一种在线多源多属性逆向拍卖新决策框架系统及方法技术方案

本发明专利技术公开了互联网领域的一种在线多源多属性逆向拍卖新决策框架系统及方法，系统包括服务器，服务器信号连接有数据采集模块、规范化模块、满意度评估模块、权重评估模块和数据分析模块，其方法包括：录入采购信息和投标信息；建立初始竞标评价矩阵并规范化处理；获取采购商对供应商提供的投标方案中各属性值的满意度，建立犹豫模糊决策矩阵，并据此利用犹豫模糊离差最大化方法确定评估属性的权重；构建模糊双目标混合0

【技术实现步骤摘要】
一种在线多源多属性逆向拍卖新决策框架系统及方法


[0001]本专利技术属于互联网
，具体是一种在线多源多属性逆向拍卖新决策框架系统及方法。

技术介绍

[0002]随着互联网技术和电子商务的快速发展，越来越多的公司和公共机构在网上销售或购买各种商品和服务，基于B2B平台，结合网上拍卖(OA)，组成在线拍卖机制，为买卖双方提供低成本、便捷的商品交易方式，在线拍卖包括在线正向拍卖和在线反向拍卖。
[0003]例如中国专利，公布号为CN110326017A的专利公开了反向密封投标拍卖的系统和方法，其中反向拍卖包括密封投标，以及为拍卖投标人分配随机识别号。系统允许投标人在两种不同的投标类别中选择其中的一类作为自己的投标类别。一类投标人中标的话，将获得全额中标价格；二类中标人须承诺购买价格保护服务，基于价格保护公式重新计算最终成交价格。该价格保护公式的计算方法为：从以下两项之和中减去价格保护服务费：1.最低投标价格或中标价格；2.出价第二低的投标价格和最低中标价格之间的差额乘以预定的百分比。
[0004]该专利主要考虑价格为评估因素，而忽略了其他重要属性，如产品质量、交付时间、企业信誉和售后服务，导致采购方采购或招标时风险较高，因此，我们提出了一种在线多源多属性逆向拍卖新决策框架系统及方法。

技术实现思路

[0005]为了解决现有技术中考虑因素较为单一导致采购方采购或招标时风险较高的问题，本专利技术的目的是提供一种在线多源多属性逆向拍卖新决策框架系统及方法。
[0006]为了实现上述目的，本专利技术的技术方案如下：一种在线多源多属性逆向拍卖新决策框架系统，包括服务器，服务器信号连接有数据采集模块、规范化模块、满意度评估模块、权重评估模块和数据分析模块；
[0007]其中服务器用于对各模块指令的下发、接收及建立相关矩阵和模型；
[0008]数据采集模块用于录入采购商的采购信息、供应商的投标信息；
[0009]规范化模块用于对服务器建立的矩阵和模型进行规范化处理；
[0010]满意度评估模块用于获取采购商对供应商提供的投标方案中各属性值的满意度，并基于各属性值的满意度建立犹豫模糊决策矩阵；
[0011]权重评估模块用于计算各竞标评价属性的权重；
[0012]数据分析模块用于计算分析模型的最优解或最优值。
[0013]进一步，一种在线多源多属性逆向拍卖新决策框架系统的使用方法，包括如下步骤：
[0014]S1、数据采集模块依次录入采购商的采购信息、供应商的投标信息，并传递至服务器；
[0015]S2、服务器根据供应商的投标信息采用梯形模糊数表征供应商的不确定投标属性值信息，并依此建立初始竞标评价矩阵传递至规范化模块，初始竞标评价矩阵表达式为：
[0016][0017]其中，为投标信息中投标方案i中关于属性j的属性值，
[0018]S3、规范化模块采用归一法对初始竞标评价矩阵进行规范化处理得到规范化的评价矩阵规范化的评价矩阵表达式为：
[0019][0020]其中为投标信息规范化后投标方案i中关于属性j的属性值；
[0021]其中标准化计算流程如下：
[0022][0023][0024]S4、满意度评估模块获取采购商对供应商提供的投标方案中各属性值的满意度，并建立犹豫模糊决策矩阵犹豫模糊决策矩阵表达式为：
[0025][0026]其中为采购商对供应商提供的投标方案i中关于属性j的满意度的犹豫评估值；
[0027]S5、采用规范化模块对犹豫模糊决策矩阵进行规范化处理得到规范化的犹豫模糊决策矩阵H，规范化的犹豫模糊决策矩阵H表达式为：
[0028][0029]其中h
ij
为规范化的采购商对供应商提供的投标方案i中关于属性j的满意度的犹豫评估值；
[0030]S6、权重评估模块基于标准化的犹豫模糊决策矩阵H，利用犹豫模糊离差最大化方法计算各评估属性和权重向量ω
j
；
[0031]S7、服务器利用规范化模块基于权重向量ω
j
和规范化的评价矩阵构建模糊双目标混合0
‑
1整数规划模型Model
‑
1，并利用规范化模块将模糊双目标混合0
‑
1整数规划模型Model
‑
1转换为精确的多目标模糊混合0
‑
1整数规划模型Model
‑
2；
[0032]S8、数据分析模块对精确的多目标模糊混合0
‑
1整数规划模型Model
‑
2进行相关子问题进行最优值计算；
[0033]S9、规范化模块基于S8中计算Model
‑
2相关子问题得到的最优值将Model
‑
2转换为Model
‑
3，利用数据分析模块计算Model
‑
3，确定中标供应商及其相应的订量分配。
[0034]进一步，所述S6中权重评估模块的逻辑算法包括犹豫模糊离差最大化方法，其具体步骤如下：
[0035]步骤一、基于属性集G
j
，确定第i个投标方案相对于其他投标方案的总偏差D
ij
，总偏差D
ij
表达式为：
[0036][0037]其中d(h
ij
,h
kj
)表示h
ij
与h
kj
之间的犹豫模糊距离；
[0038]步骤二、基于总偏差D
ij
计算属性集G
j
下各投标备选方案相对于其他备选方案的总偏差值D
j
，总偏差值D
j
表达式为：
[0039][0040]步骤三、采用犹豫模糊离差最大化方法计算竞标属性的权重ω
j
，权重ω
j
表达式为：
[0041][0042]进一步，所述S7中模糊双目标混合0
‑
1整数规划模型Model
‑
1的表达式为：
[0043][0044][0045][0046][0047]0≤q
i
≤c
i
x
i
,(i＝1,2,
…
m)
[0048]其中，Z为采购方的总采购价值，Y为采购方的总采购成本，N为中标供应商的最大数额，g0为采购方从中标供应商购买产品的固定设置成本，q
i
为分配给供应商i的订单数量，为采购方的总预算，Q为采购方的总需求，x
i
为0
‑
1变量，表示采购方是否选择供应商i，c
i
为供应商i的最大产能。
[0049]进一步，所述S7中精确的多目标模糊混合0
‑
1整数规划模型Model
‑
2的表达式如下：
[0050][00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种在线多源多属性逆向拍卖新决策框架系统，其特征在于：包括服务器，服务器信号连接有数据采集模块、规范化模块、满意度评估模块、权重评估模块和数据分析模块；其中服务器用于对各模块指令的下发、接收及建立相关矩阵和模型；数据采集模块用于录入采购商的采购信息、供应商的投标信息；规范化模块用于对服务器建立的矩阵和模型进行规范化处理；满意度评估模块用于获取采购商对供应商提供的投标方案中各属性值的满意度，并基于各属性值的满意度建立犹豫模糊决策矩阵；权重评估模块用于计算各竞标评价属性的权重；数据分析模块用于计算分析模型的最优解或最优值。2.一种在线多源多属性逆向拍卖新决策框架系统的使用方法，其特征在于：包括如下步骤：S1、数据采集模块依次录入采购商的采购信息、供应商的投标信息，并传递至服务器；S2、服务器根据供应商的投标信息采用梯形模糊数表征供应商的不确定投标属性值信息，并依此建立初始竞标评价矩阵传递至规范化模块，初始竞标评价矩阵表达式为：其中，为投标信息中投标方案i中关于属性j的属性值，S3、规范化模块对初始竞标评价矩阵进行规范化处理得到规范化的评价矩阵规范化的评价矩阵表达式为：其中为投标信息规范化后投标方案i中关于属性j的属性值；其中标准化计算流程如下：其中标准化计算流程如下：S4、满意度评估模块获取采购商对供应商提供的投标方案中各属性值的满意度，并建立犹豫模糊决策矩阵犹豫模糊决策矩阵表达式为：
其中为采购商对供应商提供的投标方案i中关于属性j的满意度的犹豫评估值；S5、采用规范化模块对犹豫模糊决策矩阵进行规范化处理得到规范化的犹豫模糊决策矩阵H，规范化的犹豫模糊决策矩阵H表达式为：其中h
ij
为规范化的采购商对供应商提供的投标方案i中关于属性j的满意度的犹豫评估值；S6、权重评估模块基于标准化的犹豫模糊决策矩阵H，利用犹豫模糊离差最大化方法计算各评估属性和权重向量ω
j
；S7、服务器利用规范化模块基于权重向量ω
j
和规范化的评价矩阵构建模糊双目标混合0
‑
1整数规划模型Model
‑
1，并利用规范化模块将模糊双目标混合0
‑
1整数规划模型Model
‑
1转换为精确的多目标模糊混合0
‑
1整数规划模型Model
‑
2；S8、数据分析模块对精确的多目标模糊混合0
‑
1整数规划模型Model
‑
2进行相关子问题最优值计算；S9、规范化模块基于S8中计算Model
‑
2相关子问题得到的最优值将Model
‑
2转换为Model
‑
3，利用数据分析模块计算Model
‑
3，确定中标供应商及其相应的订量分配。3.根据权利要求2所述的在线多源多属性逆向拍卖新决策框架系统的使用方法，其特征在于：所述S6中权重评估模块的逻辑算法包括犹豫模糊离差最大化方法，其具体步骤如下：步骤一、基于属性集G
j
，确定第i个投标方案相对于其他投标方案的总偏差D
ij
，总偏差D
ij
表达式为：其中d(h
...

【专利技术属性】
技术研发人员：王世磊，许丹，李焕，
申请(专利权)人：郑州航空工业管理学院，
类型：发明
国别省市：