英语原文共 8 页，剩余内容已隐藏，支付完成后下载完整资料
预测物流风险:模糊综合测度法还是粒子群优化算法?
Dafeng Xu1,2, Leon Pretorius2 and Dongdong Jiang2*
摘要
风险分析是决策过程的重要基础，已在许多领域得到了应用。为了提高物流风险管理水平，提出了一种基于粒子群优化的物流风险管理模型，即基于种群的随机优化方法。通过与模糊综合度量方法(FCMM)的性能比较，表明PSO能够更准确地预测物流风险。实验结果表明，基于PSO算法的物流风险分析与识别模型优于FCMM模型。
关键词:物流风险，粒子群优化，模糊综合测度方法
1介绍
随着我国物流业的发展，物流建设项目的规划和建设在我国主要城市也掀起了热潮。虽然物流建设项目对城市或地区物流的发展具有多方面的意义，但由于项目建设本身所具有的战略性、非营利性、高投资、长期回报的特点，给建设完成后的经营管理带来了前所未有的考验。许多综合物流建设项目管理不善，没有达到预期效果。投资失败不仅会造成巨大的人力、物力、财力的浪费，而且会给企业的生存带来负面影响。因此，要解决物流建设项目中存在的问题，就必须做好前期可行性研究的准备，对建设项目进行全面的调查，对项目各种可能的方案进行技术和经济可行性研究。上述目的是分析和评估项目的整体风险为投资决策和风险防范措施提供依据。
通过对物流风险评估重要性的讨论，我们可以看出物流风险是指拥有互补资源和技术的企业数量。由于物流风险并没有改变企业在市场上各个节点的独立法人地位，也没有消除潜在的利益冲突。因此，物流也给联盟企业带来了一些新的风险问题。风险是损失的不确定性，即可能出现的负偏差与人们对未来行为的预期和客观条件的不确定性相结合。物流风险可以分为两类:一类是虚拟物流组织的外部风险，包括市场风险、财务风险、政治风险和自然灾害风险;另一种是虚拟物流组织内部的风险，包括能力风险、协作风险、投资风险和运营风险。
物流项目的投资建设存在着各种风险。通过整个系统和评价来分析风险因素的来源和水平，是决策过程的重要依据。物流业务的发展需要以强大的物流体系为基础，体现物流服务低成本、高效率的优势。公司的物流业务需要在原有业务和管理经验的基础上进行大规模的物流基础设施建设和大量的资金投入，在这个过程中伴随着很大的风险。因此，科学的物流风险综合评估方法可以很好地预测企业自身能力不可避免的风险和权衡利弊，从而有助于更好的项目开发过程。对于决策者来说，有非常重要的参考价值。
关于模糊综合测量法(FCMM)方法，它是由著名电子工程师、控制论专家L.A. Zadeh创立的模糊数学的一个分支，它处理数学方法中的模糊现象。模糊理论具有人类思维的特点，是对其现象进行处理的有效工具，而评价则是认为思维的本质决定了思维的模糊性。因此，模糊数学方法在包括物流风险分析在内的系统评价领域得到了广泛的应用。因此，为了评价粒子群优化算法(PSO)的优点，我们选择FCMM方法作为比较对象。结合物流项目的具体案例，从两个层面对物流项目的风险进行评估，并提出实施物流项目时的风险规避措施。为了克服现有研究方法的局限性，提出了一种基于粒子群优化算法的辨识模型。通过与FCMM的性能比较，发现PSO可以更准确地预测物流风险。实验结果表明，基于PSO算法的物流风险分析与识别模型优于FCMM模型。
2物流风险管理文献综述
近年来，物流风险管理的研究主要集中在的不同领域。通常，物流风险关系被定义为“长期关系，在这种关系中，参与者通常进行合作，共享信息，共同规划甚至修改他们的业务实践，以提高联合绩效。”物流风险管理的理论研究伴随着国际工程建设市场的形成和发展。目前，由于物流项目的投入和建设，物流建设还处于新生阶段，已有一批物流建设项目成功运营，但地理分布有限。这是因为物流投资从前期准备到后期运营需要很长一段时间。因此，对于物流建设项目的定量分析与评价的研究文献成果有限。以下是对物流风险相关的集体风险研究的总结:Tranfield等人分析了物流园区建设中存在的主要特征和各种风险因素。针对物流园区建设的实际情况，对物流园区建设各阶段存在的明显风险进行了重新分析，并提出了相应的风险管理策略和防范措施。Fawcett等人考虑了城市与城市之间的物流关系以及物流园区在城市物流系统中的作用，提出了城市物流园区建设需要考虑的条件。针对物流园区建设中存在的问题，提出了相应的对策。针对大型物流项目投资大、风险高、针对性强的特点，Grawe在《物流项目风险评估应用》中对物流风险进行了评估。第一个层次是将物流项目的投资、建设和运营中的各种风险因素作为一个整体来评估项目的风险水平。
第二层需要结合项目整体风险评估结果和物流项目投资建设利润预测的核心能力。运用风险收益法对特定物流项目投资方案的经济风险和项目的经济风险范围进行了分析。在《物流园区市场经营管理》一文中，Neuendorf阐述了物流园区市场经营风险的内涵;识别市场经营风险;将市场经营风险分为三类:环境风险、过程风险、监管风险及其可能产生的后果;并提出了风险管理措施。Cooper和Ellram从《物流投资风险与战略》中的投资回报、物流解决方案、金融服务、产品特征四个方面分析了物流行业的投资风险，并提出了物流行业投资风险应对策略。Min等分析了模糊综合评价方法在中部虚拟物流组织风险评估中的应用。Jin等利用风险评价的模糊综合评价方法，分析了港口物流园区的各种风险因素。Chen等针对我国低技术园区建设的现状，从政府的角度分析了物流园区建设中常见的系统风险，并对进行了定量研究。
在这些文献的基础上，通过研究，结合物流项目的具体案例，从两个层面对物流项目的风险进行了评估，并提出了实施物流项目时规避风险的措施。为了克服现有研究方法的局限性，本研究提出了一种新的基于种群随机优化(PSO)的辨识模型。通过与模糊综合度量方法(FCMM)的性能比较，结果表明PSO更准确地预测了物流风险。实验结果表明，基于PSO算法的物流风险分析与识别模型优于FCMM模型。
3采用模糊综合评判法进行风险识别
在实际工作中，评估(或评价)通常涉及到许多因素或指标，这些因素或指标是基于这些因素进行评估的，但并不适用于个别情况。这是综合评价。模糊综合评价是一种多因素综合评价的有效的多变量决策方法
3.1基本模型
首先，我们需要介绍模糊综合测量法(FCMM)的具体方法。模糊综合评价是一种多因素综合评价的有效多变量决策方法。
假设U={u1, u2, u3，hellip;，un} haven factors, V={v1,v2，hellip;，vm}有m个判断，它们的元素个数和名称可以根据实际问题由人们主观地定义。由于各种因素的地位不同，所以作用也不一样，当然权重和判断也不一样。人们不是绝对感觉积极的还是消极的m类型的判断,因此,综合判断应该是一个模糊子集,V, andB = {b1, b2,hellip;, bm}isin;Phi;(V),在bj (j = 1, 2,hellip;, m)反映thej position-vj的综合判断(即vj模糊集的隶属程度:B (vj) = bj)。综合判断取决于每个因素的权重,并且每个重量是一个模糊子集a = {ai, a1,hellip;,}isin;Phi;(U) onU andPfrac14;1 n aIfrac14;1, aI表示我的重量因素。因此，一旦给出a的权重，就可以得到综合判断B。根据具体问题,我们需要建立一个模糊变换T从U V .如果我们做出独立的判断f用户界面(ui)为每一个因素,这可以视为模糊投影f从U, V,即f: U→Phi;(V)和ui↦f (ui)isin;Phi;(V)。从f,我们可以得到一个模糊变换特遣部队从U, V,我们可以作为Tf的数学模型综合评价B获得重量答:从上面的分析,我们可以看到,模糊综合评价的数学模型由三个元素组成,这些步骤分为四种:(1)因素集U = {u1, u2, u3,hellip;,联合国};(2)判断集V={v1, v2，hellip;，vm};(3)单因素评价:f: U→Phi;(V)和ui↦f (ui) = (ri1 ri2,hellip;, ri1)isin;Phi;(V)。模糊映射f能引起一个模糊关系射频isin;(Utimes;V),这是)=,因此射频可以表示为模糊矩阵Risin;mu;ntimes;m:
我们将R称为单因素评价矩阵，由模糊关系R (U1, U2，hellip;，Un)导出U到V的模糊变换Tf，形成模糊综合决策模型，U1, U2，···，Un为模型的n个元素。(4)综合评价:对于权重A=(a1 a2 a3 a4 a5 a6)，根据模糊数学评价模型公式A * R=B，进行模糊综合评价运算，其中B=(b1 b2 b3 b4 b5 b6)为总评价结果。根据隶属度最大原则，bjmax在bj中对应Vj等级的最大值为综合评价的结果，即被评价对象的风险等级。
3.2具体的例子
大型国有企业具有多年的运输、仓储、货运代理等服务经验，具有较强的财务实力。指标设计分为两层，需要两种模糊操作。根据物流项目的实际情况,结合国内外研究成果,我们可以设置23个指标存在的六种风险在上述物流项目的风险投资评估物流项目:(1)市场风险(U1):服务创新(U11);客户需求水平(U12);物流服务竞争对手(U13);物流市场增长(U14);(2)管理风险(U2):创业风格(U21);管理质量(U22);管理能力(U23);管理道德风险(U24);企业文化(U25);(3)技术风险(U3);技术可替代性(U31);先进的技术(U32);技术适用性(U33);技术可靠性(U34);(4)财务风险(U4):利率和汇率变动(U41);投资回报率的变动(U42);物业交易困难(U43);财务风险(U44)，运营风险(U5):设备状况(U51); 操作条件(U52);操作标准化(U53);(6)环境风险(U6):国家宏观政治经济学环境(U61);政策及规例(U62);投资场地微观基础环境(U63)。风险级别分为五个级别:低风险(V1)、中低风险(V2)、一般风险(V3)、中高风险(V4)和高风险(V5)。上述五个评价等级元素构成评价等级集。V={V1, V2, V3, V4，(V5}。对于评价指标的6个权重，我们采用德尔菲法向10位专家(包括学者、企业领导、管理者)发出咨询函，对6个评价指标子集的权重进行打分(表1).
应用数学模型Ai*Ri =Bi。模糊子集Bi =(bi1bi2bi3bi4bi5)(i=1,2,3,4,5,6,bijisin;[0,1])是综合评价结果的第一级，表示物流项目范围内的每个Ui(i=1,2,3,4,5,6)(表1)，所占百分比分为“低风险”、“中低风险”、“一般风险”、“中高风险”和“高风险”五个层次。计算结果:B=(0.283 0.336 0.271 0.039 0.012)。结果表明，矩阵B的最大隶属度为0.4，物流项目总体风险水平较低。
4. 粒子群优化(PSO)算法
由于受到多种影响因素的制约，物流企业的风险识别是复杂的、模糊的、难以完全量化的。同时，虚拟物流企业的风险具有传递性和累积性。间接自然物流企业风险指标之间的分析关系难以建立。为了克服现有研究方法如前文所述FCMM的局限性，本部分将提出一种基于粒子群优化(PSO)算法和罚函数法的物流联盟风险识别与分析方法。将这两种方法结合起来对优化问题进行分析和计算，使得虚拟应急物流联盟风险识别结果更加准确和现实。虚拟应急物流风险识别模型(PPEM)的投影跟踪模型是一个以{a(j)|j=1,2，hellip;，p}为优化变量的复杂非线性优化问题，传统的优化方法难以处理。本文采用粒子群优化算法有效地解决了上述问题。假设粒子的总体大小为N,Sl表示粒子l的位置(l=1,2，···N);vl表示速度;fl表示自适应值[17]。在每个迭代中随机生成的初始位置和速度后,粒子的极值跟踪个人pbestleth;tTHORN;(飞行过程中粒子的最佳位置)和全球极值gb (t)的最佳位置(在飞行过程中粒子群)更新。当t 1处找到两个最优值时，根据式(1)更新粒子的位置和速度，然后根据粒子对风险进行评估。
式中:w为惯性权重;c1和c2分别为粒子个体和学习因子;b1(t)、b2(t)分别为均匀分布于(0,1)之间的随机数，描述了粒子个体和群体在速度更新过程中的随机性。
假设表示粒子l在t 1时刻的自适应; 代表最适合个人历史的粒子l; 代表粒子的位置对应于最大的所有粒子在时间t 1。那么在速度更新过程中，对于每个随机情况下的粒子个体和粒子群，可以按照如下公式更新速度更新过程中所有粒子的个体极值和全局极值:
然而，由于问题的优化包含一些约束条件，因此研究中采用罚函数法(序列无约束优化法(SUMT))将约束优化问题转化为无约束优化问题来求解约束约束优化问题。约束优化问题:
根据罚函数法，将约束优化问题转化为增广目标函数的最小化问题。那就是:
其中，f(x)为罚因子，f(x)为无罚目标函数，r*p(x)为罚因子。在p(x)中，对于不满足约束条件的点x，惩罚项r*p(x) gt;为约束条件不满足时的惩罚，满足约束条件时，r*p(x)=0。然后在这些理论模型的基础上，我们将用一个例子来应用这些模型，看看这些模型有什么优势。
4.2算法的结果根据物流项目的实际情况,参照国内外研究结果,我们可以设置23个指标存在的六种风险在上述物流项目的风险投资评估物流项目:(1)市场风险(U1):服务创新(U11),客户需求水平(U12),物流服务的竞争对手(U13),物流市场增长(U14);(2)管理风险(U2):创业风格(U21)、管理质量(U22)、管理能力(U23)、管理道德风险(U24)、企业文化(U25);(3)技术风险(U3)、技术可替代性(U31)、先进技术(U32)、技术适用性(U33)、技术可靠性(U34);(4)财务风险(U4):利率及汇率变动(U41)、投资回报率变动(U42)、物业交易困难(U43);金融风险(U44);(5)经营风险(U5):投资场地微观基础环境(U63)。风险级别分为五个级别:低风险(V1)、中低风险(V2)、一般风险(V3)、中高风险(V4)和高风险(V5)。上述五个评价
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[446702]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
