[發明專利]基于混合PSO-Adam神經網絡的外協供應商評價方法

在審

• 申請號: 201811083184.7
• 申請日: 2018-09-17
• 公開（公告）號: CN109118122A
• 公開（公告）日: 2019-01-01
• 發明（設計）人: 李益兵;宋東林;王磊;陳志鵬
• 申請（專利權）人: 武漢理工大學
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06N3/04
• 代理公司: 湖北武漢永嘉專利代理有限公司 42102
• 代理人: 鐘鋒;李丹

1.一種基于混合PSO-Adam神經網絡的外協供應商評價方法，其特征在于，包括以下步驟：

1)建立外協供應商評價數據集，所述數據集中包括：從檢驗設備采集的合格率、質量穩定性和故障發生率數據；從加工設備采集的生產和加工效率；從MES系統采集的信息傳遞及時性和信息傳遞準確性數據；根據現有評價指標體系計算得到的平均交貨提前期差額、按期交貨率、交付準確率、制造加工人員素質、先進設備比例、加工要求變更完成率、工期變更完成率、加工報價差額和運輸成本差額數據；根據專家評價獲得的技術標準化程度、信息化水平、服務水平數據；

2)使用留出法將數據集D劃分成k個大小相似的互斥子集，即D＝D₁∪D₂∪…∪D_k，

3)每次用k-1個子集的并集作為訓練集，余下的子集作為測試集，得到k組訓練集與測試集，最后使用min-max標準化進行樣本數據的歸一化；

4)建立神經網絡，神經網絡的模型結構包括輸入層、隱含層、輸出層；輸入層和輸出層的神經元數目由實際的樣本決定，本神經網絡的模型選用單隱含層的網絡；

5)神經網絡訓練，獲得訓練后的神經網絡模型；

6)完成對神經網絡的訓練后，將外協供應商數據集輸入神經網絡的輸入層，神經網絡輸出層的輸出即為外協供應商的評價得分。

2.根據權利要求1所述的基于混合PSO-Adam神經網絡的外協供應商評價方法，其特征在于，所述步驟5)中神經網絡訓練，獲得訓練后的神經網絡模型，采用PSO-Adam混合優化算法完成對神經網絡的訓練，

具體如下：

5.1)確定PSO算法參數與編碼結構：PSO的粒子長度、種群規模與迭代次數；

5.2)PSO算法初始化：初始化粒子種群中每個粒子的位置與速度；

5.3)全局優化：進行粒子迭代，在解空間中進行全局搜索，尋找全局最優解，每次迭代完成后，按照公式(10)(11)更新粒子最優位置P_i與群體最優位置P_G；

5.4)采用Adam進行神經網絡局部優化。

3.根據權利要求2所述的基于混合PSO-Adam神經網絡的外協供應商評價方法，其特征在于，所述步驟5.3)進行粒子迭代時，在PSO迭代的末期，將聚集在同一點的多余粒子進行隨機化重置。