选址决策范文

选址决策范文（精选8篇）

选址决策 第1篇

目前, 在国内农产品产业链或生鲜供应链起主导作用的仍然是农产品产地批发市场和销地批发市场, 它是服务于农产品大宗商品跨地区收发调配的区域性农产品集散地。农产品流通过程基本上还是:农产品生产者-产地批发市场-销地批发市场-零售市场-消费者, 因而农产品要经过多次周转才能从生产者运送到消费者手中。考虑到农产品, 特别是蔬菜具有时令性、保鲜性等特点以及消费者对绿色食品越来越高的要求, 如何以最快的速度、最好的质量将新鲜的农产品运送到消费者手中就显得十分有意义。

为了有效地对农产品进行配送, 在目标城市周边地区或郊区建立若干物流配送中心, 对农产品进行及时配送。农产品物流配送中心有着天然的优势:一是货源集中、充足, 品种齐全;二是主要靠“买全国, 卖全国”, 货源稳定;三是采取集中采购再分销出去的方法使得农产品成本和价格相对较低。因此, 发展农产品配送大有作为, 不仅可以减少因多次中转造成农产品的腐烂和损失, 而且能有效降低整个农产品供应链中的物流成本。

1 基于MDHGF改进算法的选址决策模型的建立

1.1 确定评价指标体系

为了使选址方案评价更具科学和易于操作, 建立针对性强、相关性好且简明可行的评价指标是关键。在综合考虑影响物流农产品配送中心选址因素的基础上, 本文建立的评价指标体系如图1所示。

1.2 基于成本因素的多目标线性规划模型

单独的考虑成本因素, 建立多目标线性规划模型, 然后用启发式算法进行求解, 得出可行性方案集。

设有n个物流中心备选点, 准许选定物流中心数的上限为p, 有m个供货点, 1个用户。建立模型:

其中:

cki, xki分别为由供货点k到中心i的单位运费及运量。k=1, 2, 3…m;i=1, 2, 3…n;

hij, xij分别为由中心i到用户j的单位运输费用及运量j=1, 2, 3…l;

xijk为由供货点k经过中心i到用户j的运量;

Vi为中心i的仓储和装卸搬运费用系数;

Fi为中心i的投资费用;

Mi为中心的最大流量;

Wi为中心的流量;

p为可选定中心的最大数目;

Dj为用户的需求量;

Ak为供货点k的供货能力。

式中m的指数θ可取1/2。由过滤性条件1:, 过滤性条件2: (i∈T) 可得≤Cnp个可行性子问题, 用启发式算法求解, 将结果填入表1。

通过表1可得到s个可行的子集, 其对应得成本为fq (q=1, 2…s) , 再对这s个可行子集作为备选方案进行评价。

1.3 计算综合评价值通过上节的计算, 得到s个可行方案, 利

用MDHGF算法的第三步到第十步, 在不考虑成本因素的条件下, 计算每个可行性方案中非成本因素、基本设施、社会环境和经营环境分别的综合评价值。

第一步:确定指标评分等级。

第二步:利用层次分析法或者专家评分法, 对每个指标赋予其相应的权数。具体可表述为:

第三步:组织专家评分。

第四步:求评价样本矩阵。根据评价者评价结果, 即根据第n个评价者对指标Cijk给出的评分dijkn, 其中n=1, 2, …p, 求得评价指标的样本矩阵D, 其中i=1时, j=2;i=2时, j=1, 2, 3, k=1, 2, 3。

第五步:确定评价灰类。由于本文将指标分为四个等级, 所以采用4个评价灰类, 灰类序号为e, e=1, 2, 3, 4, 分别表示优、良、中、差。

第六步:构造灰色评价权矩阵。对评价指标Cijk, 对评价者主张第e个灰类的灰色评价权, 记为Cijke;Cijk属于各个评价灰类的总灰色评价权, 记为Cijk, 则有:

其中i=1时, j=2;i=2时, j=1, 2, 3;k=1, 2, 3。

所有评价者就指标Cijk, 对评价者主张第e个灰类的灰色评价权, 记为rijke, 则有:

评价灰类有4个, 评价指标Cijk对于各灰类的灰色评价权向量rijk为:

其中i=1时, j=2;i=2时, j=1, 2, 3;k=1, 2, 3。

这样, 综合每个第三层因素Bij所属的四层指标Cijk对于评估灰类的灰色评价权向量, 得到评价者对第三层每个因素的灰色评价权矩阵Rij。

其中i=1时, j=2;i=2时, j=1, 2, 3。

第七步:计算综合评价值。将Rij和第二步得到的对应的权重分别相乘, 得到因素Bij的综合评价结果Gij:

其中i=1时, j=2;i=2时, j=1, 2, 3。

将综合评价结果转换为综合评价值:kij=Gij·HT

其中i=1时, j=2;i=2时, j=1, 2, 3。H为各灰类等级按灰水平赋值形成的向量。

1.4 数据预处理

由上述分析可知, 方案q下的成本指标fq (q=1, 2…s) 是定性的。将方案q下的非成本因素, 基本设施、社会环境和经营环境的综合评价值记为kqij (q=1, 2…s;i=1时, j=2;i=2时, j=1, 2, 3) , 这些值是定性的。如果将它们综合, 存在量纲上的差别, 本文借鉴指标满意度的方法, 通过求解各因素满意度来解决这个问题。

定义单个因素最优值的满意度是1, 最劣值得满意度是0, 中间值用插值法求得。

从而得到q方案的指标满意度为Mq= (Mq11, Mq12, Mq21, Mq22, Mq23) 。

1.5 计算方案总得分

由上一节第二步可知, 第二层指标的权重为E= (a1, a2) , 第三层指标的权重集为:E1= (a11, a12) ;E2= (a21, a22, a23) 。则E1相对于总目标的权重, w1=E1·a1= (w11, w12) , E2相对于总目标的权重w2=E2·a2= (w21, w22, w23) , 因此B11、B12、B21、B22、B23相对于总目标的权重相量为：

那么方案q的总得分为:

这样s个方案的综合评价集L= (L1, L2…Ls) , 然后将其排序, 为决策者提供依据。

2 总结

农产品配送中心选址综合评价是一项复杂的系统评价过程, 涉及的评价指标因素众多, 本文应用改进的MDHGF算法方法对物流中心选址进行了综合评价, 给出了定量和定性相结合的评价结果, 可供有关决策部门进行决策时参考。但是综合评价的结果也与指标的选取有关, 在作决策时, 还应结合具体实际情况进行分析, 以便得出更为合理的决策。

参考文献

[1]陆琳琳, 张任颐.一种新的物流中心选址方法[J].物流技术.2003.1 (97) :28-30.

[2]吴清一.物流管理[M].北京:中国物资出版社.2003.5-10.

[3]郜振华.基于灰色综合评价的物流中心选址方法[J].公路交通科技.2005.9 (22) :159-161.

选址决策 第2篇

根据垃圾卫生填埋场选址的影响因素及其权重具有模糊性的特点,提出采用模糊多属性决策方法来解决垃圾卫生填埋场选址的问题.本文在分析垃圾卫生填埋场选址的`主要影响因素的基础上,阐述了采用模糊多属性决策进行填埋场场址优选的思路、原理和方法,并通过具体算例证明了该法应用于填埋场选址的可行性与合理性.

作 者：邵国霞 刘丹 作者单位：邵国霞(西南交通大学峨眉校区,四川,峨眉,614202;西南交通大学环境工程学院,四川,成都,610031)

刘丹(西南交通大学环境工程学院,四川,成都,610031)

选址决策 第3篇

目前我国城市化率还相对较低,房地产行业有很大的发展空间。随着政府针对房价宏观调控政策的不断完善,相对于住宅地产开发能给企业带来短期利润而言,商业地产更有可能为企业提供持续的竞争力和稳定的现金流。商业地产项目的投资成本回收和效益取决于项目的长期运营,商业地产的选址是影响项目运营成功的先决条件,而影响商业地产选址的因素具有的不确定性给开发商们的决策增加难度。

1 商业地产选址影响因素与决策方法

1.1 商业地产选址影响因素

商业地产项目的选址由于不同地段项目所面临的问题互异,来自企业自身和社会以及政府等方面的因素共同影响着商业地产项目的选址,对于同一城市范围内的商业地产项目的开发,可以从企业、社会和政府三方面将影响选址的因素归纳如下:企业品牌价值目标、地价及拆迁等成本费用、单位租售价格水平、道路交通设施等基础服务配套设施、平均人流量、周围环境的竞争程度、地段升值潜力、政府对城市的整体规划。

1.2 商业地产选址决策方法

关于房地产的选址决策,目前应用比较多的是层次分析法和模糊综合评价法,以及由两者结合的模糊层次分析法。但是,目前我国大多数房地产企业存在着严重的数据不完备问题,因此商业地产项目的选址既存在模糊性又存在数据不完备性。因此,在商业地产选址决策方法中引入灰色系统理论是十分必要的,并有着坚实的理论基础。

本文将灰色系统理论、模糊数学以及层次分析法相结合,采用灰色模糊综合评价法对商业地产选址进行决策。较单纯运用模糊综合评价而言,将灰色系统理论和模糊综合评价结合,不仅能得出一个综合的评价结果,还能够通过模糊评价矩阵中的关联系数比较不同方案的因素之间的优劣,使评价的过程更具有明确性。

2 灰色模糊选址决策模型

2.1 评价指标体系的构建

商业地产的选址直接关系到项目的运营,对于很多影响选址的因素,我们只能进行定性分析,从企业对项目的定位、社会对项目的综合影响以及政府对城市的整体规划三方面将影响选址决策的指标因素划分成8个指标:企业品牌价值、土地价格及拆迁成本、租售价格、道路交通等基础配套设施、平均人流量、竞争程度、地段升值潜力、政府整体城市规划八个因素作为评价指标,评价指标体系如图1。

2.2 决策模型构建

灰色模糊决策的步骤是首先邀请熟悉项目情况的专家对各因素的重要程度进行综合打分,确定各评价指标的权重,再对不同方案的相同因素进行综合评分,计算灰色关联系数,最后利用评价指标的权重向量和以灰色关联系数构成的模糊判断矩阵进行模糊综合评价。

2.2.1 运用判断矩阵确定评价指标集矩阵

各指标权重和指标集矩阵通过邀请专家进行综合评分确定,假设不同因素相互间的判断矩阵为B,如:

设Aij=ai/aj,,则矩阵的元素Aij有如下性质:Aij=1;Aij=1/Aji。判断矩阵中元素Aij的确定运用1-9标度法:同样重要取值为1;稍微重要取值为3;明显重要取值为5;重要得多取值为7;极端重要取值为9;介于以上各种情况之间则分别取2、4、6、8;两个目标反过来比较则以上各种值的倒数。通过计算和归一化处理,可以得出各指标因素的权重向量W=(w1,…,wn)。

对于各因素相对于不同方案的评判矩阵为B,bij表示为第i个方案中的第j个指标的原始值,其中bj*(j=1,…,n)表示第j个指标的最优值:指标值若越大越好则取最大值,若越小越好则取最小值。

2.2.2 指标值的规范化处理

将各指标值进行无量纲化和规范化处理,运用如下公式将bij无量纲化、规范化后得Cij(第i个方案的第j个指标值):将指标判断集矩阵B变为规范矩阵C:

其中i=1,…,m;j=1,…,n。

2.2.3 灰色关联系数的计算及模糊关系矩阵的确定

将规范化矩阵中的[c1*,…,cn*]作为计算关联系数的参考指标,首先计算绝对差序列,令,计算不同方案的不同因素取值与参考值的关联系数dji:

运用上述公式对各因素相对参考因素的关联系数进行计算,可以得到模糊综合评价所需的模糊评价矩阵D:

2.2.4 模糊综合评价

为了综合考虑所有指标的贡献,选用普通矩阵乘法来进行模糊合成运算,综合评价模型E=W×D,即:

通过比较向量E的各个指标值的大小来评选最优选址决策方案。

3 灰色模糊决策实例

现选取四块不同的地段(f1,f2,f3,f4),分别从企业、社会及政府三方面的角度对这四块地进行分析,邀请熟悉情况的专家对各个不同地段的企业品牌价值(g1)、土地价格及拆迁成本(g2)、租售价格(g3)、道路交通等基础配套设施(g4)、竞争程度(g5)、平均人流量(g6)、地段升值潜力(g7)、政府整体城市规划(g8)这八个评价指标进行综合评分。

3.1 计算评价因素权重和确定评价矩阵

现定指标权重比较标度值(1-9标度),得指标重要性标度比较值如表1所示。

通过计算得出指标因素权重集W=(3/24,1/24,6/24,3/24,4/24,1/24,4/24,2/24)。易知土地价格及拆迁成本和竞争环境这两个指标为逆向型指标,而其它指标为正向型指标,因此将土地价格及拆迁等成本(g2)和竞争程度(g5)两个指标的最小值为最优参考值,其余的指标值取其它们的最大值为最优参考值,由各方案的评价指标因素的得分得出如下评判矩阵:

3.2 评判矩阵规范化、计算模糊评价矩阵

由规范化公式可将矩阵B转换成矩阵C:

得到规范化判断矩阵之后进行绝对序列差的计算,计算结果如表2。

依据这些绝对序列差数值计算各因素指标值与参考值的关联系数,取分辨系数α=0.5。得出模糊评价矩阵D:

3.3 模糊综合决策

根据前面的计算得出的矩阵W和D,运用矩阵相乘进行模糊综合决策,可以进行决策评价,E=W×D,计算得到:E=W×D=[0.66 0.57 0.54 0.60]。

将不同方案的得分值排序,e1>e4>e2>e3,因此依据八个评价指标综合分析四个不同的地段得出的情况是:最满意的是f1地段,其次是f4地段,最不满意的是f3地段。从关联系数矩阵得知地段f1在租售价格和城市规划方面有着绝对的优势,基础配套设施还需等完善,但以后地段的升值空间不大。

4 结语

运用综合灰色系统理论和模糊综合评价的灰色模糊综合评价方法对商业地产开发的选址进行决策,符合商业地产的选址影响因素多且不确定性程度大的条件,相对只用模糊综合评价结果,在不同方案比较过程更透明,计算更合理。

参考文献

[1]霍亚坤.基于模糊数学的商业地产地段价值影响因素研究[J].商场现代化,2007(,1):60-61.

[2]王松涛,陈伟.我国大中城市商业地产投资潜力评价[J].商业时代,2007(,3):10-11.

[3]黄正军,万继业等.基于集合理论的房地产项目的选址决策分析[J].重庆大学学报,2007(,9):113-116.

[4]刘波.中国商业地产发展现状与趋势分析[J].国土资源,2009(,5):34-37.

模糊群决策在物流选址中的运用 第4篇

物流中心选址主要是在一系列候选点中确定新增设施的最佳位置, 这便需要对各个候选点进行分析、比较和评价, 从而最终选择最优的地址建立物流中心。由于物流中心评价涉及到多因素的影响, 而且这些评价数据主要来自于过去的经验和决策者的主观判断, 传统的确定性决策模型往往不能很好的反应出各评价信息的不确定性和模糊性, 自模糊数学被引入决策领域后, 由于运用模糊数能更好的反应出信息评价过程中人思维和意识的模糊性和不确定性, 故基于模糊数学的不确定决策方法得到了很大的发展和应用。但在集结群组意见并给出决策结果的过程中, 大多数方法都涉及到模糊数的集结运算, 虽然现今的模糊数排序方法有很多种, 可没有一种是最好的, 而且常常出现针对同一问题采用不同的模糊数排序方法得到不同的排序结果。为了避免在模糊数多属性群决策中出现这样的问题, 本文基于模糊数隶属度的意义, 提出一种新的模糊数多属性群决策方法, 运用该方法可以直接得到实数型群组综合决策矩阵, 从而避免了模糊数的运算和比较。最后实例说明该模糊群决策方法在物流中心选址中的运用。

一、基础知识介绍

定义1实数域R上的模糊数具有隶属函数

则称为三角模糊数。式中l≤m≤r, l和r分别称为的下界值和上界值, m称为的中值。三角模糊数被简记为, 当l=m=r时三角模糊数退化为普通实数。

定理1 bkij隶属于三角模糊数的隶属度可以写成如下形式:

其中分别为模糊三角数的左右斜率。

二、物流中心选择的模糊群决策模型

设物流中心评价选择指标的权重为w= (w1, w2, L, wn) T, 专家权重为h= (h1, L, hp) T, 第k个专家对第i个候选地址在评价指标j下的模糊评价值为。。

在实际决策中, 考虑到人的意识的模糊性和不确定性, 运用模糊数来对候选地址进行评价更为合理, 但客观上任何一个候选地址在各评价指标下的评价值应是一个实数值bkij, 其隶属于akij的隶属度为μakij (bkij) 。在集结各专家意见的时候, 一般包含两个原则:一个是使各专家的客观评价值bkij隶属于模糊评价值akij的隶属度尽可能的大;另一个原则是群体综合值bij应该尽可能的和各个专家的客观评价值bkij相符。综合考虑以上的两个原则, 从而我们可以建立如下的物流中心选择的模糊群决策模型

将上面的模型进行变换得到如下形式:

将式 (1) 代入 (3) 中得:

在运用上面的模型便可以确定出群组综合决策矩阵B= (bij) n×m及Bk= (bkij) , 在最终确定出满意的群组综合意见后, 由于决策矩阵B= (bij) n×m的元素都是实数, 运用实数多属性决策方法进行集结, 并对方案排序择优。

三、物流中心选址的应用实例

某企业为了扩大市场, 欲选择两个城市建立物流中心, 经过前期的调查, 他们已经确定了四个候选城市xi (i=1, 2, 3, 4) ;为了选出更适合企业未来发展的城市建立物流中心, 该企业从自然环境G1、交通运输G2、经营环境G3、地理条件G4和公共设施G5五个方面综合考虑, 聘请三位专家组成委员会确定出最好的两个城市建立物流中心。三位专家dk (k=1, 2, 3) 选用模糊语言标度:极好= (0.8, 0.9, 1) , 很好= (0.7, 0.8, 0.9) , 好= (0.6, 0.7, 0.8) , 较好= (0.5, 0.6, 0.7) , 一般= (0.4, 0.5, 0.6) , 较差= (0.3, 0.4, 0.5) , 差= (0.2, 0.3, 0.4) , 很差= (0.1, 0.2, 0.3) , 极差= (0, 0.1, 0.2) 对每个候选城市的各项指标进行评估, 得到如表1所给的评估信息。其中各评价指标Gi的权重w= (0.2, 0.3, 0.2, 0.2, 0.1) , 各专家dk (k=1, 2, 3) 的权重为h= (0.3, 0.4, 0.3) 。

将语言评价值转化成模糊三角数矩阵后, 采用本文的模型运用Matlab编程运算可以得到在参数α=2时, 基于隶属度最大情况下, 各个专家的客观判断矩阵如下:

由于综合各个专家意见后所得到的各个候选城市在各个选择指标下的评价值是实数, 采用简单的加权平均得到各个候选城市的综合评价值分别为:

比较上面的综合值, 可以看出四个候选城市的排列顺序为:x3、f、x2、f、x1、f、x4, 故该企业应该在x3, x2这两个城市建立物流中心。

四、结语

在物流中心的选址规划中, 对物流中心的选址原则、影响因素等进行综合分析, 并提出缜密的决策建议是非常必要的。在决策中, 充分考虑决策者和决策对象的不确定性, 运用模糊数或模糊语言变量表示决策信息更合理更能反应实际情况。由于在模糊群决策中很多是对模糊数的集结, 且到最后都是涉及到对模糊数的排序, 虽然现在学术界提出了很多关于模糊数的排序方法, 但是就像他们自己所说的一样, 至今没有一种模糊数排序方法适用于所有的模糊数排序, 甚至出现针对同一问题采用不同的排序方法得到不同的排序结果, 运用本文的方法可以直接得到实数型群组综合决策矩阵从而避免了对模糊数集结和排序。

同时本文所给出的模糊群决策方法也可以运用到社会经济和生产过程的其他决策问题中。

参考文献

[1]李延晖马士华刘黎明:基于时间约束的多源多品种配送系统模型及一种启发式算法[J].系统工程理论方法应用, 2004, 13 (5) :395～399

[2]韩世莲李旭宏刘新旺毛海军:多人多准则模糊层次分析法的物流中心综合评价优选模型[J], 系统工程理论与实践, 2004 (7) :128～134

[3]Chian-Son Yu, Chien-Kuo Li.A group decision making fuzzy AHP model and its application to a plant location selection problem[C].Joint9th IFSA World Congress and20th NAFIPS International Conference, Vancouver, Canada, 2001:76～80

[4]A new fuzzy multiple attributive group decision making met-hodology and its application to propulsion/maneuvering system selection problem[J].European Journal of Operational Research, 2005, 166:93～114

[5]Chen-Tung Chen.Extensions of the TOPSIS for group decision making under fuzzy environment[J].Fuzzy sets and Systems, 2000, 114:1～9

[6]吕翔昊李登峰:基于模糊信息的群体多维偏好分析决策模型[J].系统工程与电子技术, 2004, 26 (5) :605～607

选址决策 第5篇

1 概述

1.1 应急设施类型

目前我国城市应急设施[1]主要包括消防站、应急避难场所、应急物资储备设施、应急医疗设施和其他各种类型的城市应急设施。这些应急设施是城市系统的重要组成部分, 为保障城市安全, 响应各种突发事件, 减缓灾害后果, 减少财产损失起了巨大的作用。

1) 消防站。消防站是火灾发生后的第一应急响应单位, 又是存放火灾所需消防器材的场所。它是给火警应急救援提供专业队伍和骨干力量的必要单位, 是应急设施的关键之一。

2) 应急避难场所[2]。应急避难场所是指自然灾害发生后或其它突发事件状态下, 供居民临时疏散、临时生活的安全场所, 同时也是现代化大城市用于民众躲避地震、火灾、爆炸、洪水等重大自然灾害的安全避难场所。根据避难的功能, 避难场所划分为临时性避难场所和恢复性避难场所。

3) 应急医疗卫生设施[2]。应急医疗设施是指在正常生产、生活中发生大量人员伤亡等突发事件的情况时, 为了应对这种紧急状况而专门成立或组建的医疗设施, 除了医院, 还包括社区医疗服务站、疗养院、卫生所、小诊所以及急救站等。

4) 应急物资储备场所[2]。应急物资储备场所可分为长期设立和临时设立两种。长期设立是指救灾物资储备仓库;临时设立是指物资接受场所和物资发放场所。

5) 其它应急设施。除了上述几种应急设施之外, 城市应急设施还包括各类专业工程抢险救援设施等。

1.2 选址原则

选址需要遵循一定的原则, 本文主要考虑以下几条基本原则。

1) 时效性原则。选址决策首先依据我国相应的政策和法律, 任何事故发生后, 需要及时到达事故点, 减少最小损失, 保护最大利益, 所以需要遵循时效性原则。

2) 策略性原则。城市应急救援设施的选址问题, 需要遵从策略性原则。在一个行政区域其配套的范围内既要考虑局部区域, 又要考虑全局;既要考虑目前实际需求, 又要考虑本区域发展的长远利益, 相辅相成, 互相制约。

3) 成本最小化原则[3]。成本因素的考虑主要是指城市救援设施设立后, 引起的建设设施点的成本直接费用和运输物资、发放物资等的间接运行费用。对于成本直接费用容易计算和量化, 只要把消防站的个数设置最少就可保证;但间接运行费用成本需要计算覆盖面积的距离不好量化。

4) 社会环境效益原则。社会环境效益方面的目标不容易量化, 一般是采用与社会效益相近好量化的目标来代替社会效益目标, 以达到社会环境效益最大化的基本原则。

2 基于多目标决策的规划选址模型

目前, 规划应急设施选址的策略目标分为4大类, 即需求导向、利益最大化、成本最小化和社会环境因素[4]。这四个目标之间存在冲突, 比如:需求导向下肯定是应急设施数量越多需求导向越好, 而成本最小化正好相反, 数量越少直接成本费用越小。因此需要考虑多个目标因素, 都处在较好的情况下来解决选址决策问题。考虑具体应急选址目标时, 我们应该考虑选址区域的公平性、覆盖性、易接近性、效率性和成本最小化等因素。本文在考虑以上因素的前提下, 考虑的具体选址目标为应急设施到服务需求点的最大距离、应急设施超额覆盖需求区域、设施服务需求点的总加权距离和设施服务成本四个目标。

2.1 多目标决策的规划选址模型的建立

根据突发事件应急救援设施选址的类型和遵循的基本原则, 综合考虑多种影响因素, 整合集合覆盖模型、最大覆盖模型、P-中值模型, P-中心模型等传统选址模型[4], 构建了一个多目标决策规划选址模型。具体模型如下:

上面式 (1) -式 (10) 中, N1-N4为选址目标, 选址优化目标涵义如表1所示;I为需要点集合;J为应急设施点集合;ui为需求区域i被超额覆盖的次数;ni为需求区域i的权重;yj表示:如果设施j被设置, 则yj=1, 否则为0;zij表示:如果设施j服务需求区域i, 则zij=1, 否则为0;dij为设施点j至需求点i的距离;p为计划确定的应急服务设施点数量;qi为需求区域i要求的最少服务设施数;cij为应急救援设施点j至需求点i的单位运输成本;fj为设施服务点在j处的直接成本费用;wij为设施服务点至需求点运输量的多少。

建立的模型具体涵义为:式 (1) 和约束条件式 (7) 的计算, 表示出服务设施点对区域内的所有对象的公平性, 即预定的不同候选点至各个需求点的最大距离较小化;式 (2) 和约束条件式 (5) 使超额覆盖区域最大化, 即使较多的应急服务设施点为权重越大的需求区域服务;式 (3) , 式 (5) 和式 (8) 表示设施的及时性, 即不同的应急服务设施候选点至各个需求点的加权距离和最小化;式 (4) 表示应急服务设施点建立的成本最小化。

上述模型即为四目标的多目标决策规划选址模型, 其准则函数为:min (N1, -N2, N3, N4) 。

2.2 模型的求解

上面建立的模型中, 有四个函数公式, 6个约束条件公式。此类模型解法很多, 本文结合此模型的特点, 采用线性加权和法[5], 此法计算简单, 应用广泛, 手算和计算机计算都能使用。线性加权和法就是把多目标问题赋上权重化为单目标决策问题来求解, 把一些定性的因素指标化为定量指标来计算。对多目标中每个目标的各自权重值的选择, 又可以根据决策者自己对不同目标的喜好来选取, 通过对权重赋值的不同, 直观地体现出不同决策者对不同目标的倾向, 从而综合选择出最优化解。针对本文选择的具体四个目标, 根据各目标重要程度给出权λ1, λ2, λ3, λ4, 其中:

令评价函数为:

上述多目标决策模型可以转化成如下形式:

3 算例

本文以郑东新区为例, 考虑郑东新区是新城区的特点, 郑东新区面积比较大, 龙子湖高校园区的建成, 使得人口密度增加, 入住人口已上百万但毕竟是新区, 消防站、应急避难场所、应急医疗设施和应急物资储备设施都很欠缺, 一旦发生突发事件, 现阶段基本不能满足应急服务。所以应急服务设施需要及时增加, 针对郑东新区面积比较大, 人口又相对比较集中的特点, 对于增加应急服务设施的选址就尤其重要, 以消防站选址问题为例对城市应急设施的多目标优化选址进行验证。

考虑本新区的其中10个街道区域 (1-10) , 假定各街区发生重大事故时的需求都集中在街区的街道办事处中心, 本地区预计消防站的候选点共有6个 (1-6) , 消防站候选点到街道办事处中心的行车距离及各街道办事处所管辖的人口数如表2所示 (其中距离取的整数) , 从候选店中选择p=4个地点设立消防站, 街区的街道办事处中心位置和预计消防站的候选点的分布如图1所示。这里不考虑消防站提供消防服务的能力, 认为每个消防站的消防能力都是足够的, 应急车辆的可达性为100%。

万人

我国《城市消防规划建设管理规定》中规定[2], 4万人以下的辖区至少有1个消防站为其服务, 4万人~10万人的辖区至少有2个消防设施为其服务, 10万人以上的辖区至少有3个消防设施为其服务。对本案例研究的10个需求街道办事处管辖的区域i来说, 要求的最少服务设施数q1=q2=q5=q7=q8=2, q3=q4=q6=q9=q10=1。本案例以各街区的人口作为该街区的权重ni;参照我国消防火灾等级划分依据, 本案例将火灾风险都定为二级风险, 每个消防点覆盖区域为半径5公里内范围;假定建立每个消防站的成本费用一样为A, 消防站至需求点的单位运输成本相同为B, 应急救援设施点至需求点运输量的大小, 与人口数成正比例关系, 系数为K。结合应急救援设施选址的多目标规划模型中的四个目标函数代入表2中的相应数据, 可求得消防站预设6个选址点对应需求点各目标的值如表3所示。

因p=4, 从表3中数据可以分析选择合适的决策解, 如果使得消防站设施服务需求点的最大距离为最小化, 考虑式 (1) 和约束式 (8) 可得最优解为 (2, 3, 5, 6) ;如果使得消防站超额覆盖需求区域为最大化, 考虑式 (2) 和约束式 (6) 可得最优解为 (3, 4, 5, 6) ;如果使得消防站到需求点的总加权距离为最小化, 考虑式 (3) 、式 (6) 和式 (7) 可得最优解为 (1, 2, 4, 6) ;如果使得消防站设施成本资金最小化, 考虑式 (4) 可得最优解为 (1, 2, 4, 6) 。这是考虑单个目标得到的最优解, 从这些解中可以看到决策者关心的目标不同, 会有不同的决策。

本例建立的是多目标决策规划模型, 因此需要各目标重要程度给出权λ1, λ2, λ3, λ4, 本实例中根据决策者的任务要求给以一组权重值, λ1=0.3, λ2=0.3, λ3=0.3, λ4=0.1, 代入式 (10) , 求的最优解为 (2, 3, 4, 6) 。所以本消防站点在六个预设选址点中就可以选择2 (b) 、3 (c) 、4 (d) 和6 (f) 这四个点。在每个不同的实际例子进行选址决策过程中, 对各自目标的权重赋予不同的值, 再结合约束条件式 (5) -式 (10) , 可以求出更多的函数解, 根据实际需要进行比较优劣, 然后由决策者根据实际任务要求决定一个最终解。

4 结论

本文建立了基于多目标规划方法的城市应急救援设施选址模型, 此模型综合考虑了集合覆盖模型、最大覆盖模型、P-中值模型, P-中心模型等传统选址模型的优点, 又考虑到时效性、公平性、社会效益和成本费用等因素。根据多个传统模型的优势和多个因素, 提出了具体的四个目标互相制约的城市应急救援设施选址模型。通过实例某市新区消防站选址布局问题, 验证了所建模型的有效性和可行性。该模型为解决城市灾害应急救援体系建设中选址问题提供了新的思路, 有效地提升了决策的科学化水平, 具有一定的实用和应用价值。

摘要：对传统选址模型进行了研究, 取其每个模型的优点, 综合考虑应急设施选址影响因素, 建立了基于多目标规划方法的城市应急救援设施选址模型, 并采用线性加权和法求解模型。本模型综合考虑了需求、时效、成本等多因素, 来解决城市应急设施优化选址问题, 目的是通过科学选址使区域内灾害应急救援能力达到最优, 最后应用该模型解决了某市新区消防站选址布局问题, 验证了所建模型的有效性和可行性。

关键词：选址模型,多目标决策,应急设施

参考文献

[1]李传贵, 张晓锋.城市灾害与应急避难场所规划问题分析[J].安全, 2006, 27 (5) :5-7.

[2]DREZNER Z, HAMACHER H W.Facility location:Applications and Theory[M].Belin:springer-Verlag, 2002:81—150.

[3]MIKE SEYMOUR, SIMON MOORE.Effective Crisis Management:Worldwide Principles and Practice[M].Cassell:Continuum International Publishing Group, 2000.

[4]陈志宗.城市防灾减灾设施选址模型与战略决策方法研究[D].上海:同济大学, 2006.

选址决策 第6篇

在特许经营企业的发展加盟、促销推广中, 无论是其直营分店, 还是加盟分店, 店址的选择在特许体系的发展中占有特殊重要的地位。各分店店址的投资是数量最大, 周期最长且灵活性最小的一种商业投资。店址规模的大小、所处地点、占用方式和成本高低, 直接影响着目标市场、促销策略、商品或服务构成等。所以, 以往的经验告诉我们特许经营企业和加盟商经营成功秘诀的首要因素是选址, 选址, 最后还是选址。

特许经营企业发展和加盟商加盟的分店选址过程中, 一直采用雷利法则和哈夫模型作为选址使用的方法和工具。随着时代的发展, 世界已经进入到了知识经济、信息和绿色营销的社会。雷利法则强调城市人口多少作为城市商圈吸引力大小和店址选择的唯一依据, 不从参照指标的唯一性说, 其用人口多少作为参照指标就已失去意义。哈夫模型强调商圈或卖场面积以及交通便利和时间作为吸引消费者选择的概率因素, 已没有了多少实用价值。“山不在高, 有仙则明。水不在深, 有龙则灵”。四通八达的便利交通设施使得人们出行不在成为首要考虑因素, 人口的多少不能用衡量一个城市的商业和服务业吸引力的大小。商品经济高度发达的今天, 差异性、特点、个性成为人们追求的时尚和潮流, 商业和服务业的发达和繁荣才是吸引人们的最主要因素指标。没有特色, 不能形成一定的商业和服务业规模, 再大的商圈、再大的卖场也不能吸引消费者。

二、“价值-风险-成本”店址选择方法

“价值-风险-成本”决策方法是从价值、风险、成本三个方面的多个因素进行综合经营管理决策的方法, 这种决策方法量化了决策因素指标, 因而使经营管理决策更加科学。特别是在特许经营分店选址中, 通过对该方法的学习和灵活运用, 对正确选择店址能发挥重要的决策工具作用。

特许经营企业和加盟商在选择分店店址的时候, 通常会考察几个候选地点, 然后选择最好的一个, 而且会从房地产商、投资分析师、法律咨询师等那里寻求专业意见。因此, 随着参与人数和候选店址的增加, 本来就很复杂的选址决策就会变得更加复杂。运用价值—成本—风险方法可以简化候选店址的比较过程。该方法可以通过任何制表程序很容易地执行, 具体步骤如下:

(1) 组建选址团队。包括来自特许企业总部的经理、加盟商和其他投资人。如果需要, 还可以包括其他业内人士和专家。

(2) 对如何确定店址的价值和风险相关因素达成共识。“价值”是指能够增加潜在利润的相关因素, 而“风险”是指能够降低潜在利润的相关因素。表1是一个简化的例子。

(3) 使用10分制给各个价值和风险因素分配权重, 这必须以几年的特许经营经验为基础。

(4) 计算权重总分数, 然后计算用第3步分配给各因素的权重除以权重总分, 得出各因素的权重百分比。各百分比之和应该等于100%。

(5) 使用5分制为候选店址的各个因素打分, 5分最高。

(6) 把各个店址的各因素得分与相应权重相乘。

(7) 把每个店址的价值—风险得分相加。例如, 表1中店址1的价值—风险得分是 (3.12, 0.25) , 店址2是 (1.05, 0.5) , 店址3是 (1.18, 0.75) 。

(8) 估计每个店址的成本。表2是一个简化的例子。

(9) 画价值—成本—风险图。下图是一个例子。价值—风险是圆心, 成本是半径。

(10) 比较各个圆, 做出选择。例如, 图1中店址1是最好的选择, 因为它价值最高、风险最低、成本最低。

三、价值-风险-成本决策方法的其他应用

价值-风险-成本决策方法是一种由定性化决策向定量决策转化的好的经营管理决策方法之一, 其应用还有许多其他方面的决策。例如, 选择供应商、网络应用服务提供商、广告服务提供商等涉及企业经营管理价值、风险、成本因素的方案选择的决策。只要找准价值、风险、成本三个方面中的相关因素, 并进行量化分析就能从多个候选对象中选择一个价值相对较高、风险相对较低、成本比较低廉的决策方案。

摘要：商业和服务行业中的特许经营企业和加盟商最重要的决策是选址, 店址的优劣决定着企业和加盟商经营的成败, 因此选址工作的重要性不言而喻。以往的店址选择方法如雷利法则、哈夫模型, 由于其出台时代的局限性, 其参照指标已不能很好地适用于今天的店址选择要求。“价值-风险-成本”选址方法其参照指标从价值、风险、成本三个方面的多个因素来综合考虑所选店址的优劣, 因而该方法适应了今天商业和服务行业高度发达和繁荣的时代要求, 要做好特许经营企业和加盟商的分店选址工作, “价值-风险-成本”方法是目前选址工作中最好的应用方法之一。

关键词：特许经营,店址重要,选址方法

参考文献

选址决策 第7篇

关键词：战略装车点,选址,改进的层次分析法,模糊综合评价,群决策

战略装车点是新时期铁路现代化的装车作业场所。铁路战略装车点具有智能化的装载系统,大容量的仓储能力,高效规模化的作业方法,能够集中存储,整列配车、整列装车、整列始发,对全路(路局)货物发送和生产效率具有重要影响和意义的装车点。

作为战略装车点规划中的一项基本任务,战略装车点的合理选址能够节约成本、提高运能、优化站场装卸技术设备资源分配及促进地区经济发展, 但战略装车点的选址受到很多社会、技术、经济因素的影响, 其中定性因素占很大比重且难以量化。

为了解决这一复杂的决策问题,本文将模糊综合评判和群决策相结合,提出了一种解决铁路战略装车点选址问题的新方法。首先对传统的AHP法进行改进,采用三标度法两两评价得出判断矩阵,并将其转化为模糊一致矩阵,进而得到各指标的权重。既解决了多标度判断时的主观随意性大的弊端,又省去了调整矩阵一致性的工作。然后利用带权欧几里德贴近度法,将指标的特征值矩阵转化为最优贴近度向量,实现了个体对评价方案的优排序。最后利用相对熵模型集结个体偏好,得到群决策最终的评价值, 基于相对熵模型的群决策方法具有较好的集结性质,从而提高了最终决策方案的可信度,达到了客观、科学的综合评价目的。

1 改进的层次分析法确定各指标的权重

AHP(Analytic Hierarchy Process,简称AHP)法是美国运筹学家 T. L. Saaty教授于 20世纪 70年代初提出来的,是一种定性与定量分析结合的方案分析方法。但用层次分析法确定各指标权重,决策者们很难把握两个因素比较,因此常出现给出的判断矩阵一致性差的情况,从而一致性检验也是层次分析法中不可缺少的步骤,以用来保证一定程度上的判断一致。在实际中,一般都凭大致估计来调整一致性差的情况,带有一定盲目性,并且需要经过多次调整才能达到判断一致。

由于用 AHP法确定指标权重存在上述问题,本文利用模糊一致矩阵理论,对传统的AHP法进行改进,利用三标度法对指标进行两两比较,得到模糊优先关系矩阵,再将模糊优先关系矩阵改造成模糊一致矩阵,进而计算其优度值。根据模糊数学中将优度值定义为权重的概念就可以得到我们所需要的权重向量,该方法自然满足一致性要求,不需要进行一致性检验,该方法与其他标度相比具有简单明了和良好的判断传递性与标度值的合理性,有利于决策者在两两比较判断过程中提高准确性。

1.1 建立模糊优先关系矩阵

通过专家打分,采用三标度法得出相应比较矩阵A。

$A=[\begin{array}{cccc}a{}_{11}& a{}_{12}& \cdots & a{}_{1n}\\ a{}_{21}& a{}_{22}& \cdots & a{}_{2n}\\ ⋮& ⋮& ⋮& ⋮\\ a{}_{n1}& a{}_{n2}& \cdots & a{}_{nn}\end{array}〗\begin{array}{l}\\ \\ \\ \\ .\end{array}(1)$

其中:aij为第i个指标对第j个指标的重要性,且有aij=1,i=1,2,…,n;j=1,2,…,n。

采用三标度法如下:aij=(1,0.5,0),其中aij=1表示第i指标比第j指标重要,aij=0.5表示第i指标和第j指标同等重要,aij=0表示第i指标没有第j指标重要。

1.2 将矩阵A 转换成模糊一致矩阵F

1)对模糊优先关系矩阵A=(aij)n×n按行求和,记为

$r{}_i={\displaystyle \sum _{j=1}^{n}a}{}_{ij}.(2)$

2)确定F中的元素(fij)n×n

$f{}_{ij}=\frac{r{}_i-r{}_j}{2n}+0.5(3)$

则由此建立的矩阵(Aij)n×n是模糊一致的。

其中:fn=0.5表示指标i和指标j同等重要,0≤fij≤0.5表示指标j比指标i重要,且fij越大,指标j越比指标i重要;0.5≤fij≤1表示指标i比指标j重要,且fij越大,指标i越比指标j重要。

1.3 计算权重值

根据模糊一致矩阵(fij)n×n,运用方根法,计算权重值。

1)计算模糊一致矩阵每一行元素的乘积

${\rm M}{}_i={\displaystyle \prod _{j=1}^{n}f}{}_{ij},1,2,\cdots ,n.(4)$

2)计算Mi的n次方根

$\overline{\omega {}_i}=\sqrt[n]{{\rm M}{}_i},i=1,2,\cdots ,n.(5)$

3)对向量$W=[\overline{\omega {}_1},\overline{\omega {}_2},\cdots ,\overline{\omega {}_n}]{}^{\text{Τ}}$进行规范化,即有

$\omega {}_i=\frac{\overline{\omega {}_i}}{{\displaystyle \sum _{j=1}^n\overline{\omega {}_j}}}\begin{array}{l}\\ .\end{array}(6)$

则即为所求的权重向量。

以上这种表示既可以用来进行层次分析法中诸元素相对重要性的评判,又符合人们对事物两两评判的思想,并且能够保证由此构造的判断矩阵是一致的。

2 隶属度的确定

对于s个决策组,n个选址方案,以 m 个指标对方案进行优劣评价, X${}_{ij}^k$表示第k个决策者对第j个方案中的第i个指标的评价值,所以指标特征值矩阵为

$X{}^k=[\begin{array}{cccc}X{}_{11}^k& X{}_{12}^k& \cdots & X{}_{1n}^k\\ X{}_{21}^k& X{}_{22}^k& \cdots & X{}_{2n}^k\\ \cdots & \cdots & \cdots & \cdots \\ X{}_{m1}^k& X{}_{m2}^k& \cdots & X{}_{mn}^k\end{array}〗\begin{array}{l}\\ \\ \\ \\ .\end{array}(7)$

式中:x为方案j指标i的特征值, i =1, 2, …,m;j=1, 2, …, n;k=1, 2,…,s。

特征值矩阵中指标值有越大越优型和越小越优型两种,对于越大越优型(如货源地区总货运量)的隶属度公式定义为

$Y{}_{ij}^k=\{\begin{array}{cc}1,\hfill & X{}_{ij}^k\ge b\hfill \\ \frac{X{}_{ij}^k-a}{b-a},\hfill & a＜X{}_{ij}^k＜b\hfill \\ 0,\hfill & X{}_{ij}^k\le a.\hfill \end{array}(8)$

对于越小越优型(如项目总投资)的隶属度公式定义为

$r{}_{ij}^k=\{\begin{array}{cc}0,\hfill & X{}_{ij}^k\ge b\hfill \\ \frac{b-X{}_{ij}^k}{b-a},\hfill & a＜X{}_{ij}^k＜b\hfill \\ 1,\hfill & X{}_{ij}^k\le a.\hfill \end{array}(9)$

式中:i为1,2, …m;j为1,2, …,n;k为1,2, …,s;b, a分别为第 i 个指标的指标值在有关实际题中规定的上、下限,如果没有上、下限可分别取全体决策指标值的最大、最小值。

特征值矩阵转换为隶属度矩阵,即为

$R{}^k=[\begin{array}{cccc}r{}_{11}^k& r{}_{12}^k& \cdots & r{}_{1n}^k\\ r{}_{21}^k& r{}_{22}^k& \cdots & r{}_{2n}^k\\ ⋮& ⋮& ⋮& ⋮\\ r{}_{m1}^k& r{}_{m2}^k& \cdots & r{}_{mn}^k\end{array}〗\begin{array}{l}\\ \\ \\ \\ .\end{array}(10)$

3 决策组最优决策过程

由最大隶属度原理,根据模糊关系矩阵(10)可建立优等方案,公式为

$\begin{array}{l}G{}^k=(r{}_{11}^k\vee r{}_{12}^k\vee \cdots \vee r{}_{1n}^k,r{}_{21}^k\vee r{}_{22}^k\vee \cdots \vee r{}_{2n}^k,\\ r{}_{m1}^k\vee r{}_{m2}^k\vee \cdots \vee r{}_{mn}^k){}^{\text{Τ}}=(g{}_1^k,g{}_2^k,\cdots ,g{}_m^k){}^{\text{Τ}}.(11)\end{array}$

式中: ∨为取大运算。

贴近度用来表示两个模糊子集的彼此相近的程度。贴近度的取值在[0,1]之间,贴近度越大,表示两个模糊子集的相似程度越大,反之,则相似程度越小。把模糊数学中的贴近度概念拓展为带权贴近度,用来刻画方案与优等方案Gk的贴近程度。

假设m个指标的权重为Wk=[ω${}_1^k$,ω${}_2^k$,…,ω${}_m^k$]T。定义带权欧几里德贴近度向量为

$\begin{array}{l}{\rm N}(R{}^k,G{}^k)=[{\displaystyle \sum _{i=1}^{m}w}{}_i^k(g{}_i^k-r{}_{ij}^k){}^2]{}^{1/2},\\ j=1,2,\cdots ,n;k=1,2,\cdots ,s;(12)\end{array}$

记N(Rk,Gk)=N${}_j^k$,j=1,2, …,n; k=1,2, …,s. (13)

作为相对比较的准则,计算出Rk与Gk的带权贴近度,按带权贴近度的大小排序得出N${}_j^k$的优排列,带权贴近度最大者对应的策略即为最优策略。

4 相对熵集结模型求解群组最优决策

群决策问题是集结群中各成员的意见以形成群意见的问题。各个决策者的带权贴近度反应了各个决策者对每个方案的优排序,实质上反映了各个决策者对各个方案的偏好程度。由各个决策者的偏好反应为群的偏好,并将群偏好反映到决策过程中,即可找出最优策略。研究表明相对熵集结模型具有良好的集结性。

设决策方案集合为A={aj,j=1,2,…,n};决策群体的集合为E={ek,k=1,2,…,s},集合W={ωk,k=1,2,…,s}是决策者权重集合,其中ωk对应于第k个决策者的权重,满足${\displaystyle \sum _{k=1}^s\omega }{}_k=1$。形式化表示为:∀ek∈E,给出映射πk∶aj→xkj,xkj为决策者ek对方案aj的评价值。群偏好映射π∶aj→ω*j,群偏好向量W*=T。相对熵集结模型为

$({\rm P})\{\begin{array}{l}\text{m}\text{i}\text{n}Q(W{}^{*})={\displaystyle \sum _{k=1}^s\omega }{}_k{\displaystyle \sum _{j=1}^n[\log \omega {}_j^{*}-\log \frac{x{}_{kj}}{{\displaystyle \sum _{j=1}^{n}x}{}_{kj}}}〗\omega {}_j^{*}\\ s.t.{\displaystyle \sum _{j=1}^n\omega }{}_j^{*}=1,\omega {}_j^{*}＞0.\end{array}(14)$

对于P这个非线性规划可证明解集是凸集,目标函数Q(W*)是凸函数,所以它是凸规划问题,非线性规划P的局部最优解就是其全局最优解。

据此,基于相对熵集结模型REM的群决策算法计算步骤如下:

1)由各决策组贴近度向量N${}_j^k$计算规范化矩阵B=(bkj)s*n

$\begin{array}{l}b{}_{kj}={\rm N}{}_j^k/{\displaystyle \sum _{j=1}^n{\rm N}}{}_j^{k}j=1,2,\cdots ,n;\\ k=1,2,\cdots ,s.(15)\end{array}$

2)根据公式计算群偏好向量W*=[W*1,W*2,…,W*n]T,式中

$\begin{array}{l}W{}_j^{*}={\displaystyle \prod _{k=1}^s(}b{}_{kj}){}^{w{}_k}/{\displaystyle \sum _{j=1}^n{\displaystyle \prod _{k=1}^s(}}b{}_{kj}){}^{w{}_k}‚\\ j=1,2,\cdots ,n;k=1,2,\cdots ,s.(16)\end{array}$

3)根据W*=T中W*j的大小对决策方案集进行排序,然后选择方案, W*j最大者就是群决策最优方案。

5 战略装车点选址方案模糊评判实例

常见的选址方案有以下三种情况:对专用铁路和专用线进行改扩建;对原有车站货场进行改建;在货源吸引力较强的点新建战略装车点。根据不同货源地区的具体情况,因地制宜,科学选择方案,具有重要经济和社会效益。

5.1 指标的选取

方案指标体系中, 既有定量指标, 也有定性指标;既有效益型指标,又有成本型指标。经济性指标中的总投资、技术性指标中的总货运量等属于定量指标;市场需求强烈程度、充分利用现有设施程度等属于定性指标。定性指标的属性值的数值大小差别很大, 必须进行归一化处理, 如表1所示,应将表1中数变换到[0,1]区间上。

5.2 各指标权重的确定

1)根据上述理论分析确定各指标的权重,本文以决策组1中B1层次社会因素中的5个指标C1、C2、C3、C4、C5为例,采用上述的三标度法,对各指标进行两两比较可得到如下模糊优先关系矩阵

2)将模糊优先关系矩阵转换成模糊一致矩阵,利用公式(2)和(3)将模糊优先关系矩阵改造成模糊一致矩阵

3)计算权重值,利用公式(4)、(5)、(6)计算各指标优度值,得到各指标的权重为

$W{}_{B1}^1=[0.29680.26980.13850.13850.1833].$

5.3 隶属度的确定

1)建立各个指标对 3个待选方案的评价特征值矩阵,以决策组1的B1层对应的C1、C2、C3、C4、C5指标为例。其特征值矩阵为

2)利用式(8)和(9)计算决策指标的相对隶属度,公式为

5.4 决策组最优决策过程

由最大隶属度原理,根据模糊关系矩阵(11)可建立优等方案G${}_{B1}^1$=(1,1,1,1,1)。

利用上面计算所得的权重,用式(12)得带权欧几里德贴近度为N${}_{B1}^1$=[0.361 0 0.432 0.268 1]。按带权贴近度的大小排序得出优排列,带权贴近度最大者对应的策略即为最优策略。同理可得

由B层次各指标带权贴近度向量,可得到A层次的方案相对隶属度矩阵为

$\text{Ν}{}_{\text{A}}^1=[\begin{array}{ccc}0.36100.43200.3680& & \\ 0.62280.13170.4287& & \\ 0.11170.36100.7703& & \end{array}$

令N1A=X1A。利用公式(4)、(5)、(6)计算A层次各指标的权重为(计算过程省略)

W${}_{\text{A}}^1$=[0.2110 0.335 0 0.454 0].

对于第A层次同样应用(12)式算得决策组1对3个选址方案的贴近度向量为N1=[0.297 5 0.285 6 0.486 8],同理算得另两个决策组贴近度向量为

N2=[0.273 7 0.312 6 0.492 4,

N3=[0.310 5 0.294 8 0.462 2.

5.5相对熵集结模型求解群组最优决策

决策方案集A有3个备选方案,即A={a1,a2,a3},决策群体由3个决策组组成E={e1,e2,e3},各个决策组权重相等ω1=ω2=ω3=1/3。根据N1、N2、N3 3个决策组贴近度向量,由式(15)(16)可得相对熵模型获得的群偏好权重ω*1=0.274 0,ω*2=0.277 6,ω*3=0.448 4,故方案排序为a3>a2>a1。

结束语

战略装车点能整合运力资源,实现集约化运输,对提高运输效率具有重要意义。全国积极建设战略装车点,科学选址是首要工作。该评价方法分别从定性和定量的角度,综合考虑了各方案中的社会因素、技术因素和经济因素,解决了传统选址决策中缺乏科学全面决策依据的问题。实例证明,用本文建立的群决策模型及改进后的AHP法进行战略装车点选址是可行、有效的,可以减少决策主观性,为铁路战略装车点建设提供了重要参考。

参考文献

[1]铁道部运输局.关于全路建设战略装车点的指导性意见[J].铁道货运,2006(12):44-46.

[2]马云东,胡明东.改进的AHP法及其在多目标决策中的应用[J].系统工程理论与实践,1997(6):40-44.

[3]吕跃进.基于模糊一致矩阵的模糊层次分析法的排序[J].模糊系统与数学,2002(6):79-85.

[4]林齐宁.决策分析[M].北京:北京邮电大学出版社,2003.

[5]高志年,邢汉承.用模糊数学方法解决多目标决策问题[J].军事运筹与系统工程,2001(4):47-50.

[6]邱菀华.管理决策与应用熵学[M].北京:机械工业出版社,2002.

选址决策 第8篇

合理的物流配送中心选址能节约费用,加快货物的流通,增加物流企业的收益。因此,物流配送中心的选址决策对于整个物流系统的优化是个十分重要的问题。在选址决策过程中,决策者需要考虑地理和交通条件、运营成本、发展空间、投资成本等多方面的指标来对各个方案进行综合评价。合理的评价并选择最优的配送中心无疑是十分重要的。常用的层次分析法是一种主观赋值权重的方法,不但步骤繁琐,而且加大了评价的主观性,并且在方案设计阶段,评价对象的信息也不是很完备。主成分分析法(Principal Component Analysis)是多元统计中的一种数学方法,在实际中有着广泛的应用价值。其基本原理是在力保数据信息丢失最小的原则下,经线性变换和舍弃一小部分信息,找出少数几个综合指标来代表众多的指标,并使这些指标尽可能反映原指标的信息量,同时客观地确定各个指标的权重,避免主观随意性,是一种直观全面的评价方法。它在评价与选择过程中,考虑到指标间的相互影响关系,利用它来对物流配送中心进行选址,将更加客观、合理。

1 主成分分析法计算原理

主成分分析法应用到物流配送中心选址决策过程中的具体步骤如下:

(1)原始指标数据的标准化。由于评价指标体系中各指标的量纲是不一致的,而且数量间的差异很大,这就需对它们进行标准化处理,即将各种不同量纲的指标转化为同量纲的指标。

设观测样本矩阵:

式中,m——评价方案数,n——指标数。

则标准化处理公式:

其中,xij——i方案中j指标的值,i=1,2,…,m,j=1,2,…,n。

标准化处理后得到的矩阵的每列数据的平均值为0,方差为1;在抽样样本改变时,仍保持相对稳定。

(2)计算指标数据的相关系数矩阵R。

设以上观测样本矩阵的相关系数矩阵为:

rkj为该标准处理之后指标k与指标j之间的相关系数,则:

且有,rii=1,rkj=rjk。

(3)求R的特征向量和特征根,并确定主分量。对应于相关系数矩阵R,求得特征方程(其中I为单位矩阵)的n个非负特征根,并将其按大小排列为λ1≥λ2≥…≥λn≥0,这些特征根便是主分量的方差,它们的大小描述了各个主分量在描述被评价对象时所起作用的大小。

对应于任一特征根λt的特征向量

由特征向量组成的综合指标为:yt=lt1Z1+lt2Z2+…ltnZnt=1,2,…,n。

式中,Z1,Z2,…,Zn为样本确定的规范化指标值;综合指标y1即为第一主分量,y2为第二主分量,…,yn为第n主分量,并且它们所包含的指标体系的信息量依次减少。

(4)求方差贡献率,确定主分量的个数。令at即为主分量yt的方差贡献率,它表明第t主分量所包含的信息占整个指标体系总信息量的比例。

一般说来,主分量个数等于原始指标个数,但如果原始指标个数较多,进行综合评价时就比较麻烦。利用主成分分析法进行计算,就是希望选取尽量少的主分量来进行综合评价,同时还要使损失的信息量尽可能少。如果以前面k个主分量y1,y2,…,yk,（k<n)的方差和占全部总方差的比来表示k个主分量所包含的信息占指标体系的全部信息的比例,并给定一个临界值",使选取的前k个主分量满足

我们则可认为前面k个主分量基本保留了原指标体系的信息,这样综合指标的个数可以由n个减少为k个,起到了筛选综合指标的作用。

在实际应用中,通常选取μ=0.85,本文也以它为确定主分量个数的标准。

2 武钢配送中心选址实例

随着武钢钢铁业务量的扩大,物流在武钢企业运作中的作用越显重要,物流配送中心的选择是整个物流系统规划中的重要环节,合理的选择物流配送中心,能够有效地降低物流成本,提高企业竞争力。目前,武钢周边配送中心的备选地址主要有3处:武东地区,龚家岭地区,北湖地区。配送中心选址的影响因素很多,我们可以根据物流学的原理,结合武钢实际情况,选择其中较重要的一些因素,作为武钢配送中心选址的指标。这些因素主要包括满足建库目标、地理和交通条件、运营成本、发展空间、投资成本等五个方面。我们通过相关调查数据,结合专家打分得出武钢三个候选地址的评价矩阵(如表1)。

说明:建库目标以是否满足10万吨、30万吨、50万吨仓储来评价;地理和交通条件以备选地的铁路和公路与武钢工业港远近、土地条件、是否交通管制来评价;运营成本以铁路运费、加固费、仓储吊装费、停时费的总和来评价;发展空间以发展用地空间、土地成本、是否符合城市规划来评价;投资成本以各备选地投资成本占三者总投资成本的百分比来评价。

(4)计算方差贡献率,确定主成分值个数(见表2)。

从表2可以看出,前两项的特征根的累计贡献率为100%﹥85%,说明前两个主成分已经基本包括物流配送中心的各方面重要指标,所以可以用第一主成分和第二主成分作为评价的综合指标,进行分析评价。

(5)综合评价。前两个特征值对应的特征向量为:

主成分计算结果(如表3)。

由上总排序权值可知,物流配送中心应选择北湖地区。北湖库由于具有丰富且低廉的土地资源,便利的交通优势,符合武汉市城市规划要求,可以同时满足成材厂成品库延伸、客户钢材自提的钢材仓储要求及公司1 700万吨钢规模时钢材仓储和进出的要求。与其它选址相比,北湖库具有更为广阔的发展空间,能够以较低的资源成本和投资成本承担钢材仓储乃至钢材物流中心的综合功能。因此从长远看,武钢建设物流配送中心,选址北湖更为恰当。

3 结论

在物流配送中心选址时,往往会设计众多有关的变量。但是,变量太多不但会增加计算的复杂性,而且也会给合理地分析问题和解释问题带来困难。主成分分析法很好地解决了这个问题。利用主成分分析法对物流配送中心选址进行评价与选择,从武钢配送中心选址实例的计算结果可看出,该方法具有很强的理论性和可操作性。

摘要：物流配送中心的选址在整个物流系统规划中占十分重要的地位,需要决策者综合考虑多种因素。传统的选址方法在选址过程中很少考虑指标之间的互相影响性。文章在物流选址中引进主成分分析方法,利用它消除评价指标之间的相关影响,减少指标选择的工作量,结合专家打分及相关的评价指标对多个候选方案作出评价与选择,最后通过武钢物流配送中心选址的实例验证了该方法的有效性。

关键词：物流,配送中心,选址,主成分分析法

参考文献

[1]韩庆兰,梅运先.基于BP人工神经网络的物流配送中心选址决策[J].中国软件学,2004(6):140-143.

[2]宣家骥.多目标决策[M].长沙:湖南科学出版社,1989.