投標報價研究

招標報價決策方法和模型的研討進展王雪青教授天津大學管理學院行為科學、運籌學等學科多目的決策、群決策等特殊決策問題輔助決策與決策支持系統(tǒng)決策分析實際體系(Howard等)60年代開場成效概念(Bernouli)18世紀偏好比較公理體系(F.P.Ramsey)1926年成效實際〔vonNeumann&Morgenstern〕1944年統(tǒng)計運用研討(Wald研討小組)1940-1950年統(tǒng)計決策實際〔Arrow,Savage,Fishburn,Fisher,Pratt等50－60年代貝葉斯統(tǒng)計決策實際和方法〔Raiffa,Schlaifer等〕60年代前期運用統(tǒng)計決策實際(Raifaa等)60年代計算機科學與信息技術商業(yè)運用社會、管理商業(yè)等運用決策分析研討開展簡單脈絡圖在競爭性招標中,招標決策是一個充溢著不確定性的復雜決策過程,它包含兩個延續(xù)階段——招標決策和報價決策。一、招標決策方法招標決策方法很多，按照決策的規(guī)范大體可分為兩類：基于期望利潤的方法和基于工程綜合評價的方法。期望利潤法是根據(jù)估計招標價錢和中標概率，計算得出預期利潤，以預期利潤作為能否招標的決策規(guī)范。工程綜合評價法那么是綜合思索企業(yè)本身才干、競爭猛烈程度、工程施工難度等多方面要素，計算得出對招標工程的綜合評價值，據(jù)此進展招標工程的選擇。1.基于期望利潤的方法〔1〕決策樹法該方法根據(jù)估計招標價錢和中標概率，計算得出預期利潤，以預期利潤作為能否招標的決策規(guī)范。該方法用決策樹的方式表示，簡單明了，但卻未闡明招標價錢和中標概率是如何估計的?！?〕招標積極性分析法該方法把招標工程的損益期望值稱為招標積極性，其計算公式如下：式中e——招標積極性;p——估計中標能夠性;m——估計中標后的盈利;c——不能中標時的招標損失該方法還給出了在一定報價程度下的中標能夠性的估計方法，思索了不能中標時的招標損失，比決策樹法更具適用性，思索也更全面。〔3〕工程綜合價值法該方法是在招標積極性分析法的根底上參與了對工程社會效益的思索。其綜合價值的計算方法如下：式中e——招標積極性p——估計中標能夠性m——估計中標后的盈利c——不能中標時的招標損失α——工程社會價值系數(shù)2.基于工程綜合評價的方法〔1〕排序法該方法先選定一系列評價目的，按照招標工程的各個目的的優(yōu)劣進展排序，并根據(jù)每個招標工程在各個目的上的排序給出該工程在該目的上的得分，再根據(jù)各個目的的權重計算出每個招標工程的總得分，最后根據(jù)總得分確定擬招標工程的優(yōu)劣排序。〔2〕主成份分析法該方法先選定一系列評價目的，再利用主成份分析確定其中的有效目的及其對應的權重，然后利用對數(shù)級差公式確定擬招標工程在各個目的上的評價值，最后計算出擬招標工程的綜合評價值并據(jù)此進展決策?！?〕層次分析法該方法也是選定一系列評價目的，然后對招標工程進展打分，再利用層次分析法確定招標工程的評價值并據(jù)此進展決策。

在這些基于工程綜合評價的方法中，目的的選取帶有較強的客觀性，且只對各個要素進展了評分，卻未思索不利要素能夠帶來的損失或抑制不利要素所需付出的代價。3招標決策模型綜述Ahmad于1990年提出了第一個招標決策的模型，以后又有幾位學者在這方面作了相關研討?！?〕Ahmad的招標決策模型Ahmad運用決策分析技術來處理能否招標的問題，思索了四類要素和13個子要素；運用兩兩比較法得出每個子要素的權重，再進展規(guī)范化得到，。由專家和招標者對每個要素能夠存在的形狀用言語描畫，并給出相應的數(shù)值，這成為要素形狀對照表，每個要素在形狀對照表中一定存在一種最不樂觀的形狀，也就是最能夠呵斥不招標的言語形狀，其相應的數(shù)值就成為這個要素的閥值。在招標時，專家或招標者根據(jù)工程情況，以每個要素的形狀對照表為根據(jù)，估計出每個要素的工程值，利用閥值，最后計算出差值,假設，建議不招標；假設，那么根據(jù)文獻中給出的對照表，按照D的數(shù)值查出對應的強度，決策者可以根據(jù)這個強度和本身閱歷進展招標決策。Ahmad提出了第一個招標決策模型，標志著對招標決策研討的開場，其思緒明晰，易了解，易操作；不過，該模型很多輸入都是由專家評定的，客觀性較大，而且，它假設一切的要素對工程加權和是正影響，沒有思索到一些要素的影響是反方向的。〔2〕M.Wanous,A.H.Boussabaine和J.Lewis的招標模型M.Wanous等提出了參數(shù)招標模型。為了模擬招標決策過程，首先要識別出影響決策的參數(shù)，作者經(jīng)過設計的六個半構造化的面對面交談方式完成調(diào)查表，從而將實踐的決策過程轉化為概略性模型，并從調(diào)查表中提取出每個影響要素的參數(shù)，運用這些參數(shù)計算出招標索引規(guī)那么，以索引規(guī)那么為根底，進展招標決策。該模型識別出38個影響要素，這些要素被分為兩類，一類為一定要素〔Fi〕，這類要素表示給其的分數(shù)越高越能鼓勵承包商招標；另一類為否認要素〔Fj〕，這類要素表示給其的分數(shù)越高越能鼓勵承包商不招標。式中Ii——表示一定要素Fi的重要性;CAi——表示承包商對該要素在一個新工程中的估計值;Bi——表示適中值;NBi——表示滅點;Ij——表示否認要素Fj的重要性;Bj——表示適中值該模型方式簡單，易于了解，思索了兩類影響要素對招標的正負影響，但是它的一切參數(shù)均來源于承包商的判別，具有較大客觀性，沒有利用歷史數(shù)據(jù)，而且統(tǒng)計獲得的參數(shù)值具有地域性，這意味著在其他地域運用該方法時需求較大任務量?！?〕基于模糊邏輯的招標決策模型根本步驟：1〕建立評價目的體系：列出主要影響要素作為根本目的〔即第一層目的〕進展整理、組合，得到高層目的〔即第二層目的〕；再對第二層目的進展整理、組合，得到更高一級層次的目的；以此類推，最終得到一個最高級的目的，用以進展決策

2〕運用列表計算法〔TJM〕，根據(jù)各目的的相對重要性，算出各目的的權重；

3〕建立隸屬函數(shù)，模型采用的是三角形模糊分布，由于每個目的的模糊數(shù)單位是不一致的，因此要對它們進展規(guī)范化，將每個目的的模糊數(shù)轉化為指數(shù)方式，從而使它們之間的直接比較成為能夠。4〕根據(jù)以上步驟所得到的權重集和指數(shù)值集，進展模糊綜合評價；

5〕最后運用CHEN提出的一種排序方法，對擬思索工程的最高一層目的的復合目的值進展排序，做出決策。模型優(yōu)缺陷：該模型運用模糊集合實際進展多目的決策，可以在不確定條件下盡量減少決策中的不確定要素，而且模糊數(shù)符合人類的思想方式；但是文中未指出建立評價目的體系的根據(jù)，未思索招標的歷史數(shù)據(jù)的作用。二、報價決策模型自本世紀50年代以來，對報價決策的研討主要集中在標高金〔或其報高率〕確實定問題上，許多標高金〔或報高率〕決策方法相繼開展起來。這些模型按其思索的影響要素多少可分為單要素報價決策模型和多要素報價決策模型。1單要素報價決策模型單要素報價模型在報價決策時思索一個影響要素、兩個目的，一個影響要素是指競爭者情況，兩個目的是指中標概率和盈利程度。根據(jù)此類方法實際根底的不同，可分為基于概率論和基于博弈論的兩種報價決策模型?！?〕基于概率論的報價模型模型引見1956年，F(xiàn)riedman提出了第一個招標報價模型——Friedman模型，該模型以最低標中標，經(jīng)過計算承包商單獨對每一個競爭者的贏率來計算其中標概率。他假設承包商對每個競爭者的贏率是相互獨立、互不干擾的，并用其來計算對一切競爭者的贏率。Friedman的目的是想運用特定標價的中標概率經(jīng)過最優(yōu)化求解得出承包商利潤最大期望值，并以此報價作為最優(yōu)報價。其模型表示為：式中PA(f)——中標概率；UA(f)——承包商期望利潤；Pi(f)——戰(zhàn)勝一個典型招標人的概率；f——報高率；m——未知競爭對手；n——知競爭對手對模型進展最優(yōu)化求解，就可以確定的最大值，同時得出最優(yōu)報價。模型優(yōu)缺陷：(1)優(yōu)點基于概率論的報價決策模型概念明確、思緒明晰、原理簡單，求解過程比較容易，可以反映競爭者的歷史情況。(2)局限性僅思索了單一影響要素——競爭者情況，該類模型要求對競爭對手過去招標的有關資料和信息非常了解，并假定競爭對手的招標方式穩(wěn)定不變，然而，在實踐招標中是很難獲得完備的資料信息，況且競爭對手的招標戰(zhàn)略也不是固定不變的。因此，基于概率論的報價模型在實踐運用中具有較大局限性。〔2〕基于博弈論的報價模型博弈論是關于戰(zhàn)略相互作用的實際，也可以說是關于社會情勢中理性行為的實際，其中，每個局中人對本人行動的選擇必需以對其他局中人將如何反響的判別為根底。作為一種實際分析工具，博弈論提供了一種研討人類理性行為的通用方法，運用這些方法可以更為明晰完好地分析所察看到的決策主體相互作用(沖突與協(xié)作)時的景象，因此博弈論也同樣適用于對報價過程的決策研討。根據(jù)博弈論的思想分析招標者之間報價行為，我們可以描畫如下：眾多招標者中的任何一方利益都遭到其它招標者的報價行為影響。反過來，這一招標者的行為也影響到其他招標者的決策。共同招標行為的結果依賴于其中每一個招標人的決策，相互制約關系使招標者之間產(chǎn)生競爭，并且，博弈論中所研討的局中人都為理性決策者，即追逐其目的能前后一致的做出決策，并不會繼續(xù)犯一樣的錯誤。在這里依然需求強調(diào)的是，任何理性的承包商所做出的招標決策都應該建立在對其他招標者決策的預測根底之上。報價中的博弈模型建模根底最大成效原那么在對博弈行為的研討中，我們把理性決策量化為成效函數(shù)，決策者對于他們所關懷的各種能夠影響最終期望利潤值的要素賦予數(shù)值，以經(jīng)過成效函數(shù)選擇最大化本人的期望成效，即期望成效的最大化定理〔expected-utilitymaximizationtheorem,1947〕[96]?，F(xiàn)已提出的眾多招標決策方法都沒有背叛最大成效原那么。并且，由于決策分析建模中涉及到風險厭惡指數(shù)〔indexofriskaversion〕，我們假定各個招標者都是風險中性的，從而可以把決策的成效等同于買賣的貨幣效益。低價中標原那么把博弈實際運用到報價的決策中，不僅要思索以上實際上的要素，還要結合建筑市場的特點進展分析。在建筑市場國際化特點日益明顯的今天，各個國家沒有一致的概預算定額，沒有一致的資料、設備預算價錢和取費規(guī)范，每個承包商在遵守當?shù)卣挠嘘P法律、法規(guī)和詳細工程招標文件的條件下，要根據(jù)市場信息、現(xiàn)場情況、本人的技術力量、施工配備、管理程度等要素計算標價，制定報價戰(zhàn)略。越來越多的國家和地域采用了最低價中標的評標原那么。在這里要討論的博弈模型也是以此評標規(guī)范為根底的。建模過程歷史資料的分析以招標人1為分析對象，首先把歷史報價數(shù)據(jù)分列在根底數(shù)據(jù)表1中：報價投標人1的標高金投標人1是否中標投標人1投標人2投標人3投標人4…投標人m項目1項目2項目3項目4項目5…項目n根底數(shù)據(jù)表然后，根據(jù)上表統(tǒng)計出招標人1在每一標高金區(qū)間上的中標率：標高金2%-3%3%-4%4%-5%5%-6%6%-7%…m%-n%投標次數(shù)n中標次數(shù)k中標率k/n表2招標人1中標率統(tǒng)計表隨著報價的添加〔也就是隨著標高金的添加〕，中標率呈曲線下降的趨勢。當標高金的添加范圍局限在一個很小的區(qū)間時，我們可以近似以為中標率隨標高金的添加直線下降，即二者成線性關系。因此，由上表數(shù)據(jù)在圖紙上描點，并近似的連成一條直線y=kx+b，如以下圖所示，求出k、b的值。標高金x中標率關于標高金的函數(shù)線圖y=kx+by期望成效的計算假設本次工程招招標過程中，有n個招標者參與競爭，每個招標者都希望中標，雖然該次報價具有很大的不確定性，但能根據(jù)歷史資料進展分析預測，因此設招標者的報價為Q，以第一個招標者為分析對象，設第一個招標者的標高金為R1，本錢為C1，根據(jù)最低價中標的評標原那么，假設第一個招標者的報價為Q1=min{Qi|i=1,2…,n}，那么招標者1中標。于是該報價過程可以表示為如下的貝葉斯博弈：招標人1的中標率函數(shù)為：PQ1=k.R1+b式中PQ1表示招標人1在工程招標中的中標率；R1表示招標人1在工程招標中報價的利潤率；K、b為系數(shù)。招標人1的期望收益函數(shù)為：U=Q1.R1.PQ1=C1..PQ1=C1..(k.R1+b)式中U表示招標人1本次招標工程的期望收益函數(shù)，也就是期望標高金；Q1表示招標人1在本次招標中的報價；C1表示招標人1在本次招標中所計算出的本錢。根據(jù)成效最大化原那么，最優(yōu)化的一階條件方程為：U′=C1.=0–kR12+2kR1+b=0且R1≠1解得R1=1即當標高金取值為R1=1時，招標者1在本次招標中可以獲得最優(yōu)的期望利潤。關于模型的闡明與分析共同知識無論我們選取怎樣的博弈模型來研討，博弈論都要求我們假設這個模型是招標者之間的共同知識，一切招標者都預測某個納什平衡將會發(fā)生，并預測到他的競爭對手也會預測到它的發(fā)生，由于每一個招標人都具有智能的特性。影響最終報價的要素由于工程工程的一次性和獨一性，在實施的過程中遭到諸多復雜要素的影響，如資源獲取途徑、與代理商的協(xié)作、企業(yè)內(nèi)部現(xiàn)金流情況、當?shù)卣挠嘘P法令、稅收、市場信息、匯率及貸款利率的變動等。除了可以轉移到保險費的要素，其他要素常用模糊評價等定量化的方法制定評價目的，經(jīng)過模糊矩陣得出評價結果值作為最終報價的調(diào)整值。同樣地，由于每一次參與招標的招標者是不完全一樣的，每個招標者的實力和傾向性也有差別，因此在針對一次招標進展期望成效分析時，假設可以引入這些特定招標者要素置信會得到更加理想的效果。協(xié)作博弈的思想建筑市場上承包商的獲利程度很大程度上取決于市場的供求情況。但無論市場供求情況如何，在一個正當競爭的范圍內(nèi)，我們都可以進展如下的分析：當一個招標者〔暫稱招標者1〕把本人的標價壓低在本錢的邊緣或以低于本錢的價錢中標時，從瞬時效果來看，首先降低了本人的獲利空間，其他招標者那么因此無法中標；從長期效果來看，招標者1的行為向其他招標者傳送了一條信息，即在類似競標環(huán)境中，假設要戰(zhàn)勝招標者1這類招標者而中標，需求把報價降低到低于招標者1的報價程度上，才有較大的把握中標，于是招標者們紛紛降低報價，可以想象本次的中標價錢程度將再次降低。假設長期如此，就會構成惡性循環(huán)當報價降低到難以獲利的程度時，每個招標者都會為本身的生存開展而擔憂，為了給本人留下生存的空間，各個招標者將達成一種默契，共同將報價維持在一個可以獲得合理利潤的程度上。在這一點上，競標報價行為雖然屬于非協(xié)作的博弈行為，但也表達了一定的協(xié)作博弈的思想。

由模型解出的一組最優(yōu)標高金向量為招標報價博弈的平衡解。此外，模糊預測的方法被運用于此模型，在招標競標中，當很少遇到或沒有遇到的對手出現(xiàn)時，那么可以運用模糊數(shù)量化方法來確定其標高金和贏標率之間的關系。模型優(yōu)缺陷(1)優(yōu)點有效防止了在對競爭對手歷史招標資料和市場行為信息掌握不完備時能夠呵斥的較大誤差，很好地將承包商的招標價錢和詳細環(huán)境條件聯(lián)絡起來，具有動態(tài)性。(2)局限性與基于概率論的報價決策模型同樣的缺乏是只思索了一個影響要素，雖然此模型思索了信息不完備時的報價戰(zhàn)略，但由于數(shù)據(jù)搜集和分布函數(shù)確定的難度較大，將基于博弈論的模型運用于實踐尚需進一步研討。2多要素報價決策模型多要素報價決策模型在招標報價時思索多個影響要素、多個目的，影響要素除了思索競爭者情況外，還包括工程要素、工程公司要素和環(huán)境要素等，報價決策的主要目的是中標和盈利，此外，承包商還可從公司本身開展角度出發(fā)，設定諸如當?shù)氐氖袌稣加新省⒐举Y源利用的延續(xù)性等目的，從而全面思索報價時的影響要素和公司目的。根據(jù)多要素報價決策方法所基于實際體系的不同，可分為基于成效實際和層次分析法的決策模型以及基于人工智能的決策模型。(1)基于層次分析法(AHP)和成效實際的報價決策模型經(jīng)濟管理學家運用成效實際中的成效作為目的，用來衡量人們對某些事物的客觀價值、態(tài)度、偏愛、傾向等；AHP法適用于處理多目的、多屬性的決策問題，在復雜的決策過程引入定量分析，并充分利用決策者在兩兩比較中所給出的偏好信息進展分析與決策支持。1)Seydel和Olson的報價決策模型Seydel和Olson初次提出了基于AHP法的報價決策模型，該模型中引入了期望成效的概念，詳細步驟如下：步驟1：采用兩兩比較法確定各個目的之間的相對權重，得到一個權重矩陣：步驟2：根據(jù)不同的報價值，求出每個目的的備選方案的期望成效，得到一個期望成效矩陣；步驟3:計算出不同招標報價下的總期望成效成效其中總成效Ui最大的報價ri為最優(yōu)報價。2)S.P.Dozzl和S.M.AbouRizk的報價決策模型S.P.Dozzl和S.M.AbouRizk結合AHP，將成效實際充分運用于報價決策。該模型的根本原理是:首先識別出影響要素的層次構造，其中最底層的要素稱為子要素。然后根據(jù)客觀判別和公司戰(zhàn)略將每個子要素轉化為一個成效函數(shù)的方式，經(jīng)過成效函數(shù)求出某個工程的各子要素成效值,它表示某工程的第j個子要素的成效值；運用AHP求出每層要素在同一層中的相對權重，按照同一類別各層要素的相對權重逐級相乘的原那么，求出子要素層綜合權重，其中j表示第j個子要素，j=1,2,…,n;n代表子要素個數(shù)。經(jīng)過加權求和算出某工程的期望成效值,。最后在確定了標高金和期望成效之間的成效函數(shù)后，將上一步算出的期望成效值帶入標高金成效函數(shù)中，得出最優(yōu)標高金。3)基于模糊綜合評價和人工神經(jīng)網(wǎng)絡的招標決策方法研討人工神經(jīng)網(wǎng)絡〔ArtificialNeuralNetwork,ANN〕是基于對人腦組織構造、活動機制的初步認識提出的一種新型信息處置體系。是由大量簡單的處置單元廣泛銜接組成的復雜網(wǎng)絡，用于模擬人類大腦神經(jīng)網(wǎng)絡的構造和行為。它反映了人腦功能的許多根本特征，但它并不是人腦全部的真實寫照，而只是對其做某種簡化、籠統(tǒng)和模擬。1神經(jīng)元模型目前常用的神經(jīng)元模型如下圖。在圖中，xi(i=1,2,3…,n)為神經(jīng)元的輸入；wi(i=1,2,3…,n)為神經(jīng)元與輸入xi間的銜接權值；θ為神經(jīng)元的閾值；s為外部輸入的控制信號，它可以用來調(diào)理神經(jīng)元的銜接強度，使神經(jīng)元堅持在某一形狀；y為神經(jīng)元的輸出。由此可以看出，神經(jīng)元普通是一個具有多個輸入，但只需一個輸出的非線性器件。x1x2xnsyθ圖3-2神經(jīng)元模型神經(jīng)元的任務過程普通是：從各輸入端接受輸入信號xi(i=1,2,3…,n);求一切輸入加權和：用某一特性函數(shù)對進展變換，得到輸出y:2基于模糊綜合評價和神經(jīng)網(wǎng)絡招標決策模型建立的根本思緒

模型建立的根本思緒如下：1)確定評價要素集，要素集的個數(shù)決議了人工神經(jīng)網(wǎng)絡的輸入節(jié)點。參見以下圖，本文評價要素個數(shù)為18個，那么人工神經(jīng)網(wǎng)絡的輸入節(jié)點數(shù)18，招標者可根據(jù)本企業(yè)需求和環(huán)境的不同對以上要素集進展修正。影響招標的要素集業(yè)主要素業(yè)主的經(jīng)濟才干業(yè)主的信譽招標規(guī)范嚴厲性承包企業(yè)要素能否符合業(yè)主的招標條件能否能提供足夠墊付資金類似工程閱歷所需資料的獲取性所需設備的獲取性熟練工的獲取性在建工程量工程要素地理環(huán)境便利性工程風險建立工程的技術復雜性競爭者數(shù)量場地條件剩余招標時間工程規(guī)模標書中規(guī)定的工程工期招標決策要素集2．要素集中的各個要素就是神經(jīng)網(wǎng)絡的輸入因子，根據(jù)各要素的特征對輸入因子進展分級處置，經(jīng)過專家評議法確定神經(jīng)網(wǎng)絡的輸入值；運用模糊綜合評價法得到人工神經(jīng)網(wǎng)絡的期望輸出值。3．確定BP神經(jīng)網(wǎng)絡模型的構造。〔1〕輸入節(jié)點的選擇按1所述方法確定BP的輸入節(jié)點；〔2〕隱層節(jié)點的選擇隱單元數(shù)的選擇是一個非常復雜的問題，它與輸入輸出單元的多少都有直接的關系，可參考以下兩個公式進展確定：

式中——輸出神經(jīng)元數(shù);

n——輸入神經(jīng)元數(shù);a——1~10間的常數(shù);n為輸入神經(jīng)元數(shù)為了使隱層節(jié)點數(shù)更適宜，可以經(jīng)過誤判率的大小來確定，如表1所示。由此看出，隱層節(jié)點選取26為好，其模型訓練精度、預測精度及節(jié)約計算機資源最正確。隱層節(jié)點訓練總體誤判率訓練次數(shù)檢驗總體誤判率180.0156820.288200.0157070.231220.027360.154240.018670.192260.0057260.115280.0058540.135300.018870.173320.0059980.136340.019890.154360.0110560.154表1隱層節(jié)點確實定〔3〕輸出節(jié)點選擇輸出節(jié)點選擇對應于評價結果，期望輸出為[10000]Ⅰ很強；[01000]Ⅱ較強；[00100]Ⅲ中等；[00010]Ⅳ較弱；[00001]Ⅴ很弱5種不同的招標志愿，其中“很強〞和“較強〞表示決策者對某工程傾向于招標，“較弱〞和“很弱〞表示決策者對某工程傾向于不招標。經(jīng)過以上分析，本例題的神經(jīng)網(wǎng)絡模型構造配置為18×26×5。4．選取一定數(shù)量的訓練樣本和檢測樣本，輸入樣本后系統(tǒng)按期望輸出與實踐輸出誤差平方和的最小化規(guī)那么來進展學習，調(diào)整權值矩陣和閥值向量。當誤差減小到要求范圍內(nèi)，系統(tǒng)停頓學習，此時的權值矩陣與閥值向量固定下來，成為系統(tǒng)內(nèi)部知識。3招標決策模型的建立由于所思索的影響要素大部分很難定量描畫，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，但普通要求專家的人數(shù)不能太少，下面根據(jù)實踐任務中慣常采用的方法給出輸入要素的等級劃分規(guī)范：業(yè)主的經(jīng)濟才干=〔強、中、弱〕=〔5、3、1〕業(yè)主的信譽=〔高、中、低〕=〔5、3、1〕招標規(guī)范嚴厲性=〔不嚴厲、普通、很嚴厲〕=〔5、3、1〕能否符合業(yè)主的招標條件=〔完全符合、比較符合、不符合〕=〔5、3、1〕能否能提供足夠的墊付資金=〔沒有難度、有一定難度、難度較大〕=〔5、3、1〕類似工程閱歷=〔豐富、普通、缺乏〕=〔5、3、1〕資料的獲取性=〔容易、普通、不容易〕=〔5、3、1〕設備的獲取性=〔容易、普通、不容易〕=〔5、3、1〕熟練工的獲取性=〔容易、普通、不容易〕=〔5、3、1〕在建工程量=〔少、適中、多〕=〔5、3、1〕地理環(huán)境便利性=〔方便、普通、不方便〕=〔5、3、1〕工程風險=〔小、中、大〕=〔5、3、1〕建立工程的技術復雜性=〔低、中、高〕=〔5、3、1〕競爭者數(shù)量=〔少、中等、多〕=〔5、3、1〕場地條件=〔優(yōu)、中、劣〕=〔5、3、1〕剩余招標時間=〔多、中、少〕=〔5、3、1〕工程規(guī)模=〔大、中、小〕=〔5、3、1〕標書中規(guī)定的工程工期=〔長、中、短〕=〔5、3、1〕注:介于等級之間的分值為4和2。得到各要素等級分后，將各分值除以最高分值5，化為[0，1]域上的分值，以滿足BP神經(jīng)網(wǎng)絡值域的要求。輸出因子的分級處置

我們采用神經(jīng)網(wǎng)絡對招標志愿的劇烈度進展評價時，可以將輸出結果劃分為5個等級，即招標志愿〔很強、較強、中等、較弱、很弱〕，其對應的輸出值分別為{[10000]；[01000]；[00100]；[00010]；[00001]}。在神經(jīng)網(wǎng)絡的學習訓練階段，“樣本〞的期望輸出值應是知量，它可由歷史資料給定或由模糊綜合評價法評價得出，待模型訓練勝利后便可用來處理實踐的招標決策問題。下面著重引見一下模糊綜合評價法。模糊綜合評價是經(jīng)過對各要素影響效果的綜合評價來分析招標志愿的強弱，在評價時，有些要素的作用大些，有些要素的作用小些，經(jīng)過標注重要性等級來明確各項目的的權重，然后根據(jù)綜合影響效果的評價等級確定招標志愿的強弱。1.建立要素集設某個被評價的對象的18個影響要素分別為，那么要素集U={}。2．要素權重確實定確定要素權重的方法有很多，可以采用列表計算法，這種方法的詳細計算過程如下：〔1〕設四個評價變量分別為并將其列于表2內(nèi)。

>>=指標x1x2x3x4kiwix102130.125x2443110.458x320130.125x431370.292總計x2>x4>x1=x33413．建立評價集，求取評價矩陣評價集表示評價結果的等級，可設{很好，較好，普通，差}={90，80，70，60}。4．進展模糊關系的合成5．加權平均法求取評價對象的最后得分

評分值得出后，再對其進展等級的劃分。例如，某工程經(jīng)模糊綜合評價后獲得最終的評分值為83.5，即這些影響要素的綜合效果較好，可視其期望輸出為〔01000〕。神經(jīng)網(wǎng)絡模型構造和算法的建立:由上節(jié)分析得本例題中的神經(jīng)網(wǎng)絡有18個輸入節(jié)點，26個隱層節(jié)點，5個輸出節(jié)點。其構造如下圖招標決策分析的BP神經(jīng)網(wǎng)絡構造

????????????????反向傳播算法〔BP算法〕是處理非線性問題最常用的算法。神經(jīng)網(wǎng)絡訓練的目的就是對某特定的輸入產(chǎn)生希望的輸出，這就需求網(wǎng)絡不斷的調(diào)整銜接弧的權值。普通BP算法步驟如下：(1)對全部銜接弧的權值及閥值進展初始化，普通設置成較小的隨機數(shù)，以保證網(wǎng)絡不會出現(xiàn)飽和或反常情況。(2)取一組訓練數(shù)據(jù)Xj〔j=1,…,n〕輸入網(wǎng)絡，并計算網(wǎng)絡的輸出〔表示輸出層第i個神經(jīng)元的輸出〕。(3)計算實踐輸出與期望值之間的偏向，然后從輸出層反向計算到隱含層，向著減少該偏向的方向調(diào)整各弧的權值。再從隱含層反向計算到輸入層，調(diào)整各弧的權值。(4)對訓練集中的每一組數(shù)據(jù)都反復上面兩個步驟，指點整個訓練的偏向到達能被接受的程度為止。在神經(jīng)網(wǎng)絡的實踐運用中，普通以為，用樣本訓練時，假設神經(jīng)網(wǎng)絡模擬輸出結果與期望值誤差范圍在〔-0.25,0.25〕之間，那么以為模擬合格。模型的訓練和檢測我們運用神經(jīng)網(wǎng)絡模型的程序軟件對招標決策模型進展學習訓練，如前所述，本文建立的BP模型共有18個輸入因子，26個隱層因子，5個輸出因子；。運用10個輸入、輸出樣本值對這一神經(jīng)網(wǎng)絡進展學習訓練1000次之后看能否到達總體誤差要求，假設沒有，那么再添加學習訓練次數(shù)；假設已到達要求，那么再用2個樣本值進展檢驗，檢驗結果也滿足要求后便得到一個學習好的模型。1．模型的訓練表3樣本數(shù)據(jù)X1X2X3X4X5X6X7X8X910.240.530.460.310.680.780.580.970.5720.620.830.360.240.610.480.740.510.5830.380.590.730.610.950.860.790.530.3640.640.230.570.430.540.590.690.580.3850.640.480.860.580.620.850.740.560.7660.130.210.420.530.420.450.390.570.2770.870.640.740.760.660.970.740.690.8380.520.470.250.360.250.360.520.310.4290.350.570.620.560.690.420.540.480.35100.480.830.590.720.680.480.820.760.66X10X11X12X13X14X15X16X17X1810.840.680.730.530.810.920.670.720.5820.360.370.580.290.760.620.480.810.3930.860.830.560.820.730.550.480.720.3240.840.210.370.480.360.490.720.340.6350.510.470.690.710.520.840.890.490.7660.580.250.640.260.420.590.370.120.3270.730.880.520.780.690.930.750.570.6480.690.240.480.260.190.360.510.280.3190.490.460.230.250.450.460.370.450.19100.640.660570.730.850.640.810.630.58表3續(xù)樣本數(shù)據(jù)經(jīng)過對這10個樣本的訓練，是在允許的誤差范圍內(nèi)，得到的訓練結果如下所示：序號期望輸出實際輸出投標意愿1（10000）(0.9972,0.0044,0.0049,-0.0157,-0.0092)較強2（00100）(0.0008,0.0012,0.9974,0.0047,0.0030)很強3（00100）(0.0007,-0.002,0.9998,0.0033,0.0014)中等4（00010）(0.0049,0.0081,-0.0265,1.0102,0.0045)較弱5（01000）(-0.0011,0.9948,0.00230,0.0029,0.0018)較強6（00001）(0.0048,0.0061,-0.0203,0.0123,1.0080)較弱7（10000）(1.0014,0.0070,-0.0059,0.0170,0.0109)很強8（00001）(-0.0055,-0.0066,0.0230,-0.0137,,0.9891)很弱9（00010）(-0.0046,-0.0095,0.0273,0.9875,-0.0044,)較弱10（01000）(0.0018,1.0058,-0.0245,-0.0009,-0.0003)較強表4訓練結果2．模型的檢驗X1X2X3X4X5X6X7X8X9110.730.590.620.830.410.620.530.720.35120.380.730.590.640.380.750.650.450.72表5模型的檢驗X10X11X12X13X14X15X16X17X18110.580.730.670.490.720.520.870.790.83120.510.630.490.760.910.320.460.730.58表5續(xù)模型的檢驗兩個樣本的檢驗結果如下：序號期望輸出實際輸出投標意愿1(01000)(0.0001,0.9978,0.0027,-0.0025,-0.0013)較強2(00100)(-0.0002,-0.006,0.9993,-0.0062,-0.0039)中等從檢驗結果來看，期望輸出和實踐輸出根天性堅持一致，因此該模型是有效的。表6檢驗結果3)其他相關的報價決策模型M.Marzouk和O.Moselhi建立的報價決策模型與Dozzl等的模型原理根本一致，但他們借助于計算機程序文語使得標高金影響要素的分類方式更加靈敏，可根據(jù)工程公司和承包工程的不同對影響要素做出合理的增、刪、改；此外，他們還就風險這一影響要素的成效函數(shù)進展了深化研討，分別給出了適宜于風險中性、風險厭惡和風險喜好的成效函數(shù)類型。Chua和LiD建立了基于競爭、招標人目前情況、風險以及對工程工程的需求程度4類影響報價子目的和招標決策過程的層次遞階構造，用AHP確定了3種合同類型下的關鍵要素重要性排序。優(yōu)缺陷1〕優(yōu)點成效實際和AHP在報價決策中思索了多種影響要素，算出的標高金表達了決策者在招標報價時對招標工程的稱心程度；計算過程易了解。2〕局限性權重確實定客觀性較大，成效函數(shù)的方式不易確定，其直接影響著計算的繁簡程度。(2)基于人工智能的報價決策模型基于人工智能的報價決策模型主要分為基于人工神經(jīng)網(wǎng)絡〔ANN〕、基于專家系統(tǒng)(ES)和基于案例推理〔CBR〕幾種類型。Moselhi，Hegazy等于1993提出的DBID模型如以下圖所示。用戶界面和控制器MonteCarloSimulationGA目前招標的工程過去的工程數(shù)據(jù)庫神經(jīng)網(wǎng)絡DBID的模型圖解2)專家系統(tǒng)〔ES〕專家之所以可以成為某一領域的權威，并不在于他們有超人的智慧和新奇的構思，而在于他們擁有大量的專門知識和閱歷，特別是那些在長期實際中探求與積累的啟發(fā)性知識。所謂專家系統(tǒng)就是在專家知識的根底上，具有自動推理才干的智能軟件系統(tǒng)。這樣的系統(tǒng)把專家在處理問題過程中運用的知識分成現(xiàn)實和規(guī)那么，以適當?shù)姆绞酱鎯Φ接嬎銠C中，并構成知識庫，然后根據(jù)用戶提供的信息，運用存儲的有關知識，選擇合理的推理機制，模擬專家去處理問題。人－機接口獲取知識解釋機制數(shù)據(jù)庫知識庫推理機用戶專家招標報價專家系統(tǒng)的根本構造加拿大的AnaheimTechnologies公司曾經(jīng)勝利地開發(fā)了一套商用專家系統(tǒng)，用于多風險要素的招標報價。3)案例推理模型〔CBR〕基于案例推理技術的人工智能招標報價是目前的研討熱點之一。Chua等根據(jù)影響標高金的四類要素，建立了基于案例推理的報價系統(tǒng)〔CASEBID〕，并用蒙特卡洛法檢測了系統(tǒng)的有效性。人機接口問題處置系統(tǒng)基于事例推理的系統(tǒng)事例庫事例管理系統(tǒng)學習知識庫知識庫管理系統(tǒng)CBRMBMD的總體框架構造基于案例推理的報價決策支持系統(tǒng)

以下圖是基于案例推理的報價決策支持系統(tǒng)的框架圖。用戶索引類似度競爭程度評價風險評價標高金的估計案例庫權重1〔競爭程度〕權重2〔風險〕新案例最優(yōu)標高金案例&知識庫臨近案例最低報價標高金時的最類似的案例類似案例〔競爭〕類似案例〔風險〕案例修正模塊低標價的概率分布C/Ce概率分布決策者的偏好標高金的最優(yōu)化案例更新調(diào)用外殼基于案例推理的報價決策支持系統(tǒng)框架圖該系統(tǒng)的目的是希望在過去的報價閱歷的根底上為決策者對報價的標高金確定提出建議。過去的招標案例將存儲在案例庫中。而決策者以為在確定標高金時的關鍵要素將作為“知識〞在系統(tǒng)中建立起來。權重1和權重2是指有關競爭的猛烈程度和風險程度的決議要素的相對重要程度。案例庫和領域知識構成系統(tǒng)的知識庫。當用戶提交了一個新案例時，系統(tǒng)的決策過程就開場了。依托索引樹可以從案例庫中提取一組與新案例類似的案例。這些案例被視為新案例的臨近案例。經(jīng)過對這些案例與新案例之間類似程度的計算，將與之在競爭的猛烈程度和風險程度兩個子目的上類似程度最高的一組案例作為案例修正模塊的輸入。然后就由案例修正模塊進展分析、評價，此時有兩種方案，一是在對這些類似案例的競爭的猛烈程度和風險程度進展評價以后，按照最高期望利潤率的原那么來提出標高金的建議，二是在結合公司的工程需求度和行業(yè)位置思索到?jīng)Q策者的偏好以后，按照最大成效價值原那么來進展進一步分析得到一個標高金的備選方案。詳細推理過程以及所需關鍵技術將在下一節(jié)詳細引見。推理過程及關鍵技術推理的目的將總目的分解，可以以為推理過程是基于以下四個子目的，即：〔1〕競爭的猛烈程度；〔2〕風險；〔3〕工程需求度；〔4〕公司在招標中的位置。以下圖闡明了總目的、子目的以及各種決議要素之間的關系。標價的標高金標高金偏好中標的能夠性風險公司在招標中的位置競爭的猛烈程度工程需求度外部要素工程性質招標要求社會經(jīng)濟條件任務相關要素環(huán)境要素內(nèi)部要素公司相關要素報價推理模型1．競爭的猛烈程度1.1工程的特性1.2招標要求1.3社會經(jīng)濟環(huán)境工程類型工程規(guī)模技術難易程度資源需求現(xiàn)場可獲得性合同類型與業(yè)主及咨詢工程師的關系平安需求擔保才干資歷預審要求招標方式招標期限現(xiàn)金流需求管理人員需求勞務需求機械設備需求工程工期分包其他工程的可獲得性合格管理人員的可獲得性合格分包商的可獲得性合格勞務的可獲得性合格機械設備的可獲得性政府規(guī)章制度獲得銀行擔保的難易程度競爭猛烈程度的決議要素2．風險2.1招標階段的風險2.2實施階段的風險估價的準確性信息的完備性工程特性圖紙、規(guī)范的完備性資源市場價錢信息的完備性分包的程度專業(yè)管理和協(xié)調(diào)工程工期類似閱歷咨詢工程師對規(guī)范的解釋支付短缺或延誤當前的任務量招標期限對環(huán)境的熟習程度分包商的可靠性圖4-5風險的決議要素公司內(nèi)在風險業(yè)主及工程師引發(fā)的風險環(huán)境引發(fā)的風險現(xiàn)場可獲得性技術難易程度安全現(xiàn)場空間限制估價人員的才干資源價錢的浮動合格管理人員的可獲得性合格分包商的可獲得性合格勞務的可獲得性合格機械設備的可獲得性政府規(guī)章制度3．工程需求度3.1招標期間的任務量3.2現(xiàn)有的工程量3.3對公司聲譽的影響3.4要求的投資報答率3.5普通上級管理費3.6對關鍵勞務的需求3.7與業(yè)主的關系公司對工程需求度的決議要素3.8市場占有率4．公司在招標中的位置4.1管理上的專長4.2融資才干4.3與業(yè)主關系4.4商業(yè)同伴的才干4.5所需資源的占有4.6公司的專長4.7類似閱歷合格員工的可獲得性合格勞務的可獲得性合格分包商的可獲得性合格機械設備的可獲得性設計、變革才干施工技術方面的才干公司在招標中的位置的決議要素案例表示案例推理是對人類籠統(tǒng)思想的模擬。在人工智能中經(jīng)過不同的知識表示方法，如產(chǎn)生式規(guī)那么、語義網(wǎng)絡、神經(jīng)網(wǎng)絡、框架和面向對象等，對知識從不同認識角度進展了映射。案例可以定義為是指一段文字描畫的知識，它闡明了一種閱歷，供推理機〔reasoner〕用來實現(xiàn)推理的目的。一個案例的集合就構成了案例庫。案例表示問題是CBR的根底，處理案例的表示是引入CBR技術的先決條件。在CBR中最大的一個問題就是檢索適宜的案例。在適宜的時候可以檢索出適宜的案例這一點對CBR是非常重要的。對案例的表示也就是CBR中的索引問題。索引主要包括兩個方面，一是屬性〔詞匯〕問題，需求選擇適宜的屬性對案例建立適宜的標引，以便可以很容易地、快速地從案例庫中提取出來；另一個就是案例的組織問題，這將直接關系到對案例庫進展搜索的效率和準確性。案例的組織問題將在后面有所引見。案例的屬性必需對目的和領域進展分析，以找到相關的標引和描畫。這些標引和描畫就是指案例的那些屬性。任何一個用來標引的詞匯都必需可以闡明這個案例的一個相關屬性。每一組標引詞匯那么應對應推理的一個子目的。相應的，對于CBR的報價決策支持系統(tǒng)有兩個子目的：〔1〕競爭的猛烈程度；和〔2〕風險，就應有兩組詞匯。假設將標高金的一切決議要素都作為案例的索引詞匯當然最好。但是，太多的索引和描畫將會影響推理機〔reasoner〕的效率。所以在建立競爭的猛烈程度和風險的索引時只選用了那些關鍵性的決議要素。表7和表8分別闡明了在不同類型合同條件下影響競爭程度和風險的關鍵要素及相應的權重序號（1）因素（2）權重單價合同（3）總價合同（4）設計—建造合同（5）1其它項目的可獲得性0.0710.0910.0732合格人員的可獲得性0.0423招標方法（公開/不公開）0.0510.1154現(xiàn)金流需求0.0515技術難易程度0.2300.2080.2126業(yè)主/咨詢師類型0.1490.1480.0917項目公開度和信譽0.1050.0950.0918項目期限以及未完工的罰金0.0880.0860.0759完全程度0.0520.0510.05010項目規(guī)模0.1600.1710.13611投標期限0.0930.0980.114總計1.0001.0001.000表7決議競爭的關鍵要素序號（1）因素（2）權重單價合同（3）總價合同（4）設計—建造合同（5）1資源市場價格信息的完備性0.0532估價人員的能力0.0920.2220.3253圖紙和規(guī)范的完備性0.0890.1154咨詢工程師對規(guī)范的解釋0.2010.1730.0685投標期間的工作量0.1046技術難度0.1350.1070.0837支付上的延誤或短缺0.0648管理、協(xié)調(diào)上的能力0.0670.0610.0579項目期限以及未完工的罰金0.2130.1580.11610資源價格波動0.05911類似經(jīng)驗0.1390.1050.10112投標期限0.093總計1.0001.0001.000表8決議風險的關鍵要素表9中那么按照“內(nèi)容〞〔報價的構成〕和“情勢〞〔招標時的情況〕對它們進展了分類。功能（1）推理目標競爭的激烈程度（2）風險（3）索引詞匯描述案例“內(nèi)容”項目規(guī)模技術難度技術難度項目期限以及未完工的罰金現(xiàn)金流需求咨詢工程師對規(guī)范的解釋項目公開度支付上的延誤或短缺項目期限以及未完工的罰金投標期限業(yè)主/咨詢師類型圖紙和規(guī)范的完備性安全程度招標方法（公開/不公開）投標期限索引詞匯描述案例“形勢”其它項目的可獲得性資源價格波動合格人員的可獲得性管理、協(xié)調(diào)上的能力類似經(jīng)驗投標期間的工作量估價人員的能力資源市場價格信息的完備性表9案例索引詞匯案例屬性的領域值對于每種屬性有以下三種不同的屬性類別和領域值：1．屬性類型在領域值上沒有內(nèi)在邏輯聯(lián)絡在這些案例中，根據(jù)領域值將屬性分為不同的類別。例如，“合同類型〞這個屬性領域包括三個值：“單價合同〞、“總價合同〞“設計—建造合同〞。既然它們之間沒有任何邏輯關系，可以將它們視為離散點。2．屬性類型在領域值上有內(nèi)在邏輯聯(lián)絡對于這種類型的數(shù)據(jù)，通常的分類方法就是在它們各自的領域值之間建立聯(lián)絡。例如，以下圖對“業(yè)主類型〞這一屬性進展了分類。業(yè)主政府部門私人企業(yè)不很稱心的私人企業(yè)稱心的私人企業(yè)信譽不佳的私人企業(yè)信譽普通的私人企業(yè)信譽很好的私人企業(yè)“業(yè)主類型〞屬性的分類3．可以定量計算或定性評價的數(shù)據(jù)類型對于那些可以進展定量計算的屬性，它們的領域值被分為幾個定性化的區(qū)域。例如，對于“工程規(guī)模〞屬性的領域值就可以被分為5個等級：①非常??；②?。虎燮胀?；④大；以及⑤非常大。假設位于同一等級那么以為它們的值是相等的，除非按照它們匹配或類似的程度在等級之間再進展記分。還有一些屬性只能進展定性評價。在這種情況下，依然可以按照分類樹的方法來構建價值區(qū)域。例如，“技術難度〞特點就可以從不難到很難定性地劃分為5個層次。如以下圖所示。技術難度容易難容易難普通難非常難“技術難度〞屬性的分類容易非常容易非常難有點難普通困難一點困難沒有困難案例的組織1構造在基于案例推理的報價決策支持系統(tǒng)中，將一切案例分為兩大類別，如下圖。一個主要的類別是“報價〞。對于同一推理子目的，對某種類型合同重要的屬性對其它類型的合同不一定同樣重要。為了闡明這一點，該項主要類別又劃分為三個子類別：①“單價合同〞，②“總價合同〞；以及③“設計建造合同〞。表10中列出了“報價〞類別所具有的一切屬性，同樣子類別也具有這些屬性，雖然三個子類別還分別具有表11中所列出的特有的屬性。因此，一個報價案例將按照報價所采用的合同類型劃分為某一個子類別的對象。競爭者基于案例的組織構造報價設計—建造合同總價合同單價合同序號（1）屬性名稱（2）定義（3）領域值數(shù)據(jù)類型（4）推理目標焦點（5）1其它項目的可獲得性其它項目的可獲得性定性估計競爭2投標日期投標日期日期——3投標結果投標結果無邏輯關系的數(shù)據(jù)——4C/Ce實際成本與估價的比數(shù)字——5估價人員的能力估價人員的能力定性估計風險6競爭者的報價競爭者的報價定性估計——7咨詢工程師對規(guī)范的解釋咨詢工程師對規(guī)范的解釋定性估計風險8技術難度技術難度定性估計競爭和風險9管理協(xié)調(diào)能力管理協(xié)調(diào)能力定性估計風險10業(yè)主類型業(yè)主類型有內(nèi)在邏輯聯(lián)系的數(shù)據(jù)競爭11低標價的標高金低標價的標高金數(shù)字——12項目公開度和聲譽項目公開度和聲譽定性估計競爭13項目時間期限以及未完工的罰款項目時間期限以及未完工的罰款定性估計競爭和風險14安全程度安全程度定性估計競爭15類似經(jīng)歷類似經(jīng)歷定性估計風險16項目規(guī)模項目規(guī)模定性估計競爭17投標期限投標期限定性估計競爭18合同類型合同類型無邏輯關系的數(shù)據(jù)——19項目類型項目類型無邏輯關系的數(shù)據(jù)——表10“報價〞類別的屬性序號（1）屬性名稱（2）定義（3）領域值數(shù)據(jù)類型（4）推理目標焦點（5）（a）“單價合同”子類別1招標方式招標方式無邏輯關系的數(shù)據(jù)競爭2圖紙和規(guī)范的完備性圖紙和規(guī)范的完備性定性估計風險3支付上的延誤和短缺支付上的延誤和短缺定性估計風險（b）“總價合同”子類別4現(xiàn)金流需求現(xiàn)金流需求定性估計競爭5圖紙和規(guī)范的完備性圖紙和規(guī)范的完備性定性估計風險6資源價格波動資源價格波動定性估計風險（c）“設計—建造合同”子類別7資源價格信息的完備性資源價格信息的完備性定性估計風險8合格人員的可獲得性合格人員的可獲得性定性估計競爭9招標方式招標方式無邏輯關系的數(shù)據(jù)競爭10投標期間的工作量投標期間的工作量定性估計風險11投標期限投標期限定性估計風險表11各子類別特有的屬性2索引樹當提交一個新環(huán)境時，類似度研討僅僅局限于新案例的節(jié)點〔或臨近點〕，而不是對整個案例庫進展分析。這樣將會提高效率，新案例節(jié)點以外的節(jié)點將會被排除在外。索引樹〔競爭程度〕根節(jié)點設計/建造合同總價合同單價合同土木工程商業(yè)建筑居民建筑工業(yè)建筑土木工程商業(yè)建筑居民建筑工業(yè)建筑土木工程商業(yè)建筑居民建筑工業(yè)建筑案例的檢索1類似度的計算設X和Y為兩個案例，其類似度定義在實數(shù)[0，1]之間，并滿足以下性質：〔1〕對稱性：S〔X，Y〕=S〔Y，X〕〔2〕自反性：S〔X，X〕=1設r1和r2為兩個實數(shù)，且有0<r1<r2<1，那么存在兩種類似度：〔1〕充分類似：r2<S〔X，Y〕≤1〔2〕最小類似：r1<S〔X，Y〕≤r2設P1和P2分別為輸入案例和案例庫中的案例。假設P1和P2為充分類似，那么案例P2的解可直接作為輸入案例P1的解。假設P1為最小P2類似，那么案例P2的解應根據(jù)輸入情況作出修正，才干作為輸入案例P1的解。設根據(jù)輸入案例P1從案例庫中選出的案例集合為M〔P1〕，那么有：兩個案例的類似度為兩個案例相應屬性的類似度的加權和。假設將一切案例分為m類，分類空間為，屬性集合為。屬性的相對重要性可表示為權重矩陣，其中類別中屬性的權重為。設案例P1和P2的屬性的值分別為和，那么案例P1和P2對于類別的類似度定義為：其中為屬性和的類似度，且有案例的檢索基于類似度的計算，從案例庫中檢索出一組類似的案例。類似度取值范圍是0到1之間；取值1那么意味著完全匹配，0那么闡明完全不同。它的值取決于部分類似度以及每個屬性的權重。對于沒有內(nèi)在邏輯關系的、具有離散性質的屬性領域的數(shù)據(jù)，部分類似度要么在價值相等時取1，要么就等于0。對于具有內(nèi)在邏輯關系的屬性領域或屬性的數(shù)據(jù)要素，假設可以進展定量或定性估計時，部分類似度那么取決于兩個案例的數(shù)據(jù)值在分類提取樹中的位置。它們共享的索引節(jié)點越近，那么它們的類似度越高。標高金的最優(yōu)化基于競爭的猛烈程度檢索到的案例，不難算出在給定的標高金程度〔Mi〕下的中標時機(Pwi)的累積概率分布是：假設沒有招標本錢，那么就可以計算出在給定標高金程度〔Mi〕時的期望利潤為：該式子很容易用來對報價進展調(diào)整。最大期望利潤程度下的標高金即是最優(yōu)的標高金程度〔Mopt〕。在修正完以后，決策者就可以經(jīng)過從案例庫中調(diào)出最類似的案例的標高金程度對提出的處理方案進展審核。它可以比較檢索到的案例與當前案例的各個屬性，以確認建議的處理方案是適宜當前情況的。假設有必要的話，對當前案例任一屬性類似的案例都可以檢索出來供決策者對系統(tǒng)建議的最優(yōu)標高金進展啟發(fā)式的調(diào)整。另外，過去競爭者在類似招標中的分布可以由其屬性反映出來。假設有必要，還可以檢索出競爭者的能夠“低標價標高金〞進展進一步的修正。但是在進展最終決策時，并不一定選擇最優(yōu)標高金程度。此時可以參與用戶的一定偏好，綜合思索公司的運營戰(zhàn)略等要素，選擇不同的處理方案。也可以同時思索多種標高金程度方案，經(jīng)過對給定程度下的中標概率和期望利潤的綜合評價，從中選出目前公司情況下最適宜的標高金程度。4基于ANN的報價模型研討基于人工神經(jīng)網(wǎng)絡的報價決策模型：1B-P神經(jīng)網(wǎng)絡模型構造1〕網(wǎng)絡構造的選擇網(wǎng)絡構造主要包括銜接方式、網(wǎng)絡層次數(shù)和各層節(jié)點數(shù)。網(wǎng)絡的銜接方式代表了網(wǎng)絡的拓撲構造，本案例采用多層前傳網(wǎng)絡構造(back—propagationnetworkconstruction，BP網(wǎng)絡)構造報價決策模型。B-P神經(jīng)網(wǎng)絡是由D.E.Rumelhart等人組成的PDP(ParallelDistributedProcessing)小組于1985年提出的一種神經(jīng)元模型，是神經(jīng)網(wǎng)絡模型中實際根據(jù)較完善的神經(jīng)網(wǎng)絡之一，它是多層前傳網(wǎng)絡，在輸入和輸出層之間可以有一個或多個隱含層，信號是向前傳送的，不帶反響和層內(nèi)相互銜接構造，當參數(shù)調(diào)整時，算法中含有誤差反向傳播過程，并由此得名。(1)網(wǎng)絡層數(shù)確實定現(xiàn)已證明(Kolmogrov實際)，在一定條件下，一個三層的BP網(wǎng)絡可以以恣意精度去逼近恣意映射關系。而且經(jīng)過實驗發(fā)現(xiàn)，與一個隱含層相比，用兩個隱含層的網(wǎng)絡訓練并無助于提高預測的準確率。因此我們選擇三層BP網(wǎng)絡。(2)網(wǎng)絡輸入層節(jié)點數(shù)i確實定輸入層節(jié)點的多少與影響標高金決策要素的個數(shù)相對應，關于影響標高金決策的要素在前前面曾經(jīng)有了較詳細的論述，輸入的節(jié)點數(shù)確定為20。(3)輸出層節(jié)點數(shù)j確實定要求輸出的結果就是擬招標工程的標高金值，因此取輸出節(jié)點數(shù)為1。(4)隱層節(jié)點數(shù)確實定隱含層節(jié)點數(shù)的選擇較為復雜，并無確定的法那么，只能根據(jù)一些閱歷法那么，經(jīng)過實驗來確定。普通來說，可思索的閱歷法那么有：①隱含層節(jié)點數(shù)不能是各層中節(jié)點數(shù)最少的，也不是最多的；②較好的隱含層節(jié)點數(shù)介于輸入節(jié)點和輸出節(jié)點數(shù)之和的50%至75%之間；③隱含層節(jié)點數(shù)的實際上限由其訓練樣本數(shù)據(jù)所限定。根據(jù)以上幾條，經(jīng)過試值法測試隱層節(jié)點數(shù)對網(wǎng)絡性能的影響。表12顯示了不同的隱含層節(jié)點數(shù)對應的訓練集合和測試集合的誤判值。隱含層節(jié)點數(shù)第一類錯誤第二類錯誤總錯誤訓練集測試集訓練集測試集訓練集測試集0*1**23456785433333328778767911231000000565554568764333332131312131210121519表12隱層節(jié)點數(shù)的影響我們把誤差分為兩類：第一類錯誤與第二類錯誤。在統(tǒng)計學中，第一類錯誤稱為“拒真〞，第二類錯誤稱為“納偽〞。這里，我們把第一類錯誤定義為將可進展招標的工程決策為不招標，第二類錯誤定義為將不應該招標的工程決策為可招標。顯然兩類錯誤在報價當中都是應該盡量防止的，因此我們選擇的網(wǎng)絡拓撲構造應該使兩類誤差都盡能夠的小。表12顯示當隱含層節(jié)點數(shù)為5時，兩種誤差是最低的。基于此緣由，將影響標高金的要素進一步重新劃分為5類，層次構造如以下圖所示。5個隱層節(jié)點代表要素的分類。影響工程標高金的要素地理要素地點工人素質工人資源經(jīng)濟要素市場條件競爭程度資金需求閱歷要素盈利情況索賠閱歷企業(yè)要素當前義務報答率市場份額管理費總部任務量工程要素類型規(guī)模業(yè)主風險復雜性影響標高金的層次構造圖繼續(xù)時間現(xiàn)金流需求2網(wǎng)絡的構造圖根據(jù)B-P神經(jīng)網(wǎng)絡的根本原理，報價決策模型的神經(jīng)網(wǎng)絡構造如以下圖所示。Outputj(j=1)Inputi(i=1,2,…,20)Hidden三層的BP神經(jīng)網(wǎng)絡圖神經(jīng)網(wǎng)絡系統(tǒng)的解釋功能解釋可定義為：表達某種思想或用一定的方式來驗證某種行為。人工神經(jīng)網(wǎng)絡系統(tǒng)可以為它本身的決策結果進展相應解釋闡明，提供一些適當?shù)囊?guī)那么〔或細節(jié)〕以使運用者能清楚的知道標高金程度是如何確定的。完成解釋義務包含兩個方面的內(nèi)容：①確定了解上的差距〔用戶有哪些地方不明白〕；②針對問題給出合理的解釋。在許多情況下，確定用戶有哪些地方不明白并不是一件容易的事，但針對確定標高金這一問題，招標商的主要問題在于“人工神經(jīng)網(wǎng)絡系統(tǒng)是如何確定標高金程度的〞。因此，為了提供足夠的證據(jù)來解釋其輸出，系統(tǒng)必需有一個符合邏輯的討論體系以驗證本人做出的決策。由于規(guī)那么類似于建筑行業(yè)專家的閱歷知識，同時規(guī)那么也是一種簡明的信息表達方式，所以本章采用一系列邏輯性的規(guī)那么來解釋系統(tǒng)所做的決策。但是，由于人們的了解是基于閱歷和技術知識的，而這些閱歷和知識不能夠很容易地被轉化為計算機言語，所以自動解釋功能遭到一定的限制，即不能夠對一切的問題做出解釋，有時需求用戶根據(jù)一些必要的信息本人做出合理的解釋。神經(jīng)網(wǎng)絡系統(tǒng)規(guī)那么的產(chǎn)生目前，有兩種產(chǎn)生規(guī)那么的方法：一種是分解法，另一種是學習法。其中，分解法的中心是從獨立的單元〔隱層或輸出層〕產(chǎn)生規(guī)那么，因此，訓練好的人工神經(jīng)網(wǎng)絡的構造是透明的，此種規(guī)那么抽取技術的根本要求是將人工神經(jīng)網(wǎng)絡中的隱層和輸出層節(jié)點的輸出結果轉化為二進制的表達方式。在學習法中，訓練好的人工神經(jīng)網(wǎng)絡被看成是一個黑匣子，其構造是不透明的。學習法的根本思想是將規(guī)那么的產(chǎn)生看成是一個學習的義務，將目的看成是網(wǎng)絡的計算結果，而將輸入特征簡單地看成是網(wǎng)絡的輸入特征，規(guī)那么的產(chǎn)生是直接從輸入到輸出。神經(jīng)網(wǎng)絡系統(tǒng)規(guī)那么產(chǎn)生的算法該部分采用的產(chǎn)生式規(guī)那么的算法是Fu提出來的方法的一種修正方式，稱為KT-1方法。在該方法中，從人工神經(jīng)網(wǎng)絡產(chǎn)生的規(guī)那么的方式為：假設…那么…，可用下式表示：IFA1+，…，Ai+，…，┑A1﹣，…，┑Aj﹣，…，ThenC其中:Ai+表示正的銜接權系數(shù)；┑Aj﹣表示負的銜接權系數(shù)；C表示結論〔Conclusion〕；┑表示否認。假設結論為C，那么稱產(chǎn)生的規(guī)那么為正的規(guī)那么；假設結論為┑C，那么稱產(chǎn)生的規(guī)那么為負的規(guī)那么。以下是一個規(guī)那么的例子：運用實例本節(jié)用搜集到的30個以往勝利的報價標高金確定的事例訓練和驗證人工神經(jīng)網(wǎng)絡的決策結果及其自解釋功能，30個事例來源于某一國際承包公司，如表13和表14所示。30個事例被分為兩組：25個用來訓練人工神經(jīng)網(wǎng)絡，5個用來驗證人工神經(jīng)網(wǎng)絡，5個用來驗證的事例是6、8、11、12、27。輸入特征值的解釋見表15。序號地點工人素質工人資源市場條件競爭程度未來項目盈利狀況索賠經(jīng)歷當前任務回報率1100100505045011.25008.2210010010009015.60507.931005050100710014.6006.2410050505065013.850508.65100100100100410018.20507.861001001005055015.6006.9710010050100810014.9007.380100100100610015.850507.5910050505075016.75008.5101005050100510015.20507.911100100100100610016.5006.812050100100510015.70506.7131001001005065016.95008.91410010050100710014.8008.5150100100100510016.3008.4161001001005065016.550507.617100501005075017.85007.41805050100410019.50506.719100100100100510018.4008.22010050505065017.5009.421010050100510016.5008.522100501001061018.4008.62310050100100410019.05007.8241001005009017.45009.5250100100100510018.25008.526100100505065018.50508.6271005010007018.3007.9281005050100410017.2006.929100100505055018.5006.730100100100100610019.6008.3序號市場份額管理費（%）類型規(guī)模(萬元)業(yè)主風險復雜程度持續(xù)時間現(xiàn)金流需求標高金18.93.71002300100500142306.428.66.310060001005050155247.