论文标题：Integrating Machine Learning with Multi-Criteria Decision-Making Models for Sustainable Supplier Selection in Dynamic Supply Chains

论文链接：http://www.mdpi.com/2305-6290/9/4/152

期刊名：Logistics

期刊主页：https://www.mdpi.com/journal/logistics

一、引言

供应商选择是供应链管理中的关键环节，直接影响企业的效率、盈利和可持续性。生产产品所需的原材料和服务通常占制造商售价的70%左右，因此选择成本效益高的供应商可显著降低供应链支出。供应商选择是一个典型的多准则决策问题，涉及定性与定量因素。然而，传统方法在处理大规模数据、确定相关准则以及避免主观偏差方面存在局限。为此，本文提出将机器学习技术与多准则决策模型相结合，以提高供应商评估的精确性。

二、文献综述与研究方向

现有研究广泛采用多种多准则决策（Multi-Criteria Decision-Making，MCDM）方法进行供应商选择，但这些方法常依赖专家判断，难以处理高维数据。近年来，机器学习技术（Machine Learning, ML），如随机森林（Random Forest，RF）、支持向量机（Support Vector Machines，SVMs）、K-均值聚类算法（K-means），被引入以提升数据处理能力。特别是非负矩阵分解在降维方面表现优异，能够处理非负数据并保持可解释性。研究表明，RF能有效评估准则间的相关性并提高预测准确性。尽管已有部分研究尝试将ML与MCDM结合，但仍存在模型适应性差、缺乏可解释性等问题。本文在此基础上，提出一种融合非负矩阵分解（Non-negative Matrix Factorization，NMF）、RF和逼近理想解排序法（Technique for Order Preference by Similarity to an Ideal Solution，TOPSIS）的新型混合模型，以填补现有研究空白。

三、提出模型

本研究提出的混合模型包括以下主要步骤：

图1：提出的混合ML-TOPSIS供应商选择模型

准则识别与数据预处理：确定制药企业供应商选择的6个主准则（供应商概况、成本、质量、服务、交付、人员能力），细分为24个子准则。通过问卷收集34家企业管理者对每个准则0-10分的重要性评分。

NMF降维：构建供应商-准则矩阵X，采用非负矩阵分解X≈W⋅H，通过最小化Frobenius范数优化重构误差。利用肘部法和KneeLocator算法确定最优因子数r=8，将24个准则压缩为8个核心维度。

RF赋权：构建K棵分类树，计算袋外样本误差，通过随机打乱准则取值计算特征重要性。采用准确率和F-score评估模型性能，最终确定各准则的客观权重。通过比较多种ML模型（RF、SVC、KNN、逻辑回归），RF表现最佳，准确率达84.3%。

TOPSIS排序：利用TOPSIS方法，结合RF所得权重，对供应商进行综合评估与排序。首先构建归一化决策矩阵，计算加权归一化矩阵，其次确定正负理想解，最终计算各供应商的贴近度系数，按贴近度系数降序排序。

四、案例研究

研究以34家制药企业的实际数据为案例，通过问卷收集24个准则的重要性评分，经NMF降维后保留8个核心准则。RF模型确定各准则权重后，TOPSIS对4家候选供应商进行排序。结果显示，供应商1表现最优（绩效得分0.7089），供应商3次之（0.6355）。该排名结果与专家判断及传统MCDM方法一致，验证了模型的稳定性和实用性。

五、讨论

研究表明，供应商选择不仅应关注经济因素，还需重视技术能力、管理质量和可持续发展维度。RF赋权减少了主观偏差，NMF提升了数据处理效率，TOPSIS保证了决策过程的透明性和可解释性。所提模型对权重变化具有较好的鲁棒性，适合在不确定环境下使用。理论上，本研究提出了一种完全数据驱动的混合MCDM/ML框架；实践上，该模型可与企业资源计划系统（Enterprise Resource Planning，ERP）集成，支持制药、制造、采矿等多行业的智能采购决策。

六、结论

本研究成功构建了一种融合NMF、RF和TOPSIS的可持续供应商选择模型，实现了准则降维、客观赋权和科学排序。该模型提高了评估效率和透明度，支持企业将可持续性目标融入采购决策。未来研究可在以下方向深入：跨行业验证、与ERP系统集成、扩展至订单分配与物流协同，以及引入自然语言处理和大语言模型处理非结构化数据。

Artificial Intelligence and Business Analytics Applications in Supply Chain Operations

投稿截止日期：2026 年 10 月 16 日

客座编辑：Prof. Dr. Hokey Min and Prof. Dr. Seong-Jong Joo

https://www.mdpi.com/journal/logistics/special_issues/HPDY8OP4H5

期刊介绍

主编：Prof. Dr. Robert Handfield

Logistics（ISSN 2305-6290）是一个为物流和供应链管理领域的研究人员及具有学术倾向的从业者设立的原创性期刊。期刊主要发表与物流和供应链相关的原创文章和高质量综述。主题涵盖领域包括但不限于：人工智能、物流分析和自动化；可持续发展与逆向物流；人道主义和医疗保健物流；最后一公里，电子商务与销售物流；海运物流；供应商，政府和采购物流等。

2024 Impact Factor：3.6

2024 CiteScore：8.0

Time to First Decision：19.6 Days

Acceptance to Publication：4.6 Days