ASP平台下的动态联盟风险控制模型的研究*

林 维

（贵州大学机械工程学院，贵州贵阳 550003）

ASP平台下的动态联盟风险控制模型的研究*

林 维

（贵州大学机械工程学院，贵州贵阳 550003）

为解决ASP平台下动态联盟由于外部环境的复杂性导致的风险控制困难的问题，通过TOPSIS方法找到最优方案和最劣方案作为免疫遗传算法的抗原输入，每种应对方案作为抗体输入，计算抗原和抗体之间的亲和度从而找出接近最优方案的解。免疫遗传算法采用实数编码，把各种风险的应对措施用实数编码表示，通过变异和交叉操作产生下一代的抗体，保持了个体的先进性，提高了计算速度与精度;TOPSIS方法解决了免疫遗传算法中抗体在染色体群中浓度过高导致寻优过程早熟收敛的问题并且提高运算速度。风险控制模型的建立使得ASP平台下的动态联盟企业可用最低成本来达到有效地预防控制各种风险的目的。

ASP平台 风险控制模型 免疫遗传算法 TOPSIS法

ASP（Application Service Provider，应用服务提供商）平台［1］下的动态联盟风险是指由于虚拟企业外部环境的不确定性而使各参与方所面临的各种风险。怎样用最低的成本来预防或控制风险且达到最好的控制风险效果是风险控制管理策略的关键问题。对动态联盟风险的相关研究方法有基于模糊综合评判、基于蚂蚁系统、基于模糊层次分析、基于遗传算法等方法［2－4］。以上文献对动态联盟的风险相关内容进行了有益的探索，但对动态联盟的风险过程控制研究较少。因此本文在对ASP平台下的动态联盟风险进行分析、识别的基础上采用TOPSIS算法［3］（Technique for Order Preference by Similarity to Ideal Solution，逼近理想解排序法）和免疫遗传算法［4－12］建立了ASP平台下动态联盟的风险过程控制模型。

表1 ASP平台下动态联盟风险控制策略表

表2 ASP平台下动态联盟风险应对措施编码表

沟通风险 采用多种沟通方式A25 25技术衔接风险 统一技术思想和技术标准A26 26技术外泄风险 不同成员仅共享过程信息A27 27信息系统数据质量风险统一信息的输入/输出标准A29 29合作风险A28 28信息系统安全风险 数据进行必要的加密组织和管理风险 建立合理组织结构A30 30信用风险 建立监督、检查机制A31 31流动性风险 利益共享等激励手段稳定核心成员A32 32激励风险 制定公正合理的伙伴收益分配方法A33 33战略柔性风险 培养核心能力高耐久性A34 34财务风险 投资套牢风险 采取分阶段支付A35 35投资到位风险 选择新的合作伙伴A36 36

1 ASP平台下的动态联盟的风险控制指标体系的建立

风险因素指标体系的建立是非常重要的，指标体系涵盖的信息量既要全面，又不能重复。由于ASP平台下的动态联盟的风险源变化的无穷性，逐一对每个风险源中的每个风险因素进行考察是不可能的，也是不必要的。因此本文建立了如图1所示的风险评价指标体系。

2 基于TOPSIS和免疫遗传算法的风险控制模型

2.1 ASP平台下的动态联盟风险管理策略

对付风险的策略方法有以下3方面：（1）化风险为利益：所需费用高，效果好。（2）减小风险发生：所需费用较高，效果一般。（3）减少风险可能损失：所需费用少，但效果较差。针对风险的不同性质，综合运用这些措施使动态联盟企业或其项目处于最安全可靠的状态。这一过程中应尽量消除已知的风险，对不能消除的风险可以改变风险的性质、减小风险发生的概率和可能的损失程度，风险投入费用一定情况下，使企业或项目面临的整体风险水平最低。对所选择的各项措施、所需费用、效果打分，满分10分进行无量纲化处理（如表1）。

表3 ASP平台下动态联盟风险应对措施同一趋势化表

表4 ASP平台下动态联盟风险应对措施编码表

沟通风险 采用多种沟通方式4 4技术衔接风险 统一技术思想和技术标准2 2技术外泄风险 不同成员仅共享过程信息协作风险1 1信息系统数据质量风险统一信息的输入/输出标准5 5信息系统安全风险 数据进行必要的加密8 9组织和管理风险 建立合理组织结构10 9.5信用风险 建立监督、检查机制4 3流动性风险 利益共享等激励手段稳定核心成员5 5协作风险激励风险 制定公正合理的伙伴收益分配方法6 7战略柔性风险 培养核心能力高耐久性9 8投资套牢风险 采取分阶段支付投资风险7 7投资到位风险 选择新的合作伙伴5 5

2.2 目标函数的构造

制定的目标函数要求风险控制的费用最低和评分效果最高，即

其中：C表示风险控制所选的措施费用;P表示评价效果的打分表示该风险应对措施所需费用;表示该风险应对措施下的效果评分。

2.3 编码方式

本算例采用实数编码方式，把应对各种风险的措施用实数表示。动态联盟风险控制应对措施编码如表2所示。针对风险的不同性质采用了应对措施，所需费用也不相同。

3 TOPSIS和免疫遗传算法的方案实施

通过TOPSIS法找到的最优方案和最劣方案作为免疫遗传算法抗原输入，步骤如下。

步骤1评价指标同一趋势化。TOPSIS法进行评价时要求所有指标变化方向一致，将低优指标转化为高优指标。转化方法用倒数法，即令原始数据中低优指标 Xij（i=1，2，3，…n;j=1，2，3，…，m），通过 Xij'=1/Xij变换而转化成高优指标，然后建立同一趋势化后的原始数据表如表3所示。

步骤2对同一趋势化后的原始数据矩阵进行归一化处理，并建立相应矩阵。其指标转换公式为

式中：Xij表示第i个评价对象在第j个指标上的取值，Xij'表示经倒数转换后的第i个评价对象在第j个指标上的取值。由此得出经归一化处理后的A矩阵为

4 示意性算例

4.1 建立的原始数据表及同趋势化矩阵

本算例模拟了ASP平台下动态联盟企业在联合开发新产品时所面临的各种风险。各种风险的应对措施所需费用及专家打分如表4所示。对同一趋势化后的原始数据进行归一化处理建立相应矩阵A即式（4），并根据应对措施对矩阵分块。

根据公式（3），对同一趋势化后的原始数据矩阵进行归一化处理，并建立相应矩阵B即式（5）。

4.2 确定最优方案和最劣方案

确定最优和最劣方案的方法是通过找到每种风险下的应对措施的费用和评价打分的最大值和最小值找出最优方案d+和最劣方案d－。

4.3 计算抗原和抗体之间的亲和度

其中：‖·‖表示取范数，c－（t）为到最劣方案距离，c+（t）为到最优方案的距离。E在0与1之间取值，愈接近1表示该评价对象越接近最优水平;反之愈接近0，表示该评价对象越接近最劣水平。

4.4 群体更新和终止条件判别

通过变异和交叉操作产生进入下一代的抗体，随机挑选的一个抗体和抗原按设定的变异概率进行变异后，相互之间再进行交叉，重复执行直到满足终止条件为止。可编制相应的程序进行模拟训练（如图2）。输入样本后，系统根据相应的改进算法来学习，直到误差EAV满足预先设定的要求时，系统停止学习。从模拟曲线看出，该算法解决了免疫遗传算法中抗体在染色体群中浓度过高导致寻优过程早熟收敛的问题，并且提高了运算速度。

5 结语

ASP平台下的动态联盟风险控制模型的组合优化存在复杂性，在对风险识别的基础上提出了用TOPSIS和免疫遗传算法来建立风险控制模型，结果表明ASP平台下的动态联盟风险控制中引入TOPSIS具有先进性、可行性与快速性。免疫遗传算法从父代到子代的进化就是一种搜索，这种搜索方法与传统方法的差异在于它不是基于搜索树的每一点进行扩展，而是从某一状态集中进行后继状态的优化，从而提高了搜索效率。

［1］谢庆生.中国企业网络化制造的模式与发展策略［J］.数字制造科学，2004（1）：15－32.

［2］黄敏，杨红梅，王兴伟.基于模糊综合评判的虚拟企业风险评价［J］.模糊系统与数学，2004（6）：65－72.

［3］宣家骥.多目标决策［M］.长沙：湖南科技出版社，1989.

［4］黄敏，杨红梅，王兴伟.电子商务下基于蚂蚁系统的虚拟企业风险控制问题［J］.计算机集成制造系统，2005（10）：85－92.

［5］曾志斌，李言，李淑娟.基于模糊层次分析的虚拟企业风险评价［J］.模糊系统与数学，2006（4）：22－28.

［6］邵文武，夏恩君，任培民.虚拟企业的风险控制研究［J］.生产力研究，2006（7）：15－22.

［7］马军，张青山，宿恺.采用遗传算法的企业动态联盟风险分析与评价研究［J］.商业研究，2004（23）：65 －72.

［8］焦李成，杜海峰，刘芳，等.免疫优化－计算，学习与识别［M］.北京：科学出版社，2006.

［9］云庆夏.进化算法［M］.北京：冶金工业出版社，2005.

［10］Stark R M，Rothkopf M H.Competitive bidding：a comprehensive bibliography［M］.Operational Research，2002：85－92.

［11］F Vernadat.Enterprise modeling and Integration［M］.Chapman and Hall，2001：25 －35.

［12］Mary john，Laura Meade，JamicRogers.Partner selection in the agile environment［M］.5th Annual Agility Forum Conference Proc，2002：65－72.

如果您想发表对本文的看法，请将文章编号填入读者意见调查表中的相应位置。

Research on the risk management model of dynamic alliance based on ASP

LIN Wei
（College of Mechanical Engineering，Guizhou University，Guiyang 550003，CHN）

To solve the question of risk control difficult of dynamic alliance based on the ASP for the complexity of the external environment，we found the optimal and the worst schemes as the antigen input of immune genetic algorithm through the TOPSIS method.Each solution was inputted as antibody to calculate correlating between antigen and antibody in order to find the optimal solution.Immune genetic algorithm utilizes real number coding，which can keep the advancement of next－generation antibodies that were produced by mutation and crossover operation.It improveed the calculation speed and accuracy.TOPSIS method solved the problem of optimization process premature convergence for antibody excessive concentrations in chromosomes by immune genetic algorithm.Construction risk control model makes that dynamic alliance enterprises based on the ASP can achieve the purpose of prevention and control various risks in least－ cost.

ASP Platform;Risk Control Model;Immune Genetic Algorithm;TOPSIS Method

TPC11

A

* 国家“863”高技术研究发展计划资助项目（2006AA04Z130）;国家自然科学基金资助项目（50475185，50575047）

林维，男，1972年生，讲师，硕士研究生，主要从事制造业信息化的研究。

（编辑 周富荣）（收修改稿日期：2011－01－13）

4110741