面展開研究。

共享電單車回收供應(yīng)商的選擇需要考慮環(huán)境、社會等多方面因素,是典型的多屬性群決策問題。在供應(yīng)商多屬性決策研究方面,學(xué)者們從信息表征的角度,研究了基于語義表征、模糊集理論的供應(yīng)商選擇模型。學(xué)者們相繼引入多粒度語義信息[13]、概率分布猶豫模糊語言集[14-15]表征專家的偏好信息,進而構(gòu)建了相應(yīng)的供應(yīng)商選擇模型;考慮到區(qū)間直覺模糊集具備同時考慮隸屬度、非隸屬度信息的能力,且能夠?qū)崿F(xiàn)定性語義信息轉(zhuǎn)化的特點,基于區(qū)間直覺模糊集的復(fù)雜產(chǎn)品系統(tǒng)綠色供應(yīng)商選擇[16]、材料供應(yīng)商選擇[17]等模型被相繼提出?；谏鲜龇治?本研究引入?yún)^(qū)間直覺模糊集理論,將語義評價信息、定量評價信息統(tǒng)一轉(zhuǎn)化,構(gòu)建基于區(qū)間直覺模糊集的共享電單車供應(yīng)商選擇方法。在回收供應(yīng)商選擇過程中,評價信息的集結(jié)是關(guān)鍵環(huán)節(jié)之一,而算子是實現(xiàn)信息集結(jié)的重要工具,目前區(qū)間模糊集結(jié)算子已廣泛應(yīng)用于各類決策問題。例如,為了考慮區(qū)間內(nèi)所有取值的集結(jié)貢獻特征,以連續(xù)區(qū)間值直覺模糊有序加權(quán)平均(Continuous Interval-Valued Intuitionistic Fuzzy Ordered Weighted Average,C-IVIFOWA)算子[18]為基礎(chǔ),學(xué)者們相繼提出了用于農(nóng)業(yè)土地狀態(tài)評估問題的區(qū)間直覺模糊冪加權(quán)(Interval-Valued Intuitionistic Fuzzy Power ordered Weighted Average,IVIFPWA)算子[19]、應(yīng)用于市場投資項目選擇的連續(xù)區(qū)間直覺模糊有序加權(quán)幾何算子[20]。對于C-IVIFOWA算子在有界性和單調(diào)性方面存在的不足,文獻[21-22]提出了用于構(gòu)建區(qū)間直覺模糊群決策模型的改進的C-IVIFOWA(IC-IVIFOWA)算子。然而,IC-IVIFOWA算子依賴于通過同一參數(shù)處理隸屬度區(qū)間和非隸屬度區(qū)間,較易導(dǎo)致集結(jié)值的取值無法包含區(qū)間直覺模糊數(shù)區(qū)域內(nèi)的所有模糊數(shù),從而造成決策態(tài)度的同化以及取值的丟失。鑒于此,本研究擬揭示現(xiàn)有算子的不足,通過引入雙參數(shù)函數(shù)提出內(nèi)嵌雙參數(shù)的區(qū)間直覺模糊集結(jié)算子,以提高回收供應(yīng)商評價信息集結(jié)的靈活性和合理性。

共享電單車結(jié)構(gòu)復(fù)雜、零部件眾多,決策群體大,回收供應(yīng)商選擇涉及多重定性和定量指標(biāo),是一個典型的多屬性群決策問題。目前,共享電單車回收供應(yīng)商的評價指標(biāo)體系亟待完善,且不同專家在對供應(yīng)商進行評估時,其主觀判斷會受其知識背景的影響,對各個指標(biāo)屬性使用的評價形式不盡相同,使得決策信息具有一定的不確定性和模糊性。根據(jù)現(xiàn)有研究存在的不足,針對共享電單車回收供應(yīng)商群決策問題,本文將從以下3個方面進行研究:

(1)考慮到電單車加載了動力電池及頭盔,本研究在傳統(tǒng)共享單車回收供應(yīng)商評價指標(biāo)體系的基礎(chǔ)上,構(gòu)建共享電單車回收供應(yīng)商選擇指標(biāo)體系,為供應(yīng)商評價者提供評判標(biāo)準(zhǔn);

(2)針對評價信息的統(tǒng)一轉(zhuǎn)換問題,本研究提出基于區(qū)間直覺模糊數(shù)的信息融合策略,可以將定性、定量評價信息統(tǒng)一轉(zhuǎn)化為區(qū)間直覺模糊數(shù),便于決策者依據(jù)偏好提供表征形式的評價信息;

(3)在評價信息集結(jié)方面,本研究以現(xiàn)有算子為基礎(chǔ),引入雙參數(shù)提出新的連續(xù)區(qū)間直覺模糊有序加權(quán)平均(Novel C-IVIFOWA,NC-IVIFOWA)算子,并構(gòu)建表征決策者態(tài)度偏好的雙參數(shù)模型來獲取最優(yōu)參數(shù)值,進而構(gòu)建出共享電單車綠色回收供應(yīng)商選擇方法。

1 共享電單車綠色回收供應(yīng)商選擇指標(biāo)體系

共享電單車作為一種介于單車和汽車之間的交通工具,相較于共享單車,其騎行范圍較廣,與私家車對比,共享電單車更加綠色低碳,更好地滿足了用戶需求。但共享電單車市場的蓬勃發(fā)展造成了大量的共享電單車廢棄閑置,運營商迫切需要回收供應(yīng)商來承擔(dān)回收處理工作。而對于共享電單車回收行業(yè),回收量大,利潤率高,為了選擇合適的供應(yīng)商,企業(yè)需要綜合考慮很多因素,例如供應(yīng)商的財政能力、單車搜索能力、綠色環(huán)保能力等。單車重量是運營商首要考慮的指標(biāo),也是最能衡量供應(yīng)商工作能力的指標(biāo),由于回收的車輛大多為故障車輛,部分車輛存在不完整的情況,無法以單車輛數(shù)進行計算,故將回收單車質(zhì)量作為供應(yīng)商開展回收服務(wù)的重要標(biāo)準(zhǔn)之一;共享電單車由座墊、車架、車輪等百余個部件組成,并加載了故障率較高的動力電池以及頭盔,回收過程中存在造成環(huán)境污染的風(fēng)險,為進一步貫徹落實國家的低碳環(huán)保理念,故考慮綠色環(huán)保能力很有必要;財務(wù)能力能夠較好地衡量供應(yīng)商是否有足夠的資金來維持回收過程的平穩(wěn)運行;較強的搜索能力能夠保證分布在不同地區(qū)的單車得到精準(zhǔn)的定位;部分單車回收后經(jīng)過更換部件、車體維修后可以重新投放,考核維修再投放能力較為重要;對于單車堆積、占用人行道等問題,有必要引入配送整理能力指標(biāo);供應(yīng)商與政府監(jiān)管部門的即時協(xié)調(diào)和溝通能夠確?；厥辗?wù)的順利開展,故新增了政府公共關(guān)系能力指標(biāo)。因此,本文在已有研究的基礎(chǔ)上結(jié)合運營商實際需求,新增了動力電池回收能力和頭盔回收方案兩個指標(biāo),構(gòu)建了共享電單車綠色回收供應(yīng)商選擇指標(biāo)體系,企業(yè)可根據(jù)指標(biāo)體系選擇符合自身需求的回收供應(yīng)商,并與其建立長期合作關(guān)系,降低共享電單車回收復(fù)雜度。

在新增的電池回收能力指標(biāo)方面,隨著共享電單車行業(yè)的快速發(fā)展,有越來越多的電池面臨報廢狀態(tài)。如果這些使用過的廢舊電池不能被有效回收,將會帶來嚴重的環(huán)境污染和資源浪費。由于共享電單車電池的使用壽命只有3年,需要經(jīng)常更換,回收量大,現(xiàn)有研究指出在選擇回收供應(yīng)商時,要關(guān)注供應(yīng)商對共享電單車廢舊電池進行處理的能力。例如,部分共享電單車電池回收時仍有少量剩余容量,可交給專業(yè)機構(gòu)二次使用,利用廢舊電池作為儲能系統(tǒng)向電網(wǎng)提供儲能;其次,由于共享電單車電池報廢量大,當(dāng)電池?zé)o法二次使用時,需要關(guān)注供應(yīng)商回收大量電池后統(tǒng)一存儲場所的安全措施,以及對電池進行回收處理后的工業(yè)固體廢物(包括冶煉殘渣、廢氣凈化灰渣、廢水處理污泥、分選殘余物等)管理方法。

在頭盔回收方案方面,自2020年6月1日起,全國各地已陸續(xù)開展“一盔一帶”安全守護行動?！翱奔粗割^盔,要求所有電單車騎乘人員要佩戴安全頭盔,騎行頭盔可吸收大部分撞擊力,起到緩沖、減震的保護作用。本文總結(jié)了部分關(guān)于佩戴安全頭盔的政策文件,如表1所示。由表1可知,目前的共享電單車需提供安全頭盔,在回收共享電單車時也需要考慮頭盔的回收,因此,在選擇回收供應(yīng)商時,需要關(guān)注供應(yīng)商的頭盔回收方案。例如,供應(yīng)商將頭盔收集至一定數(shù)量進行拆解和分類處理等程序,或?qū)⑺〉玫目裳h(huán)再造物料運送至鄰近地區(qū)作資源化處理等方案。

表1 佩戴安全頭盔相關(guān)政策

基于以上分析,本文新增了電池回收能力和頭盔回收方案兩個指標(biāo),構(gòu)建了如表2所示的共享電單車回收供應(yīng)商評價指標(biāo)體系。

2 模型構(gòu)建

2.1 問題描述

近年來,共享電單車已經(jīng)成為一種常見的出行方式。與此同時,共享電單車的快速發(fā)展給政府和企業(yè)的管理運營帶來了挑戰(zhàn),如電單車投放過多,車輛故障等。共享電單車運營商迫切需要將回收單車的工作外包給回收供應(yīng)商。如何利用多屬性決策方法選擇最合適的供應(yīng)商是共享電單車回收的關(guān)鍵。由于在共享電單車回收供應(yīng)商選擇過程中,有多個專家參與評價過程,且整個過程涉及運輸、維修等幾個部門,易受到各種因素的影響。因此,在選擇最合適的供應(yīng)商時需滿足表2指標(biāo)體系的要求?？紤]到共享電單車回收供應(yīng)商選擇的復(fù)雜性,本文提出一種共享電單車綠色回收供應(yīng)商選擇模型,共享電單車運營商可根據(jù)該模型實現(xiàn)回收供應(yīng)商優(yōu)選決策。在共享電單車綠色回收供應(yīng)商群決策問題中,為了表述方便,用下列符號表示群決策過程中涉及的相關(guān)集合與變量。

(1)回收備選供應(yīng)商集合A由運營商共選出m個初選回收供應(yīng)商{A1,A2,…,Am},Ai表示第i個備選供應(yīng)商。

2.2 基于區(qū)間直覺模糊集的評價信息量化方法

在共享電單車回收供應(yīng)商評價過程中,各回收供應(yīng)商的評價信息來源于歷史表現(xiàn)、行內(nèi)評價等渠道。在評價指標(biāo)體系中綠色環(huán)保程度、回收單車重量為定量指標(biāo),其決策信息可根據(jù)各備選供應(yīng)商的過往數(shù)據(jù)用精確數(shù)字形式表示,其余7個指標(biāo)為定性指標(biāo)。一般來說,定性語義信息更便于專家提供評價,決策專家根據(jù)歷史經(jīng)驗以及實地調(diào)研等給出“差、好、非常好”等語言主觀描述。由于定性指標(biāo)和定量指標(biāo)給出的評價信息表現(xiàn)形式不同,在決策過程中,決策專家對于定性指標(biāo)往往會給出模糊的評價信息,區(qū)間直覺模糊數(shù)在描述模糊和不確定環(huán)境方面具有一定優(yōu)勢,文獻[17]采用定性語義表征形式收集專家的評價信息,將決策者的語義評價信息轉(zhuǎn)換為區(qū)間直覺模糊數(shù)進行分析處理。本文在此基礎(chǔ)上,引入?yún)^(qū)間直覺模糊集理論,將定性定量信息統(tǒng)一轉(zhuǎn)化,更好地表達決策者的偏好信息。區(qū)間直覺模糊集的定義如下:

表3 基于區(qū)間直覺模糊數(shù)的語義信息量化表

表4 基于區(qū)間直覺模糊數(shù)的區(qū)間信息轉(zhuǎn)化表

(1)

各定量定性評價信息轉(zhuǎn)換規(guī)則可由圖1表示。圖1中的黑色矩形方框即為區(qū)間直覺模糊數(shù),矩形方框上方的S={st|t=-5,…,5}表示定性語義評價信息,定性評價信息上方的線段即表示定量區(qū)間信息,每個黑色矩形方框既對應(yīng)一個語義評價信息,也對應(yīng)一個定量區(qū)間信息。區(qū)間直覺模糊數(shù)、語義評價信息、定量評價信息為一一對應(yīng)的關(guān)系,因此黑色方框、定性語義、定量區(qū)間線段三者也為一一對應(yīng)的關(guān)系。

2.3 基于內(nèi)嵌雙參數(shù)WNC-IVIFOWA算子的回收供應(yīng)商群決策方法

在共享電單車回收供應(yīng)商選擇評估時,區(qū)間直覺模糊數(shù)的隸屬度以及非隸屬度均為區(qū)間值,在集結(jié)多個專家評價信息時會導(dǎo)致效率明顯降低,因此,有必要引入一種聚合算子來集結(jié)各專家對備選回收供應(yīng)商的評價值,提高決策過程的效率。本節(jié)將利用2.2節(jié)提出的評價信息處理方法,結(jié)合WNC-IVIFOWA算子,提出一種基于WNC-IVIFOWA算子的共享電單車回收供應(yīng)商群決策方法。

2.3.1 NC-IVIFOWA算子

本節(jié)將在改進的連續(xù)區(qū)間直覺模糊有序加權(quán)平均(IC-IVIFOWA)算子上進一步改進,提出新的連續(xù)區(qū)間直覺模糊有序加權(quán)平均(NC-IVIFOWA)算子,首先引入IC-IVIFOWA算子及WIC-IVIFOWA算子的相關(guān)定義。

雖然IC-IVIFOWA算子結(jié)合了DC-OWA算子對非隸屬度區(qū)間進行集結(jié),能表征決策者的態(tài)度,但是仍存在一些不足,接下來將通過具體實例進行說明。

根據(jù)定義2可得

(2)

(3)

下面探討IC-IVIFOWA算子存在不足的原因。

基于以上分析,IC-IVIFOWA算子雖然適用于將區(qū)間直覺模糊數(shù)轉(zhuǎn)化為直覺模糊數(shù),但其集結(jié)后的直覺模糊數(shù)取值范圍較窄,取不到原區(qū)域陰影部分內(nèi)所有點,會降低各專家的共享電單車回收供應(yīng)商評價信息集結(jié)的準(zhǔn)確性。因此,研究能夠準(zhǔn)確集結(jié)區(qū)間直覺模糊數(shù)且集結(jié)值取值包含原區(qū)域內(nèi)的所有模糊數(shù)的算子是非常必要的。

為了克服IC-IVIFOWA算子的不足,下面構(gòu)造內(nèi)嵌雙參數(shù)的新NC-IVIFOWA算子,其定義如下:

定義4新的NC-IVIFOWA算子為映射HP1,P2:M→L,滿足

(4)

定理1(關(guān)于P的單調(diào)性)若P1≥P3,P2≥P4,則有

(5)

(6)

(7)

根據(jù)定理3易知如下推論。

(8)

例2延續(xù)例1,根據(jù)定理3可得

(9)

μ=0.1+0.2λ1,ν=0.5-0.3λ2,

兩式均為二元一次方程,組成的求解范圍為一個矩形,如圖3陰影部分所示。由圖3知,本文提出的NC-ⅡFOWA算子能夠取到原區(qū)域內(nèi)所有模糊數(shù),故該算子的改進符合要求。

2.3.2 WNC-IVIFOWA算子

在共享電單車回收供應(yīng)商評價過程中,通常有多個專家對供應(yīng)商各方面能力進行有效評估,為了集結(jié)多個專家對供應(yīng)商多個屬性的區(qū)間直覺模糊評價信息,本文基于NC-IVIFOWA算子提出WNC-IVIFOWA算子,對多個評價信息進行集結(jié)。

下面給出WNC-IVIFOWA算子的定義。

(10)

(11)

(12)

定理8(關(guān)于P的單調(diào)性)若P1≥P3,P2≥P4,則

(13)

推論2對于任意的λ1,λ2∈[0,1)],WNC-IVIFOWA算子關(guān)于λ1和λ2單調(diào)遞增。

(14)

2.3.3 決策步驟

在共享電單車回收供應(yīng)商群決策過程中,首先利用2.2節(jié)中提出的方法,將共享電單車回收供應(yīng)商評價信息統(tǒng)一轉(zhuǎn)換為區(qū)間直覺模糊數(shù),然后由后面的模型一計算得雙參數(shù)λ1,λ2的最優(yōu)值,再利用WNC-IVIFOWA算子以及IFWA算子集結(jié)各決策矩陣,得到綜合評估矩陣。最后通過直覺模糊數(shù)的比較方法對各共享電單車回收備選供應(yīng)商記分函數(shù)值進行排序。

定義5[28]設(shè)直覺模糊加權(quán)平均算子為映射IFWA:Un→U,滿足

(15)

定義6[29]設(shè)η=(μη,νη)為直覺模糊數(shù),稱sco(η)=μη-νη為η的記分函數(shù),h*(η)=μη+νη為η的精確度函數(shù)。η1=(μη1,νη1),η2=(μη2,νη2)兩個直覺模糊數(shù)排序規(guī)則為:①若sco(η1)>sco(η2),則η1>η2。②若sco(η1)=sco(η2),則有當(dāng)h*(η1)>h*(η2)時,η1>η2;當(dāng)h*(η1)=h*(η2)時,η1=η2。

首先需要獲取備選供應(yīng)商{A1,A2,…,Am}的初始定性、定量指標(biāo)決策信息,定量指標(biāo)可從供應(yīng)商本身提供數(shù)據(jù)以及相關(guān)參考文獻調(diào)研數(shù)據(jù)中獲取,而定性指標(biāo)信息可由專家組{e1,e2,…,en}根據(jù)備選供應(yīng)商的歷史評價、現(xiàn)場調(diào)研等給出定性語義的評價信息。

步驟2群體評價矩陣信息集結(jié)算子的參數(shù)求解。在各專家給出對各回收備選供應(yīng)商評價值的基礎(chǔ)上,使用模型一計算各專家的群體一致性測度最大的情況下λ1,λ2的參數(shù)值。

(16)

稱為矩陣Dk與Dl的距離測度,其中

表示矩陣中各個元素之間的距離測度,由式(16)可知,若矩陣Dk與Dl的距離可定義為

(17)

則稱

con(Dk,Dl)=1-d(Dk,Dl),

(18)

為區(qū)間直覺模糊決策矩陣Dk與Dl的一致性測度。故可得群體一致性測度定義:

(19)

從而可得模型一:

s.t

con(Dk,Dl)=1-d(Dk,Dl)=1-

ri∈(0,mi);

(20)

由模型一可計算得到最合適的參數(shù)λ1和λ2。

步驟3綜合評價矩陣的計算。計算各專家對備選回收供應(yīng)商的綜合評價矩陣。利用WNC-IVIFOWA算子

步驟4備選方案屬性信息的集結(jié)。利用定義5中的IFWA算子

集結(jié)綜合決策矩陣中各個方案Ai(i=1,2,…,m)所對應(yīng)的直覺模糊數(shù)ηij(j=1,2,…,n),以計算各屬性的綜合評價值ηi(i=1,2,…,m)。

步驟5綜合評價信息的記分函數(shù)值。利用定義6中計算方法對直覺模糊數(shù)的記分函數(shù)進行計算,得到各備選供應(yīng)商Ai(i=1,2,…,m)的記分函數(shù)值sco(ηi)(i=1,2,3,m)。

步驟6備選方案的排序。根據(jù)定義6的排序比較方法對各備選供應(yīng)商Ai(i=1,2,…m)的記分函數(shù)值sco(ηi)(i=1,2,…,m)進行排序,最后選出最優(yōu)回收供應(yīng)商。

具體決策流程圖如圖4所示。

3 實例分析

大量故障共享電單車堆積已造成用戶安全隱患和環(huán)境資源浪費,共享電單車企業(yè)為了簡化回收過程的復(fù)雜度,通常會將共享電單車的回收業(yè)務(wù)外包給專業(yè)的供應(yīng)商。共享電單車企業(yè)選擇適合自身規(guī)模和發(fā)展的回收供應(yīng)商可有效降低回收成本。下面將利用本文提出的基于WNC-IVIFOWA算子的供應(yīng)商群決策方法進行共享電單車回收供應(yīng)商選擇?，F(xiàn)有4個備選供應(yīng)商Ai(i=1,2,3,4),由3位共享電單車領(lǐng)域?qū)＜医M成專家組ek(k=1,2,3),專家權(quán)重為ω=(0.3,0.3,0.4)T。專家組對各備選供應(yīng)商的9個屬性Cj(j=1,…,9)進行評估,9個屬性評價指標(biāo)的權(quán)重為ω=(0.20,0.10,0.10,0.05,0.05,0.05,0.05,0.30,0.10)T。

3.1 基于混合信息融合策略下的共享電單車綠色回收供應(yīng)商選擇

在本文第1章中提到的綠色回收供應(yīng)商評價指標(biāo)體系下,本案例根據(jù)長沙的回收情況選擇4個回收供應(yīng)商Ai(i=1,2,3,4)進行調(diào)研。其中,企業(yè)各專家ek(k=1,2,3)可根據(jù)附錄中表1的9個問題,給出備選供應(yīng)商Ai(i=1,2,3,4)在評價指標(biāo)屬性Cj(j=1,…,9)下的初始供應(yīng)商評價信息,見附錄中表2。對于定量指標(biāo)C1的信息,由各專家給出自己的期望區(qū)間,如表5所示。再由調(diào)研數(shù)據(jù)可得,指標(biāo)C2中4個供應(yīng)商每日在長沙回收共享電單車最大重量分別為19 800、26 902、25 599、34 050kg,由式(1)及表4計算可得精確值。對于定量指標(biāo)C2,專家根據(jù)備選供應(yīng)商的節(jié)能減排程度等參數(shù)可以給出定量值。定性指標(biāo)C3～C9由定性語義表示。

表5 各專家定量指標(biāo)期望區(qū)間

步驟1區(qū)間直覺模糊評價信息矩陣的獲取。

步驟2群體評價矩陣信息集結(jié)算子的參數(shù)求解。

使用Lingo對內(nèi)嵌雙參數(shù)模型式(20)進行計算,求解最優(yōu)參數(shù)值λ1,λ2,計算出態(tài)度特征參數(shù)的最優(yōu)值為λ1=0.3和λ2=1。

步驟3綜合評價矩陣的計算。

表6 綜合決策矩陣D

步驟4備選方案屬性信息的集結(jié)。

根據(jù)專家組給出的各屬性權(quán)重ω=(0.20,0.10,0.10,0.05,0.05,0.05,0.05,0.30,0.10)T,利用定義5中的IFWA算子集結(jié)備選方案Ai(i=1,2,3,4)在各屬性Cj(j=1,…,9)下所對應(yīng)的綜合評價矩陣信息ηij(j=1,2,…,9),以獲得綜合評價值ηi(i=1,2,3,4)。綜合評價值如下:

η1=(0.540 3,0.256 0),η2=(0.627 3,0.177 3),

η3=(0.625 4,0.183 1),η4=(0.562 0,0.269 6)。

步驟5綜合評價信息的記分函數(shù)值。計算各備選供應(yīng)商的記分函數(shù)值。

根據(jù)定義6的記分函數(shù)計算方法對綜合評價值ηi(i=1,2,3,4)進行計算,結(jié)果如下:

sco(η1)=0.284 3,sco(η2)=0.449 9,sco(η3)=0.442 2,sco(η4)=0.292 4。

步驟6備選方案的排序。

由各備選供應(yīng)商的最終記分函數(shù)值sco(ηi)(i=1,2,3,4)進行排序,可得到各備選供應(yīng)商Ai(i=1,2,3,4)的最終排序結(jié)果為A2>A3>A4>A1。

由上述結(jié)果可知,最優(yōu)備選供應(yīng)商為A2。

本文參考了劉利枚等[23]提出的共享單車綠色回收指標(biāo)體系,他們采用語言標(biāo)度對指標(biāo)體系中的所有指標(biāo)均進行定性評價,而本文將其中的幾個指標(biāo)定量化,專家在進行評價時,可以針對定量指標(biāo)給出具體的定量評價值,并針對定性指標(biāo)給出不同的定性語言評價值。最后,通過表3和表4進行轉(zhuǎn)化,統(tǒng)一表示為區(qū)間直覺模糊數(shù)。本文的指標(biāo)屬性評價方法與劉利枚等[23]提出的評價方法相比,更符合指標(biāo)本身的特點,決策專家可以根據(jù)不同的指標(biāo)屬性給出不同的評價值,專家的決策信息可以更好地表示各個指標(biāo)的屬性評價信息。最后,在對備選供應(yīng)商進行選擇時,也能更好地選擇符合運營商自身屬性的最優(yōu)回收供應(yīng)商。

3.2 對比分析

本文通過NC-IVIFOWA算子將區(qū)間直覺模糊值轉(zhuǎn)換為直覺模糊值貫穿了評價信息的集結(jié)過程,該算子的構(gòu)建思路主要建立在文獻[21-22]基礎(chǔ)上,使其在克服現(xiàn)有算子的不足時,還能在參數(shù)λ1和λ2取值相等時退化成為劉利枚等[21]、楊藝等[22]提出的IC-IVIFOWA算子。為了闡述這些算子間的聯(lián)系與區(qū)別,將本文參數(shù)λ1和λ2取值設(shè)置為等值,進而得到表7所示的供應(yīng)商排序方案。

表7 內(nèi)嵌雙參數(shù)取值相等時供應(yīng)商排序變化情況

由表7可得如下排序發(fā)生改變的3種情形:

(1)當(dāng)λ1=λ2=0.2時,供應(yīng)商排序為A3>A2>A1>A4;

(2)當(dāng)λ1=λ2=0.3時,供應(yīng)商排序發(fā)生改變,方案排序為A2>A3>A4>A1;

(3)當(dāng)λ1=λ2=1時,供應(yīng)商排序再次發(fā)生改變,方案排序為A2>A3>A1>A4。

由此可見,當(dāng)參數(shù)取不同數(shù)值時,其得到的回收供應(yīng)商排序方案也不一樣。而現(xiàn)有研究[21-22]在設(shè)置參數(shù)時主要依賴于主觀設(shè)置的方式來實現(xiàn)參數(shù)的賦值,缺乏一定的科學(xué)性。在本研究中,通過定義決策矩陣的一致性測度,以專家群體共識度最大為目標(biāo),并通過約束條件糅合了現(xiàn)有研究主觀設(shè)置模式,構(gòu)建了算子內(nèi)嵌雙參數(shù)的求解模型,在一定程度上提升了參數(shù)賦值的科學(xué)性,并提升了主觀設(shè)置的靈活性。因此,相比現(xiàn)有研究[21-22],本研究所提算子在退化性方面以及參數(shù)賦值方面都存在一定的優(yōu)勢。

為了觀察本文所提NC-IVIFOWA算子中不同參數(shù)賦值對方案排序決策結(jié)果的影響,計算了參數(shù)在λ1,λ2∈{0.0,0.1,…,1.0}時121種取值組合的備選供應(yīng)商排序結(jié)果,詳見表8。

表8利用折線將排序結(jié)果從左到右分為4塊,分別表示供應(yīng)商排序的4類結(jié)果。左上角模塊呈現(xiàn)了19種不同參數(shù)取值情形的相同排序結(jié)果A3>A2>A1>A4;中間模塊包括2種不同參數(shù)取值情形的相同排序結(jié)果A3～A2>A1>A4;第3個模塊給出了96種不同參數(shù)取值情形的相同排序結(jié)果A2>A3>A4>A1;第4個模塊給出了4種不同參數(shù)取值情形的相同排序結(jié)果為A2>A3>A1>A4。表8中共呈現(xiàn)了供應(yīng)商排序的四種不同結(jié)果,而當(dāng)雙參數(shù)取值為λ1=0.3和λ2=1時,模型中對應(yīng)的專家群體一致性測度取值最大,供應(yīng)商排序結(jié)果為A2>A3>A4>A1,即回收供應(yīng)商A2為最優(yōu)供應(yīng)商,根據(jù)模塊中的結(jié)果可知,在本文的案例分析中第3個模塊的排序結(jié)果都能得到該種排序結(jié)果。由定理1可知,算子的取值是關(guān)于雙參數(shù)單調(diào)遞增的,從態(tài)度特征的角度看,模塊從左上方移動到右下方的過程中,決策者的態(tài)度特征越來越傾向于樂觀,而不同的模塊可以反饋決策者的態(tài)度特征情況。

綜上所述,上述對比分析表明了所提出的方法具有可行性和有效性。本文所提出的共享電單車回收供應(yīng)商選擇方法充分考慮了不同專家之間的群體共識,根據(jù)實際專家評價信息可以得到群體共識最大的雙參數(shù)值,從群體共識的角度來看,該方法所獲得的排序方案可接受程度更高,也更有利于群體產(chǎn)生整體滿意,為決策者提供了更為靈活的決策模式。

4 結(jié)束語

本文針對綠色回收供應(yīng)商選擇問題,通過文獻研究以及實地調(diào)研構(gòu)建了共享電單車綠色回收供應(yīng)商選擇指標(biāo)體系。在專家的評價信息集結(jié)方面,從已有算子的不足著手,考慮數(shù)據(jù)集結(jié)后的準(zhǔn)確度,提出了NC-IVIFOWA算子以及WNC-IVIFOWA算子;在原有態(tài)度特征參數(shù)λ1的基礎(chǔ)上增加參數(shù)λ2,構(gòu)建了基于群體一致性測度的內(nèi)嵌雙參數(shù)模型,對模型求解可得出滿足決策群體偏好的雙參數(shù)最優(yōu)值;最后,利用WNC-IVIFOWA算子集結(jié)共享電單車回收供應(yīng)商評價信息,選擇最優(yōu)回收供應(yīng)商。本文多屬性群決策模型的優(yōu)勢如下:

(1) 構(gòu)建了共享電單車回收供應(yīng)商評價指標(biāo)體系,決策專家可根據(jù)不同屬性指標(biāo)使用不同的評價信息形式,更好地表達決策者的模糊偏好信息;針對共享電單車回收供應(yīng)商選擇過程中多專家群體提供評價信息的情況,構(gòu)建了基于區(qū)間直覺模糊集的評價信息融合策略,能有效地將定性、定量評價信息統(tǒng)一轉(zhuǎn)化為區(qū)間直覺模糊數(shù)。

(2) 在本文提出的共享電單車回收供應(yīng)商選擇方法中,NC-IVIFOWA算子在原有算子的基礎(chǔ)上,保留了能將區(qū)間直覺模糊數(shù)轉(zhuǎn)化為直覺模糊數(shù)的優(yōu)點,也克服了原算子集結(jié)區(qū)間直覺模糊數(shù)后取值范圍較窄且不準(zhǔn)確的不足點;同時,本文建立的內(nèi)嵌雙態(tài)度特征參數(shù)模型可以使專家之間達成更好的共識,使決策的結(jié)果更加科學(xué)合理。

共享電單車運營商可以根據(jù)本文方法選擇契合企業(yè)需求的回收供應(yīng)商,以便與其建立長期合作關(guān)系,開發(fā)自己的專屬電單車回收渠道,減少回收物流成本,提高經(jīng)濟效益,降低政府管理難度,增強企業(yè)運維力度,更有利于形成系統(tǒng)的電單車回收模型,助力共享電單車行業(yè)的可持續(xù)發(fā)展。未來考慮評價信息的可信度,引入基本不確定信息理論,該理論可以同時表征評價信息及其可信度,可以提高決策結(jié)果的可靠性。

附錄

1 定理1的證明

證明根據(jù)定義4,有

若P1≥P3,P2≥P4,則根據(jù)文獻[23]中定理15有