CN111967927A - 一种多准则计算满意度的商业采购方法 - Google Patents

Abstract

本发明属于制造业垂直领域的产业互联网信息技术领域，公开了一种基于多准则计算满意度的商业采购方法，包括以下步骤：S1、获取各个供应商在各个非价格维度下的信息向量，得到所有供应商在各个非价格维度下的原始矩阵；S2、通过PCA提取得到各个非价格维度下的所有供应商的特征向量矩阵；S3、分维度计算各个非价格维度下各个供应商的评分；S4、获得多个不同的采购方案并按照总价进行降序排列，计算前M个采购方案中的各个供应商的价格评分；S5、计算采购商对各个供应商的综合满意度；S6、筛选出采购方案中的供应商综合满意度大于满意度阈值且价格较低的N个采购方案作为推荐给用户的采购方案。本发明通过多准则与用户习惯，得出更加符合客户合作习惯和满意度较高的采购方案。

Description

一种多准则计算满意度的商业采购方法

技术领域

本发明涉及一种多准则的计算满意度的商业采购方法，属于制造业垂直领域的产业互联网信息技术领域。

背景技术

《山东省人工智能产业发展报告》指出人工智能最大价值在于与具体行业结合，制造业大省山东省，产业基础雄厚、工业体系完善，具有广阔的人工智能应用场景。智能制造发展是制造业转型升级的必由之路。技术缺乏、采购成本高、人力成本上涨等“痛点”制约智能制造的发展。如何通过工业互联网平台实现海量供需信息精准匹配,打破信息不对称现状,减少交易成本,加速市场交易流通，是推动智能制造快速发展的关键所在。伴随着信息技术的快速发展，基于多准则的一对多双边匹配的商业评价模型应运而生。

商业评价及供应商选择，是采购决策中的一项重要内容。本发明中基于商业评价的供应商方案的核心思想是“分散资源集中使用，集中资源分散服务”。平台集采环境下，能够集中大量的采购需求，达到量大价低的效果，解决中小企业因采购量小而造成的价格劣势。

现有技术中，商业评价及供应商评价，包括评价体系和评价方法两部分。对于供应商评价体系，很多学者从不用的环境和角度进行了阐述，提出了大量的、不同的评价标准。目前常见的供应商评价方法有线性权重积分法、统计法、成本估计法、层次分析法、模糊层次分析法。但这些方法都具有不够客观、主观性较强，评价不够准确，不符合实际商业习惯的缺点。

发明内容

为了解决现有技术中的商业评价方法不够准确和客观的问题，本发明提供了一种多准则的计算满意度的商业采购方法，通过对制造业平台中供应商的综合评价，优化采购商的采购方案提高了采购商的采购效率，降低了采购商的采购成本，在一定程度上，起到了指导企业优化采购方案的作用。

为了解决上述技术问题，本发明采用的技术方案为：一种基于多准则计算满意度的商业采购方法，包括以下步骤：

S1、以采购商输入时间为节点，需要购买的产品为基准，以该前节点前的供应该采购产品的供应商为分析对象，获取各个供应商在各个非价格维度下的信息向量，得到所有供应商在各个非价格维度下的原始矩阵；

S2、通过PCA提取得到各个非价格维度下的所有供应商的特征向量矩阵，同时，获取各个非价格维度下的表征原始信息的原始特征向量；

S3、分维度计算各个非价格维度下各个供应商的特征向量与原始特征向量之间的归一化内积值，作为该供应商在该非价格维度下的评分；

S4、获取各个供应商的价格序列矩阵及库存量，基于动态规划求解总价W与采购总量 X之间的关系，获得多个不同的采购方案；将不同的采购方案按照总价进行降序排列，去除供应商完全相同的采购方案后，选择前M个采购方案，并计算各个供应商在前M个采购方案中的总产品供应量与M个方案的总供应量的比值，作为各个供应商的价格评分；

S5、获取采购商的各位维度的评分要求，计算采购商对各个供应商的综合满意度；

S6、筛选出采购方案中的供应商综合满意度大于综合满意度阈值的采购方案，并选择其中价格较低的N个采购方案作为推荐给用户的采购方案，供用户选择。

所述非价格维度包括：诚信H、实力S、信息化T、活跃度A、客户满意度C。

所述步骤S2中，通过PCA提取得到各个非价格维度下的所有供应商的特征向量矩阵的具体方法包括以下步骤：

S201、计算第一个非价格维度下的去中心化后的矩阵X；

S202、计算协方差矩阵

求解协方差矩阵的特征值λ和正交化单位特征向量b；

S203、对特征值降序排序，λ₁≥λ₂≥…≥λ_n≥0，计算累积方差贡献率，将累计方差贡献率大于90％的最小k值作为主成分的个数，提取前k个特征值对应的主成分，得到主成分空间U；其中0<k<n，且为正整数，累积方差贡献率的计算公式为：

S204、计算得到第一个非价格维度下的特征向量矩阵B，计算公式为：B＝XU；

S205、重复上述步骤S201～步骤S204、计算得到所有非价格维度下的所有供应商的特征向量矩阵。

所述步骤S3中，各个供应商的诚信评分的计算公式为：

其中，H_i表示第i个供应商的诚信评分，b_0j表示诚信维度的原始特征向量的第j个分量的值，b_ij表示诚信维度下第i个供应商的第j个分量的值；

各个供应商的实力评分的计算公式为：

其中，S_i表示第i个供应商的实力评分，d_0j表示实力维度的原始特征向量的第j个分量的值，d_ij表示实力维度下第i个供应商的第j个分量的值；

各个供应商的信息化评分的计算公式为：

其中，E_i表示第i个供应商的信息化评分，e_0j表示信息化维度的原始特征向量的第j个分量的值，e_ij表示信息化维度下第i个供应商的第j个分量的值；

各个供应商的活跃度评分的计算公式为：

其中，A_i表示第i个供应商的活跃度评分，f_0j表示活跃度维度的原始特征向量的第j个分量的值，d_ij表示活跃度维度下第i个供应商的第j个分量的值；

各个供应商的客户满意度评分的计算公式为：

其中，C_i表示第i个供应商的客户满意度评分，q_0j表示客户满意度维度的原始特征向量的第j个分量的值，q_ij表示客户满意度维度下第i个供应商的第j个分量的值。

所述步骤S4中，各个供应商的价格评分的计算公式为：

其中，P_i表示第i个供应商的价格评分，x_ij表示第j个采购方案中，第i个供应商的供货量，x_mk表示第m个采购方案中的k个供应商的供货量。

所述步骤S5中，采购商对各个供应商的综合满意度的计算过程具体包括以下步骤：

S501、获取采购商对各个维度的评分要求Score₀＝[H₀,S₀,T₀,A₀,C₀,P₀]，其中采购商对各个维度的评分要求Score₀，为采购商在平台上的采购历史中所有供应商各个维度的评分均值；

S502、计算各个供应商在各个非价格维度下的评分和价格评分与采购商的评分要求之间的欧式距离值，并将各个欧式距离值相加，得到各个供应商与采购商之间距离值之和；

S503、计算采购商对各个供应商的综合满意度，计算公式为：

其中，s_i表示采购商对第i个供应商的综合满意度，d_i表示第i个供应商与采购商之间的距离值之和。

所述步骤S501中，首次在平台上采购的用户，，将其各个维度的评分要求初始值设定为： Score₀＝[0.6,0.6,0.6,0.6,0.6,0.6]。

所述M和N的取值均为10，综合满意度阈值为70％。

本发明与现有技术相比具有以下有益效果：本发明提出了一种多准则的计算满意度的商业采购方法，其基于六个维度元素的评分提取，结合基于动态规划的总量总价关系的供应商方案评分，并基于评分向量，实现多准则的商业评价，本发明利用PCA提取特征元素，并利用归一化内积计算评分值，较大程度上去除了人为选择特征的主观性影响；平台的集采模式，对价格序列的影响，为用户提供了降低成本的可能；通过多准则与用户习惯，得出更加符合客户合作习惯和满意度较高的采购方案。

附图说明

图1为本发明实施例提供的一种提出的多准则的计算满意度的商业采购方法的流程示意图。

具体实施方式

为使本发明的技术方案和优点更加清楚，下面将结合具体实施例和附图，对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例；基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，本发明实施例提供了一种基于多准则计算满意度的商业采购方法，包括以下六个步骤。

S1、由采购商输入时间为节点，需要购买的产品为基准，以该前节点前的供应该采购产品的供应商为分析对象，获取各个供应商在各个非价格维度下的信息向量，得到所有供应商在各个非价格维度下的原始矩阵。

本实施例中，原始维度包括非价格维度和价格维度，其中非价格维度包括诚信(H)、实力(S)、信息化(T)、活跃度(A)、客户满意度(C)，价格维度具体是指价格优势序列(P)。每一个维度的原始信息均由其各子指标元素组成的向量，如诚信H＝(H₁,H₂,…,H_m)^T，表示诚信H是由n个分量组成，同理实力(S)、信息化(T)、活跃度(A)、客户满意度(C)、价格优势序列(P)均由多个分量组成。由当前用户计算时间为节点，当前用户需要购买的产品为基准，以该前节点前的供货该采购产品的供应商维度信息，作为PCA的最新训练集使用，对于首次在平台上供货的供应商的各个维度的末级指标，对于无对应末级量化指标的，例如，末级指标投诉率、退货率等均按最优的评分进行设置。

S2、通过PCA提取得到各个非价格维度下的所有供应商的特征向量矩阵，同时，获取各个非价格维度下的表征原始信息的原始特征向量；

本实施例中，通过PCA提取特征向量，利用PCA学习训练集，获得主成分。并将集合映射到主成分空间中，提取表征维度原始信息的维度特征向量。如诚信H的维度下，各个供应商的原始信息由PCA提取特征向量：

其中，H是供应商诚信维度的原始信息矩阵，H_m是第m个供应商诚信维度的原始信息向量，每个供应商包含诚信维度评估的n个指标，h_mn表示第m个供应商的第n个指标值；B是H经过PCA提取的特征向量矩阵，B_m是第m个供应商的原始信息向量H_m利用PCA提取后的特征向量，b_mk表示第m个供应商的第k个特征值，k是将方差贡献率设置为90％后自动得到的数目，是PCA提取的诚信维度的特征向量的特征元素个数。

以诚信维度H提取特征向量B为例，通过PCA提取得到诚信维度下的所有供应商的特征向量矩阵过程为：利用PCA对诚信维度原始信息H提取主成分，然后将诚信维度原始信息H 映射到主成分空间中，获得表征原始诚信维度信息H的特征向量B。其具体计算步骤如下：

S201、去平均值，即去中心化，即每一个指标减去对应所有指标的平均值。指标平均值为：

表示第i个指标的平均值。则去中心化的矩阵X为：

S202、计算协方差矩阵：

求解特征值λ和特正交化单位特征向量b。

S203、对特征值降序排序，λ₁≥λ₂≥…≥λ_n≥0。计算累积方差贡献率，将累计方差贡献率大于90％的最小k值作为主成分的个数，提取前k个特征值对应的主成分，得到主成分空间V；其中0<k<n，且为正整数，累积方差贡献率的计算公式为：

其中，λ_i对应的单位特征向量b_i就是主成分F_i的关于原变量的系数，则原变量的第i个主成分F_i为：F_i＝b_i′X；主成分的方差贡献率，第i个主成分的方差贡献率计算为：

其中，最终选择的主成分的个数，即F₁,F₂,…,F_k中k的确定是通过方差累计贡献率G(k)来确定。当累计贡献率大于90％时，就认为能足够反映原来变量的信息了，对于应的k就是抽取的前k个主成分，即主成分空间U。

S204、计算得到第一个非价格维度下的特征向量矩阵B，计算公式为：B＝XU；

其中，X是原始信息构成的m×n，U是k个主成分构成的n×k的矩阵，B是提取的m×k的特征向量矩阵。

S205、重复上述步骤S201～步骤S204、计算得到所有非价格维度下的所有供应商的特征向量矩阵。

本实施例中，可以对实力(S)、信息化(T)、活跃度(A)、客户满意度(C)等等非价格维度提取对应的特征向量：

S3、分维度计算各个非价格维度下各个供应商的特征向量与原始特征向量之间的归一化内积值，作为该供应商在该非价格维度下的评分。

本实施例中，通过归一化内积计算评分。将各个维度最佳原始信息数据，映射到各个维度的主成分空间中，获得表征最佳原始信息数据的特征向量。本实施例中，各个非价格维度的各个指标的评定数字参见表1-5，其中诚信的指标评定见表1，将各个指标(末级指标)评定的最高分值，作为诚信的最佳原始信息。此外，本发明的指标设置也可以根据需求设置为其它形式，均在本发明的保护范围之内。

表1诚信度参数指标

表2实力参数指标

表3信息化参数指标

表4活跃度参数指标

表5客户满意度参数指标

将诚信的最佳原始信息H₀映射到主成分空间中，获得表征原始信息H₀的特征向量B₀＝(b₀₁,b₀₂,…,b_0k)，则供应商i的诚信特征向量与B₀的归一化内积值，并将其作为供应商在诚信维度商的评分使用，即供应商i的诚信评分SD(B₀,B_i)表示为：

其中，H_i表示第i个供应商的诚信评分，b_0j表示诚信维度的原始特征向量的第j个分量的值，b_ij表示诚信维度下第i个供应商的第j个分量的值，SB表示内积运算；

同理可以计算实力(S)、信息化(T)、活跃度(A)、客户满意度(C)提取对应的特征向量与对应的表征最佳原始信息数据的特征向量之间的归一化内积评分，做个各个维度下的供应商评分，其计算公式分别为：

其中，S_i表示第i个供应商的实力评分，d_0j表示实力维度的原始特征向量的第j个分量的值，d_ij表示实力维度下第i个供应商的第j个分量的值；T_i表示第i个供应商的信息化评分， e_0j表示信息化维度的原始特征向量的第j个分量的值，e_ij表示信息化维度下第i个供应商的第j个分量的值；A_i表示第i个供应商的活跃度评分，f_0j表示活跃度维度的原始特征向量的第j个分量的值，d_ij表示活跃度维度下第i个供应商的第j个分量的值；C_i表示第i个供应商的客户满意度评分，q_0j表示客户满意度维度的原始特征向量的第j个分量的值，q_ij表示客户满意度维度下第i个供应商的第j个分量的值。

此外，本发明实施例中，各供应商的各个维度的评分，均是与各个维度的最佳信息的特征向量之间的归一化内积值得到的，则有0＜＜H_i,S_i,T_i,A_i,C_i＜＜1。

S4、获取各个供应商的价格序列矩阵及库存量，基于动态规划求解总价W与采购总量X之间的关系，获得多个不同的采购方案；将不同的采购方案按照总价进行降序排列，去除供应商完全相同的采购方案后，选择前M个采购方案，并计算各个供应商在前M个采购方案中的总产品供应量与M个方案的总供应量的比值，作为各个供应商的价格评分。

每个供应商具有一个单独的价格序列矩阵R和当前库存量V表示，其组成为：

其中，m表示为该供应商具有m个梯度报价，R_m1为第m个用量梯度的下限，R_m2为对应梯度购买量以内的价格，即(R_m1-R_(m-1)1)购买量以内的执行价格为R_m2，R_m3表示对应的梯度购买量内是否有集采活动，0表示无集采活动，1表示有集采活动。R_m4表示当前对应梯度购买量内的能够参加集采的产品数量，其中当前的集采产品数量包含上一级梯度购买量的数量。其中，集采活动是指发起的拼团购买的方式，由多家采购商共同参与，采购量增加，以降低采购成本。

基于动态规划求解总价与总量之间的关系，采购商的产品需求量为X，n个供应商提供的需求量向量为(x₁,x₂,…,x_n)，每家供应商的供货量同时考虑参与集采部分和非集采部分，对应的价格表示为(y₁,y₂,…,y_n)，v_i表示第i个供应商的该产品库存量。在设计方案时，将集采部分和非集采部分作为不同方案情况处理。计算最终价格W，获得不同的采购方案。

W＝y₁+y₂+…+y_n；

本实施例基于采购方案对供应商评分。将不同的采购方案按照总价进行降序排列，去除供应商完全相同的采购方案后，选择前10个采购方案。统计每个供应商在10个方案中的产品采购量，供应商的评分P为供应商的在10个方案中的总产品供应量与10个方案的总供应量的比值，则第i个供应商的评分为P_i。

其中，P_i表示第i个供应商的价格评分，x_ij表示第j个采购方案中，第i个供应商的供货量，x_mk表示第m个采购方案中的k个供应商的供货量。

S5、获取采购商的各位维度的评分要求，计算采购商对各个供应商的综合满意度。

将供应商的六个维度的评分Score，以及采购商的对各个维度的评分要求Score₀＝ [H₀,S₀,T₀,A₀,C₀,P₀]，作为计算采购商对n个供应商的综合满意度的输入。其中采购商对各个维度的评分要求Score₀，是通过采购商在平台上的采购历史中所有供应商各个维度的评分均值。如，

其中H_i是采购商的历史记录中采购商i的诚信评分，n表示采购商的采购历史中共有n家采购商。对于首次在平台上采购的用户，即无历史记录，则将其各个维度的评分要求初始为：Score₀＝[0.6,0.6,0.6,0.6,0.6,0.6]。进而计算采购商对n个供应商的综合满意度。

具体地，采购商对各个供应商的综合满意度的计算过程具体包括以下步骤：

S501、获取采购商对各个维度的评分要求Score₀＝[H₀,S₀,T₀,A₀,C₀,P₀]，其中 H₀,S₀,T₀,A₀,C₀,P₀分别表示采购商在诚信、实力、信息化、活跃度、客户满意度、价格这六个维度下的评分要求，采购商对各个维度的评分要求Score₀，为采购商在平台上的采购历史中所有供应商各个维度的评分均值；首次在平台上采购的用户，，将其各个维度的评分要求初始为：Score₀＝[0.6,0.6,0.6,0.6,0.6,0.6]。

S502、计算各个供应商在各个非价格维度下的评分和价格评分与采购商的评分要求之间的欧式距离值，并将各个欧式距离值相加，得到各个供应商与采购商之间距离值之和；

具体地，各个维度的欧氏距离值之间的计算公式为：

其中，d_hi、d_si、d_ti、d_ai、d_ci和d_pi分别表示诚信H、实力S、信息化T、活跃度A、客户满意度C、和价格P维度下采购商与供应商之前的欧式距离值；各个供应商与采购商之间距离值之和的计算公式为：

d_i＝d_hi+d_si+d_ti+d_ai+d_ci+d_pi； (24)

其中，d_i表示采购商与第i个供应商的总距离值之和。由d_i的计算可知，可知-6≤d_i≤6。

S503、计算采购商对各个供应商的综合满意度，计算公式为：

其中，s_i表示采购商对第i个供应商的综合满意度，d_i表示第i个供应商与采购商之间的距离值之和。

S6、筛选出采购方案中的供应商综合满意度大于综合满意度阈值的采购方案，并选择其中价格较低的N个采购方案作为推荐给用户的采购方案，供用户选择。

具体地，本实施例中，将采购商对供应商的满意度评价为参考，与采购方案结合，选取综合满意度较高且采购价格较低的采购方案。根据供应商综合满意度对供应商排序，同时对标采购方案里的供应商名单，选取供应商综合满意度大于70％，且采购价格较低的前10个采购方案，作为推荐给用户的采购方案，供用户选择。

综上所述，本发明提出了一种多准则的计算满意度的商业采购方法，其基于六个维度元素的评分提取，结合基于动态规划的总量总价关系的供应商方案评分，并基于评分向量，实现多准则的商业评价，本发明利用PCA提取特征元素，并利用归一化内积计算评分值，较大程度上去除了人为选择特征的主观性影响；平台的集采模式，对价格序列的影响，为用户提供了降低成本的可能；通过多准则与用户习惯，得出更加符合客户合作习惯和综合满意度较高的采购方案。

上面结合附图对本发明的实施例作了详细说明，但是本发明并不限于上述实施例，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。

Claims (8)

1.一种基于多准则计算满意度的商业采购方法，其特征在于，包括以下步骤：

S1、以采购商输入时间为节点，需要购买的产品为基准，以该前节点前的供应该采购产品的供应商为分析对象，获取各个供应商在各个非价格维度下的信息向量，得到所有供应商在各个非价格维度下的原始矩阵；

S2、通过PCA提取得到各个非价格维度下的所有供应商的特征向量矩阵，同时，获取各个非价格维度下的表征原始信息的原始特征向量；

S3、分维度计算各个非价格维度下各个供应商的特征向量与原始特征向量之间的归一化内积值，作为该供应商在该非价格维度下的评分；

S4、获取各个供应商的价格序列矩阵及库存量，基于动态规划求解总价W与采购总量X之间的关系，获得多个不同的采购方案；将不同的采购方案按照总价进行降序排列，去除供应商完全相同的采购方案后，选择前M个采购方案，并计算各个供应商在前M个采购方案中的总产品供应量与M个方案的总供应量的比值，作为各个供应商的价格评分；

S5、获取采购商的各位维度的评分要求，计算采购商对各个供应商的综合满意度；

S6、筛选出采购方案中的供应商综合满意度大于综合满意度阈值的采购方案，并选择其中价格较低的N个采购方案作为推荐给用户的采购方案，供用户选择。

2.根据权利要求1所述的一种基于多准则计算满意度的商业采购方法，其特征在于，所述非价格维度包括：诚信H、实力S、信息化T、活跃度A、客户满意度C。

3.根据权利要求2所述的一种基于多准则计算满意度的商业采购方法，其特征在于，所述步骤S2中，通过PCA提取得到各个非价格维度下的所有供应商的特征向量矩阵的具体方法包括以下步骤：

S201、计算第一个非价格维度下的去中心化后的矩阵X；

S202、计算协方差矩阵

求解协方差矩阵的特征值λ和正交化单位特征向量b；

S203、对特征值降序排序，λ₁≥λ₂≥…≥λ_n≥0，计算累积方差贡献率，将累计方差贡献率大于90％的最小k值作为主成分的个数，提取前k个特征值对应的主成分，得到主成分空间U；其中0<k<n，且为正整数，累积方差贡献率的计算公式为：

S204、计算得到第一个非价格维度下的特征向量矩阵B，计算公式为：B＝XU；

S205、重复上述步骤S201～步骤S204、计算得到所有非价格维度下的所有供应商的特征向量矩阵。

4.根据权利要求3所述的一种基于多准则计算满意度的商业采购方法，其特征在于，所述步骤S3中，各个供应商的诚信评分的计算公式为：

其中，H_i表示第i个供应商的诚信评分，b_0j表示诚信维度的原始特征向量的第j个分量的值，b_ij表示诚信维度下第i个供应商的第j个分量的值；

各个供应商的实力评分的计算公式为：

其中，S_i表示第i个供应商的实力评分，d_oj表示实力维度的原始特征向量的第j个分量的值，d_ij表示实力维度下第i个供应商的第j个分量的值；

各个供应商的信息化评分的计算公式为：

其中，T_i表示第i个供应商的信息化评分，e_0j表示信息化维度的原始特征向量的第j个分量的值，e_ij表示信息化维度下第i个供应商的第j个分量的值；

各个供应商的活跃度评分的计算公式为：

其中，A_i表示第i个供应商的活跃度评分，f_0j表示活跃度维度的原始特征向量的第j个分量的值，d_ij表示活跃度维度下第i个供应商的第j个分量的值；

各个供应商的客户满意度评分的计算公式为：

其中，C_i表示第i个供应商的客户满意度评分，q_0j表示客户满意度维度的原始特征向量的第j个分量的值，q_ij表示客户满意度维度下第i个供应商的第j个分量的值。

5.根据权利要求1所述的一种基于多准则计算满意度的商业采购方法，其特征在于，所述步骤S4中，各个供应商的价格评分的计算公式为：

其中，P_i表示第i个供应商的价格评分，x_ij表示第j个采购方案中，第i个供应商的供货量，x_mk表示第m个采购方案中的k个供应商的供货量。

6.根据权利要求2所述的一种基于多准则计算满意度的商业采购方法，其特征在于，所述步骤S5中，采购商对各个供应商的综合满意度的计算过程具体包括以下步骤：

S501、获取采购商对各个维度的评分要求Score₀＝[H₀,S₀,T₀,A₀,C₀,P₀]，其中采购商对各个维度的评分要求Score₀，为采购商在平台上的采购历史中所有供应商各个维度的评分均值；

S502、计算各个供应商在各个非价格维度下的评分和价格评分与采购商的评分要求之间的欧式距离值，并将各个欧式距离值相加，得到各个供应商与采购商之间距离值之和；

S503、计算采购商对各个供应商的综合满意度，计算公式为：

其中，s_i表示采购商对第i个供应商的综合满意度，d_i表示第i个供应商与采购商之间的距离值之和。

7.根据权利要求6所述的一种基于多准则计算满意度的商业采购方法，其特征在于，所述步骤S501中，首次在平台上采购的用户，，将其各个维度的评分要求初始值设定为：Score₀＝[0.6,0.6,0.6,0.6,0.6,0.6]。

8.根据权利要求1所述的一种基于多准则计算满意度的商业采购方法，其特征在于，所述M和N的取值均为10，综合满意度阈值为70％。

Images