基于改進GA-SVR算法的評標模型及其在某工程項目招投標評價中的應用.pdf

1、招標是我國現(xiàn)行的工程項目、服務和物質(zhì)采購的重要方式，是社會主義市場經(jīng)濟的重要組成部分，其本質(zhì)是一種交易方式。現(xiàn)行的招標評標方式主要是基于專家等評標委員會成員打分，這或多或少的存在個人主觀因素的影響，這相應地減少了評標工作的科學性和公正性的成分，就產(chǎn)生了進一步解決評標過程中的科學性和公正性的需要，而評標模型是首要解決的問題。各種不同的招標方式和模型有其特殊性和適用的范圍，在實際應用中必須考慮項目的特點。評標是招標過程中的重要組成部分，其決

2、定了標的實現(xiàn)，其本質(zhì)是一個高維非線性空間的最優(yōu)化數(shù)學問題。SVR(Support Vector Regression：支持向量回歸)算法是基于統(tǒng)計學習理論的小樣本學習機器，與人工神經(jīng)網(wǎng)絡的經(jīng)驗風險最小化原理不同，其建立在結構風險最小化原則基礎上，通過非線形內(nèi)積函數(shù)將線性不可分的低維空間數(shù)據(jù)映射到一個線性可分的高維特征空間，在這個特征空間中進行分類和回歸擬合的方法，從而有效克服維數(shù)災難和過擬合問題。較之于人工神經(jīng)元網(wǎng)絡，該算法具有小樣本、

3、泛化性能好以及所得解是全局最優(yōu)解的優(yōu)勢，這恰好彌補神經(jīng)網(wǎng)絡的不足。理論已經(jīng)證明，支持向量機在參數(shù)選擇合適的前提下可以任意精度逼近任意非線性函數(shù)。
　　 本研究將一種改進的SVR算法引入建設工程項目招標評標之中，可以有效解決多維輸出變量的回歸問題。GA(Genetic Algorithm：遺傳算法)作為一種群體進化的仿生全局最優(yōu)化算法，具有許多傳統(tǒng)梯度優(yōu)化算法不具備的優(yōu)點，已被廣泛應用于各個領域。將GA與改進的SVR算法相耦合，采

4、用遺傳算法在SVR算法訓練過程中自動搜索能使訓練效果最優(yōu)的SVR網(wǎng)絡參數(shù)，以提高SVR算法的泛化性能，SVR算法運于招投標的文獻資料可檢索到的約20余個，而形成改進的GA-SVR算法，并將之應用到建設工程項目評標中則是一個全新的嘗試。首先，從招標投標的歷史出發(fā)，討論了招標投標的沿革，分析了我國招標投標的歷史，探討了影響評標結果的因素，分析了常用的招標方法和模型，指出了它們的特點和適用范圍，不存在包羅萬象的普適的評標方法和模型，而完善招標

5、投標的數(shù)量化和模型化是具有實際意義的事情。在總結20多個項目實際評標結果的基礎上設計了基于改進GA-SVR算法的評標模型，并將設計好的改進GA-SVR算法的評標模型在A公司的B項目評標中進行了實際應用，并結合了實際工程建設中的效果，證明了這個模型具有良好的實用性。
　　 本研究的主要結論有：第一，將改進GA-SVR算法的評標模型創(chuàng)新性地應用于招投標領域，B項目的成功證明了該模型的可靠性和可實施性。第二，訓練好的改進GA-SVR模