投標(biāo)報(bào)價(jià)研究

招標(biāo)報(bào)價(jià)決策方法和模型的研討進(jìn)展王雪青教授天津大學(xué)管理學(xué)院行為科學(xué)、運(yùn)籌學(xué)等學(xué)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(shí)際體系(Howard等)60年代開場成效概念(Bernouli)18世紀(jì)偏好比較公理體系(F.P.Ramsey)1926年成效實(shí)際〔vonNeumann&Morgenstern〕1944年統(tǒng)計(jì)運(yùn)用研討(Wald研討小組)1940-1950年統(tǒng)計(jì)決策實(shí)際〔Arrow,Savage,Fishburn,Fisher,Pratt等50－60年代貝葉斯統(tǒng)計(jì)決策實(shí)際和方法〔Raiffa,Schlaifer等〕60年代前期運(yùn)用統(tǒng)計(jì)決策實(shí)際(Raifaa等)60年代計(jì)算機(jī)科學(xué)與信息技術(shù)商業(yè)運(yùn)用社會、管理商業(yè)等運(yùn)用決策分析研討開展簡單脈絡(luò)圖在競爭性招標(biāo)中,招標(biāo)決策是一個(gè)充溢著不確定性的復(fù)雜決策過程,它包含兩個(gè)延續(xù)階段——招標(biāo)決策和報(bào)價(jià)決策。一、招標(biāo)決策方法招標(biāo)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(jià)的方法。期望利潤法是根據(jù)估計(jì)招標(biāo)價(jià)錢和中標(biāo)概率，計(jì)算得出預(yù)期利潤，以預(yù)期利潤作為能否招標(biāo)的決策規(guī)范。工程綜合評價(jià)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(jì)算得出對招標(biāo)工程的綜合評價(jià)值，據(jù)此進(jìn)展招標(biāo)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(jì)招標(biāo)價(jià)錢和中標(biāo)概率，計(jì)算得出預(yù)期利潤，以預(yù)期利潤作為能否招標(biāo)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(biāo)價(jià)錢和中標(biāo)概率是如何估計(jì)的?！?〕招標(biāo)積極性分析法該方法把招標(biāo)工程的損益期望值稱為招標(biāo)積極性，其計(jì)算公式如下：式中e——招標(biāo)積極性;p——估計(jì)中標(biāo)能夠性;m——估計(jì)中標(biāo)后的盈利;c——不能中標(biāo)時(shí)的招標(biāo)損失該方法還給出了在一定報(bào)價(jià)程度下的中標(biāo)能夠性的估計(jì)方法，思索了不能中標(biāo)時(shí)的招標(biāo)損失，比決策樹法更具適用性，思索也更全面?！?〕工程綜合價(jià)值法該方法是在招標(biāo)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(jià)值的計(jì)算方法如下：式中e——招標(biāo)積極性p——估計(jì)中標(biāo)能夠性m——估計(jì)中標(biāo)后的盈利c——不能中標(biāo)時(shí)的招標(biāo)損失α——工程社會價(jià)值系數(shù)2.基于工程綜合評價(jià)的方法〔1〕排序法該方法先選定一系列評價(jià)目的，按照招標(biāo)工程的各個(gè)目的的優(yōu)劣進(jìn)展排序，并根據(jù)每個(gè)招標(biāo)工程在各個(gè)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(gè)目的的權(quán)重計(jì)算出每個(gè)招標(biāo)工程的總得分，最后根據(jù)總得分確定擬招標(biāo)工程的優(yōu)劣排序?！?〕主成份分析法該方法先選定一系列評價(jià)目的，再利用主成份分析確定其中的有效目的及其對應(yīng)的權(quán)重，然后利用對數(shù)級差公式確定擬招標(biāo)工程在各個(gè)目的上的評價(jià)值，最后計(jì)算出擬招標(biāo)工程的綜合評價(jià)值并據(jù)此進(jìn)展決策?！?〕層次分析法該方法也是選定一系列評價(jià)目的，然后對招標(biāo)工程進(jìn)展打分，再利用層次分析法確定招標(biāo)工程的評價(jià)值并據(jù)此進(jìn)展決策。

在這些基于工程綜合評價(jià)的方法中，目的的選取帶有較強(qiáng)的客觀性，且只對各個(gè)要素進(jìn)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(jià)。3招標(biāo)決策模型綜述Ahmad于1990年提出了第一個(gè)招標(biāo)決策的模型，以后又有幾位學(xué)者在這方面作了相關(guān)研討?！?〕Ahmad的招標(biāo)決策模型Ahmad運(yùn)用決策分析技術(shù)來處理能否招標(biāo)的問題，思索了四類要素和13個(gè)子要素；運(yùn)用兩兩比較法得出每個(gè)子要素的權(quán)重，再進(jìn)展規(guī)范化得到，。由專家和招標(biāo)者對每個(gè)要素能夠存在的形狀用言語描畫，并給出相應(yīng)的數(shù)值，這成為要素形狀對照表，每個(gè)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(biāo)的言語形狀，其相應(yīng)的數(shù)值就成為這個(gè)要素的閥值。在招標(biāo)時(shí)，專家或招標(biāo)者根據(jù)工程情況，以每個(gè)要素的形狀對照表為根據(jù)，估計(jì)出每個(gè)要素的工程值，利用閥值，最后計(jì)算出差值,假設(shè)，建議不招標(biāo)；假設(shè)，那么根據(jù)文獻(xiàn)中給出的對照表，按照D的數(shù)值查出對應(yīng)的強(qiáng)度，決策者可以根據(jù)這個(gè)強(qiáng)度和本身閱歷進(jìn)展招標(biāo)決策。Ahmad提出了第一個(gè)招標(biāo)決策模型，標(biāo)志著對招標(biāo)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(shè)一切的要素對工程加權(quán)和是正影響，沒有思索到一些要素的影響是反方向的?！?〕M.Wanous,A.H.Boussabaine和J.Lewis的招標(biāo)模型M.Wanous等提出了參數(shù)招標(biāo)模型。為了模擬招標(biāo)決策過程，首先要識別出影響決策的參數(shù)，作者經(jīng)過設(shè)計(jì)的六個(gè)半構(gòu)造化的面對面交談方式完成調(diào)查表，從而將實(shí)踐的決策過程轉(zhuǎn)化為概略性模型，并從調(diào)查表中提取出每個(gè)影響要素的參數(shù)，運(yùn)用這些參數(shù)計(jì)算出招標(biāo)索引規(guī)那么，以索引規(guī)那么為根底，進(jìn)展招標(biāo)決策。該模型識別出38個(gè)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?jǐn)?shù)越高越能鼓勵(lì)承包商招標(biāo)；另一類為否認(rèn)要素〔Fj〕，這類要素表示給其的分?jǐn)?shù)越高越能鼓勵(lì)承包商不招標(biāo)。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(gè)新工程中的估計(jì)值;Bi——表示適中值;NBi——表示滅點(diǎn);Ij——表示否認(rèn)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(biāo)的正負(fù)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(jì)獲得的參數(shù)值具有地域性，這意味著在其他地域運(yùn)用該方法時(shí)需求較大任務(wù)量?！?〕基于模糊邏輯的招標(biāo)決策模型根本步驟：1〕建立評價(jià)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(jìn)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(jìn)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(gè)最高級的目的，用以進(jìn)展決策

2〕運(yùn)用列表計(jì)算法〔TJM〕，根據(jù)各目的的相對重要性，算出各目的的權(quán)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(gè)目的的模糊數(shù)單位是不一致的，因此要對它們進(jìn)展規(guī)范化，將每個(gè)目的的模糊數(shù)轉(zhuǎn)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(quán)重集和指數(shù)值集，進(jìn)展模糊綜合評價(jià)；

5〕最后運(yùn)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(fù)合目的值進(jìn)展排序，做出決策。模型優(yōu)缺陷：該模型運(yùn)用模糊集合實(shí)際進(jìn)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(jià)目的體系的根據(jù)，未思索招標(biāo)的歷史數(shù)據(jù)的作用。二、報(bào)價(jià)決策模型自本世紀(jì)50年代以來，對報(bào)價(jià)決策的研討主要集中在標(biāo)高金〔或其報(bào)高率〕確實(shí)定問題上，許多標(biāo)高金〔或報(bào)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(bào)價(jià)決策模型和多要素報(bào)價(jià)決策模型。1單要素報(bào)價(jià)決策模型單要素報(bào)價(jià)模型在報(bào)價(jià)決策時(shí)思索一個(gè)影響要素、兩個(gè)目的，一個(gè)影響要素是指競爭者情況，兩個(gè)目的是指中標(biāo)概率和盈利程度。根據(jù)此類方法實(shí)際根底的不同，可分為基于概率論和基于博弈論的兩種報(bào)價(jià)決策模型?！?〕基于概率論的報(bào)價(jià)模型模型引見1956年，F(xiàn)riedman提出了第一個(gè)招標(biāo)報(bào)價(jià)模型——Friedman模型，該模型以最低標(biāo)中標(biāo)，經(jīng)過計(jì)算承包商單獨(dú)對每一個(gè)競爭者的贏率來計(jì)算其中標(biāo)概率。他假設(shè)承包商對每個(gè)競爭者的贏率是相互獨(dú)立、互不干擾的，并用其來計(jì)算對一切競爭者的贏率。Friedman的目的是想運(yùn)用特定標(biāo)價(jià)的中標(biāo)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(bào)價(jià)作為最優(yōu)報(bào)價(jià)。其模型表示為：式中PA(f)——中標(biāo)概率；UA(f)——承包商期望利潤；Pi(f)——戰(zhàn)勝一個(gè)典型招標(biāo)人的概率；f——報(bào)高率；m——未知競爭對手；n——知競爭對手對模型進(jìn)展最優(yōu)化求解，就可以確定的最大值，同時(shí)得出最優(yōu)報(bào)價(jià)。模型優(yōu)缺陷：(1)優(yōu)點(diǎn)基于概率論的報(bào)價(jià)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(biāo)的有關(guān)資料和信息非常了解，并假定競爭對手的招標(biāo)方式穩(wěn)定不變，然而，在實(shí)踐招標(biāo)中是很難獲得完備的資料信息，況且競爭對手的招標(biāo)戰(zhàn)略也不是固定不變的。因此，基于概率論的報(bào)價(jià)模型在實(shí)踐運(yùn)用中具有較大局限性?！?〕基于博弈論的報(bào)價(jià)模型博弈論是關(guān)于戰(zhàn)略相互作用的實(shí)際，也可以說是關(guān)于社會情勢中理性行為的實(shí)際，其中，每個(gè)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(shí)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(yùn)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(shí)的景象，因此博弈論也同樣適用于對報(bào)價(jià)過程的決策研討。根據(jù)博弈論的思想分析招標(biāo)者之間報(bào)價(jià)行為，我們可以描畫如下：眾多招標(biāo)者中的任何一方利益都遭到其它招標(biāo)者的報(bào)價(jià)行為影響。反過來，這一招標(biāo)者的行為也影響到其他招標(biāo)者的決策。共同招標(biāo)行為的結(jié)果依賴于其中每一個(gè)招標(biāo)人的決策，相互制約關(guān)系使招標(biāo)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(cuò)誤。在這里依然需求強(qiáng)調(diào)的是，任何理性的承包商所做出的招標(biāo)決策都應(yīng)該建立在對其他招標(biāo)者決策的預(yù)測根底之上。報(bào)價(jià)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(guān)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(biāo)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(fēng)險(xiǎn)厭惡指數(shù)〔indexofriskaversion〕，我們假定各個(gè)招標(biāo)者都是風(fēng)險(xiǎn)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(jià)中標(biāo)原那么把博弈實(shí)際運(yùn)用到報(bào)價(jià)的決策中，不僅要思索以上實(shí)際上的要素，還要結(jié)合建筑市場的特點(diǎn)進(jìn)展分析。在建筑市場國際化特點(diǎn)日益明顯的今天，各個(gè)國家沒有一致的概預(yù)算定額，沒有一致的資料、設(shè)備預(yù)算價(jià)錢和取費(fèi)規(guī)范，每個(gè)承包商在遵守當(dāng)?shù)卣挠嘘P(guān)法律、法規(guī)和詳細(xì)工程招標(biāo)文件的條件下，要根據(jù)市場信息、現(xiàn)場情況、本人的技術(shù)力量、施工配備、管理程度等要素計(jì)算標(biāo)價(jià)，制定報(bào)價(jià)戰(zhàn)略。越來越多的國家和地域采用了最低價(jià)中標(biāo)的評標(biāo)原那么。在這里要討論的博弈模型也是以此評標(biāo)規(guī)范為根底的。建模過程歷史資料的分析以招標(biāo)人1為分析對象，首先把歷史報(bào)價(jià)數(shù)據(jù)分列在根底數(shù)據(jù)表1中：報(bào)價(jià)投標(biāo)人1的標(biāo)高金投標(biāo)人1是否中標(biāo)投標(biāo)人1投標(biāo)人2投標(biāo)人3投標(biāo)人4…投標(biāo)人m項(xiàng)目1項(xiàng)目2項(xiàng)目3項(xiàng)目4項(xiàng)目5…項(xiàng)目n根底數(shù)據(jù)表然后，根據(jù)上表統(tǒng)計(jì)出招標(biāo)人1在每一標(biāo)高金區(qū)間上的中標(biāo)率：標(biāo)高金2%-3%3%-4%4%-5%5%-6%6%-7%…m%-n%投標(biāo)次數(shù)n中標(biāo)次數(shù)k中標(biāo)率k/n表2招標(biāo)人1中標(biāo)率統(tǒng)計(jì)表隨著報(bào)價(jià)的添加〔也就是隨著標(biāo)高金的添加〕，中標(biāo)率呈曲線下降的趨勢。當(dāng)標(biāo)高金的添加范圍局限在一個(gè)很小的區(qū)間時(shí)，我們可以近似以為中標(biāo)率隨標(biāo)高金的添加直線下降，即二者成線性關(guān)系。因此，由上表數(shù)據(jù)在圖紙上描點(diǎn)，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(biāo)高金x中標(biāo)率關(guān)于標(biāo)高金的函數(shù)線圖y=kx+by期望成效的計(jì)算假設(shè)本次工程招招標(biāo)過程中，有n個(gè)招標(biāo)者參與競爭，每個(gè)招標(biāo)者都希望中標(biāo)，雖然該次報(bào)價(jià)具有很大的不確定性，但能根據(jù)歷史資料進(jìn)展分析預(yù)測，因此設(shè)招標(biāo)者的報(bào)價(jià)為Q，以第一個(gè)招標(biāo)者為分析對象，設(shè)第一個(gè)招標(biāo)者的標(biāo)高金為R1，本錢為C1，根據(jù)最低價(jià)中標(biāo)的評標(biāo)原那么，假設(shè)第一個(gè)招標(biāo)者的報(bào)價(jià)為Q1=min{Qi|i=1,2…,n}，那么招標(biāo)者1中標(biāo)。于是該報(bào)價(jià)過程可以表示為如下的貝葉斯博弈：招標(biāo)人1的中標(biāo)率函數(shù)為：PQ1=k.R1+b式中PQ1表示招標(biāo)人1在工程招標(biāo)中的中標(biāo)率；R1表示招標(biāo)人1在工程招標(biāo)中報(bào)價(jià)的利潤率；K、b為系數(shù)。招標(biāo)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(biāo)人1本次招標(biāo)工程的期望收益函數(shù)，也就是期望標(biāo)高金；Q1表示招標(biāo)人1在本次招標(biāo)中的報(bào)價(jià)；C1表示招標(biāo)人1在本次招標(biāo)中所計(jì)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(dāng)標(biāo)高金取值為R1=1時(shí)，招標(biāo)者1在本次招標(biāo)中可以獲得最優(yōu)的期望利潤。關(guān)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(shè)這個(gè)模型是招標(biāo)者之間的共同知識，一切招標(biāo)者都預(yù)測某個(gè)納什平衡將會發(fā)生，并預(yù)測到他的競爭對手也會預(yù)測到它的發(fā)生，由于每一個(gè)招標(biāo)人都具有智能的特性。影響最終報(bào)價(jià)的要素由于工程工程的一次性和獨(dú)一性，在實(shí)施的過程中遭到諸多復(fù)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(dāng)?shù)卣挠嘘P(guān)法令、稅收、市場信息、匯率及貸款利率的變動等。除了可以轉(zhuǎn)移到保險(xiǎn)費(fèi)的要素，其他要素常用模糊評價(jià)等定量化的方法制定評價(jià)目的，經(jīng)過模糊矩陣得出評價(jià)結(jié)果值作為最終報(bào)價(jià)的調(diào)整值。同樣地，由于每一次參與招標(biāo)的招標(biāo)者是不完全一樣的，每個(gè)招標(biāo)者的實(shí)力和傾向性也有差別，因此在針對一次招標(biāo)進(jìn)展期望成效分析時(shí)，假設(shè)可以引入這些特定招標(biāo)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(gè)正當(dāng)競爭的范圍內(nèi)，我們都可以進(jìn)展如下的分析：當(dāng)一個(gè)招標(biāo)者〔暫稱招標(biāo)者1〕把本人的標(biāo)價(jià)壓低在本錢的邊緣或以低于本錢的價(jià)錢中標(biāo)時(shí)，從瞬時(shí)效果來看，首先降低了本人的獲利空間，其他招標(biāo)者那么因此無法中標(biāo)；從長期效果來看，招標(biāo)者1的行為向其他招標(biāo)者傳送了一條信息，即在類似競標(biāo)環(huán)境中，假設(shè)要戰(zhàn)勝招標(biāo)者1這類招標(biāo)者而中標(biāo)，需求把報(bào)價(jià)降低到低于招標(biāo)者1的報(bào)價(jià)程度上，才有較大的把握中標(biāo)，于是招標(biāo)者們紛紛降低報(bào)價(jià)，可以想象本次的中標(biāo)價(jià)錢程度將再次降低。假設(shè)長期如此，就會構(gòu)成惡性循環(huán)當(dāng)報(bào)價(jià)降低到難以獲利的程度時(shí)，每個(gè)招標(biāo)者都會為本身的生存開展而擔(dān)憂，為了給本人留下生存的空間，各個(gè)招標(biāo)者將達(dá)成一種默契，共同將報(bào)價(jià)維持在一個(gè)可以獲得合理利潤的程度上。在這一點(diǎn)上，競標(biāo)報(bào)價(jià)行為雖然屬于非協(xié)作的博弈行為，但也表達(dá)了一定的協(xié)作博弈的思想。

由模型解出的一組最優(yōu)標(biāo)高金向量為招標(biāo)報(bào)價(jià)博弈的平衡解。此外，模糊預(yù)測的方法被運(yùn)用于此模型，在招標(biāo)競標(biāo)中，當(dāng)很少遇到或沒有遇到的對手出現(xiàn)時(shí)，那么可以運(yùn)用模糊數(shù)量化方法來確定其標(biāo)高金和贏標(biāo)率之間的關(guān)系。模型優(yōu)缺陷(1)優(yōu)點(diǎn)有效防止了在對競爭對手歷史招標(biāo)資料和市場行為信息掌握不完備時(shí)能夠呵斥的較大誤差，很好地將承包商的招標(biāo)價(jià)錢和詳細(xì)環(huán)境條件聯(lián)絡(luò)起來，具有動態(tài)性。(2)局限性與基于概率論的報(bào)價(jià)決策模型同樣的缺乏是只思索了一個(gè)影響要素，雖然此模型思索了信息不完備時(shí)的報(bào)價(jià)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(yùn)用于實(shí)踐尚需進(jìn)一步研討。2多要素報(bào)價(jià)決策模型多要素報(bào)價(jià)決策模型在招標(biāo)報(bào)價(jià)時(shí)思索多個(gè)影響要素、多個(gè)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(bào)價(jià)決策的主要目的是中標(biāo)和盈利，此外，承包商還可從公司本身開展角度出發(fā)，設(shè)定諸如當(dāng)?shù)氐氖袌稣加新?、公司資源利用的延續(xù)性等目的，從而全面思索報(bào)價(jià)時(shí)的影響要素和公司目的。根據(jù)多要素報(bào)價(jià)決策方法所基于實(shí)際體系的不同，可分為基于成效實(shí)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(shí)際的報(bào)價(jià)決策模型經(jīng)濟(jì)管理學(xué)家運(yùn)用成效實(shí)際中的成效作為目的，用來衡量人們對某些事物的客觀價(jià)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(fù)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(jìn)展分析與決策支持。1)Seydel和Olson的報(bào)價(jià)決策模型Seydel和Olson初次提出了基于AHP法的報(bào)價(jià)決策模型，該模型中引入了期望成效的概念，詳細(xì)步驟如下：步驟1：采用兩兩比較法確定各個(gè)目的之間的相對權(quán)重，得到一個(gè)權(quán)重矩陣：步驟2：根據(jù)不同的報(bào)價(jià)值，求出每個(gè)目的的備選方案的期望成效，得到一個(gè)期望成效矩陣；步驟3:計(jì)算出不同招標(biāo)報(bào)價(jià)下的總期望成效成效其中總成效Ui最大的報(bào)價(jià)ri為最優(yōu)報(bào)價(jià)。2)S.P.Dozzl和S.M.AbouRizk的報(bào)價(jià)決策模型S.P.Dozzl和S.M.AbouRizk結(jié)合AHP，將成效實(shí)際充分運(yùn)用于報(bào)價(jià)決策。該模型的根本原理是:首先識別出影響要素的層次構(gòu)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(gè)子要素轉(zhuǎn)化為一個(gè)成效函數(shù)的方式，經(jīng)過成效函數(shù)求出某個(gè)工程的各子要素成效值,它表示某工程的第j個(gè)子要素的成效值；運(yùn)用AHP求出每層要素在同一層中的相對權(quán)重，按照同一類別各層要素的相對權(quán)重逐級相乘的原那么，求出子要素層綜合權(quán)重，其中j表示第j個(gè)子要素，j=1,2,…,n;n代表子要素個(gè)數(shù)。經(jīng)過加權(quán)求和算出某工程的期望成效值,。最后在確定了標(biāo)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(biāo)高金成效函數(shù)中，得出最優(yōu)標(biāo)高金。3)基于模糊綜合評價(jià)和人工神經(jīng)網(wǎng)絡(luò)的招標(biāo)決策方法研討人工神經(jīng)網(wǎng)絡(luò)〔ArtificialNeuralNetwork,ANN〕是基于對人腦組織構(gòu)造、活動機(jī)制的初步認(rèn)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(fù)雜網(wǎng)絡(luò)，用于模擬人類大腦神經(jīng)網(wǎng)絡(luò)的構(gòu)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(shí)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(quán)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(qiáng)度，使神經(jīng)元堅(jiān)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(gè)具有多個(gè)輸入，但只需一個(gè)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(wù)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(quán)和：用某一特性函數(shù)對進(jìn)展變換，得到輸出y:2基于模糊綜合評價(jià)和神經(jīng)網(wǎng)絡(luò)招標(biāo)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(jià)要素集，要素集的個(gè)數(shù)決議了人工神經(jīng)網(wǎng)絡(luò)的輸入節(jié)點(diǎn)。參見以下圖，本文評價(jià)要素個(gè)數(shù)為18個(gè)，那么人工神經(jīng)網(wǎng)絡(luò)的輸入節(jié)點(diǎn)數(shù)18，招標(biāo)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(jìn)展修正。影響招標(biāo)的要素集業(yè)主要素業(yè)主的經(jīng)濟(jì)才干業(yè)主的信譽(yù)招標(biāo)規(guī)范嚴(yán)厲性承包企業(yè)要素能否符合業(yè)主的招標(biāo)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(shè)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(fēng)險(xiǎn)建立工程的技術(shù)復(fù)雜性競爭者數(shù)量場地條件剩余招標(biāo)時(shí)間工程規(guī)模標(biāo)書中規(guī)定的工程工期招標(biāo)決策要素集2．要素集中的各個(gè)要素就是神經(jīng)網(wǎng)絡(luò)的輸入因子，根據(jù)各要素的特征對輸入因子進(jìn)展分級處置，經(jīng)過專家評議法確定神經(jīng)網(wǎng)絡(luò)的輸入值；運(yùn)用模糊綜合評價(jià)法得到人工神經(jīng)網(wǎng)絡(luò)的期望輸出值。3．確定BP神經(jīng)網(wǎng)絡(luò)模型的構(gòu)造?！?〕輸入節(jié)點(diǎn)的選擇按1所述方法確定BP的輸入節(jié)點(diǎn)；〔2〕隱層節(jié)點(diǎn)的選擇隱單元數(shù)的選擇是一個(gè)非常復(fù)雜的問題，它與輸入輸出單元的多少都有直接的關(guān)系，可參考以下兩個(gè)公式進(jìn)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(diǎn)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(diǎn)選取26為好，其模型訓(xùn)練精度、預(yù)測精度及節(jié)約計(jì)算機(jī)資源最正確。隱層節(jié)點(diǎn)訓(xùn)練總體誤判率訓(xùn)練次數(shù)檢驗(yàn)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(diǎn)確實(shí)定〔3〕輸出節(jié)點(diǎn)選擇輸出節(jié)點(diǎn)選擇對應(yīng)于評價(jià)結(jié)果，期望輸出為[10000]Ⅰ很強(qiáng)；[01000]Ⅱ較強(qiáng)；[00100]Ⅲ中等；[00010]Ⅳ較弱；[00001]Ⅴ很弱5種不同的招標(biāo)志愿，其中“很強(qiáng)〞和“較強(qiáng)〞表示決策者對某工程傾向于招標(biāo)，“較弱〞和“很弱〞表示決策者對某工程傾向于不招標(biāo)。經(jīng)過以上分析，本例題的神經(jīng)網(wǎng)絡(luò)模型構(gòu)造配置為18×26×5。4．選取一定數(shù)量的訓(xùn)練樣本和檢測樣本，輸入樣本后系統(tǒng)按期望輸出與實(shí)踐輸出誤差平方和的最小化規(guī)那么來進(jìn)展學(xué)習(xí)，調(diào)整權(quán)值矩陣和閥值向量。當(dāng)誤差減小到要求范圍內(nèi)，系統(tǒng)停頓學(xué)習(xí)，此時(shí)的權(quán)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(biāo)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(diǎn)在于方法簡單、易懂、節(jié)約時(shí)間，但普通要求專家的人數(shù)不能太少，下面根據(jù)實(shí)踐任務(wù)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(jì)才干=〔強(qiáng)、中、弱〕=〔5、3、1〕業(yè)主的信譽(yù)=〔高、中、低〕=〔5、3、1〕招標(biāo)規(guī)范嚴(yán)厲性=〔不嚴(yán)厲、普通、很嚴(yán)厲〕=〔5、3、1〕能否符合業(yè)主的招標(biāo)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(shè)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(fēng)險(xiǎn)=〔小、中、大〕=〔5、3、1〕建立工程的技術(shù)復(fù)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(biāo)時(shí)間=〔多、中、少〕=〔5、3、1〕工程規(guī)模=〔大、中、小〕=〔5、3、1〕標(biāo)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(luò)值域的要求。輸出因子的分級處置

我們采用神經(jīng)網(wǎng)絡(luò)對招標(biāo)志愿的劇烈度進(jìn)展評價(jià)時(shí)，可以將輸出結(jié)果劃分為5個(gè)等級，即招標(biāo)志愿〔很強(qiáng)、較強(qiáng)、中等、較弱、很弱〕，其對應(yīng)的輸出值分別為{[10000]；[01000]；[00100]；[00010]；[00001]}。在神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)訓(xùn)練階段，“樣本〞的期望輸出值應(yīng)是知量，它可由歷史資料給定或由模糊綜合評價(jià)法評價(jià)得出，待模型訓(xùn)練勝利后便可用來處理實(shí)踐的招標(biāo)決策問題。下面著重引見一下模糊綜合評價(jià)法。模糊綜合評價(jià)是經(jīng)過對各要素影響效果的綜合評價(jià)來分析招標(biāo)志愿的強(qiáng)弱，在評價(jià)時(shí)，有些要素的作用大些，有些要素的作用小些，經(jīng)過標(biāo)注重要性等級來明確各項(xiàng)目的的權(quán)重，然后根據(jù)綜合影響效果的評價(jià)等級確定招標(biāo)志愿的強(qiáng)弱。1.建立要素集設(shè)某個(gè)被評價(jià)的對象的18個(gè)影響要素分別為，那么要素集U={}。2．要素權(quán)重確實(shí)定確定要素權(quán)重的方法有很多，可以采用列表計(jì)算法，這種方法的詳細(xì)計(jì)算過程如下：〔1〕設(shè)四個(gè)評價(jià)變量分別為并將其列于表2內(nèi)。

>>=指標(biāo)x1x2x3x4kiwix102130.125x2443110.458x320130.125x431370.292總計(jì)x2>x4>x1=x33413．建立評價(jià)集，求取評價(jià)矩陣評價(jià)集表示評價(jià)結(jié)果的等級，可設(shè){很好，較好，普通，差}={90，80，70，60}。4．進(jìn)展模糊關(guān)系的合成5．加權(quán)平均法求取評價(jià)對象的最后得分

評分值得出后，再對其進(jìn)展等級的劃分。例如，某工程經(jīng)模糊綜合評價(jià)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(luò)模型構(gòu)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(luò)有18個(gè)輸入節(jié)點(diǎn)，26個(gè)隱層節(jié)點(diǎn)，5個(gè)輸出節(jié)點(diǎn)。其構(gòu)造如下圖招標(biāo)決策分析的BP神經(jīng)網(wǎng)絡(luò)構(gòu)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(luò)訓(xùn)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(luò)不斷的調(diào)整銜接弧的權(quán)值。普通BP算法步驟如下：(1)對全部銜接弧的權(quán)值及閥值進(jìn)展初始化，普通設(shè)置成較小的隨機(jī)數(shù)，以保證網(wǎng)絡(luò)不會出現(xiàn)飽和或反常情況。(2)取一組訓(xùn)練數(shù)據(jù)Xj〔j=1,…,n〕輸入網(wǎng)絡(luò)，并計(jì)算網(wǎng)絡(luò)的輸出〔表示輸出層第i個(gè)神經(jīng)元的輸出〕。(3)計(jì)算實(shí)踐輸出與期望值之間的偏向，然后從輸出層反向計(jì)算到隱含層，向著減少該偏向的方向調(diào)整各弧的權(quán)值。再從隱含層反向計(jì)算到輸入層，調(diào)整各弧的權(quán)值。(4)對訓(xùn)練集中的每一組數(shù)據(jù)都反復(fù)上面兩個(gè)步驟，指點(diǎn)整個(gè)訓(xùn)練的偏向到達(dá)能被接受的程度為止。在神經(jīng)網(wǎng)絡(luò)的實(shí)踐運(yùn)用中，普通以為，用樣本訓(xùn)練時(shí)，假設(shè)神經(jīng)網(wǎng)絡(luò)模擬輸出結(jié)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(xùn)練和檢測我們運(yùn)用神經(jīng)網(wǎng)絡(luò)模型的程序軟件對招標(biāo)決策模型進(jìn)展學(xué)習(xí)訓(xùn)練，如前所述，本文建立的BP模型共有18個(gè)輸入因子，26個(gè)隱層因子，5個(gè)輸出因子；。運(yùn)用10個(gè)輸入、輸出樣本值對這一神經(jīng)網(wǎng)絡(luò)進(jìn)展學(xué)習(xí)訓(xùn)練1000次之后看能否到達(dá)總體誤差要求，假設(shè)沒有，那么再添加學(xué)習(xí)訓(xùn)練次數(shù)；假設(shè)已到達(dá)要求，那么再用2個(gè)樣本值進(jìn)展檢驗(yàn)，檢驗(yàn)結(jié)果也滿足要求后便得到一個(gè)學(xué)習(xí)好的模型。1．模型的訓(xùn)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(gè)樣本的訓(xùn)練，是在允許的誤差范圍內(nèi)，得到的訓(xùn)練結(jié)果如下所示：序號期望輸出實(shí)際輸出投標(biāo)意愿1（10000）(0.9972,0.0044,0.0049,-0.0157,-0.0092)較強(qiáng)2（00100）(0.0008,0.0012,0.9974,0.0047,0.0030)很強(qiáng)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(qiáng)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(qiáng)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(qiáng)表4訓(xùn)練結(jié)果2．模型的檢驗(yàn)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(yàn)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(yàn)兩個(gè)樣本的檢驗(yàn)結(jié)果如下：序號期望輸出實(shí)際輸出投標(biāo)意愿1(01000)(0.0001,0.9978,0.0027,-0.0025,-0.0013)較強(qiáng)2(00100)(-0.0002,-0.006,0.9993,-0.0062,-0.0039)中等從檢驗(yàn)結(jié)果來看，期望輸出和實(shí)踐輸出根天性堅(jiān)持一致，因此該模型是有效的。表6檢驗(yàn)結(jié)果3)其他相關(guān)的報(bào)價(jià)決策模型M.Marzouk和O.Moselhi建立的報(bào)價(jià)決策模型與Dozzl等的模型原理根本一致，但他們借助于計(jì)算機(jī)程序文語使得標(biāo)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(fēng)險(xiǎn)這一影響要素的成效函數(shù)進(jìn)展了深化研討，分別給出了適宜于風(fēng)險(xiǎn)中性、風(fēng)險(xiǎn)厭惡和風(fēng)險(xiǎn)喜好的成效函數(shù)類型。Chua和LiD建立了基于競爭、招標(biāo)人目前情況、風(fēng)險(xiǎn)以及對工程工程的需求程度4類影響報(bào)價(jià)子目的和招標(biāo)決策過程的層次遞階構(gòu)造，用AHP確定了3種合同類型下的關(guān)鍵要素重要性排序。優(yōu)缺陷1〕優(yōu)點(diǎn)成效實(shí)際和AHP在報(bào)價(jià)決策中思索了多種影響要素，算出的標(biāo)高金表達(dá)了決策者在招標(biāo)報(bào)價(jià)時(shí)對招標(biāo)工程的稱心程度；計(jì)算過程易了解。2〕局限性權(quán)重確實(shí)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(jì)算的繁簡程度。(2)基于人工智能的報(bào)價(jià)決策模型基于人工智能的報(bào)價(jià)決策模型主要分為基于人工神經(jīng)網(wǎng)絡(luò)〔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(biāo)的工程過去的工程數(shù)據(jù)庫神經(jīng)網(wǎng)絡(luò)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(lǐng)域的權(quán)威，并不在于他們有超人的智慧和新奇的構(gòu)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(shí)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(yùn)用的知識分成現(xiàn)實(shí)和規(guī)那么，以適當(dāng)?shù)姆绞酱鎯Φ接?jì)算機(jī)中，并構(gòu)成知識庫，然后根據(jù)用戶提供的信息，運(yùn)用存儲的有關(guān)知識，選擇合理的推理機(jī)制，模擬專家去處理問題。人－機(jī)接口獲取知識解釋機(jī)制數(shù)據(jù)庫知識庫推理機(jī)用戶專家招標(biāo)報(bào)價(jià)專家系統(tǒng)的根本構(gòu)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(fēng)險(xiǎn)要素的招標(biāo)報(bào)價(jià)。3)案例推理模型〔CBR〕基于案例推理技術(shù)的人工智能招標(biāo)報(bào)價(jià)是目前的研討熱點(diǎn)之一。Chua等根據(jù)影響標(biāo)高金的四類要素，建立了基于案例推理的報(bào)價(jià)系統(tǒng)〔CASEBID〕，并用蒙特卡洛法檢測了系統(tǒng)的有效性。人機(jī)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(xué)習(xí)知識庫知識庫管理系統(tǒng)CBRMBMD的總體框架構(gòu)造基于案例推理的報(bào)價(jià)決策支持系統(tǒng)

以下圖是基于案例推理的報(bào)價(jià)決策支持系統(tǒng)的框架圖。用戶索引類似度競爭程度評價(jià)風(fēng)險(xiǎn)評價(jià)標(biāo)高金的估計(jì)案例庫權(quán)重1〔競爭程度〕權(quán)重2〔風(fēng)險(xiǎn)〕新案例最優(yōu)標(biāo)高金案例&知識庫臨近案例最低報(bào)價(jià)標(biāo)高金時(shí)的最類似的案例類似案例〔競爭〕類似案例〔風(fēng)險(xiǎn)〕案例修正模塊低標(biāo)價(jià)的概率分布C/Ce概率分布決策者的偏好標(biāo)高金的最優(yōu)化案例更新調(diào)用外殼基于案例推理的報(bào)價(jià)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(bào)價(jià)閱歷的根底上為決策者對報(bào)價(jià)的標(biāo)高金確定提出建議。過去的招標(biāo)案例將存儲在案例庫中。而決策者以為在確定標(biāo)高金時(shí)的關(guān)鍵要素將作為“知識〞在系統(tǒng)中建立起來。權(quán)重1和權(quán)重2是指有關(guān)競爭的猛烈程度和風(fēng)險(xiǎn)程度的決議要素的相對重要程度。案例庫和領(lǐng)域知識構(gòu)成系統(tǒng)的知識庫。當(dāng)用戶提交了一個(gè)新案例時(shí)，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(jì)算，將與之在競爭的猛烈程度和風(fēng)險(xiǎn)程度兩個(gè)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(jìn)展分析、評價(jià)，此時(shí)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(fēng)險(xiǎn)程度進(jìn)展評價(jià)以后，按照最高期望利潤率的原那么來提出標(biāo)高金的建議，二是在結(jié)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(jià)值原那么來進(jìn)展進(jìn)一步分析得到一個(gè)標(biāo)高金的備選方案。詳細(xì)推理過程以及所需關(guān)鍵技術(shù)將在下一節(jié)詳細(xì)引見。推理過程及關(guān)鍵技術(shù)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(gè)子目的，即：〔1〕競爭的猛烈程度；〔2〕風(fēng)險(xiǎn)；〔3〕工程需求度；〔4〕公司在招標(biāo)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(guān)系。標(biāo)價(jià)的標(biāo)高金標(biāo)高金偏好中標(biāo)的能夠性風(fēng)險(xiǎn)公司在招標(biāo)中的位置競爭的猛烈程度工程需求度外部要素工程性質(zhì)招標(biāo)要求社會經(jīng)濟(jì)條件任務(wù)相關(guān)要素環(huán)境要素內(nèi)部要素公司相關(guān)要素報(bào)價(jià)推理模型1．競爭的猛烈程度1.1工程的特性1.2招標(biāo)要求1.3社會經(jīng)濟(jì)環(huán)境工程類型工程規(guī)模技術(shù)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(guān)系平安需求擔(dān)保才干資歷預(yù)審要求招標(biāo)方式招標(biāo)期限現(xiàn)金流需求管理人員需求勞務(wù)需求機(jī)械設(shè)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(wù)的可獲得性合格機(jī)械設(shè)備的可獲得性政府規(guī)章制度獲得銀行擔(dān)保的難易程度競爭猛烈程度的決議要素2．風(fēng)險(xiǎn)2.1招標(biāo)階段的風(fēng)險(xiǎn)2.2實(shí)施階段的風(fēng)險(xiǎn)估價(jià)的準(zhǔn)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(jià)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(dāng)前的任務(wù)量招標(biāo)期限對環(huán)境的熟習(xí)程度分包商的可靠性圖4-5風(fēng)險(xiǎn)的決議要素公司內(nèi)在風(fēng)險(xiǎn)業(yè)主及工程師引發(fā)的風(fēng)險(xiǎn)環(huán)境引發(fā)的風(fēng)險(xiǎn)現(xiàn)場可獲得性技術(shù)難易程度安全現(xiàn)場空間限制估價(jià)人員的才干資源價(jià)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(wù)的可獲得性合格機(jī)械設(shè)備的可獲得性政府規(guī)章制度3．工程需求度3.1招標(biāo)期間的任務(wù)量3.2現(xiàn)有的工程量3.3對公司聲譽(yù)的影響3.4要求的投資報(bào)答率3.5普通上級管理費(fèi)3.6對關(guān)鍵勞務(wù)的需求3.7與業(yè)主的關(guān)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(biāo)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(guān)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(wù)的可獲得性合格分包商的可獲得性合格機(jī)械設(shè)備的可獲得性設(shè)計(jì)、變革才干施工技術(shù)方面的才干公司在招標(biāo)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(luò)、神經(jīng)網(wǎng)絡(luò)、框架和面向?qū)ο蟮?，對知識從不同認(rèn)識角度進(jìn)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(jī)〔reasoner〕用來實(shí)現(xiàn)推理的目的。一個(gè)案例的集合就構(gòu)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(shù)的先決條件。在CBR中最大的一個(gè)問題就是檢索適宜的案例。在適宜的時(shí)候可以檢索出適宜的案例這一點(diǎn)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(gè)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(biāo)引，以便可以很容易地、快速地從案例庫中提取出來；另一個(gè)就是案例的組織問題，這將直接關(guān)系到對案例庫進(jìn)展搜索的效率和準(zhǔn)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(lǐng)域進(jìn)展分析，以找到相關(guān)的標(biāo)引和描畫。這些標(biāo)引和描畫就是指案例的那些屬性。任何一個(gè)用來標(biāo)引的詞匯都必需可以闡明這個(gè)案例的一個(gè)相關(guān)屬性。每一組標(biāo)引詞匯那么應(yīng)對應(yīng)推理的一個(gè)子目的。相應(yīng)的，對于CBR的報(bào)價(jià)決策支持系統(tǒng)有兩個(gè)子目的：〔1〕競爭的猛烈程度；和〔2〕風(fēng)險(xiǎn)，就應(yīng)有兩組詞匯。假設(shè)將標(biāo)高金的一切決議要素都作為案例的索引詞匯當(dāng)然最好。但是，太多的索引和描畫將會影響推理機(jī)〔reasoner〕的效率。所以在建立競爭的猛烈程度和風(fēng)險(xiǎn)的索引時(shí)只選用了那些關(guān)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(fēng)險(xiǎn)的關(guān)鍵要素及相應(yīng)的權(quán)重序號（1）因素（2）權(quán)重單價(jià)合同（3）總價(jià)合同（4）設(shè)計(jì)—建造合同（5）1其它項(xiàng)目的可獲得性0.0710.0910.0732合格人員的可獲得性0.0423招標(biāo)方法（公開/不公開）0.0510.1154現(xiàn)金流需求0.0515技術(shù)難易程度0.2300.2080.2126業(yè)主/咨詢師類型0.1490.1480.0917項(xiàng)目公開度和信譽(yù)0.1050.0950.0918項(xiàng)目期限以及未完工的罰金0.0880.0860.0759完全程度0.0520.0510.05010項(xiàng)目規(guī)模0.1600.1710.13611投標(biāo)期限0.0930.0980.114總計(jì)1.0001.0001.000表7決議競爭的關(guān)鍵要素序號（1）因素（2）權(quán)重單價(jià)合同（3）總價(jià)合同（4）設(shè)計(jì)—建造合同（5）1資源市場價(jià)格信息的完備性0.0532估價(jià)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(biāo)期間的工作量0.1046技術(shù)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(xiàng)目期限以及未完工的罰金0.2130.1580.11610資源價(jià)格波動0.05911類似經(jīng)驗(yàn)0.1390.1050.10112投標(biāo)期限0.093總計(jì)1.0001.0001.000表8決議風(fēng)險(xiǎn)的關(guān)鍵要素表9中那么按照“內(nèi)容〞〔報(bào)價(jià)的構(gòu)成〕和“情勢〞〔招標(biāo)時(shí)的情況〕對它們進(jìn)展了分類。功能（1）推理目標(biāo)競爭的激烈程度（2）風(fēng)險(xiǎn)（3）索引詞匯描述案例“內(nèi)容”項(xiàng)目規(guī)模技術(shù)難度技術(shù)難度項(xiàng)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(xiàng)目公開度支付上的延誤或短缺項(xiàng)目期限以及未完工的罰金投標(biāo)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(biāo)方法（公開/不公開）投標(biāo)期限索引詞匯描述案例“形勢”其它項(xiàng)目的可獲得性資源價(jià)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(yàn)投標(biāo)期間的工作量估價(jià)人員的能力資源市場價(jià)格信息的完備性表9案例索引詞匯案例屬性的領(lǐng)域值對于每種屬性有以下三種不同的屬性類別和領(lǐng)域值：1．屬性類型在領(lǐng)域值上沒有內(nèi)在邏輯聯(lián)絡(luò)在這些案例中，根據(jù)領(lǐng)域值將屬性分為不同的類別。例如，“合同類型〞這個(gè)屬性領(lǐng)域包括三個(gè)值：“單價(jià)合同〞、“總價(jià)合同〞“設(shè)計(jì)—建造合同〞。既然它們之間沒有任何邏輯關(guān)系，可以將它們視為離散點(diǎn)。2．屬性類型在領(lǐng)域值上有內(nèi)在邏輯聯(lián)絡(luò)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(lǐng)域值之間建立聯(lián)絡(luò)。例如，以下圖對“業(yè)主類型〞這一屬性進(jìn)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(yù)不佳的私人企業(yè)信譽(yù)普通的私人企業(yè)信譽(yù)很好的私人企業(yè)“業(yè)主類型〞屬性的分類3．可以定量計(jì)算或定性評價(jià)的數(shù)據(jù)類型對于那些可以進(jìn)展定量計(jì)算的屬性，它們的領(lǐng)域值被分為幾個(gè)定性化的區(qū)域。例如，對于“工程規(guī)模〞屬性的領(lǐng)域值就可以被分為5個(gè)等級：①非常??；②小；③普通；④大；以及⑤非常大。假設(shè)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(jìn)展記分。還有一些屬性只能進(jìn)展定性評價(jià)。在這種情況下，依然可以按照分類樹的方法來構(gòu)建價(jià)值區(qū)域。例如，“技術(shù)難度〞特點(diǎn)就可以從不難到很難定性地劃分為5個(gè)層次。如以下圖所示。技術(shù)難度容易難容易難普通難非常難“技術(shù)難度〞屬性的分類容易非常容易非常難有點(diǎn)難普通困難一點(diǎn)困難沒有困難案例的組織1構(gòu)造在基于案例推理的報(bào)價(jià)決策支持系統(tǒng)中，將一切案例分為兩大類別，如下圖。一個(gè)主要的類別是“報(bào)價(jià)〞。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(diǎn)，該項(xiàng)主要類別又劃分為三個(gè)子類別：①“單價(jià)合同〞，②“總價(jià)合同〞；以及③“設(shè)計(jì)建造合同〞。表10中列出了“報(bào)價(jià)〞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(gè)子類別還分別具有表11中所列出的特有的屬性。因此，一個(gè)報(bào)價(jià)案例將按照報(bào)價(jià)所采用的合同類型劃分為某一個(gè)子類別的對象。競爭者基于案例的組織構(gòu)造報(bào)價(jià)設(shè)計(jì)—建造合同總價(jià)合同單價(jià)合同序號（1）屬性名稱（2）定義（3）領(lǐng)域值數(shù)據(jù)類型（4）推理目標(biāo)焦點(diǎn)（5）1其它項(xiàng)目的可獲得性其它項(xiàng)目的可獲得性定性估計(jì)競爭2投標(biāo)日期投標(biāo)日期日期——3投標(biāo)結(jié)果投標(biāo)結(jié)果無邏輯關(guān)系的數(shù)據(jù)——4C/Ce實(shí)際成本與估價(jià)的比數(shù)字——5估價(jià)人員的能力估價(jià)人員的能力定性估計(jì)風(fēng)險(xiǎn)6競爭者的報(bào)價(jià)競爭者的報(bào)價(jià)定性估計(jì)——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(jì)風(fēng)險(xiǎn)8技術(shù)難度技術(shù)難度定性估計(jì)競爭和風(fēng)險(xiǎn)9管理協(xié)調(diào)能力管理協(xié)調(diào)能力定性估計(jì)風(fēng)險(xiǎn)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(biāo)價(jià)的標(biāo)高金低標(biāo)價(jià)的標(biāo)高金數(shù)字——12項(xiàng)目公開度和聲譽(yù)項(xiàng)目公開度和聲譽(yù)定性估計(jì)競爭13項(xiàng)目時(shí)間期限以及未完工的罰款項(xiàng)目時(shí)間期限以及未完工的罰款定性估計(jì)競爭和風(fēng)險(xiǎn)14安全程度安全程度定性估計(jì)競爭15類似經(jīng)歷類似經(jīng)歷定性估計(jì)風(fēng)險(xiǎn)16項(xiàng)目規(guī)模項(xiàng)目規(guī)模定性估計(jì)競爭17投標(biāo)期限投標(biāo)期限定性估計(jì)競爭18合同類型合同類型無邏輯關(guān)系的數(shù)據(jù)——19項(xiàng)目類型項(xiàng)目類型無邏輯關(guān)系的數(shù)據(jù)——表10“報(bào)價(jià)〞類別的屬性序號（1）屬性名稱（2）定義（3）領(lǐng)域值數(shù)據(jù)類型（4）推理目標(biāo)焦點(diǎn)（5）（a）“單價(jià)合同”子類別1招標(biāo)方式招標(biāo)方式無邏輯關(guān)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(jì)風(fēng)險(xiǎn)3支付上的延誤和短缺支付上的延誤和短缺定性估計(jì)風(fēng)險(xiǎn)（b）“總價(jià)合同”子類別4現(xiàn)金流需求現(xiàn)金流需求定性估計(jì)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(jì)風(fēng)險(xiǎn)6資源價(jià)格波動資源價(jià)格波動定性估計(jì)風(fēng)險(xiǎn)（c）“設(shè)計(jì)—建造合同”子類別7資源價(jià)格信息的完備性資源價(jià)格信息的完備性定性估計(jì)風(fēng)險(xiǎn)8合格人員的可獲得性合格人員的可獲得性定性估計(jì)競爭9招標(biāo)方式招標(biāo)方式無邏輯關(guān)系的數(shù)據(jù)競爭10投標(biāo)期間的工作量投標(biāo)期間的工作量定性估計(jì)風(fēng)險(xiǎn)11投標(biāo)期限投標(biāo)期限定性估計(jì)風(fēng)險(xiǎn)表11各子類別特有的屬性2索引樹當(dāng)提交一個(gè)新環(huán)境時(shí)，類似度研討僅僅局限于新案例的節(jié)點(diǎn)〔或臨近點(diǎn)〕，而不是對整個(gè)案例庫進(jìn)展分析。這樣將會提高效率，新案例節(jié)點(diǎn)以外的節(jié)點(diǎn)將會被排除在外。索引樹〔競爭程度〕根節(jié)點(diǎn)設(shè)計(jì)/建造合同總價(jià)合同單價(jià)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(jì)算設(shè)X和Y為兩個(gè)案例，其類似度定義在實(shí)數(shù)[0，1]之間，并滿足以下性質(zhì)：〔1〕對稱性：S〔X，Y〕=S〔Y，X〕〔2〕自反性：S〔X，X〕=1設(shè)r1和r2為兩個(gè)實(shí)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(shè)P1和P2分別為輸入案例和案例庫中的案例。假設(shè)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(shè)P1為最小P2類似，那么案例P2的解應(yīng)根據(jù)輸入情況作出修正，才干作為輸入案例P1的解。設(shè)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(gè)案例的類似度為兩個(gè)案例相應(yīng)屬性的類似度的加權(quán)和。假設(shè)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(quán)重矩陣，其中類別中屬性的權(quán)重為。設(shè)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(jì)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(gè)屬性的權(quán)重。對于沒有內(nèi)在邏輯關(guān)系的、具有離散性質(zhì)的屬性領(lǐng)域的數(shù)據(jù)，部分類似度要么在價(jià)值相等時(shí)取1，要么就等于0。對于具有內(nèi)在邏輯關(guān)系的屬性領(lǐng)域或?qū)傩缘臄?shù)據(jù)要素，假設(shè)可以進(jìn)展定量或定性估計(jì)時(shí)，部分類似度那么取決于兩個(gè)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(diǎn)越近，那么它們的類似度越高。標(biāo)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(biāo)高金程度〔Mi〕下的中標(biāo)時(shí)機(jī)(Pwi)的累積概率分布是：假設(shè)沒有招標(biāo)本錢，那么就可以計(jì)算出在給定標(biāo)高金程度〔Mi〕時(shí)的期望利潤為：該式子很容易用來對報(bào)價(jià)進(jìn)展調(diào)整。最大期望利潤程度下的標(biāo)高金即是最優(yōu)的標(biāo)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(biāo)高金程度對提出的處理方案進(jìn)展審核。它可以比較檢索到的案例與當(dāng)前案例的各個(gè)屬性，以確認(rèn)建議的處理方案是適宜當(dāng)前情況的。假設(shè)有必要的話，對當(dāng)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(biāo)高金進(jìn)展啟發(fā)式的調(diào)整。另外，過去競爭者在類似招標(biāo)中的分布可以由其屬性反映出來。假設(shè)有必要，還可以檢索出競爭者的能夠“低標(biāo)價(jià)標(biāo)高金〞進(jìn)展進(jìn)一步的修正。但是在進(jìn)展最終決策時(shí)，并不一定選擇最優(yōu)標(biāo)高金程度。此時(shí)可以參與用戶的一定偏好，綜合思索公司的運(yùn)營戰(zhàn)略等要素，選擇不同的處理方案。也可以同時(shí)思索多種標(biāo)高金程度方案，經(jīng)過對給定程度下的中標(biāo)概率和期望利潤的綜合評價(jià)，從中選出目前公司情況下最適宜的標(biāo)高金程度。4基于ANN的報(bào)價(jià)模型研討基于人工神經(jīng)網(wǎng)絡(luò)的報(bào)價(jià)決策模型：1B-P神經(jīng)網(wǎng)絡(luò)模型構(gòu)造1〕網(wǎng)絡(luò)構(gòu)造的選擇網(wǎng)絡(luò)構(gòu)造主要包括銜接方式、網(wǎng)絡(luò)層次數(shù)和各層節(jié)點(diǎn)數(shù)。網(wǎng)絡(luò)的銜接方式代表了網(wǎng)絡(luò)的拓?fù)錁?gòu)造，本案例采用多層前傳網(wǎng)絡(luò)構(gòu)造(back—propagationnetworkconstruction，BP網(wǎng)絡(luò))構(gòu)造報(bào)價(jià)決策模型。B-P神經(jīng)網(wǎng)絡(luò)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(luò)模型中實(shí)際根據(jù)較完善的神經(jīng)網(wǎng)絡(luò)之一，它是多層前傳網(wǎng)絡(luò)，在輸入和輸出層之間可以有一個(gè)或多個(gè)隱含層，信號是向前傳送的，不帶反響和層內(nèi)相互銜接構(gòu)造，當(dāng)參數(shù)調(diào)整時(shí)，算法中含有誤差反向傳播過程，并由此得名。(1)網(wǎng)絡(luò)層數(shù)確實(shí)定現(xiàn)已證明(Kolmogrov實(shí)際)，在一定條件下，一個(gè)三層的BP網(wǎng)絡(luò)可以以恣意精度去逼近恣意映射關(guān)系。而且經(jīng)過實(shí)驗(yàn)發(fā)現(xiàn)，與一個(gè)隱含層相比，用兩個(gè)隱含層的網(wǎng)絡(luò)訓(xùn)練并無助于提高預(yù)測的準(zhǔn)確率。因此我們選擇三層BP網(wǎng)絡(luò)。(2)網(wǎng)絡(luò)輸入層節(jié)點(diǎn)數(shù)i確實(shí)定輸入層節(jié)點(diǎn)的多少與影響標(biāo)高金決策要素的個(gè)數(shù)相對應(yīng)，關(guān)于影響標(biāo)高金決策的要素在前前面曾經(jīng)有了較詳細(xì)的論述，輸入的節(jié)點(diǎn)數(shù)確定為20。(3)輸出層節(jié)點(diǎn)數(shù)j確實(shí)定要求輸出的結(jié)果就是擬招標(biāo)工程的標(biāo)高金值，因此取輸出節(jié)點(diǎn)數(shù)為1。(4)隱層節(jié)點(diǎn)數(shù)確實(shí)定隱含層節(jié)點(diǎn)數(shù)的選擇較為復(fù)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(shí)驗(yàn)來確定。普通來說，可思索的閱歷法那么有：①隱含層節(jié)點(diǎn)數(shù)不能是各層中節(jié)點(diǎn)數(shù)最少的，也不是最多的；②較好的隱含層節(jié)點(diǎn)數(shù)介于輸入節(jié)點(diǎn)和輸出節(jié)點(diǎn)數(shù)之和的50%至75%之間；③隱含層節(jié)點(diǎn)數(shù)的實(shí)際上限由其訓(xùn)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(diǎn)數(shù)對網(wǎng)絡(luò)性能的影響。表12顯示了不同的隱含層節(jié)點(diǎn)數(shù)對應(yīng)的訓(xùn)練集合和測試集合的誤判值。隱含層節(jié)點(diǎn)數(shù)第一類錯(cuò)誤第二類錯(cuò)誤總錯(cuò)誤訓(xùn)練集測試集訓(xùn)練集測試集訓(xùn)練集測試集0*1**23456785433333328778767911231000000565554568764333332131312131210121519表12隱層節(jié)點(diǎn)數(shù)的影響我們把誤差分為兩類：第一類錯(cuò)誤與第二類錯(cuò)誤。在統(tǒng)計(jì)學(xué)中，第一類錯(cuò)誤稱為“拒真〞，第二類錯(cuò)誤稱為“納偽〞。這里，我們把第一類錯(cuò)誤定義為將可進(jìn)展招標(biāo)的工程決策為不招標(biāo)，第二類錯(cuò)誤定義為將不應(yīng)該招標(biāo)的工程決策為可招標(biāo)。顯然兩類錯(cuò)誤在報(bào)價(jià)當(dāng)中都是應(yīng)該盡量防止的，因此我們選擇的網(wǎng)絡(luò)拓?fù)錁?gòu)造應(yīng)該使兩類誤差都盡能夠的小。表12顯示當(dāng)隱含層節(jié)點(diǎn)數(shù)為5時(shí)，兩種誤差是最低的。基于此緣由，將影響標(biāo)高金的要素進(jìn)一步重新劃分為5類，層次構(gòu)造如以下圖所示。5個(gè)隱層節(jié)點(diǎn)代表要素的分類。影響工程標(biāo)高金的要素地理要素地點(diǎn)工人素質(zhì)工人資源經(jīng)濟(jì)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(dāng)前義務(wù)報(bào)答率市場份額管理費(fèi)總部任務(wù)量工程要素類型規(guī)模業(yè)主風(fēng)險(xiǎn)復(fù)雜性影響標(biāo)高金的層次構(gòu)造圖繼續(xù)時(shí)間現(xiàn)金流需求2網(wǎng)絡(luò)的構(gòu)造圖根據(jù)B-P神經(jīng)網(wǎng)絡(luò)的根本原理，報(bào)價(jià)決策模型的神經(jīng)網(wǎng)絡(luò)構(gòu)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(luò)圖神經(jīng)網(wǎng)絡(luò)系統(tǒng)的解釋功能解釋可定義為：表達(dá)某種思想或用一定的方式來驗(yàn)證某種行為。人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)可以為它本身的決策結(jié)果進(jìn)展相應(yīng)解釋闡明，提供一些適當(dāng)?shù)囊?guī)那么〔或細(xì)節(jié)〕以使運(yùn)用者能清楚的知道標(biāo)高金程度是如何確定的。完成解釋義務(wù)包含兩個(gè)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(biāo)高金這一問題，招標(biāo)商的主要問題在于“人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)是如何確定標(biāo)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(gè)符合邏輯的討論體系以驗(yàn)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(shí)規(guī)那么也是一種簡明的信息表達(dá)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(shù)知識的，而這些閱歷和知識不能夠很容易地被轉(zhuǎn)化為計(jì)算機(jī)言語，所以自動解釋功能遭到一定的限制，即不能夠?qū)σ磺械膯栴}做出解釋，有時(shí)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(luò)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(xué)習(xí)法。其中，分解法的中心是從獨(dú)立的單元〔隱層或輸出層〕產(chǎn)生規(guī)那么，因此，訓(xùn)練好的人工神經(jīng)網(wǎng)絡(luò)的構(gòu)造是透明的，此種規(guī)那么抽取技術(shù)的根本要求是將人工神經(jīng)網(wǎng)絡(luò)中的隱層和輸出層節(jié)點(diǎn)的輸出結(jié)果轉(zhuǎn)化為二進(jìn)制的表達(dá)方式。在學(xué)習(xí)法中，訓(xùn)練好的人工神經(jīng)網(wǎng)絡(luò)被看成是一個(gè)黑匣子，其構(gòu)造是不透明的。學(xué)習(xí)法的根本思想是將規(guī)那么的產(chǎn)生看成是一個(gè)學(xué)習(xí)的義務(wù)，將目的看成是網(wǎng)絡(luò)的計(jì)算結(jié)果，而將輸入特征簡單地看成是網(wǎng)絡(luò)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(luò)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(luò)產(chǎn)生的規(guī)那么的方式為：假設(shè)…那么…，可用下式表示：IFA1+，…，Ai+，…，┑A(chǔ)1﹣，…，┑A(chǔ)j﹣，…，ThenC其中:Ai+表示正的銜接權(quán)系數(shù)；┑A(chǔ)j﹣表示負(fù)的銜接權(quán)系數(shù)；C表示結(jié)論〔Conclusion〕；┑表示否認(rèn)。假設(shè)結(jié)論為C，那么稱產(chǎn)生的規(guī)那么為正的規(guī)那么；假設(shè)結(jié)論為┑C，那么稱產(chǎn)生的規(guī)那么為負(fù)的規(guī)那么。以下是一個(gè)規(guī)那么的例子：運(yùn)用實(shí)例本節(jié)用搜集到的30個(gè)以往勝利的報(bào)價(jià)標(biāo)高金確定的事例訓(xùn)練和驗(yàn)證人工神經(jīng)網(wǎng)絡(luò)的決策結(jié)果及其自解釋功能，30個(gè)事例來源于某一國際承包公司，如表13和表14所示。30個(gè)事例被分為兩組：25個(gè)用來訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)，5個(gè)用來驗(yàn)證人工神經(jīng)網(wǎng)絡(luò)，5個(gè)用來驗(yàn)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(diǎn)工人素質(zhì)工人資源市場條件競爭程度未來項(xiàng)目盈利狀況索賠經(jīng)歷當(dāng)前任務(wù)回報(bào)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(fèi)（%）類型規(guī)模(萬元)業(yè)主風(fēng)險(xiǎn)復(fù)雜程度持續(xù)時(shí)間現(xiàn)金流需求標(biāo)高金18.93.71002300100500142306.428.66.310060001005050155247.