基于大数据计及样本容量合理性的物流运输考核算法制造技术

本发明专利技术公开了基于大数据计及样本容量合理性的物流运输考核算法，包括构建物流运输考核模型、设定样本容量边界值、实现计及样本容量的考核，所述物流运输考核模型分为目标层、准则层和指标层，所述目标层、准则层和指标层构建考核指标体系，所述设定样本容量边界值以构建物流运输考核模型为基础，所述实现计及样本容量的考核结合考核模型和样本容量最小值，构建实现计及样本容量的考核算法，所述物流运输考核模型构建完成后，通过物流运输考核模型进行求解，并判断是否得到最佳模型，建立层次结构，从而运输考核算法实现。本发明专利技术可对样本容量进行处理，缩短考核计算时间，有效解决了样本容量在物流运输考核中计算过程时间较长的问题。

【技术实现步骤摘要】
基于大数据计及样本容量合理性的物流运输考核算法
本专利技术涉及物流运输考核
，具体为基于大数据计及样本容量合理性的物流运输考核算法。
技术介绍
物流运输技术主要包括运输设施和运输作业两大类，前者属于运输硬技术，后者属于运输软技术。运输硬技术主要包括运输基础设施，如公路、铁路、海运、运输车等基础设施的完善，运输软技术则包括管理方法，物流技术，物流人员素养等，从而形成了多部门管理之间的基于部门利益的分割状态，使得管理的能力因分割而受到局限和制约，造成管理水平的提高较为缓慢，因此，需要对物流运输进行考核。针对在物流运输中的特点与问题，采用控制样本容量的形式改善其考核计算时长及精准度。因此设计计及样本容量合理性的物流运输考核算法。其具体方法为通过控制考核影响因素的样本容量，对效果进行考核。采用设定后的样本容量结合当前考核规则，设定考核算法。在进行物流运输考核中，除整体考核外，还需对单一指标进行考核。因而，在此次考核算法中，将考核公式划分为整体式与展开式。
技术实现思路
本专利技术的目的在于提供基于大数据计及样本容量合理性的物流运输考核算法，以解决上述
技术介绍
中提出的问题。为实现上述目的，本专利技术提供如下技术方案：基于大数据计及样本容量合理性的物流运输考核算法，包括构建物流运输考核模型、设定样本容量边界值、实现计及样本容量的考核，所述物流运输考核模型分为目标层、准则层和指标层，所述目标层、准则层和指标层构建考核指标体系，所述设定样本容量边界值以构建物流运输考核模型为基础，采用二分法设定样本容量边界值，所述实现计及样本容量的考核结合考核模型和样本容量最小值，构建实现计及样本容量的考核算法；所述物流运输考核算法流程为：列举指标并对指标进行分层，构建指标层要素，采用二分法求解物流运输考核，判断样本容量是否为最优解，并构建物流运输考核模型；所述物流运输考核模型构建完成后，通过物流运输考核模型进行求解，并判断是否得到最佳模型，建立层次结构，从而运输考核算法实现。优选的，所述构建物流运输考核模型中，采用指标体系结构，计算指标权重，构建考核模型，其中构建准则层指标重要程度矩阵S：通过指标对比，得出指标重要程度，并设定在指标中的特征向量为T＝(T1,T2,...,Tn)j，特征向量为指标权重指标向量，使用方根法计算数值，并指出一致性指标，表达公式为其中Q为一致性指标，βn为考核指标中的最大特征值；结合得出物流运输考核模型如下：G＝Q/P，G表示考核结果，P表示指标权重，作为考核模型，为考核算法的基础。优选的，所述设定样本容量边界值过程中，采用二分法设定样本容量的边界值，讲样本值设定为最小值，降低计算的分所程度，通过递进式计算得出样本容量的最小值；设定经过多次迭代的样本区间为[an,bn]，在考核平均精准度f下，最大考核误差值δ的最小样本容量采用n表示，在计算δ(an)与δ(bn)的过程中，若则考核样本的最小容量值不在区间内；设定bn-an＝1，则有n＝bn，此时考核样本的最小样本容量值为bn，设定样本的中间数为：k＝[(bn+an)/2]；n表示样本中的最大整数，假设δ∈(δ(an),δ(bn))，设定an+1＝an，bn+1＝kn，通过上述设定进行n+1次迭代，直至得到最优结果，完成二分法样本容量边界值求解运算。优选的，所述实现计及样本容量的考核过程中，结合考核模型以及样本容量最小值，设计实现计及样本容量的考核算法，将结果与过程中所需的数据采用表格的形式存储，设定计划效果为U1，实际效果为U2，通过样本数N以及效果考核范围L得到考核算法公式为：对指标中的某一项考核过程中，采用单一指标多地区计算，获取考核效果，则有单一指标的第n地考核算法为：m表示地区的等级，R表示考核的初始时间，E表示结束时间，D为工作操作中的超额时间；由上式变形可得出在某一年限中，m个项目，在某一地效果的考核算法为：j为项目效果总和，可得出单一指标全程考核算法，及对多个考核点考核效果的综合，如下：完成计及样本容量的考核，其表达式为：H＝H1+H2+H3+H4，采用上述公式可在考虑样本容量的情况下，完成物流运输工作。与现有技术相比，本专利技术的有益效果是：本专利技术针对现有的物流运输考核算法在计算过程中，常常忽略样本容量造成考核结果计算过程较长的问题，根据了物流运输与地区特征选定考核指标，构建指标体系，完成考核模型的构建，利用二分法对指定样本进行区间拆分求解，获取样本容量最优解，并结合样本容量与考核模型，设计了考核算法总式以及相应单一考核指标及地区的考核分式，完成计及样本容量合理性的物流运输考核算法设计，可对样本容量进行处理，缩短考核计算时间，有效解决了样本容量在物流运输考核中计算时间较长的问题。附图说明图1为本专利技术的算法流程框图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。在本专利技术的描述中，需要说明的是，术语“上”、“下”、“内”、“外”“前端”、“后端”、“两端”、“一端”、“另一端”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。在本专利技术的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“设置有”、“连接”等，应做广义理解，例如“连接”，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本专利技术中的具体含义。请参阅图1，本专利技术提供的四种实施例：实施例一：基于大数据计及样本容量合理性的物流运输考核算法，包括构建物流运输考核模型、设定样本容量边界值、实现计及样本容量的考核，物流运输考核模型分为目标层、准则层和指标层，目标层、准则层和指标层构建考核指标体系，设定样本容量边界值以构建物流运输考核模型为基础，采用二分法设定样本容量边界值，实现计及样本容量的考核结合考核模型和样本容量最小值，构建实现计及样本容量的考核算法；物流运输考核算法流程为：列举指标并对指标进行分层，构建指标层要素，采用二分法求解物流运输考核，判断样本容量是否为最优解，并构建物流运输考核模型；物流运输考核模型构建完成后，通过物流运输考核模型进行求解，并判断是否得到最佳模型，建立层次结构，从而运输考核算法实现。实施例二：构建物流运输考核模型中，采用指标体系结构，计算本文档来自技高网...

【技术保护点】
1.基于大数据计及样本容量合理性的物流运输考核算法，包括构建物流运输考核模型、设定样本容量边界值、实现计及样本容量的考核，其特征在于：所述物流运输考核模型分为目标层、准则层和指标层，所述目标层、准则层和指标层构建考核指标体系，所述设定样本容量边界值以构建物流运输考核模型为基础，采用二分法设定样本容量边界值，所述实现计及样本容量的考核结合考核模型和样本容量最小值，构建实现计及样本容量的考核算法；/n所述物流运输考核算法流程为：列举指标并对指标进行分层，构建指标层要素，采用二分法求解物流运输考核，判断样本容量是否为最优解，并构建物流运输考核模型；/n所述物流运输考核模型构建完成后，通过物流运输考核模型进行求解，并判断是否得到最佳模型，建立层次结构，从而运输考核算法实现。/n

【技术特征摘要】
1.基于大数据计及样本容量合理性的物流运输考核算法，包括构建物流运输考核模型、设定样本容量边界值、实现计及样本容量的考核，其特征在于：所述物流运输考核模型分为目标层、准则层和指标层，所述目标层、准则层和指标层构建考核指标体系，所述设定样本容量边界值以构建物流运输考核模型为基础，采用二分法设定样本容量边界值，所述实现计及样本容量的考核结合考核模型和样本容量最小值，构建实现计及样本容量的考核算法；
所述物流运输考核算法流程为：列举指标并对指标进行分层，构建指标层要素，采用二分法求解物流运输考核，判断样本容量是否为最优解，并构建物流运输考核模型；
所述物流运输考核模型构建完成后，通过物流运输考核模型进行求解，并判断是否得到最佳模型，建立层次结构，从而运输考核算法实现。


2.根据权利要求1所述的基于大数据计及样本容量合理性的物流运输考核算法，其特征在于：所述构建物流运输考核模型中，采用指标体系结构，计算指标权重，构建考核模型，其中构建准则层指标重要程度矩阵S：



通过指标对比，得出指标重要程度，并设定在指标中的特征向量为T＝(T1,T2,...,Tn)j，特征向量为指标权重指标向量，使用方根法计算数值，并指出一致性指标，表达公式为其中Q为一致性指标，βn为考核指标中的最大特征值；
结合得出物流运输考核模型如下：G＝Q/P，G表示考核结果，P表示指标权重，作为考核模型，为考核算法的基础。


3.根据权利要求1所述的基于大数据计及样本容量合理性的物流运输考核算法，其特征在于：所述设定样本容量边界值过程中，采用二分法设定样...

【专利技术属性】
技术研发人员：张帅，贾如春，王权林，
申请(专利权)人：川北幼儿师范高等专科学校广元职工医学院，广元经济贸易中等专业学校，
类型：发明
国别省市：四川;51