混合VIKOR方法在供应商选择决策中的应用

"基于混合VIKOR方法的供应商选择决策模型是通过文献统计法建立供应商评价准则，并针对主客观评价信息的多样性，提出了客观确定决策者和准则权重的方法，以减少主观赋权带来的不确定性。该模型利用混合信息的VIKOR方法处理不同数据类型的不可公度性及数据转换可能造成的损失。通过对理论分析、数值实验和敏感性分析，与TOPSIS方法比较，证明了所提方法在供应商选择决策中的独特性和优越性。关键词包括供应商选择、多准则群决策、混合VIKOR方法、直觉模糊数和权重不确定。" 基于上述摘要，以下是相关知识点的详细说明： 1. **供应商选择**：在供应链管理中，供应商选择是一个关键的决策过程，它涉及到评估和挑选能够满足企业需求的最合适的供应商。这个过程通常涉及多个因素，如价格、质量、交货时间、服务等。 2. **多准则群决策**（Multi-criteria Group Decision Making, MCGDM）：在供应商选择中，决策者需要考虑多个相互冲突的准则，如成本、性能和可靠性。群决策是指多个决策者共同参与决策，可以提高决策的全面性和准确性。 3. **混合VIKOR方法**：VIKOR（VlseKriterijumska Optimizacija I Kompromisno Resenje）是一种多准则决策分析方法，用于处理具有偏好的决策问题。混合VIKOR方法则是在此基础之上，结合了不同类型的决策信息（例如定量和定性的），以更全面地考虑复杂决策环境。 4. **权重不确定**：在供应商选择中，决策者的权重分配可能因个人偏好或信息不完整而存在不确定性。文中提出的客观确定权重方法旨在减少这种主观性，提高决策的稳定性和可靠性。 5. **直觉模糊数**：直觉模糊数是模糊集理论的一个扩展，用于处理具有模糊性和不确定性的情境。在供应商评价中，某些标准的评估可能不是清晰的二元（是/否），而是介于两者之间的模糊概念，直觉模糊数能更好地表达这种不确定性。 6. **数据类型的不可公度性**：不同的评价信息可能来自不同的数据类型，如定量数据和定性数据，它们之间可能无法直接比较。混合VIKOR方法解决了这个问题，允许在不改变原始数据性质的情况下进行决策。 7. **数据转换**：在处理混合数据时，转换过程可能导致信息损失。文中方法通过直接处理原始数据，减少了这种损失，从而提高了决策的质量。 8. **敏感性分析**：这是一种评估决策模型对输入参数变化敏感性的方法。通过敏感性分析，可以了解决策结果对输入变化的响应，从而确认模型的稳健性。 9. **TOPSIS方法**：Technique for Order Preference by Similarity to Ideal Solution是一种常用的多准则决策分析方法，通过计算每个方案与理想解和反理想解的距离来排名。文中将混合VIKOR方法与TOPSIS进行比较，展示了前者在特定情境下的优势。 该研究提供了一种改进的决策模型，用于解决在供应商选择中遇到的复杂性和不确定性问题，提高了决策的科学性和实用性。