模拟退火神经网络在企业绩效评价的运用

白雪冰

摘要：该文主要介绍了模拟退火神经网络算法在原理与实现，并用该算法对企业进行了绩效评价，证明了该算法的有效性。

关键词：模拟退火；绩效平价

中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2015）27-0136-03

经济增长是人类发展的重要主题。就一个地区而言，经济增长是反映地区发展和进步的重要指标，是社会各项事业发展的基础，而企业效益是组成经济发展的基础，。

中国作为一个经济大国，目前已处在一个重要的产业升级时期，经济持续发展，经济规模不断扩大，与国际经济的联系日益紧密，研究与开发信息资源，提高企业绩效水平十分必要。因此，在充分掌握统计资料、经济信息和宏观经济发展变化规律的基础上，在经济理论指导下，运用科学的管理方法进行企业绩效分析，探索经济运行规律，解决企业发展的主要问题，合理有效地调控行业，对经济发展是十分必要的，具有重要的意义。企业绩效评价，是指运用数理统计和运筹学原理，特定指标体系，对照统一的标准，按照一定的程序，通过定量定性对比分析，对企业一定经营期间的经营效益和经营者业绩做出客观、公正和准确的综合评判。

1 模拟退火神经网络原理（SA-BP）

用模拟退火（SA）算法来调整BP神经网络的权值和阈值，让网络具有较高的“温度”和“能量”，使其逃离可能“路过”局部极小点而不至于被限制在那里，随着“温度” 的降低，“能量也随之降低，又使网络不足以离开“全局极小点区域”。SA-BP网络训练步骤：

1）对采集到的信号归一化；

2）初始化Egoal、W、V、θ1、θ2，ε和N；

3）输入训练样本；

4）计算当前的误差E，如果E

5）调整隐藏层和输出层的连接权值；

6）计算连续两次的误差改变量△E，如果△E<ε的次数>N，则转（7），否则转（4）；

7）调用sA算法：（7.1）初始化T 和L； （7.2）启动扰动函数产生新w、V、θ1和θ2；（7.3）计算△E判断新状态是否被接受，接受转（7.4），否则转（7.2）； （7.4）是否满足终止条件，满足则结束计算转（4），否则降温转（7.2）。SA-BP网络训练流程图如图1所示。

2 模拟退火神经算法在企业绩效评价中的应用

2.1 应用实例

本案例选取上市公司酒类企业，是根据上述行业30家上市公司的2010年的报表得到.我们选用了销售净利润、销售毛利润、应收账款周转率、存货周转率、总资产周转率、营业周期。以下是所采用的样本数据如表1所示。

2.2 数据过程

1）运用主成分分析法，得到了所有的评价结果

根据上述的数据，使用IBM-spss19软件运用主成分分析法，得到了评价结果。

首先采用主成分分析对数据进行处理获得评价企业绩效的数据，图2是采用软件获得的图形。

最后获得所用数据的标准矩阵

然后通过主成分计算获得29家企业的绩效值，如表2。

2）根据第1步的结果建立神经网络。其中24组用于神经网络的训练，剩下的5组用于神经网络的预测。

样本的训练，因为在我国目前还没有对企业的物流绩效评价结果，所以在仿真过程中利用主成分分析法先对其进行评价。将企业的财务数据作为神经网络的输入，主成分分析法得出的结果作为输出。

我们根据财务数据共收集了29组有效样本，按一定规律取其中24个作为训练样本，其余的5个为验证数据。针对本系统及收集整理后样本的特点，将销售净利润，、销售毛利润、应收账款周转率、存货周转率、总资产周转率、营业周期6个参数作为系统输入，主成分分析法得出的结果作为输出组成分振幅有效值作为系统的唯一输出，建立了具有一个隐层的3层神经网络模型。通过不断改变隐层节点数目（10—35），发现当隐层取25个节点时，网络收敛速度较快，仿真的最大误差也较小，验证样本的最大误差在3%以下，因此最终设定网络的拓扑结构为6-25-1。

1）归一化处理与训练样本生成

先将上市公司财务指标排成序列Q=（Q1，Q2…，Qt）。

找出序列的最大值、最小值分别设为为Qmax、Qmin。然后按下式对序列进行归一化处理。

Xi=（Qi-Qmin）/（Qmax-Qmin） （1）

式中Xi为归一化序列中的第i个量。

得到X=（X1，X2….Xi）序列之后， 我以浙江上市公司財务指标的作为输入，后两年加预测的年GDP增长率作为输出来建立测试数据。

2）同样我们采用建立模拟退火神经网络。其中24组用于神经网络的训练，剩下的5组用于神经网络测试。

3）比较第三与第四步的内容。

最后得到如下结果：如表3所示。

从上述分析可见，经过sa-bp的三层神经网络模型具有非常高的预测精度，基本能满足通常的使用，可以用于工业企业的绩效评价。基于模拟退火算法的神经网络比三层BP网络数据要更好一些，但是速度要慢一些，预测精度比它稍微好一点。可能是由于数据不够完善的的原因，但是由于数据有限，结论并不太好。

3 结束语

本课题提出利用模拟退火的方法同时对BP神经网络参数和特征寻优，并将此方法应用到企业绩效的评价中。与其他方法相比，模拟退火BP神经网络具有更好的准确性，它可以用在很多的应用方面。但是模拟退火的神经网络的速度比较慢。

参考文献：

[1] 林健， 彭敏晶. 基于神经网络集成的GDP预测模型[J]. 管理学报， 2005（4）：434-436.

[2] 申畯， 申荣华. 改进的RBF神经网络对期货价格的预测分析[J]. 现代商贸工业， 2008（11）：183-184.

[3] 曹先珍.基于径向基函数网络的经济时序预测模型[J]. 武汉工业学院学报，2005， 24（1）：88-90.

[4] 张德志. 径向函数网络对国民经济生产总值预测研究[j]. 计算机工程与应用， 2008，44（32）：243-248.

[5] 施彦， 韩力群. 神经网络设计方法与实例分析[M]. 北京： 北京邮电大学出版社， 2009.

[6] 张德丰. Matlab神经网络应用设计[M]. 北京： 机械工业出版社， 2009.