[发明专利]基于大数据计及样本容量合理性的物流运输考核算法

权利要求书

1.基于大数据计及样本容量合理性的物流运输考核算法，包括构建物流运输考核模型、设定样本容量边界值、实现计及样本容量的考核，其特征在于：所述物流运输考核模型分为目标层、准则层和指标层，所述目标层、准则层和指标层构建考核指标体系，所述设定样本容量边界值以构建物流运输考核模型为基础，采用二分法设定样本容量边界值，所述实现计及样本容量的考核结合考核模型和样本容量最小值，构建实现计及样本容量的考核算法；

所述物流运输考核算法流程为：列举指标并对指标进行分层，构建指标层要素，采用二分法求解物流运输考核，判断样本容量是否为最优解，并构建物流运输考核模型；

所述物流运输考核模型构建完成后，通过物流运输考核模型进行求解，并判断是否得到最佳模型，建立层次结构，从而运输考核算法实现。

2.根据权利要求1所述的基于大数据计及样本容量合理性的物流运输考核算法，其特征在于：所述构建物流运输考核模型中，采用指标体系结构，计算指标权重，构建考核模型，其中构建准则层指标重要程度矩阵S：

通过指标对比，得出指标重要程度，并设定在指标中的特征向量为T＝(T₁,T₂,...,T_n)^j，特征向量为指标权重指标向量，使用方根法计算数值，并指出一致性指标，表达公式为其中Q为一致性指标，β_n为考核指标中的最大特征值；

结合得出物流运输考核模型如下：G＝Q/P，G表示考核结果，P表示指标权重，作为考核模型，为考核算法的基础。

3.根据权利要求1所述的基于大数据计及样本容量合理性的物流运输考核算法，其特征在于：所述设定样本容量边界值过程中，采用二分法设定样本容量的边界值，讲样本值设定为最小值，降低计算的分所程度，通过递进式计算得出样本容量的最小值；

设定经过多次迭代的样本区间为[a_n,b_n]，在考核平均精准度f下，最大考核误差值δ的最小样本容量采用n表示，在计算δ(a_n)与δ(b_n)的过程中，若则考核样本的最小容量值不在区间内；

设定b_n-a_n＝1，则有n＝b_n，此时考核样本的最小样本容量值为b_n，设定样本的中间数为：k＝[(b_n+a_n)/2]；

n表示样本中的最大整数，假设δ∈(δ(a_n),δ(b_n))，设定a_n+1＝a_n，b_n+1＝k_n，通过上述设定进行n+1次迭代，直至得到最优结果，完成二分法样本容量边界值求解运算。

4.根据权利要求1所述的基于大数据计及样本容量合理性的物流运输考核算法，其特征在于：所述实现计及样本容量的考核过程中，结合考核模型以及样本容量最小值，设计实现计及样本容量的考核算法，将结果与过程中所需的数据采用表格的形式存储，设定计划效果为U₁，实际效果为U₂，通过样本数N以及效果考核范围L得到考核算法公式为：

对指标中的某一项考核过程中，采用单一指标多地区计算，获取考核效果，则有单一指标的第n地考核算法为：

m表示地区的等级，R表示考核的初始时间，E表示结束时间，D为工作操作中的超额时间；

由上式变形可得出在某一年限中，m个项目，在某一地效果的考核算法为：

j为项目效果总和，可得出单一指标全程考核算法，及对多个考核点考核效果的综合，如下：

完成计及样本容量的考核，其表达式为：H＝H₁+H₂+H₃+H₄，采用上述公式可在考虑样本容量的情况下，完成物流运输工作。