C2C电子商务物流企业选择的TOPSIS改进算法

摘 要：针对C2C电子商务物流企业选择的问题,提出一种结合信息熵、AHP以及TOPSIS的改进算法,将定性和定量两方面的分析方法相结合,既包含了物流企业的既往表现数据,又结合了用户的个性化需求,并通过实验数据证明了该改进算法的可行性,还可以用于多目标决策等方面.

关 键 词：物流企业选择信息熵AHPTOPSIS

一、前言

C2C电子商务目前已成为我国电子商务的一个重要组成部分,知名研究咨询机构IDC与阿里巴巴集团研究中心于2012年3月发布的白皮书显示,2011年中国网民在线购物交易额达到7849.3亿元,比2010年增长了66%.仅在2011年的“双十一”当天的促销中,淘宝全网销售达到了52亿元,此次电子商务热潮使得物流的配送链条险些崩溃,频频出现物流爆仓现象,造成了许多网购客户的不满.由此可见物流怎么写作是支撑C2C电子商务的支柱,如何选择最佳的物流企业已经成为了一个刻不容缓的问题.

评价物流企业的研究方法有许多,主要分为定性分析和定量分析.定性分析主要是以分析人员的主观评判为依据,但人为评判偏差较大,如德尔菲法、二项系数法、AHP等；定量分析是纯粹依据对数据的分析,而许多人为因素不能较好地反映出来,如主成分分析法、信息熵、聚类、TOPSIS等.

本文结合信息熵、AHP层次分析方法和TOPSIS方法,首先利用信息熵从定量方面对决策矩阵的原始数据进行处理,得到信息熵权重,然后由C2C电子商务卖家对各项指标的重要性进行对比,利用AHP层次分析法从定性方面对评分矩阵进行定性分析,获得用户的个人喜好和个性化需求,最后运用TOPSIS方法结合以上两个方面的分析权重选择最为合适的物流企业.

二、指标权重

（一）指标信息熵确定的权重w*j

在信息理论中,熵值越大,表示数据分布越集中,不确定性也越小①.在物流企业各个指标的比较中,信息熵值越大,表示该指标蕴含的信息越多,对物流企业的选择越重要.检测设选取m个物流企业的n项指标来评价其怎么写作水平,则其中第j项指标的信息熵值为：,其中k＝（lnm）-1.Zij是标准化的决策矩阵Z中的元素.第j项指标的权重为：

（二）指标AHP层次分析法确定的权重w＾j

AHP层次分析法是一种定性与定量相结合的、系统化、层次化的分析方法,它的特点是能够将定性的问题定量化②.本文使用AHP方法将C2C电子商务卖家对物流企业的各指标间重要性比较的问题定量化,分析得到其个性化需求权重.

1、评分矩阵：C2C电子商务卖家对各指标重要性的评分矩阵为：Y＝{yij},其中yij∈{1,2,等9}.

2、计算评分矩阵Y每行元素之积：Mi＝Пnj等于1yij,i＝1,2,等n

3、计算Mi的n次方根,i＝1,2,等n

4、将Ni归一化得到权重向量,i＝1,2,等n

5、计算一致性指标：

6、计算一致性比率：

7、检验：若CR＜0.1,则满足检验,因此AHP所得权重为：.否则调整评分矩阵,重复步骤（1）至（7）,直至满足检验条件.

（三）指标的总加权权重

各指标的总加权权重为：

三、改进的TOPSIS方法

TOPSIS方法是一种逼近理想解的排序方法,TOPSIS方法的基本思想为：先寻找一个理想的最佳方案和最差方案,然后计算现实中的方案两者之间的距离,最后利用理想解的相对接近度作为综合评估的标准③.

改进的TOPSIS方法步骤为：

（一）初始化决策矩阵.m个物流企业的n个评价指标的初始化决策矩阵为X.

（二）标准化决策矩阵.由于原始决策矩阵中各评价指标的量纲不尽相同,为了增加可比性,需要对决策矩阵进行标准化处理,得到标准化决策矩阵Z.

（三）加权评价决策矩阵.各指标的总加权权重为：

则总加权决策矩阵为：V＝wj*Z

（四）计算S+、S-、S*、Di+和Di*④⑤.评价指标可以分为两类,即成本型指标和效益型指标.成本型指标又称负向指标,该指标数值越小则对目标越好.效益型指标又称正向指标,该指标数值越大则对目标越优,因此在选择最优值向量S+和最劣值向量S-时应区别对待,即：

虚拟最劣值向量S*＝{Ｓj*｜j＝1,2,等n},其中Ｓj*＝2Ｓj-－Ｓj+,j＝1,2,等n.

利用欧几里德公式计算评价值与最优值集合及虚拟最劣值的评价值集合之间的距离Di+和Di*：

,（i＝1,2..,m）,vij是加权评价价值决策矩阵V中的元素；,（i＝1,2..,m）,vij是加权评价价值决策矩阵V中的元素.

（五）计算各物流企业的TOPSIS评价值与最优值的相对接近度错误!未找到引用源：

,（i＝1,2..,m）

（六）依据相对接近度的大小对物流企业进行排序,选择Ci值最大的物流企业.

四、实验数据

本文选取常用物流快递作为实验对象,原始数据如表1所示.

（一）传统信息熵加权的TOPSIS算法

通过上述公式对标准化后的矩阵进行计算,各指标的信息熵权重为：w*j＝｛0.2150666,0.2124467,

0.1896519,0.2157233,0.1671115｝

计算信息熵加权评价决策矩阵,最终得到各供应商相对接近度Ci为：Ci＝｛0.57549,

0.62991,0.70115,0.16500,

0.52783,0.86260｝,其中选取相对接近度最大的最为合适,即C6＝0.86260,说明邮政EMS快递公司是最优的选择.

从以上传统的信息熵加权TOPSIS算法计算过程中可以看到,其中涉及的所有计算数据均为固定的物流企业已有数据,因此通过TOPSIS算法得出的选择结果始终是相同的,即邮政EMS快递公司.这样的结果不具备针对性,显然是不能满足C2C电子商务中卖家对物流企业的选择要求.

（二）改进的TOPSIS算法

首先,计算出各指标的信息熵值和信息熵权重.

请C2C电子商务卖家对各评判指标的重要性进行相互比较评分,得到评分矩阵,见表2.

计算得一致性检验CR＝0.05837＜0.1,满足检验条件,因此AHP分析的权重为.

总加权权重wj为：wj＝｛0.4939381,0.1405619,0.2457246,

0.0881791,0.0315962｝,计算总加权决策矩阵,得到各物流企业的相对接近度Ci为：Ci＝｛0.67716,0.79278,

0.76096,0.15217,0.56476,0.79198｝,其中最大值为C2＝0.79278,说明圆通快递公司是符合要求最优的选择.改进后的TOPSIS方法中的权重部分引入了C2C电子商务卖家对各指标的重要性比较,实验数据证明其具有较好的改进效果.

根据上述两个比较试验可以看出,本文的方法能够根据C2C电子商务卖家的不同偏好选择合适的物流企业.比如针对注重快递配送速度的客户和注重节约快递成本的客户,将会推荐出不同的物流企业供其选择.现有的C2C电子商务平台已具备了一部分物流企业选择的功能,比如淘宝网,但是其仅仅是根据进行由低到高的简单排序,以供卖家参考,本文对于C2C电子商务平台中卖家物流企业选择功能的改进提出了一种可行的方法,具备较强的实践意义.

③韩庆元,汤军社,王红艳．基于改进AHP的供应商评价与选择研究[J].企业管理与信息化,2009（11）：11—14

④杨保安,张科静．多目标决策分析理论、方法与应用研究[M].上海：华东大学出版社：60—68,2008

⑤Blanchard,Did.HowtoSelectaThirdPartyLogisticsProvider[J].IndustryWeek,5:78-80,2008

（宋贺,1986年生,山东省乳山市人,天津财经大学硕士研究生.研究方向：信息管理与信息系统）