基于Hopfield網(wǎng)絡(luò)的信息技術(shù)外包服務(wù)評價模型

自從計算機在20世紀(jì)50年代進入商業(yè)應(yīng)用區(qū)域以來，各種形式的信息技術(shù)外包（it outsourcing）就一直存在，但是直到最近十幾年信息技術(shù)外包服務(wù)才盛行。外包賦予了組織應(yīng)對快速變化的全球經(jīng)濟所必需的靈活性，同時也使組織在競爭激烈的市場環(huán)境中能將經(jīng)歷集中于組織的核心競爭力上，外部服務(wù)商（vendor）通常在規(guī)模經(jīng)濟、以及對最新技術(shù)的掌握等方面具有明顯優(yōu)勢，這些優(yōu)勢是單個組織的信息技術(shù)部門所難以媲及的，據(jù)idc數(shù)據(jù)顯示，2004年中國it外包服務(wù)市場整體規(guī)模已達到5.02億美元，同比增長率達到38.5%，idc預(yù)測it外包服務(wù)市場2004-2009年復(fù)合增長率為39.9%，2009年市場規(guī)模將達到26.9億美元，it服務(wù)市場的快速發(fā)展給it服務(wù)商帶來很多機遇，但中國it服務(wù)市場屬于極度分散性市場，共有八千多家廠商活躍在不同的it服務(wù)領(lǐng)域，目前市場上存在著大量的it服務(wù)商，其規(guī)模、實力和服務(wù)能力差異巨大，這無疑給企業(yè)用戶選擇合適的外包服務(wù)商帶來了極大的困難，一般服務(wù)供應(yīng)商評價包括評價體系和評價方法兩部分，就評價體系，muralidharan、c.c、li、michell等學(xué)者從不同的角度進行了闡述，目前常見的評價方法有線性權(quán)重計分法、統(tǒng)計法、層次分析法。本文針對信息技術(shù)外包的特點，建立了一套簡單有效、切實可行的it外包服務(wù)商評價體系，并結(jié)合傳統(tǒng)的層次分析法提出了一種基于離散型hopfield神經(jīng)網(wǎng)絡(luò)的評價模型，旨在幫助企業(yè)用戶便捷地選擇合適的外包服務(wù)商。

針對信息技術(shù)外包的特點，綜合考慮各種因素后，本文確定了七個外包服務(wù)商評價指標(biāo)，具體運用時，企業(yè)還應(yīng)根據(jù)是實際情況和需要進行適當(dāng)?shù)闹笜?biāo)增減和修正。

（1）管理方法和技術(shù)團隊a1：該指標(biāo)考察外包服務(wù)商是否具有成熟的管理方法和專業(yè)的技術(shù)團隊，從而確保企業(yè)獲得預(yù)定水平的支持服務(wù)，集中精力于自身所擅長的業(yè)務(wù)，提高核心競爭力，最終實現(xiàn)向"動成長企業(yè)"的過渡。

（2）相關(guān)外包服務(wù)經(jīng)驗a2：該指標(biāo)考察外包服務(wù)商是否有豐富的相關(guān)經(jīng)驗，從而能按照客戶業(yè)務(wù)、行業(yè)和市場需求來整體協(xié)調(diào)it戰(zhàn)略和應(yīng)用方案，并將對客戶業(yè)務(wù)的了解體現(xiàn)在其提供和管理的it產(chǎn)品以及服務(wù)上。

（3）系統(tǒng)整合能力a3：該指標(biāo)考察外包服務(wù)商的整合能力，包括將現(xiàn)有系統(tǒng)的數(shù)據(jù)整合到新的應(yīng)用程序中，把不同的業(yè)務(wù)模塊整合到完全不同的應(yīng)用程序并保證整合之后產(chǎn)生更大的協(xié)作效應(yīng)等。

（4）需求變化響應(yīng)能力a4：該指標(biāo)考察外包服務(wù)商對企業(yè)需求及其it環(huán)境變化的響應(yīng)能力，即服務(wù)商是否能根據(jù)用戶需求的發(fā)展變化，有針對性地靈活添加、刪除或者調(diào)整相應(yīng)的服務(wù)內(nèi)容，而不是墨守事先定義好的千年一律的套路。

（5）保持最新信息和通訊技術(shù)（icts）的能力a5：該指標(biāo)考察外包服務(wù)商是否能保持最新的信息和通訊技術(shù)，從而使企業(yè)客戶能夠及時跟蹤并應(yīng)用it行業(yè)的前沿技術(shù)，與行業(yè)的發(fā)展保持同步，用最先進的技術(shù)和設(shè)備享受最便捷的服務(wù)。

（6）文化匹配（cultural fit/cultural match）a6：該指標(biāo)考察外包服務(wù)商的企業(yè)文化與客戶企業(yè)文化的匹配程度。客戶在與有著相似價值觀工作慣例的服務(wù)商工作時更容易實現(xiàn)預(yù)定目標(biāo)，避免分歧沖突。

（7）財務(wù)狀況a7：該指標(biāo)考察外包服務(wù)商的財政穩(wěn)定性，尤其是長期經(jīng)營狀況和生存潛力，若企業(yè)所選的服務(wù)商財務(wù)狀況不佳，不能完整地履行合同，中途停止服務(wù)，勢必會給企業(yè)帶來極大的損失和運行管理上的失控。

2 信息技術(shù)外包服務(wù)商評價模型

外包服務(wù)商評價是一個包含定性因素和定量因素的多目標(biāo)評價問題，層次分析法（ahp）是一個非常有效的方法，其不僅考慮了不確定性和主觀性因素，而且其層次結(jié)構(gòu)關(guān)系本身能對影響外包服務(wù)商的各個因素之間的相關(guān)性作出理性判斷，本文提出的基于hopfield網(wǎng)絡(luò)的評價模型是在層次分析方法的基礎(chǔ)上，根據(jù)評價指標(biāo)權(quán)重對神經(jīng)元分組，從而給出對外包服務(wù)商更恰當(dāng)?shù)脑u價結(jié)果，下面介紹其評價步驟。

2.1 確定外包服務(wù)商評價指標(biāo)集

建立系統(tǒng)分析的層次結(jié)構(gòu)：確定外包服務(wù)商評價指標(biāo)總數(shù)m。

2.2 層次分析法確定權(quán)重

（1）構(gòu)造判斷矩陣：確定各指標(biāo)之間相對重要程度比值，這些比值通常由專家按照saaty（1980）提出的相對重要性等級表（如圖1所示）給出，這些比值構(gòu)成一個n×n的判斷矩陣a。

（2）求解判斷矩陣a的最大特征值λmax下的特征向量，對特征向量進行標(biāo)準(zhǔn)化，使該特征向量的所有分量之和為1，然后就此向量作為對應(yīng)各項指標(biāo)的權(quán)重。

hopfield神經(jīng)網(wǎng)絡(luò)是一種全連接、反饋型網(wǎng)絡(luò)、包括離散型和連續(xù)型兩種，離散型hopfield神經(jīng)網(wǎng)絡(luò)（簡稱dhnn）是一種單層的、輸入輸出均為二值的申請網(wǎng)絡(luò)，其結(jié)構(gòu)如圖1所示，網(wǎng)絡(luò)的輸入為i1，i2，…in，輸出為v1，v2，…vn，輸入與輸出的關(guān)系為：

xj（t）=σwijvj+ij j=1，2，…，n （1）

vi（t+1）=sgn（xj（t）） i，j=1，2，…，n （2）

式（2）中，sgm（·）為對稱型階躍函數(shù)，輸出為+1和-1。w=[wij]n×n為網(wǎng)絡(luò)的連接權(quán)陣，其元素wij表示第i個神經(jīng)元到第j個神經(jīng)元的連接權(quán)重。

hopfield神經(jīng)網(wǎng)絡(luò)狀態(tài)的演變過程是一個復(fù)雜的非線性動力系統(tǒng)，系統(tǒng)的穩(wěn)定性可用"能量函數(shù)"分析，在滿足一定條件下，網(wǎng)絡(luò)的能量不斷減小，最后收斂于系統(tǒng)的穩(wěn)定點，若把系統(tǒng)的穩(wěn)定點視做一個記憶，則從初態(tài)向這個穩(wěn)定點流動的過程，就是尋找該記憶的過程，dhnn主要用于聯(lián)想記憶，當(dāng)輸入的向量i作為一個初值時，網(wǎng)絡(luò)通過反饋演化，從網(wǎng)絡(luò)輸出端得到一個向量v。v是從初值i演化而聯(lián)想到一個穩(wěn)定記憶，如果用它解決外包服務(wù)商評價問題，首先要設(shè)計w和i，使記憶模式的樣本對應(yīng)于網(wǎng)絡(luò)的穩(wěn)定點，這相當(dāng)于神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程，訓(xùn)練出的記憶模式與外包服務(wù)商評價的標(biāo)準(zhǔn)分級相對應(yīng)，然后將待評價的數(shù)據(jù)（即待評價的外包服務(wù)商）作為新的初態(tài)，網(wǎng)絡(luò)把初態(tài)看作一種新的提示模式（即發(fā)生某些變形和含有噪聲的記憶模式），回憶出離它"最近"的一種記憶模式，這就是聯(lián)想記憶過程。

用hopfield網(wǎng)絡(luò)進行評價，分為記憶和聯(lián)想兩個過程，用外積型法設(shè)計可分為以下幾步：

（1）根據(jù)需要記憶的樣本v1，…，vm，按下式計算權(quán)重：

ij=0，ij為網(wǎng)絡(luò)的初始輸入。

（2）令測試樣本為網(wǎng)絡(luò)輸出的初值，令矢量vl為任意的輸入矢量。使

v（t0）=vl，v∈rn

（3）用下面的迭代公式進行演算：


（4）重復(fù)迭代，直到每個單元不變?yōu)橹埂?br>
vi（t+1）=vj（t）

這樣，vl就回到已學(xué)習(xí)過的某個記憶樣本上。

由于各個評價指標(biāo)都是具有不同的權(quán)重，所以評價時必須考慮權(quán)重的影響，如何在離散型神經(jīng)網(wǎng)絡(luò)中表達各項指標(biāo)的權(quán)重，是一個比較困難的問題，本文根據(jù)各評價指標(biāo)的權(quán)重，對神經(jīng)元進行合理分組，從而解決了這一難題，同組的神經(jīng)元都對應(yīng)同一個評價指標(biāo)及指標(biāo)的權(quán)重越大，其對應(yīng)的組所包含的神經(jīng)元數(shù)目越多，對神經(jīng)網(wǎng)絡(luò)的評價結(jié)果影響越大。具體做法如下：

設(shè)評價指標(biāo)總數(shù)目為m，各項指標(biāo)的權(quán)重在標(biāo)準(zhǔn)化。設(shè)權(quán)重wi對應(yīng)的組為gi，則gi所包含的神經(jīng)元數(shù)ni為：

ni=rnd（100×wi） （7）

式（7）中，rnd（·）為取整函數(shù)，按四舍五入原則運算，采用末位最大進位原則對ni進行特定處理，保證其總和為100。在記憶模式中，同組的神經(jīng)元取相同的值；在提示模式（待評價數(shù)據(jù)）中，同組的神經(jīng)元也取相同的值，都等于該組所對應(yīng)指標(biāo)的輸入數(shù)據(jù)，由于這些同組的神經(jīng)元在記憶和聯(lián)想過程中的取值相同，所以對評價結(jié)構(gòu)產(chǎn)生"同一"的作用，指標(biāo)的權(quán)重越大，其對應(yīng)的組所包含的神經(jīng)元數(shù)目越多，"同一"的作用力越大，對神經(jīng)網(wǎng)絡(luò)的評價結(jié)果影響越大，這樣，就把權(quán)重的作用包含到評價結(jié)果中。每個級別神經(jīng)網(wǎng)絡(luò)所包含的神經(jīng)元總數(shù)為：

hopfield的記憶容量為（0.13-0.15）n。當(dāng)n取100時，對應(yīng)的記憶容量為13-15。如果記憶模式的樣本數(shù)小于13，則按此設(shè)計出的hopfield網(wǎng)絡(luò)合理可行。

3 實例分析

設(shè)某企業(yè)it外包時有8家服務(wù)商可供權(quán)利，通過決策人和相關(guān)專家的討論，按照上述信息技術(shù)外包服務(wù)商評價指標(biāo)體系解給出了如下的判斷矩陣a：

求解判斷矩陣a在最大特征值下的特征向量，并經(jīng)一致性校驗，得到各個指標(biāo)的權(quán)重，如表2所示。

將每個指標(biāo)分為8級，按上述每一個級別的神經(jīng)網(wǎng)絡(luò)所包含的神經(jīng)元總數(shù)n取100，則在評價過程中共需800個神經(jīng)元。在每一個級別中，指標(biāo)a1用34個神經(jīng)元表示，指標(biāo)a2用7個神經(jīng)元表示，其他指標(biāo)依次類推，在8個級別中，1級表示該指標(biāo)得分最低，8級表示得分最高，級數(shù)越高，表示該指標(biāo)的得分越高，表現(xiàn)越好。

由決策人和專家根據(jù)外包服務(wù)商的申請材料并通過實際考察，評出其各項指標(biāo)得分，如表3所示。

根據(jù)本文提出的方法，用matlab編制了計算程序。首先訓(xùn)練神經(jīng)網(wǎng)絡(luò)，使其具有8個記憶模式，對應(yīng)于服務(wù)商評價結(jié)果的8個級別，經(jīng)過訓(xùn)練網(wǎng)絡(luò)達到輸出穩(wěn)定后，各個級別的神經(jīng)元狀態(tài)如表4所示。此為該網(wǎng)絡(luò)評價模型的初態(tài)，在訓(xùn)練完成后，把上述8個服務(wù)商的數(shù)據(jù)分別代入程序進行評價，計算結(jié)果如表5所示。

由表5可以看出，服務(wù)商e8的級別最高，原因在于e8的指標(biāo)a1、a5、a6得分很高，均達到8級，而指標(biāo)a1、a5、a6的權(quán)重之和較大，超過總權(quán)重一半以上。

本文提出了信息技術(shù)外包服務(wù)商評價指標(biāo)體系，建立了基于hopfield網(wǎng)絡(luò)的評價模型，該模型先使用層次分析法綜合分析服務(wù)商的各個方面并得到權(quán)重，再用hopfield網(wǎng)絡(luò)實現(xiàn)對外包服務(wù)商的評價分級，是一種有效的量化方法，與其他人工神經(jīng)網(wǎng)絡(luò)評價模型（例如前向型bp網(wǎng)絡(luò)等）相比，本模型不需要大量的測試樣本，網(wǎng)絡(luò)響應(yīng)時間短，由于在神經(jīng)網(wǎng)絡(luò)中考慮了各指標(biāo)權(quán)重且神經(jīng)元數(shù)量較大，所以得到的評價結(jié)果精度較高，客觀合理，通過實例可以看出，本模型能夠準(zhǔn)確評價服務(wù)商的情況，為企業(yè)用戶便捷，準(zhǔn)確地選擇信息技術(shù)外包服務(wù)商提供了有價值的參考依據(jù)。