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

自從計算機在20世紀50年代進(jìn)入商業(yè)應用區域以來(lái)，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。外包賦予了組織應對快速變化的全球經(jīng)濟所必需的靈活性，同時(shí)也使組織在競爭激烈的市場(chǎng)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(gè)組織的信息技術(shù)部門(mén)所難以媲及的，據idc數據顯示，2004年中國it外包服務(wù)市場(chǎng)整體規模已達到5.02億美元，同比增長(cháng)率達到38.5%，idc預測it外包服務(wù)市場(chǎng)2004-2009年復合增長(cháng)率為39.9%，2009年市場(chǎng)規模將達到26.9億美元，it服務(wù)市場(chǎng)的快速發(fā)展給it服務(wù)商帶來(lái)很多機遇，但中國it服務(wù)市場(chǎng)屬于極度分散性市場(chǎng)，共有八千多家廠(chǎng)商活躍在不同的it服務(wù)領(lǐng)域，目前市場(chǎng)上存在著(zhù)大量的it服務(wù)商，其規模、實(shí)力和服務(wù)能力差異巨大，這無(wú)疑給企業(yè)用戶(hù)選擇合適的外包服務(wù)商帶來(lái)了極大的困難，一般服務(wù)供應商評價(jià)包括評價(jià)體系和評價(jià)方法兩部分，就評價(jià)體系，muralidharan、c.c、li、michell等學(xué)者從不同的角度進(jìn)行了闡述，目前常見(jiàn)的評價(jià)方法有線(xiàn)性權重計分法、統計法、層次分析法。本文針對信息技術(shù)外包的特點(diǎn)，建立了一套簡(jiǎn)單有效、切實(shí)可行的it外包服務(wù)商評價(jià)體系，并結合傳統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(jià)模型，旨在幫助企業(yè)用戶(hù)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(diǎn)，綜合考慮各種因素后，本文確定了七個(gè)外包服務(wù)商評價(jià)指標，具體運用時(shí)，企業(yè)還應根據是實(shí)際情況和需要進(jìn)行適當的指標增減和修正。

（1）管理方法和技術(shù)團隊a1：該指標考察外包服務(wù)商是否具有成熟的管理方法和專(zhuān)業(yè)的技術(shù)團隊，從而確保企業(yè)獲得預定水平的支持服務(wù)，集中精力于自身所擅長(cháng)的業(yè)務(wù)，提高核心競爭力，最終實(shí)現向"動(dòng)成長(cháng)企業(yè)"的過(guò)渡。

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

（3）系統整合能力a3：該指標考察外包服務(wù)商的整合能力，包括將現有系統的數據整合到新的應用程序中，把不同的業(yè)務(wù)模塊整合到完全不同的應用程序并保證整合之后產(chǎn)生更大的協(xié)作效應等。

（4）需求變化響應能力a4：該指標考察外包服務(wù)商對企業(yè)需求及其it環(huán)境變化的響應能力，即服務(wù)商是否能根據用戶(hù)需求的發(fā)展變化，有針對性地靈活添加、刪除或者調整相應的服務(wù)內容，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(hù)能夠及時(shí)跟蹤并應用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(jìn)的技術(shù)和設備享受最便捷的服務(wù)。

（6）文化匹配（cultural fit/cultural match）a6：該指標考察外包服務(wù)商的企業(yè)文化與客戶(hù)企業(yè)文化的匹配程度?？蛻?hù)在與有著(zhù)相似價(jià)值觀(guān)工作慣例的服務(wù)商工作時(shí)更容易實(shí)現預定目標，避免分歧沖突。

（7）財務(wù)狀況a7：該指標考察外包服務(wù)商的財政穩定性，尤其是長(cháng)期經(jīng)營(yíng)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(huì )給企業(yè)帶來(lái)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(jià)模型

外包服務(wù)商評價(jià)是一個(gè)包含定性因素和定量因素的多目標評價(jià)問(wèn)題，層次分析法（ahp）是一個(gè)非常有效的方法，其不僅考慮了不確定性和主觀(guān)性因素，而且其層次結構關(guān)系本身能對影響外包服務(wù)商的各個(gè)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(jià)模型是在層次分析方法的基礎上，根據評價(jià)指標權重對神經(jīng)元分組，從而給出對外包服務(wù)商更恰當的評價(jià)結果，下面介紹其評價(jià)步驟。

2.1 確定外包服務(wù)商評價(jià)指標集

建立系統分析的層次結構：確定外包服務(wù)商評價(jià)指標總數m。

2.2 層次分析法確定權重

（1）構造判斷矩陣：確定各指標之間相對重要程度比值，這些比值通常由專(zhuān)家按照saaty（1980）提出的相對重要性等級表（如圖1所示）給出，這些比值構成一個(gè)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(jìn)行標準化，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各項指標的權重。

hopfield神經(jīng)網(wǎng)絡(luò )是一種全連接、反饋型網(wǎng)絡(luò )、包括離散型和連續型兩種，離散型hopfield神經(jīng)網(wǎng)絡(luò )（簡(jiǎn)稱(chēng)dhnn）是一種單層的、輸入輸出均為二值的申請網(wǎng)絡(luò )，其結構如圖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(chēng)型階躍函數，輸出為+1和-1。w=[wij]n×n為網(wǎng)絡(luò )的連接權陣，其元素wij表示第i個(gè)神經(jīng)元到第j個(gè)神經(jīng)元的連接權重。

hopfield神經(jīng)網(wǎng)絡(luò )狀態(tài)的演變過(guò)程是一個(gè)復雜的非線(xiàn)性動(dòng)力系統，系統的穩定性可用"能量函數"分析，在滿(mǎn)足一定條件下，網(wǎng)絡(luò )的能量不斷減小，最后收斂于系統的穩定點(diǎn)，若把系統的穩定點(diǎn)視做一個(gè)記憶，則從初態(tài)向這個(gè)穩定點(diǎn)流動(dòng)的過(guò)程，就是尋找該記憶的過(guò)程，dhnn主要用于聯(lián)想記憶，當輸入的向量i作為一個(gè)初值時(shí)，網(wǎng)絡(luò )通過(guò)反饋演化，從網(wǎng)絡(luò )輸出端得到一個(gè)向量v。v是從初值i演化而聯(lián)想到一個(gè)穩定記憶，如果用它解決外包服務(wù)商評價(jià)問(wèn)題，首先要設計w和i，使記憶模式的樣本對應于網(wǎng)絡(luò )的穩定點(diǎn)，這相當于神經(jīng)網(wǎng)絡(luò )的訓練過(guò)程，訓練出的記憶模式與外包服務(wù)商評價(jià)的標準分級相對應，然后將待評價(jià)的數據（即待評價(jià)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(guò)程。

用hopfield網(wǎng)絡(luò )進(jìn)行評價(jià)，分為記憶和聯(lián)想兩個(gè)過(guò)程，用外積型法設計可分為以下幾步：

（1）根據需要記憶的樣本v1，…，vm，按下式計算權重：

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(jìn)行演算：


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

這樣，vl就回到已學(xué)習過(guò)的某個(gè)記憶樣本上。

由于各個(gè)評價(jià)指標都是具有不同的權重，所以評價(jià)時(shí)必須考慮權重的影響，如何在離散型神經(jīng)網(wǎng)絡(luò )中表達各項指標的權重，是一個(gè)比較困難的問(wèn)題，本文根據各評價(jià)指標的權重，對神經(jīng)元進(jìn)行合理分組，從而解決了這一難題，同組的神經(jīng)元都對應同一個(gè)評價(jià)指標及指標的權重越大，其對應的組所包含的神經(jīng)元數目越多，對神經(jīng)網(wǎng)絡(luò )的評價(jià)結果影響越大。具體做法如下：

設評價(jià)指標總數目為m，各項指標的權重在標準化。設權重wi對應的組為gi，則gi所包含的神經(jīng)元數ni為：

ni=rnd（100×wi） （7）

式（7）中，rnd（·）為取整函數，按四舍五入原則運算，采用末位最大進(jìn)位原則對ni進(jìn)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(jià)數據）中，同組的神經(jīng)元也取相同的值，都等于該組所對應指標的輸入數據，由于這些同組的神經(jīng)元在記憶和聯(lián)想過(guò)程中的取值相同，所以對評價(jià)結構產(chǎn)生"同一"的作用，指標的權重越大，其對應的組所包含的神經(jīng)元數目越多，"同一"的作用力越大，對神經(jīng)網(wǎng)絡(luò )的評價(jià)結果影響越大，這樣，就把權重的作用包含到評價(jià)結果中。每個(gè)級別神經(jīng)網(wǎng)絡(luò )所包含的神經(jīng)元總數為：

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

3 實(shí)例分析

設某企業(yè)it外包時(shí)有8家服務(wù)商可供權利，通過(guò)決策人和相關(guān)專(zhuān)家的討論，按照上述信息技術(shù)外包服務(wù)商評價(jià)指標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(gè)指標的權重，如表2所示。

將每個(gè)指標分為8級，按上述每一個(gè)級別的神經(jīng)網(wǎng)絡(luò )所包含的神經(jīng)元總數n取100，則在評價(jià)過(guò)程中共需800個(gè)神經(jīng)元。在每一個(gè)級別中，指標a1用34個(gè)神經(jīng)元表示，指標a2用7個(gè)神經(jīng)元表示，其他指標依次類(lèi)推，在8個(gè)級別中，1級表示該指標得分最低，8級表示得分最高，級數越高，表示該指標的得分越高，表現越好。

由決策人和專(zhuān)家根據外包服務(wù)商的申請材料并通過(guò)實(shí)際考察，評出其各項指標得分，如表3所示。

根據本文提出的方法，用matlab編制了計算程序。首先訓練神經(jīng)網(wǎng)絡(luò )，使其具有8個(gè)記憶模式，對應于服務(wù)商評價(jià)結果的8個(gè)級別，經(jīng)過(guò)訓練網(wǎng)絡(luò )達到輸出穩定后，各個(gè)級別的神經(jīng)元狀態(tài)如表4所示。此為該網(wǎng)絡(luò )評價(jià)模型的初態(tài)，在訓練完成后，把上述8個(gè)服務(wù)商的數據分別代入程序進(jìn)行評價(jià)，計算結果如表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a1、a5、a6得分很高，均達到8級，而指標a1、a5、a6的權重之和較大，超過(guò)總權重一半以上。

本文提出了信息技術(shù)外包服務(wù)商評價(jià)指標體系，建立了基于hopfield網(wǎng)絡(luò )的評價(jià)模型，該模型先使用層次分析法綜合分析服務(wù)商的各個(gè)方面并得到權重，再用hopfield網(wǎng)絡(luò )實(shí)現對外包服務(wù)商的評價(jià)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(jià)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 )響應時(shí)間短，由于在神經(jīng)網(wǎng)絡(luò )中考慮了各指標權重且神經(jīng)元數量較大，所以得到的評價(jià)結果精度較高，客觀(guān)合理，通過(guò)實(shí)例可以看出，本模型能夠準確評價(jià)服務(wù)商的情況，為企業(yè)用戶(hù)便捷，準確地選擇信息技術(shù)外包服務(wù)商提供了有價(jià)值的參考依據。