畢業(yè)論文-基于QPSO - PP - GRNN神經(jīng)網(wǎng)絡(luò)的工程機(jī)械行業(yè)

1、 MACROBUTTON MTEditEquationSection2 SEQ MTEqn r h * MERGEFORMAT SEQ MTSec r 1 h * MERGEFORMAT SEQ MTChap r 1 h * MERGEFORMAT 基于QPSO - PP - GRNN神經(jīng)網(wǎng)絡(luò)的工程機(jī)械行業(yè)摘要：根據(jù)“兩型”企業(yè)和綠色供應(yīng)鏈的理念，構(gòu)建了工程機(jī)械行業(yè)綠色供應(yīng)商選擇的特色指標(biāo)，并使用QPSO-PP模型來確定指標(biāo)體系的權(quán)重，QPSO-PP模型可以有效克服在權(quán)重確定過程中人為主觀因素的影響。但是當(dāng)有新的供應(yīng)商加入時(shí)，使用QPSO-PP模型，則還需重新計(jì)算確定最佳綠色供應(yīng)商，而且計(jì)算過

2、程比較復(fù)雜，因此這種方法缺乏擴(kuò)展性和使用的便利性。于是，引入人工智能領(lǐng)域有導(dǎo)師學(xué)習(xí)的GRNN神經(jīng)網(wǎng)絡(luò)，利用GRNN神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)速度快、人為調(diào)節(jié)的參數(shù)少的特點(diǎn)，用樣本數(shù)據(jù)對(duì)GRNN網(wǎng)絡(luò)進(jìn)行訓(xùn)練，然后使用訓(xùn)練好的網(wǎng)絡(luò)去選擇最佳的綠色供應(yīng)商。通過使用長株潭地區(qū)工程機(jī)械行業(yè)的數(shù)據(jù)分析表明，QPSO - PP - GRNN神經(jīng)網(wǎng)絡(luò)模型具良好的準(zhǔn)確性、擴(kuò)展性以及使用上的便捷性，同時(shí)在選擇和決策中，受人為主觀因素的干擾少，具有良好的客觀性和真實(shí)性，具有實(shí)際的指導(dǎo)意義和推廣價(jià)值。關(guān)鍵詞：工程機(jī)械行業(yè)；綠色供應(yīng)商選擇；投影尋蹤；量子粒子群算法（QPSO）；廣義回歸神經(jīng)網(wǎng)絡(luò)（GRNN）1 引言中國經(jīng)濟(jì)經(jīng)過三十多

3、年的高速發(fā)展，取得了巨大成就。但是在經(jīng)濟(jì)發(fā)展過程中，資源、環(huán)境問題十分嚴(yán)重。黨的十六大五中全會(huì)首次提出要加快建設(shè)資源節(jié)約型、環(huán)境友好型社會(huì)。十七大報(bào)告指出，必須把建設(shè)資源節(jié)約、環(huán)境友好型社會(huì)放在現(xiàn)代化、工業(yè)化發(fā)展戰(zhàn)略的重要位置。十八大報(bào)告又提出要把生態(tài)文明建設(shè)放在突出地位，建設(shè)美麗中國。“兩型”企業(yè)是“兩型”社會(huì)建設(shè)和生態(tài)文明建設(shè)的必然結(jié)果。同時(shí)，隨著政府越來越嚴(yán)格的環(huán)境監(jiān)管，以及公眾不斷提升的環(huán)保意識(shí)，企業(yè)必須提升自己的綠色競爭力1。提高綠色供應(yīng)鏈管理水平是企業(yè)提升綠色競爭力、實(shí)現(xiàn)綠色制造的有效途徑，而在綠色供應(yīng)鏈管理中，綠色供應(yīng)商的選擇至關(guān)重要，因?yàn)楣?yīng)商作為綠色供應(yīng)鏈的上游企業(yè)，它在保護(hù)

4、環(huán)境和節(jié)約成本方面的作用能夠通過供應(yīng)鏈傳遞到下游的各個(gè)環(huán)。因此，如何建立科學(xué)、合理的綠色供應(yīng)商評(píng)價(jià)和選擇體系是一個(gè)很有研究價(jià)值的問題。本文將基于綠色供應(yīng)鏈理念，提出工程機(jī)械行業(yè)綠色供應(yīng)商選擇的特色指標(biāo)和供應(yīng)商選擇的新方法。文章的第二部分是關(guān)于綠色供應(yīng)商的選擇指標(biāo)和選擇方法的研究現(xiàn)狀。第三部分將針對(duì)工程機(jī)械行業(yè)提出綠色供應(yīng)商選擇的特色指標(biāo)，并利用基于量子粒子群算法的投影尋蹤模型計(jì)算出評(píng)價(jià)系統(tǒng)各指標(biāo)的權(quán)重。第四部分將使用GRNN神經(jīng)網(wǎng)絡(luò)對(duì)綠色供應(yīng)商進(jìn)行選擇。第五部分為文章的結(jié)束語。2 研究現(xiàn)狀 2.1綠色供應(yīng)商選擇的指標(biāo)體系對(duì)供應(yīng)商的評(píng)價(jià)研究最早、影響最大的是 Dickson（1966）2，他首次

5、分析出23項(xiàng)評(píng)價(jià)供應(yīng)商的指標(biāo)。隨著人們對(duì)環(huán)境的不斷重視，美國密歇根州立大學(xué)制造研究協(xié)會(huì)（MRC）于 1996 年首次提出了綠色供應(yīng)鏈管理3。因此，在隨后的供應(yīng)商評(píng)價(jià)中，加入了環(huán)境、生態(tài)等因素。Noci（1997）年建立了綠色競爭力、供應(yīng)商的綠色形象、環(huán)境效率和生命周期凈成本四個(gè)維度4，從環(huán)境的角度來選擇最優(yōu)的供應(yīng)商。Handfield et al. 5（2002）設(shè)計(jì)的綠色供應(yīng)商評(píng)價(jià)指標(biāo)則更加豐富，但仍然局限在環(huán)境范圍內(nèi)，而忽視了傳統(tǒng)指標(biāo)。Humphreys et al.（2003）認(rèn)為以往的指標(biāo)中很少強(qiáng)調(diào)環(huán)境成本，因而他提出了一些更加成熟的指標(biāo)作為評(píng)價(jià)標(biāo)準(zhǔn)，并加入了管理能力和環(huán)保設(shè)計(jì)6。Sa

6、rkis（2003）設(shè)計(jì)了六個(gè)維度的評(píng)價(jià)指標(biāo)，強(qiáng)調(diào)產(chǎn)品所處的生命周期的階段，引入了產(chǎn)品信息因素7。Zhu et al.（2007）首次把中高層管理人員的參與引入綠色指標(biāo)供應(yīng)商評(píng)價(jià)指標(biāo)中8。郭雪松（2007）在構(gòu)建的五維評(píng)價(jià)體系中不僅包括供應(yīng)商的綠色信息，而且強(qiáng)調(diào)地理位置和合作歷史9，使指標(biāo)體系越來越綜合。Hsu and Hu（2009）的指標(biāo)體系中添加了研發(fā)管理和流程管理，強(qiáng)調(diào)供應(yīng)商的科技實(shí)力和流程工藝10。Kuo et al.（2010）設(shè)計(jì)的指標(biāo)體系中，最大的特色就是強(qiáng)調(diào)綠色供應(yīng)商的社會(huì)責(zé)任11。Shen et al.（2012）則把供應(yīng)商對(duì)企業(yè)員工環(huán)保意識(shí)的培訓(xùn)引入評(píng)價(jià)的指標(biāo)體系中12。

7、吳堅(jiān)13（2010）、羅新星14（2011）和周榮喜15（2012），他們的評(píng)價(jià)體系中不僅強(qiáng)調(diào)供應(yīng)商的綠色信息，而且包含了供應(yīng)商選擇的傳統(tǒng)指標(biāo)，使指標(biāo)體系也更加健全、綜合。從眾多的綠色供應(yīng)商的指標(biāo)體中，可以發(fā)現(xiàn)很多指標(biāo)體系都不是很全面和完善，比如有的只考慮了環(huán)境指標(biāo)而缺乏經(jīng)濟(jì)指標(biāo)，有的雖然包含了環(huán)境指標(biāo)但是不全面?？茖W(xué)的綠色供應(yīng)商評(píng)價(jià)指標(biāo)體系不僅應(yīng)該關(guān)注傳統(tǒng)的經(jīng)濟(jì)指標(biāo)，如供應(yīng)商財(cái)務(wù)水平、產(chǎn)品質(zhì)量、技術(shù)、服務(wù)等，在此基礎(chǔ)上還應(yīng)該考慮環(huán)境管理指標(biāo)，如產(chǎn)品回收率、環(huán)保效率、環(huán)保認(rèn)證等。本文將針對(duì)工程機(jī)械行業(yè)提出綠色供應(yīng)商選擇的合理、科學(xué)、完善而有特色的指標(biāo)體系。表1：綠 色 供 應(yīng) 商 選 擇 指

8、標(biāo)作 者綠 色 供 應(yīng) 商 選 擇 指 標(biāo)Noci4（1997）綠色競爭力 供應(yīng)商的綠色形象環(huán)境效率 生命周期凈成本Handfield et al. 5（2002）包裝和逆向物流 廢棄物的管理 產(chǎn)品屬性商標(biāo)與認(rèn)證 環(huán)境規(guī)劃 政府管制Humphreys et al. 6（2003）環(huán)境成本 管理能力 綠色形象環(huán)保設(shè)計(jì) 環(huán)境管理系統(tǒng) 環(huán)境競爭力Sarkis7（2003）產(chǎn)品生命期的階段 運(yùn)營期 提高綠色供應(yīng)鏈的實(shí)踐 有環(huán)境影響的組織行為 組織的績效標(biāo)準(zhǔn) 綠色供應(yīng)鏈系統(tǒng)的選擇Zhu et al. 8（2007）生態(tài)設(shè)計(jì) 環(huán)境績效 積極地經(jīng)濟(jì)表現(xiàn)ISO 14000環(huán)境認(rèn)證 中高層管理人員的參與郭雪松9

9、（2007）綠色信息 服務(wù) 產(chǎn)品信息地理位置 合作歷史Hsu and Hu10（2009）采購管理 研發(fā)管理 進(jìn)料質(zhì)量管理管理系統(tǒng) 流程管理Kuo et al. 11（2010）質(zhì)量 成本 交貨服務(wù) 環(huán)保 社會(huì)責(zé)任吳 堅(jiān)13（2010）價(jià)格 綠色程度 質(zhì)量 服務(wù)水平發(fā)展環(huán)境 反應(yīng)時(shí)間 創(chuàng)新能力羅新星14（2011）產(chǎn)品因素 環(huán)境因素 組織因素Shen et al. 12（2012）污染物 資源消耗 環(huán)保設(shè)計(jì) 環(huán)境管理系統(tǒng)環(huán)保技術(shù)的使用 環(huán)保原材料的使用 對(duì)員工環(huán)保意識(shí)的培訓(xùn)周榮喜15（2012）產(chǎn)品質(zhì)量 成本 生產(chǎn)供應(yīng)能力 服務(wù)水平 風(fēng)險(xiǎn) 2.2 綠色供應(yīng)商選擇的方法目前，關(guān)于綠色供應(yīng)商選擇方

10、法的文獻(xiàn)非常多，但是，大體上可以分為七大類：多屬性決策方法（MADM）、數(shù)學(xué)規(guī)劃模型、統(tǒng)計(jì)或概率方法、模糊集理論、智能方法、混合方法和其他方法（見表2）。每一類方法都有自己的優(yōu)點(diǎn)和缺點(diǎn)。多屬性決策方法雖然使用較為簡單，但是嚴(yán)重的依賴于人的主觀判斷，決策者會(huì)依據(jù)自己的主觀偏好，給不同的屬性賦予不同的權(quán)重。而數(shù)學(xué)規(guī)劃方法，在處理定性因素時(shí)會(huì)出現(xiàn)明顯的問題。模糊集理論雖然能夠同時(shí)處理確定的和不確定的變量，但是它卻十分復(fù)雜，使人們難以理解其結(jié)果的合理性。其他分類中的大多數(shù)方法卻沒有考慮變量之間的相互影響，而且在評(píng)價(jià)供應(yīng)商的績效時(shí)，不能有效的評(píng)估現(xiàn)實(shí)中的風(fēng)險(xiǎn)和不確定性。在所有的方法中，人工智能方法具有明

11、顯的優(yōu)勢。與其他方法相比，人工智能可以處理更加復(fù)雜的問題，而且不需要構(gòu)建具體的決策過程。同時(shí)，它還可以學(xué)習(xí)專家的知識(shí)和經(jīng)驗(yàn)，為企業(yè)選出最佳的綠色供應(yīng)商。Choy et al. 16使用ANN-CBR方法來選擇最佳的供應(yīng)商，在這種混合的方法中，ANN用來選擇潛在的供應(yīng)商，而CBR根據(jù)先前成功的案例來選擇最佳的供應(yīng)商。Lau et al. 17也使用ANN來選擇潛在的供應(yīng)商，但是從潛在供應(yīng)商中選擇出最佳的供應(yīng)商使用的是GA方法。Celebi et al. 18則把DEA和ANN結(jié)合起來，研究在信息不完全條件下如何選擇最佳供應(yīng)商。Wu19則把DEA、DT（決策樹）和ANN結(jié)合起來評(píng)估供應(yīng)商的績效，他

12、的模型中分為兩部分：第一部分應(yīng)用DEA方法把供應(yīng)商分為有效率和無效率兩類；第二部分使用公司績效方面的數(shù)據(jù)來訓(xùn)練決策樹DT和 人工神經(jīng)網(wǎng)絡(luò)ANN，然后再把經(jīng)過訓(xùn)練后的模型用于供應(yīng)商的選擇。周榮喜15則使用ANP來確定各個(gè)指標(biāo)的權(quán)重，然后用數(shù)據(jù)訓(xùn)練RBF，再用經(jīng)過訓(xùn)練的RBF來選擇最佳綠色供應(yīng)商。Kuo et al. 20構(gòu)建了供應(yīng)商選擇的智能決策模型，這個(gè)模型即能處理定量指標(biāo)也能處理定性指標(biāo)。具體處理方法分為三步：第一步搜集定量數(shù)據(jù)；第二步運(yùn)用基于粒子群算法的模糊神經(jīng)網(wǎng)絡(luò)（PSO-FNN）為定性數(shù)據(jù)的處理建立規(guī)則；第三步把定量數(shù)據(jù)和模糊決策知識(shí)相結(jié)合，來做出最優(yōu)決策。雖然供應(yīng)商選擇的方法非常多，

13、但是在確定指標(biāo)體系的權(quán)重時(shí)，嚴(yán)重依賴于主觀因素，在確定最優(yōu)綠色供應(yīng)商時(shí)，許多模型過于復(fù)雜，且缺乏擴(kuò)展性。目前，雖然一些數(shù)理統(tǒng)計(jì)方法可以排除評(píng)價(jià)中人為因素的干擾和影響，具有一定的優(yōu)勢，但是綠色供應(yīng)商的評(píng)價(jià)所依賴的都是高維數(shù)據(jù)，而大多數(shù)數(shù)理統(tǒng)計(jì)方法在處理高維數(shù)據(jù)時(shí)面臨“維數(shù)禍根”（當(dāng)維數(shù)較高時(shí)，即使樣本數(shù)據(jù)很多，散在高維空間中仍然很稀疏）以及總體不服從正態(tài)分布等諸多問題。而投影尋蹤方法不需要對(duì)數(shù)據(jù)的分布進(jìn)行假設(shè)，還可用于定性數(shù)據(jù)與定量數(shù)據(jù)組成的混合數(shù)據(jù)。同時(shí)，此方法還可以排除與數(shù)據(jù)結(jié)構(gòu)和特征無關(guān)的或者關(guān)系很小的變量的干擾，而且具有很強(qiáng)的多維數(shù)據(jù)分析能力，能夠有效克服“維數(shù)禍根”所帶來的困難21。因

14、此本文嘗試使用投影尋蹤的方法來確定指標(biāo)體系的權(quán)重，然后再使用GRNN神經(jīng)網(wǎng)絡(luò)通過對(duì)樣本數(shù)據(jù)的學(xué)習(xí)，獲取相關(guān)領(lǐng)域的知識(shí)、經(jīng)驗(yàn)以及規(guī)律，然后使用經(jīng)過數(shù)據(jù)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)來選擇最優(yōu)的綠色供應(yīng)商。表2：供應(yīng)商選擇方法的分類分 類使 用 方 法作 者多屬性決策方法（MADM）層次分析法（AHP）Hou and Su22網(wǎng)絡(luò)層次分析法（ANP）Gencer and Grpinar23聯(lián)合分析（Conjoint analysis）Mummalaneni et al. 24線性加權(quán)分析Dobler and Burt25簡單多屬性評(píng)估法（SMART）Seydel26位階排序法（TOPSIS,ELECTRE,VIK

15、OR ,etc.）Vahdani and Zandieh27數(shù)學(xué)規(guī)劃模型線性規(guī)劃Talluri and Narasimhan28數(shù)據(jù)包絡(luò)分析（DEA）Wu et al. 29混合整數(shù)線性規(guī)劃（MILP）Hong et al30混合整數(shù)非線性規(guī)劃（MINLP）Ghodsypour and OBrien31目標(biāo)規(guī)劃（GP）Karpak et al32多目標(biāo)規(guī)劃（MOP）Wadhwa and Ravindran33統(tǒng)計(jì)或概率方法聚類分析Hinkle et al34分類法Zenz35不確定性分析Soukoup36模糊集理論模糊多屬性決（FAHP,FTOPSIS,FVIKOR,etc.）Chan et

16、al37; Lee et al.38模糊數(shù)學(xué)規(guī)劃Amid et a.l39模糊關(guān)聯(lián)規(guī)則挖掘Jain et a.l40智能方法案例推理（CBR）Choy et al.41人工神經(jīng)網(wǎng)絡(luò)（ANN）;模糊神經(jīng)網(wǎng)絡(luò)（FNN）;徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)（RBF）;支持向量機(jī)（SVM）Lee and Yang42; Kuo et al. 43;Luo et al. 44;Guo et al. 45混合方法AHP-GP;AHP-DEA-ANN;AHP-MINLP;AHP-MOP;Yang et al. 46;Mendoza et al. 47;Ha and Krishnan48; Xia and Wu. 49ANP

17、-MOP;ANP-GP；ANP-RBFDemirtas and stn50;周榮喜15DEA-MOP;DEA-ANN;DEA-ANN-DTTalluri et al. 51;Celebi et al. 18；Wu19ANN-GA;ANN-PSO;ANN-CBRLau et al. 17;Kuo et al. 20;Choy et al. 16其他方法定位矩陣Chou et al. 52解釋結(jié)構(gòu)模型Mandal and Deshmukh53業(yè)務(wù)量成本法Roodhooft and Konings543 基于QPSO-PP的綠色供應(yīng)商選擇模型 3.1工程機(jī)械行業(yè)綠色供應(yīng)商選擇的指標(biāo)體系3.1.1工程

18、機(jī)械行業(yè)綠色供應(yīng)商的特點(diǎn)工程機(jī)械行業(yè)是國家的基礎(chǔ)支柱產(chǎn)業(yè)，承擔(dān)著為國民經(jīng)濟(jì)各部門、各行業(yè)提供技術(shù)裝備和生產(chǎn)工具的任務(wù)。但是，整個(gè)行業(yè)，企業(yè)數(shù)量眾多，技術(shù)水平層次不齊，市場競爭非常激烈，優(yōu)勝劣汰趨勢十分明顯?！罢嬲母偁幉皇瞧髽I(yè)與企業(yè)之間的競爭，而是供應(yīng)鏈與供應(yīng)鏈之間的競爭?！泵绹?jīng)濟(jì)學(xué)家克里斯多夫點(diǎn)破了供應(yīng)鏈競爭在HYPERLINK /subject/7209801.html市場競爭中的重要性。而供應(yīng)商的選擇是搞好供應(yīng)鏈的前提，好的供應(yīng)商也是企業(yè)正常生產(chǎn)運(yùn)營的保證，因此作為綠色供應(yīng)商選擇的指標(biāo)體系就顯的格外重要。了解工程機(jī)械行業(yè)綠色供應(yīng)商的特點(diǎn)，對(duì)于指標(biāo)體系的構(gòu)建具有重要的指導(dǎo)意義。（1）

19、戰(zhàn)略長期性。工程機(jī)械行業(yè)的發(fā)展水平在很大程度上影響著甚至決定著相關(guān)產(chǎn)業(yè)部門的技術(shù)進(jìn)步和產(chǎn)業(yè)發(fā)展水平，這就要求工程機(jī)械行業(yè)長期穩(wěn)定的發(fā)展。供應(yīng)商作為供應(yīng)鏈的源頭，為工程機(jī)械行業(yè)提供原料的能力直接影響其生產(chǎn)制造能力，所以下游制造商需要與供應(yīng)商建立長期的戰(zhàn)略合作關(guān)系。（2）供應(yīng)數(shù)量靈活變動(dòng)性。市場需求瞬息萬變，供應(yīng)商作為供應(yīng)鏈的源頭要及時(shí)地關(guān)注市場動(dòng)向，了解市場的需求情況，為下游企業(yè)的生產(chǎn)提供充足的原料。（3）合作兼容性。供應(yīng)鏈的組建具有虛擬性，企業(yè)之間的合作是為了滿足各自的需求，然而這種需求具有不可預(yù)見性。所以，供需雙方的權(quán)利和義務(wù)無法事先以合同的形式明確體現(xiàn)，這就需要在合作的過程中彼此通過交流、

20、創(chuàng)新、行動(dòng)和反饋以滿足各自的需求。這種過程需要供需企業(yè)之間的理解與支持來潤滑。（4）具有核心供應(yīng)優(yōu)勢。工程機(jī)械行業(yè)需要多種原材料和半成品，每個(gè)供應(yīng)商需要具備自己的核心能力，為企業(yè)提供自己的特有原材料、半成品。這樣彼此之間產(chǎn)生相互吸引力，才能建立長期的戰(zhàn)略合作伙伴關(guān)系。（5）綠色性。當(dāng)今，低碳環(huán)保概念已經(jīng)深入人心， “十二五”規(guī)劃也將低碳環(huán)保概念作為重點(diǎn)進(jìn)行強(qiáng)調(diào)。在低碳經(jīng)濟(jì)和綠色經(jīng)濟(jì)的時(shí)代，作為能耗大戶的工程機(jī)械行業(yè)必須提高環(huán)保節(jié)能技術(shù)、再制造技術(shù)、智能化技術(shù)等，走綠色、低碳發(fā)展之路，這必然對(duì)供應(yīng)商的綠色能力提出要求。3.1.2工程機(jī)械行業(yè)綠色供應(yīng)商選擇的指標(biāo)體系本文根據(jù)Hsu and Hu11

21、、Kuo12 、Shen13、郭雪松10、羅新星15等人的綠色供應(yīng)商評(píng)價(jià)指標(biāo)體系成果，遵循系統(tǒng)全面、簡明科學(xué)、靈活可操作等原則，突出環(huán)境因素，根據(jù)Delphi方法提出裝備制造業(yè)綠色供應(yīng)商的特色評(píng)價(jià)指標(biāo)體系。構(gòu)建指標(biāo)體系的具體方法如下：（1）通過文獻(xiàn)閱讀和與工程機(jī)械行業(yè)的公司管理者以及環(huán)境專家進(jìn)行討論，搜集綠色供應(yīng)商的評(píng)價(jià)指標(biāo)。（2）通過Delphi法來選擇最重要的一級(jí)指標(biāo)和二級(jí)指標(biāo)。根據(jù)Saaty55（1980），如果在同一指標(biāo)級(jí)超過7個(gè)因素，在問卷上就會(huì)出現(xiàn)許多選項(xiàng)，調(diào)查對(duì)象將很難做出決策。這個(gè)問題可以通過消除和組合的方法解決。Delphi法可以減少二級(jí)指標(biāo)的數(shù)量同時(shí)保持評(píng)價(jià)的有效性。Del

22、phi法的步驟如下（Fowles56,1978）： eq oac(,1)組成一個(gè)相關(guān)領(lǐng)域的專家小組； eq oac(,2)進(jìn)行第一輪問卷； eq oac(,3)將各位專家第一次判斷意見匯總，再分發(fā)給各位專家，讓專家比較自己同他人的不同意見，修改自己的意見和判斷。 eq oac(,4)將所有專家的修改意見收集起來，匯總，再次分發(fā)給各位專家，以便做第二次修改。（重復(fù)步驟 eq oac(,3)和 eq oac(,4)，直到專家的意見逐漸趨同）； eq oac(,5)得出最終的評(píng)價(jià)指標(biāo)體系。根據(jù)以上步驟最終得出的工程機(jī)械行業(yè)綠色供應(yīng)商指標(biāo)體系如表3所示。表3：工程機(jī)械行業(yè)綠色供應(yīng)商指標(biāo)體系一 級(jí) 指

23、標(biāo)二 級(jí) 指 標(biāo) 名 稱指 標(biāo) 性 質(zhì)財(cái)務(wù)水平B1銷售收入（萬元）C1正向定量凈資產(chǎn)收益率%C2正向定量流動(dòng)比率%C3適度定量價(jià)格水平B2產(chǎn)品價(jià)格C4逆向定量消化漲價(jià)的能力C5正向定性成本下降空間C6正向定性服務(wù)水平B3準(zhǔn)時(shí)交貨率%C7正向定量訂單完成率%C8正向定量服務(wù)態(tài)度C9正向定性產(chǎn)品質(zhì)量B4產(chǎn)品合格率%C10正向定量全面質(zhì)量管理C11正向定性質(zhì)量認(rèn)證體系C12正向定性技術(shù)水平B5R&D投入占銷售收入的比重%C13正向定量技術(shù)人員比率%C14正向定量職工平均受教育年限C15正向定量綠色績效B6ISO14001認(rèn)證體系C16正向定性環(huán)保費(fèi)用占銷售收入比例%C17正向定量資源再利用率%C18

24、正向定量產(chǎn)品的環(huán)保設(shè)計(jì)C19正向定性 上表中，正向指標(biāo)即指標(biāo)值越大越好，逆向指標(biāo)即指標(biāo)值越小越好，適度指標(biāo)即指標(biāo)值在某一區(qū)間內(nèi)最優(yōu)。按照國際慣例，流動(dòng)比率（C3）的適度值為200%57。 3.2基于QPSO的投影尋蹤模型3.2.1投影尋蹤模型的建立投影尋蹤（Projection Pursuit，PP）21是一種處理多因素復(fù)雜問題的統(tǒng)計(jì)方法，是統(tǒng)計(jì)學(xué)、應(yīng)用數(shù)學(xué)和計(jì)算機(jī)技術(shù)的交叉學(xué)科，屬于當(dāng)今前沿技術(shù)。該方法通過將高維數(shù)據(jù)投影到低維的子空間上，并通過投影指標(biāo)函數(shù)來搜索到能盡可能反映原始高維數(shù)據(jù)內(nèi)部的結(jié)構(gòu)或特征的最佳投影方向，并在投影后的低維空間上對(duì)原始數(shù)據(jù)結(jié)構(gòu)進(jìn)行分析，從而達(dá)到對(duì)高維數(shù)據(jù)進(jìn)行研究和

25、分析的目的。使用投影尋蹤方法來確定綠色供應(yīng)商指標(biāo)體系的權(quán)重，能夠最大限度的保存樣本的信息，并且有效避免評(píng)價(jià)過程中權(quán)重值確認(rèn)的主觀性，以得到更加貼近實(shí)際的結(jié)果。投影尋蹤模型建立的具體步驟為21：步驟1：樣本評(píng)價(jià)指標(biāo)集的歸一化處理設(shè)各指標(biāo)值的樣本集為，其中為第個(gè)樣本的第個(gè)指標(biāo)值，分別為樣本數(shù)和指標(biāo)數(shù)。為消除各指標(biāo)值的量綱，必須對(duì)原始數(shù)據(jù)進(jìn)行歸一化處理。本文采用極差變換法58進(jìn)行歸一化處理。 對(duì)于正向指標(biāo)： 公式（3-1） 對(duì)于逆向指標(biāo)： 公式（3-2）其中，分別為第個(gè)指標(biāo)值的最大值和最小值，為指標(biāo)特征值歸一化的序列。對(duì)于適度指標(biāo)：設(shè)為最優(yōu)適度區(qū)間，則有： 公式（3-3） 當(dāng)適度區(qū)間為一點(diǎn)時(shí)，。步驟

26、2：構(gòu)造投影指標(biāo)函數(shù)。PP方法就是把維數(shù)據(jù)轉(zhuǎn)化為為投影方向的一維投影值： 公式（3-4）然后根據(jù)的一維散布圖進(jìn)行分類。上式中為單位長度向量，即。綜合投影指標(biāo)值時(shí)，要求投影值的散布特征為：局部投影點(diǎn)非常密集，最好凝聚成若干個(gè)點(diǎn)團(tuán)，而在整體上投影點(diǎn)團(tuán)之間又必須盡可能分散開。因此，投影指標(biāo)函數(shù)可以表達(dá)成： 公式（3-5）其中，為投影值的標(biāo)準(zhǔn)差，為投影值的局部密度，即： 公式（3-6） 公式（3-7）其中，為序列的平均值；為局部密度的窗口半徑，的選取要求包含在窗口內(nèi)的投影點(diǎn)的個(gè)數(shù)不能太少，以避免滑動(dòng)平均時(shí)的偏差過大，同時(shí)也不能使它隨著的增加而增加太大，一般可取值為59；表示樣本之間的距離，；為一單位階

27、躍函數(shù)，當(dāng)時(shí)，其函數(shù)值為1，當(dāng)時(shí)，其值為0。步驟3：優(yōu)化投影指標(biāo)函數(shù)。當(dāng)各指標(biāo)值的樣本集給定時(shí)，只隨投影方向變化。不同的投影方向反映不同的結(jié)構(gòu)特征，最佳投影方向就是最大可能暴露高維數(shù)據(jù)特征結(jié)構(gòu)的投影方向，通過優(yōu)化投影指標(biāo)函數(shù)來尋找最佳投影方向，即最大化目標(biāo)函數(shù)： 公式（3-8）約束條件： 公式（3-9）這是一個(gè)以為優(yōu)化變量的復(fù)雜非線性優(yōu)化問題，其最優(yōu)解即為評(píng)價(jià)系統(tǒng)各指標(biāo)的權(quán)重。3.2.2量子粒子群算法（QPSO）針對(duì)上述非線性優(yōu)化問題，可以考慮基于模擬鳥群覓食的粒子群算法，使用這種方法求解這個(gè)問題非常簡便有效。但是傳統(tǒng)的粒子群算法在初期收斂較快，而在后期容易陷入早熟、局部最優(yōu)等問題60，所以本

28、文選用量子粒子群算法。量子粒子群算法（QPSO）61是結(jié)合量子物理的思想對(duì)傳統(tǒng)粒子群進(jìn)化方法進(jìn)行。該方法不僅參數(shù)個(gè)數(shù)少，而且搜索能力優(yōu)于傳統(tǒng)粒子群算法。與傳統(tǒng)粒子群算法相比，該算法中只是粒子位置更新的方式有所改變，在更新粒子位置時(shí)，重點(diǎn)考慮各粒子的當(dāng)前局部最優(yōu)位置信息和全局最優(yōu)位置信息，其位置更新的具體方程為： 公式（3-10）其中，為之間的隨機(jī)數(shù)，是粒子群的中間位置，為收縮擴(kuò)張系數(shù)，在收斂過程中線性遞減，為當(dāng)前進(jìn)化代數(shù)，為最大進(jìn)化代數(shù)。此處，基于量子粒子群的投影尋蹤算法采用對(duì)投影方向的實(shí)數(shù)編碼，一個(gè)編碼對(duì)應(yīng)一組投影方向，每個(gè)粒子的位置由維的投影方向組成，因此粒子采用的編碼結(jié)構(gòu)為：。適應(yīng)度由投

29、影目標(biāo)函數(shù)確定： 公式（3-11）約束條件62： 公式（3-12）其中，為搜索到的投影方向，由于粒子位置會(huì)不斷更新，可能產(chǎn)生不滿足公式（3-9）的個(gè)體，依據(jù)公式（3-12）對(duì)不合法個(gè)體進(jìn)行修正?；诹孔恿Ｗ尤旱耐队皩ほ櫵惴ň唧w步驟如下：（1）根據(jù)公式（3-1）、（3-2）或（3-3）對(duì)樣本數(shù)據(jù)進(jìn)行歸一化處理；（2）隨機(jī)產(chǎn)生滿足公式（3-9）的初始種群，根據(jù)公式（3-11）計(jì)算每個(gè)粒子的適應(yīng)度；（3）對(duì)每個(gè)粒子，比較它的適應(yīng)度值和它經(jīng)歷過的最好位置的適應(yīng)度值，如果更好，更新；（4）對(duì)每個(gè)粒子，比較它的適應(yīng)度值和群體所經(jīng)歷的最好位置的適應(yīng)度值，如果更好，更新；（5）根據(jù)公式（3-10）更新粒子位置

30、，生成新的粒子群體；（6）對(duì)群體中的不合法個(gè)體按公式（3-12）進(jìn)行修正；（7）如果達(dá)到結(jié)束條件（足夠好的位置或最大迭代次數(shù)），則結(jié)束，否則轉(zhuǎn)（3）；（8）根據(jù)群體搜索到的最佳投影方向，即為評(píng)價(jià)系統(tǒng)各指標(biāo)的權(quán)重。3.3指標(biāo)體系權(quán)重計(jì)算結(jié)果湖南是中國工程機(jī)械六大基地之一，具有“工程機(jī)械之都”之稱，特別是長株潭地區(qū)，工程機(jī)械業(yè)十分發(fā)達(dá)，已經(jīng)形成了具有明顯特色和巨大發(fā)展?jié)摿Φ墓こ虣C(jī)械產(chǎn)業(yè)集群。而且長株潭地區(qū)是我國“兩型”社會(huì)配套改革實(shí)驗(yàn)區(qū)，工程機(jī)械行業(yè)是“兩型”社會(huì)建設(shè)的重點(diǎn)行業(yè)，正在經(jīng)歷向“兩型化”發(fā)展的轉(zhuǎn)型之中。通過對(duì)長株潭地區(qū)工程機(jī)械行業(yè)銷售收入在300萬元以上的供應(yīng)商進(jìn)行問卷和調(diào)研，獲得12

31、0份樣本數(shù)據(jù)，再根據(jù)3.1和3.2中的方法和步驟，計(jì)算出的最佳投影方向?yàn)闉椋?.277681，0.216716，0.176964，0.290303，0.193493，0.0551782，0.14326，0.168979，0.278518，0.271153，0.103407，0.465993，0.22112，0.293323，0.0250131，0.131369，0.235487，0.22741，0.178464），即指標(biāo)體系的權(quán)重，如表4所示。表4：工程機(jī)械行業(yè)綠色供應(yīng)商指標(biāo)體系的權(quán)重一 級(jí) 指 標(biāo)二 級(jí) 指 標(biāo) 名 稱最佳投影方向（權(quán)重）財(cái)務(wù)水平B1銷售收入（萬元）C10.277681凈資產(chǎn)

32、收益率%C20.216716流動(dòng)比率%C30.176964價(jià)格水平B2產(chǎn)品價(jià)格C40.290303消化漲價(jià)的能力C50.193493成本下降空間C60.0551782服務(wù)水平B3準(zhǔn)時(shí)交貨率%C70.14326訂單完成率%C80.168979服務(wù)態(tài)度C90.278518產(chǎn)品質(zhì)量B4產(chǎn)品合格率%C100.271153全面質(zhì)量管理C110.103407質(zhì)量認(rèn)證體系C120.465993技術(shù)水平B5R&D投入占銷售收入的比重%C130.22112技術(shù)人員比率%C140.293323職工平均受教育年限C150.0250131綠色績效B6ISO14001認(rèn)證體系C160.131369環(huán)保費(fèi)用占銷售收入比例

33、%C170.235487資源再利用率%C180.22741產(chǎn)品的環(huán)保設(shè)計(jì)C190.178464從上表中可以看出，銷售收入、產(chǎn)品價(jià)格、服務(wù)態(tài)度、質(zhì)量認(rèn)證體系、R&D投入占銷售收入的比重、技術(shù)人員比率以及整個(gè)綠色績效所占權(quán)重比較高，這說明工程機(jī)械行業(yè)在選擇供應(yīng)商時(shí)，除了考慮傳統(tǒng)經(jīng)濟(jì)因素外，非常重視綠色績效。在供應(yīng)商的選擇中，供應(yīng)商的綠色競爭力成為一個(gè)非常重要的因素。4 應(yīng)用GRNN神經(jīng)網(wǎng)絡(luò)選擇供應(yīng)商利用量子粒子群算法的投影尋蹤模型在確定指標(biāo)體系的權(quán)重過程中，使用的是長株潭地區(qū)工程機(jī)械行業(yè)銷售收入在300萬元以上的120家供應(yīng)商的數(shù)據(jù)，因而指標(biāo)體系的權(quán)重具有行業(yè)代表性。但是，在一個(gè)公司的供應(yīng)鏈中，當(dāng)

34、有新的供應(yīng)商加入時(shí)，如果仍然使用QPSO-PP模型，則還需重新計(jì)算確定最佳綠色供應(yīng)商，而且計(jì)算過程比較復(fù)雜，因此這種方法缺乏擴(kuò)展性和使用的便利性。所以，本文將進(jìn)一步把人工智能領(lǐng)域的有導(dǎo)師學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)引入企業(yè)綠色供應(yīng)商的選擇決策中。一般常用的有導(dǎo)師學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)有BP神經(jīng)網(wǎng)絡(luò)（BPNN）、徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)（RBF）、廣義回歸神經(jīng)網(wǎng)絡(luò)（GRNN）、概率神經(jīng)網(wǎng)絡(luò)（PNN），但是GRNN網(wǎng)絡(luò)非常具有優(yōu)勢。GRNN網(wǎng)絡(luò)的隱含層結(jié)點(diǎn)中，作用函數(shù)采用高斯函數(shù)，具有很強(qiáng)的局部逼近能力，因此GRNN網(wǎng)絡(luò)學(xué)習(xí)速度比較快。此外，GRNN網(wǎng)絡(luò)中人為調(diào)節(jié)的參數(shù)很少，只有一個(gè)閾值，網(wǎng)絡(luò)的學(xué)習(xí)全部依賴數(shù)據(jù)樣本，這個(gè)特點(diǎn)

35、也決定了GRNN網(wǎng)絡(luò)能夠盡最大可能避免人為主觀假定對(duì)預(yù)測結(jié)果的影響63-64。因此，本文先使用樣本數(shù)據(jù)對(duì)GRNN神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，學(xué)習(xí)相關(guān)的知識(shí)、規(guī)律和經(jīng)驗(yàn)，然后使用訓(xùn)練好的GRNN網(wǎng)絡(luò)來選擇最佳的綠色供應(yīng)商。4.1數(shù)據(jù)預(yù)處理 通過對(duì)長沙市某一大型工程機(jī)械企業(yè)進(jìn)行調(diào)研，在其眾多供應(yīng)商中，隨機(jī)選出15家供應(yīng)商，獲得的樣本數(shù)據(jù)為表5所示。表5：15家供應(yīng)商的原始數(shù)據(jù)C1C2C3C4C5C6C7C8C9C10C11C12C13C14C15C16C17C18C1917402.215296.2335.65687.188.1792.88894.43.792470.97.2385.458.98795.492

36、896.37913.5210.716.898.70.7534823.213.9127.2281.57982.293.51085.58712.1113.0210.682.31.5642488.215169.1297468585.7994.97910.9615.712.17147.7556459.29.7210.3351.37797.598.4585.2568.145.7810.386.84.4761943.915.7253.250.56785.980.5785.77612.1711.467.888.55.9771169.67.4263.1209369391.8999.2988.4513.817.

37、2614.38984250.514.5389.3410.36483.793.81085.1658.086.138.2910.51.9796608.38.5283.84937495.494.5684.37612.467.9874.95.3510841.512.3182.8116.16581.495.8894.2876.911.2512.897.2851172813.2249.6240.82587.478.71095.2795.412.217.274.32.14121866.815.2204.278.5628394.9680.46512.725.838.945.10.98134171.39.539

38、2.41253890.198.91098.39510.0617.88.8683.38146666.215.4219.6236.96992.381.3987.37812.85.3211.989.44.57153962.411.1215.2205.56988.281.3689.38712.0616.249.778.61.39 由于指標(biāo)體系中各項(xiàng)指標(biāo)的量綱不同，需要進(jìn)行歸一化處理。流動(dòng)比率（C3）、產(chǎn)品價(jià)格（C4）分別按照公式（3-3）、公式（3-2）進(jìn)行歸一化處理，其它指標(biāo)按照公式（3-1）進(jìn)行歸一化處理。經(jīng)過歸一化處理之后，所有的數(shù)據(jù)都在0,1之內(nèi)，歸一化之后的數(shù)據(jù)見表6。表6：經(jīng)過歸一化處理的

39、數(shù)據(jù)C1C2C3C4C5C6C7C8C9C10C11C12C13C14C15C16C17C18C19110.920.750.360.50.570.350.470.40.660.750.750.710.31010.180.4112000.980.9810.710.870.660.60.850.5110.430.210.5300.230.630.790.320.480.8310.050.7310.270.750.50.830.620.710.800.110.440.290.920.430.440.330.570.220.350.80.770.510.680.830.910.60.970.960.2

40、50.860.290.530.320.830.7110.9800.2600.250.340.040.670.80.380.510.660.2110.6410.670.710.280.090.40.230.490.330.80.520.710.670.10.020.670.640.170.570.720.650.8110.750.380.680.250.411180.550.860.990.190.670.290.140.7510.250.2500.330.060.3910.680.160.690.890.150.7200.830.290.870.70.250.870.210.330.2100.

41、050.60.460.850.670.4300.850.60.730.78110.4110.2110.040.710.630.5700.430.37010.790.5100.570.190120.20.940.520.940.67000.2500.90.040.4800.230.030.8130.530.2710.830.170.860.54110.95100.5710.470.40.480.360.8140.890.960.560.580.6710.670.50.750.9100.880.80.590.520.6150.50.460.550.650.6710.470.750.50.820.8

42、70.590.60.530.081根據(jù)上表經(jīng)過歸一化處理之后的數(shù)據(jù)，再結(jié)合使用QPSO - PP模型得出的指標(biāo)體系權(quán)重（表4），可以對(duì)樣本進(jìn)行綜合評(píng)價(jià)，結(jié)果見表7。表7：綜合評(píng)價(jià)結(jié)果樣本123456789101112131415綜合評(píng)價(jià)值2.382.492.132.601.702.092.541.771.692.141.861.412.412.442.144.2網(wǎng)絡(luò)訓(xùn)練和選擇本文使用MATLAB2011a軟件編程，以19個(gè)二級(jí)指標(biāo)歸一化處理之后的數(shù)據(jù)作為GRNN網(wǎng)絡(luò)的輸入值，以綜合評(píng)價(jià)值作為輸出值，GRNN網(wǎng)絡(luò)擬合供應(yīng)商的綜合評(píng)價(jià)結(jié)果及網(wǎng)絡(luò)擬合誤差如圖1和圖2所示。圖1：網(wǎng)絡(luò)擬合綜合評(píng)價(jià)結(jié)果

43、圖2：網(wǎng)絡(luò)擬合誤差從上圖可以看出，將19個(gè)二級(jí)指標(biāo)的數(shù)據(jù)進(jìn)行歸一化處理之后，輸入GRNN神經(jīng)網(wǎng)絡(luò)模型，目標(biāo)值與網(wǎng)絡(luò)擬合值差異很小，效果非常好。GRNN神經(jīng)網(wǎng)絡(luò)能夠從訓(xùn)練數(shù)據(jù)中學(xué)習(xí)隱含的知識(shí)和規(guī)律，而且具有誤差小、學(xué)習(xí)速度快、人為干擾因素少的特點(diǎn)，所以GRNN能夠有效地解決工程機(jī)械行業(yè)復(fù)雜的、非線性的綠色供應(yīng)商選擇問題。 在此基礎(chǔ)上，利用訓(xùn)練好的GRNN神經(jīng)網(wǎng)絡(luò)對(duì)八家新的供應(yīng)商進(jìn)行綜合評(píng)價(jià)，其原始數(shù)據(jù)為表8，經(jīng)過歸一化處理的數(shù)據(jù)為表9（表9中的數(shù)據(jù)只保留兩位小數(shù)，但是輸入GRNN網(wǎng)絡(luò)的經(jīng)過歸一化處理后的數(shù)據(jù)保留四位小數(shù)），使用QPSO - PP模型確定指標(biāo)權(quán)重的綜合評(píng)價(jià)結(jié)果和GRNN神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)

44、結(jié)果的對(duì)比表為表10（保留四位小數(shù)）。表8：八家新供應(yīng)商的原始數(shù)據(jù)C1C2C3C4C5C6C7C8C9C10C11C12C13C14C15C16C17C18C1913167.48.4222.91766487.387.6986.67813.4411.8510.665.23.6626758.19.2372211.13893.893.4993.99813.067.437.964.93.8536778.211.5321.8123.53295.693.9684.7556.766.279.788.84.6846593.19.4190.6225.46884.484.1786.89710.478.8210.5

45、42.52.655394.412.9314.246.3529489.91083.7673.396.46666.43.8762370.712.3319.3989884.298794.87914.1711.4411.3912.26.7875584.410.4120.5152.75783.589.1992.7893.219.495.5910.25.17830768.7313.51417896.796.6587.8768.856.318.964.93.75表9：經(jīng)過歸一化處理的數(shù)據(jù)C1C2C3C4C5C6C7C8C9C10C11C12C13C14C15C16C17C18C1910.43 0.50 0.

46、60 0.81 0.50 0.33 0.67 0.22 1.00 0.26 0.25 0.50 0.93 1.00 1.00 0.67 0.28 0.80 0.00 21.00 0.56 1.00 0.76 0.00 1.00 0.99 0.97 1.00 0.92 0.00 0.00 0.90 0.21 0.34 0.67 0.25 0.00 1.00 31.00 0.00 0.86 1.00 0.00 0.00 0.10 1.00 0.20 0.09 0.00 0.00 0.32 0.00 0.59 1.00 0.65 0.93 0.75 40.97 0.55 0.12 0.74 0.50

47、 1.00 0.04 0.42 0.40 0.28 1.00 0.25 0.66 0.46 0.70 0.00 0.00 0.50 0.00 50.00 0.87 0.84 0.47 0.33 0.00 1.00 0.00 1.00 0.00 0.50 0.75 0.02 0.03 0.07 0.67 0.40 0.89 0.50 60.31 0.82 0.86 0.70 1.00 1.00 0.52 0.83 0.40 1.00 0.50 1.00 1.00 0.93 0.96 1.00 1.00 1.00 0.25 70.81 1.00 0.32 0.85 0.33 0.83 0.00 0

48、.19 0.80 0.81 0.00 0.50 0.00 0.58 0.00 0.67 0.79 0.17 0.00 80.42 0.02 0.84 0.00 0.67 1.00 0.30 0.10 0.00 0.37 0.50 0.00 0.51 0.01 0.48 1.00 0.25 0.96 1.00 表10：網(wǎng)絡(luò)擬合結(jié)果樣本12345678目標(biāo)值2.28722.27851.70191.67401.85363.13972.04661.3790GRNN擬合值2.29252.28091.68731.68421.84473.13862.04971.3715絕對(duì)誤差0.00530.00240.0

49、1460.01020.00890.00110.00310.0075表10中，目標(biāo)值是根據(jù)QPSO-PP模型確定的權(quán)重與八組樣本數(shù)據(jù)進(jìn)行歸一化處理后加權(quán)所得。從中可以看出，最佳的綠色供應(yīng)商為第六家，其綜合評(píng)價(jià)值和GRNN擬合值都為最高，分別為3.1397和3.1386，誤差僅為0.0011。八家供應(yīng)商的GRNN擬合值與目標(biāo)值非常接近，最大誤差僅為0.0146，最小誤差為0.0011。因此，說明經(jīng)過數(shù)據(jù)訓(xùn)練后的GRNN網(wǎng)絡(luò)模型具有很好的學(xué)習(xí)效果，能夠針對(duì)工程機(jī)械行業(yè)綠色供應(yīng)商的選擇做出準(zhǔn)確的判斷和決策。 以上分析表明，QPSO - PP - GRNN神經(jīng)網(wǎng)絡(luò)模型具有較好的準(zhǔn)確性、擴(kuò)展性以及使用上的

50、便捷性，同時(shí)在選擇和決策中，受人為主觀因素的干擾少，具有良好的客觀性和真實(shí)性。5 結(jié)束語工程機(jī)械行業(yè)綠色供應(yīng)商的選擇是一個(gè)涉及經(jīng)濟(jì)、政策、環(huán)保等諸多因素影響的復(fù)雜問題。本文針對(duì)這一問題，通過大量的文獻(xiàn)閱讀和與工程機(jī)械行業(yè)的公司管理者以及環(huán)境專家進(jìn)行討論，搜集綠色供應(yīng)商的評(píng)價(jià)指標(biāo)，然后組織專家和公司管理者通過Delphi法來確定出最重要的一級(jí)指標(biāo)和二級(jí)指標(biāo)，從而構(gòu)建出了工程機(jī)械行業(yè)綠色供應(yīng)商選擇的特色指標(biāo)體系，指標(biāo)體系中不僅包括傳統(tǒng)的經(jīng)濟(jì)、質(zhì)量、價(jià)格等指標(biāo)，而且添加了綠色績效方面的指標(biāo)，充分體現(xiàn)出綠色環(huán)保在供應(yīng)商選擇中的重要性。同時(shí)，首次把投影尋蹤方法和人工智能領(lǐng)域的GRNN神經(jīng)網(wǎng)絡(luò)相結(jié)合，且首

51、次運(yùn)用到綠色供應(yīng)商的選擇中，建立了QPSO-PP-GRNN神經(jīng)網(wǎng)絡(luò)模型。通過對(duì)湖南長株潭地區(qū)工程機(jī)械行業(yè)的調(diào)研，對(duì)所獲得數(shù)據(jù)進(jìn)行分析，表明QPSO - PP - GRNN神經(jīng)網(wǎng)絡(luò)模型具有較好的準(zhǔn)確性、擴(kuò)展性以及使用上的便捷性，而且受人為主觀因素的干擾少，具有良好的客觀性和真實(shí)性。因而，QPSO-PP-GRNN模型對(duì)工程機(jī)械行業(yè)綠色供應(yīng)商的選擇具有實(shí)際指導(dǎo)意義和推廣價(jià)值。未來的研究可以考慮將更多的環(huán)保指標(biāo)納入到綠色供應(yīng)商選擇的指標(biāo)體系中，同時(shí)，也將考慮將人工智能引入到綠色供應(yīng)商的管理中，進(jìn)行智能管理和智能決策。The Green Supplier Selection Method of Engi

52、neering Machinery Manufacturing Industry Based on QPSO-PP-GRNNChen Xiaohong, Xiao long(School of Business, Central South University, Changsha 410083, China)Abstract: Based on the philosophy of resource-conserving and environmentally-friendly enterprise and green supply chain, this paper develops the

53、 engineering machinery manufacturing industry characteristic indexes of green supplier selection which integrates both traditional supplier selection indexes and environment factors. QPSO-PP model can effectively overcome the influence of subjective factors in the process of determining weight, thus

54、 using QPSO-PP model to determine the weights of index system. But when there are new suppliers to join, it still needs to calculate and determine the best green supplier, and the process is complicated and lack of expansibility. Then, GRNN featured of learning speed and less artificial adjusting th

55、e parameters can effectively extract the implied knowledge from the training data, and conveniently used in new supplier selection process. Collecting engineering machinery manufacturing industry data from Changzhutan region to empirical analysis, the result indicates that the QPSO-PP-GRNN model has

56、 good accuracy, scalability and less interference by subjective factors, also it can enhance the dynamic assessment ability.Key words: engineering machinery manufacturing industry; green supplier selection; Projection Pursuit (PP); Quantum-behaved Particle Swam Optimization (QPSO); Generalized Regre

57、ssion Neural Network (GRNN)參考文獻(xiàn)：1 田明會(huì). 企業(yè)綠色競爭力評(píng)價(jià)與提升初探D. 南京：南京財(cái)經(jīng)大學(xué)，2010.2 Dickson. An Analysis of Vendor Selection Systems and DecisionJ. Journal of Purchasing, 1966(2):28-41.3 Theodore H Poister. Public Program Analysis: Applied MethodsM. Baltimore, University Park Press, 1978: 3-5.4 Noci G. Designi

58、ng green vendor rating systems for the assessment of a suppliers environmental performanceJ. European Journal of Purchasing and Supply Management, 1997, 3(2):10314.5 Handeld R, Walton SV, Sroufe R, Melnyk SA. Applying environmental criteria to supplier assessment: a study in the application of the a

59、nalytical hierarchy processJ. Operational Research 2002, 141:7087.6 Humphreys PK, Wong YK, Chan FTS. Integrating environmental criteria into the supplier selection processJ. Materials Processing Technology 2003a, 138:349356.7 Sarkis, J. A strategic decision framework for green supply chain managemen

60、J. Cleaner Production, 2003, 11 (4):397-409.8 Zhu Q, Sarkis J, Lai KH. Green supply chain management: pressures, practices and performance within the Chinese automobile industryJ. Cleaner Production, 2007b, 15:10411052.9 郭雪松，孫林言，徐晟. 基于P-SVM的綠色供應(yīng)商評(píng)價(jià)模型J. 預(yù)測, 2007, 26:7-8. 10 Hsu CW, Hu AH. Applying ha