本发明涉及评标，具体为一种基于有限理性的分组多属性评标向导方法。
背景技术：
1、随着网络信息化和电子商务的迅猛发展，网上交易业务蓬勃兴起。网上采购评标和拍卖由于其方便、开放和信息获取便利的特点，受到相关机构的青睐。为其提供了更广阔的市场和更高效的采购方式。这种趋势不仅推动了相关机构采购方式的革新，也促进了整个经济体系的数字化转型，为其发展注入了新的活力。
2、由于采购品通常具有多重属性，胜标的确定便成了典型的多属性决策问题，实际中的多属性评标一般将技术属性(性能、配置、安全性等)和商务属性(价格、售后服务、信誉度等)分离，并采用相应专家组进行评定，这种新的多属性拍卖问题称之为分组多属性拍卖，这种评标模式是目前许多大型机构普遍采用的评标模式。
3、然而在评标过程中，评标专家并非是完全理性的，且每个专家的偏好是不完全相同的，具有有限理性的特征，而技术组和商务组两组专家分别对组内相应属性进行评分，由于两种属性间拥有的负相关性，不同组间存在的差异，同时专家的个人经验不同、利益导向的不同以及个人情绪因素不同，在此有限理性的前提下，分组评标过程会带来非理性的行为，会带来评标行为的变化和评标结果的不公平性，这将大大影响机构中资源的有效配置和经济效率的提高，带来交易的不确定性。
技术实现思路
1、本发明的目的在于提供一种基于有限理性的分组多属性评标向导方法，以解决上述背景技术提出的问题。
2、为实现上述目的，本发明提供如下技术方案：一种基于有限理性的分组多属性评标向导方法，包括以下步骤：首先建立分组多属性评标决策机制，形成分组多属性评标决策值矩阵；接着利用效用函数对评分值规范化，形成规范化的分组多属性评标决策值矩阵；然后对规范化的分组多属性评标决策值进行修正；同时建立选择偏好的分组多属性评标决策模式，得到属性综合权重，通过修正后的分组多属性评标决策值和属性综合权重相结合，得到属性评分；在评标的起止过程中，基于定性模拟的行为分析，对专家决策行为分析并采取相应管理措施；
3、所述基于定性模拟的行为分析，具体包括以下步骤：
4、s1、建立qsim算法系统：某t时刻下，qsim算法以状态树的形式预测出系统的行为，其形式为：
5、behavior＝{state(t0),state(t0,t1),state(t1),…,state(tn)}；
6、式中，behavior代表行为集，state代表某时刻或某阶段状态；t为某时刻或某阶段；
7、所述qsim算法的主要步骤如下：
8、s11、从活动表中取出一个状态为当前状态；
9、s12、根据状态转换表，确定出每一个函数当前状态可能转换到的状态集合；
10、s13、对每一个约束，产生状态转换的二元或三元组集合，根据约束的限定，过滤掉与约束不一致的元组；
11、s14、对元组进行配对一致性过滤，即具有相同函数的两个元组，对同一函数的转换必须一致；
12、s15、将经过上述过滤的剩余元组加以组合，产生系统状态的全局解释，如果全局解释失败，当前状态即为系统的结束状态；否则，把全局解释产生的状态作为系统的后继状态，并加入活动表；
13、s16、判断活动状态表是否为空，若为空，模拟结束；否则，模拟继续进行；
14、s2、对评标专家行为的定性模拟与分析；
15、具体步骤如下：
16、s21、从t＝t0到t＝(t0，t1)的定性过程，根据状态转换表，采用p-转换对各参数进行状态转换处理，并根据参数间约束过滤掉不合理的组合；
17、s22、从t＝(t0，t1)到t＝t1的定性过程，对t＝(t0，t1)时各状态量进行i-转换并进行约束过滤；
18、s23、当t＝t1时，推理系统中i转换后所有状态组合，并进行分析，判断评标专家行为的模拟结果是否符合实际。
19、优选的，所述分组多属性评标决策机制描述为：
20、有m个可供采购方选择的方案，这些方案共同构成一个有限的决策方案集s＝{s1,s2,s3,...,sm}，si表示第i个投标方案；
21、采购产品评价指标包括n个属性，即为方案的属性集s＝{s1,s2,s3,...,sm}，其中技术属性个n1，商务属性个n2，n1+n2＝n；
22、令属性的权重向量为w＝{w1,w2,w3,...,wn}且wj≥0，wj为熵权法求得的属性客观权重，j代表某属性；
23、有t位专家被邀参与评标，其中技术专家名t1、商务专家名t2，t1+t2＝t，令e＝{e1,e2,e3,...,et}为专家集，技术和商务专家分别对相应的属性进行评分，其决策权重向量为λ＝{λ1,λ2,λ3,...,λt}，且满足λk≥0；
24、和分别表示方案的技术属性值矩阵和商务属性值矩阵：
25、技术专家k的评标决策值矩阵可表示为：
26、
27、式中：表示技术专家k针对第i个投标方案中第j属性的评标决策值；
28、商务专家k的评标决策值矩阵可表示为：
29、
30、式中：表示商务专家k针对第i个投标方案中第j属性的评标决策值。
31、优选的，所述利用效用函数对评分值规范化，具体包括：
32、a1、属性值的规范化；
33、为便于利用熵权法计算属性权重，有必要消除属性值在数量级上的差异，首先对技术属性值矩阵ts和商务属性值矩阵bs进行规范化处理。对于效益型属性，令
34、
35、对于成本型属性，令
36、
37、其中ts和bs经过规范化处理后分别为规范化后的技术属性值矩阵和规范化后的商务属性值矩阵属性值s'ij∈[0,1]，且s'ij的值越大越好；
38、a2、专家评分的规范化；
39、为使专家评分易于量化，对和进行规范化处理，对于专家的评标决策值矩阵，由于评分数值均为效益型，可用处理，属性值且的值越大越好；
40、其中，对于技术组专家，令代入计算得到规范化的技术组评标决策值矩阵；
41、对于商务组专家，令代入计算得到规范化的商务组评标决策值矩阵。
42、优选的，所述发现并修正抬压分的现象，具体包括：
43、b1、发现抬压分现象：
44、对技术专家与商务专家来说，在进行评标决策的过程中，应当对所有方案公平评价，评分之间的偏差越大，越能说明专家在评分过程中存在抬压分现象，针对规范化归一化的专家评标决策值矩阵，通过计算组内的标准偏差分别得到技术属性的差异度αt和商务属性的差异度αb，差异度越大说明专家为了获得预期结果所付出的成本越高，即专家抬压分的几率越大，以技术组为例，标准偏差公式如下：
45、
46、式中，xij为规范化归一化后的专家评标决策值矩阵中的值，且第j属性的评标决策值的平均数
47、得出技术组的差异度计算公式为：
48、
49、同理商务组差异度αb参照技术组差异度αt计算公式，通过差异度计算公式得到技术组和商务组的专家在评标过程中的抬压分程度，差异度越大，抬压分程度越高，因此，需要首先对各个专家的评标决策值矩阵进行抬压分修正；
50、b2、修正抬压分现象：
51、若专家存在抬分或压分现象，则在某一个或几个属性下，该名专家与群体的评标决策值矩阵中的数值将有较大的差异。设第j个属性下，同一组中专家k与群体的评标决策值矩阵间的距离为
52、
53、式中，为标准化评标决策值矩阵加权集结后的群体评标决策值矩阵，表示专家k在第i个投标方案中第j个属性中标准化评标决策值矩阵加权集结后的评标决策值；
54、第j个属性下，同一组中专家k与群体的评标决策值矩阵间的相似度可定义为：
55、
56、若则说明专家k对第j个属性进行评标时不存在抬压分现象，则专家k对第j个属性评标时会存在抬压分现象，α为预先设定的阈值，通常情况下α∈[0.5,1]，不失一般性，设α＝0.6；
57、对于发现的抬压分现象，按下式进行修正并直至满足阈值条件：
58、
59、其中β为修正参数，但由于抬压分的程度不同，因此应根据相似度的大小而设定，本技术中，令即相似度越大，在修正的过程中保留原评分的权重越大；
60、专家对第i个方案的第j个属性的评分计算如下：
61、
62、式中，对于修正的分数对于未修正的分数
63、通过对专家评标决策值矩阵进行修正，对抬压分修正后的专家评标决策值矩阵进行加权集结分别得到两组的群体评标决策值矩阵。
64、优选的，所述建立选择偏好的分组多属性评标决策模式，具体包括以下步骤：
65、h1、确定评标专家偏好矩阵；
66、h2、确定熵权法中属性权重；
67、h3、确定专家选择偏好下的属性权重；
68、h4、两种属性下，确定综合属性权重。
69、在所述确定评标专家偏好矩阵中，根据各个专家的评标决策值矩阵，可以得出专家对各个属性的偏好指数如下：
70、
71、其中，技术组专家中商务组专家中
72、则技术专家的偏好矩阵为：
73、
74、则商务专家的偏好矩阵为：
75、
76、式中，vkj表示第k位专家对第j个属性的偏好值，且
77、优选的，在所述确定熵权法中属性权重中，熵权法完全根据属性值矩阵求出相应熵权，能有效规避专家主观偏好误差对权重分配的影响；
78、在评标过程中，m个备选方案，n个属性，则其标准化后的属性值矩阵为所述和所述对于某个属性值ej有信息熵：
79、
80、
81、从上式可知，某一属性的熵值ej越小，说明该属性的变异水平越大，带来的信息量越丰富，在多属性评标决策中此属性对结果的影响就越大，相应的权重就越大，反之亦然。特别地，当pij＝0时，令lnpij＝0；
82、在令属性权重向量为w＝{w1,w2,w3,...,wn}时，根据各个属性的变异程度1-ej计算各个属性的权重，式如下：
83、
84、满足约束条件根据各属性值的变异大小，通过上式计算可得属性的客观权重。
85、优选的，在所述确定专家选择偏好下的属性权重中，在决策过程中，决策者基于个人知识水平的差异，对不同方案有着不同的偏好差异，针对每个决策者的决策差异，根据专家对属性的偏好矩阵和计算专家选择偏好下的属性权重，如下：
86、
87、
88、式中，vkj为第k个专家对第j个属性的偏好；为第j个属性下的专家偏好均值；yj为所有专家对第j个属性的选择偏好偏差；wj′为专家选择偏好偏差的属性权重值，一般地，偏差越大，说明专家对该属性越重视，即该属性的重要程度越大，赋予该属性的主观权重越大。
89、优选的，在所述两种属性下确定综合属性权重中，分为以下两步：
90、h41、两种属性权重的集结：
91、h42、确定两种属性组间权重。
92、优选的，在所述两种属性权重的集结中，将熵权法求得的属性客观权重wj和专家选择偏好偏差的属性权重值wj′集结，如下式：
93、
94、式中，θ为主客观系数，θ∈[0,1]，，为第j属性的综合属性权重，一般取θ＝0.5，在实际情况中，多种因素的影响可能会使综合属性权重不再是两种权重的简单平均加权，而需要考虑θ的取值变化，并根据实际问题确定取值；
95、分别求解得到技术属性的综合属性权重和商务属性的综合属性权重
96、在所述确定两种属性组间权重中，分别根据技术组的群体评标决策值矩阵平均差异和商务组的群体评标决策值矩阵平均差异确定技术组和商务组的组间权重，公式如下：
97、
98、
99、式中，wt+wb＝1，wt>0，wb>0；rij为修正后的技术组或商务组的群体评标决策值矩阵中的第i个方案的第j个属性的数值；为修正后的技术组或商务组的群体评标决策值矩阵中第j个属性下的平均值；
100、组间权重可以根据具体问题具体分析，若事先给定组间权重，则可以按照给定的权重进行集结，或者将给定的权重与求解得到的权重进行集结；若事先没有给定，则需要根据实际情况进行求解；
101、对于技术组和商务组的方案评分，将其与组间权重进行集结就得到方案的综合评分，具体公式如下：
102、
103、与现有技术相比，本发明的有益效果是：
104、1、本发明中，通过构建分组多属性评标中专家决策行为分析的定性模型，用定性模拟的方法对评标系统中各状态变量进行仿真分析，验证专家有限理性的前提下对立情绪的积累现象，仿真其变化情况，同时改变决策变量进行模拟，通过仿真结果，合理采取相应的评标管理对策、制定合理的技术目标和商务目标，在专家有限理性的前提下，从而保证评标的公平性，进而对大型机构中资源的有效配置和经济效率的提高起到积极导向作用。
105、2、本发明中，通过属性值的规范化和专家评分的规范化，消除因属性的量纲不同和量纲不规范对结果造成的影响，通过对个体决策矩阵中未达到阈值的对应属性评分进行修正，更大程度上保留专家评分信息，在专家有限理性的前提下，考虑到评标专家的选择偏好，利用专家评标决策值矩阵得到的偏好矩阵，应用选择偏好法确定属性的主观权重，再应用熵权法通过属性值矩阵求得属性的客观权重，然后集合属性的主观及客观权重，求得属性的综合权重，根据专家评分的差异和偏差确定组间权重，从而保证评标结果的公平性。
1.一种基于有限理性的分组多属性评标向导方法，其特征在于，包括以下内容：建立分组多属性评标决策机制，形成分组多属性评标决策值矩阵后，利用效用函数对评分值规范化，形成规范化的分组多属性评标决策值矩阵；对规范化的分组多属性评标决策值进行修正；同时建立选择偏好的分组多属性评标决策模式，得到属性综合权重，通过修正后的分组多属性评标决策值和属性综合权重相结合，得到属性评分；在评标的起止过程中，基于定性模拟的行为分析，对专家决策行为分析并采取相应管理措施；
2.根据权利要求1所述的一种基于有限理性的分组多属性评标向导方法，其特征在于，所述分组多属性评标决策机制描述为：
3.根据权利要求1所述的一种基于有限理性的分组多属性评标向导方法，其特征在于：所述利用效用函数对评分值规范化，具体包括：
4.根据权利要求1所述的一种基于有限理性的分组多属性评标向导方法，其特征在于，所述发现并修正抬压分的现象，具体包括：
5.根据权利要求1所述的一种基于有限理性的分组多属性评标向导方法，其特征在于，所述建立选择偏好的分组多属性评标决策模式，具体包括以下步骤：
6.根据权利要求5所述的一种基于有限理性的分组多属性评标向导方法，其特征在于，在所述确定评标专家偏好矩阵中，根据各个专家的评标决策值矩阵，可以得出专家对各个属性的偏好指数如下：
7.根据权利要求5所述的一种基于有限理性的分组多属性评标向导方法，其特征在于，在所述确定熵权法中属性权重中，熵权法完全根据属性值矩阵求出相应熵权，能有效规避专家主观偏好误差对权重分配的影响；
8.根据权利要求5所述的一种基于有限理性的分组多属性评标向导方法，其特征在于，在所述确定专家选择偏好下的属性权重中，针对每个决策者的决策差异，根据专家对属性的偏好矩阵和计算专家选择偏好下的属性权重，如下：
9.根据权利要求5所述的一种基于有限理性的分组多属性评标向导方法，其特征在于，在所述两种属性下确定综合属性权重中，分为以下两步：
10.根据权利要求9所述的一种基于有限理性的分组多属性评标向导方法，其特征在于，在所述两种属性权重的集结中，将熵权法求得的属性客观权重wj和专家选择偏好偏差的属性权重值wj′集结，如下式：
