论文部分内容阅读
摘 要：本文研究了为实现服务绩效的提升，通过研究企业和第三方无损检测机构之间特种设备无损检测服务的供需匹配问题，提出了一种模糊多目标决策方法：首先，构建企业与第三方无损服务机构的评价指标；其次，对无损检测服务供需问题进行描述；最后，根据模糊多目标决策方法进行求解，将语言评价信息转化为三角模糊数，最终计算得到匹配结果。基于模糊多目标决策的方法可以为企业与第三方无损检测服务机构实现服务绩效的提升提供有效的策略。
关键词：无损检测服务绩效；双边匹配；模糊多目标决策模型
中图分类号： F270 文献标识码：A 文章编号：2095-7866 （2018） 02-001-009
工业经济论坛 URL： http//www.iereview.com.cn DOI： 10.11970/j.issn.2095-7866.2018.02.001
Abstract： To improve service performance， a fuzzy multi-objective is proposed to solve matching problem between enterprises and third-party testing agencies based on nondestructive testing service for special equipment. Firstly， construct evaluation index about firm and third-party testing agencies， and then describe the problem of supply and demand of nondestructive testing service. Finally， use a fuzzy multi-objective optimization method to solve the problem. Specifically， in order to get the matching result， the linguistic assessment information given by enterprises and third-party testing agencies is firstly transformed into the form of triangular fuzzy number. A fuzzy multi-objective optimization method provides an effective strategy or approach to improve nondestructive testing service performance.
Key words： Nondestructive Testing； Two-sided Matching； Fuzzy Multi-objective Optimization Method
引言
特种设备是一种与人们日常生活以及工业生产联系十分紧密的设备和设施，具有潜在危险性，可能会涉及到人们的生命安全与生产安全[1]。因此，检测和检验特种设备的安全性十分必要。由于企业本身的检测设备、检测人才和检测技术的不完备，以及自行出具的检测报告缺乏市场公信力，无法做到对特种设备的无损检测，使得企业需委托专业的第三方无损检测服务机构进行检测，由第三方无损检测服务机构为企业提供检测无损设备、培训检测人员、维修检测设备和提供检测报告等服务[2]。尽管如此，企业与第三方无损检测服务机构如何获取并提升无损检测服务绩效，当前研究并未给出有效的解决方法。
在当前有关服务绩效的研究中，大量文献集中在对公共服务绩效的研究[3]，同时企业服务绩效研究也多以单一的企业层面展开分析，如肖挺[4]、李纲等[5]。尽管如此，也有研究開始关注不同类型的组织间的合作对服务绩效提升的影响，但这些研究只是检验了影响服务绩效的因素。如王琳等[6]发现，顾客交互需要通过知识整合而影响服务创新绩效，徐晨等[7]检验了创新驱动因素对服务创新的影响。以上研究并未提出可供企业或其他组织采用的具体可行的策略，以提升服务绩效。
以特种设备无损检测服务作为对象，本文认为，企业与第三方无损检测服务机构间可以通过双边匹配的策略，以更有效地满足自身需求，即企业可以准确地寻找到适合自身的第三方无损检测服务机构，而第三方无损检测服务机构也可以通过匹配企业的需求而更有效地发挥自身的优势。通过双边匹配，可以实现服务绩效的提升。尽管如此，现有文献未对企业和第三方无损检测服务机构之间如何有效合理地匹配展开研究。本文采用双边匹配的模糊多目标决策方法来研究企业和第三方无损检测服务机构之间的合作与双边匹配，该方法的目的在于尽可能使匹配双方达到满意的效果，得到最优匹配方案，找到满意的合作方，实现自己的最大利益，最终提升服务绩效。
一、指标体系的构建
目前，我国无损检测服务机构发展迅速，使得企业和第三方无损检测机构如何快速和准确地选择合适的合作方成为难点问题。本文针对这一问题，将无损检测服务需求方定为企业，供给方为第三方无损检测机构，然后对企业和第三方无损检测机构进行双边匹配。
通过文献梳理[8-12]以及调研，企业在选择合适的第三方无损检测机构时，企业比较注重第三方无损检测机构的基本配置、能力水平、服务体系和价格水平来选择合适的检测机构。其中，基本配置体现了第三方无损检测机构的仪器先进程度，人员配置情况等；能力水平体现了第三方无损检测机构的技术先进性、检测资格年限等；服务体系体现了第三方无损检测机构的服务系统是否完善，是否能提供良好的服务体验等；价格水平体现了第三方无损检测机构的价格安排是否合理。 同样的，第三方无损检测机构在选择企业进行合作时，无损检测机构比较注重企业的运营状况、愿意支付的价格，合作前景和资料的完备性来选择合适的企业进行合作。其中，运营状况体现了企业的盈亏、信誉等；愿意支付的价格体现了企业对价格的可接受程度；合作前景体现了未来合作的延续性，表现在企业对样品资料的准备情况，以及付款速度。具体的指标体系见表1和表2。
二、无损检测服务供需双边匹配的问题描述
设第三方无损检测机构集合为，，其中表示第i个第三方无损检测机构；企业集合为，m≥2，其中表示第j个企业。然后对企业和第三方无损检测机构分别建立评价指标集[12]。设第三方无损检测机构对企业的满意度评价指标集合为，企业对第三方无损检测机构的满意度评价指标集合为，其中表示第h个评价指标，表示第q个评价指标；Q与P的评价指标权重向量分别为与，其中表示第h个评价指标的权重，表示第q个评价指标的权重，并分别满足与以及与。对于指标权重向量的选取，可以采用德尔菲法或AHP法获得。
将第三方无损检测机构对企业的评价信息矩阵记为，企业对第三方无损检测机构的评价信息矩阵记为，其中表示第三方无损检测机构对企业的关于评价指标的满意度语言评价值，表示企业对第三方无损检测机构的关于评价指标的满意度语言评价值。假设对于本文提到的指标的语言评价值和，采用的语言评价集S为一个七粒度语言评价集合，即S={S0=AP（非常差/非常不满意），S1 =VP（很差/很不满意），S2= P（差/不满意），S3=M（中等/一般），S4=G（好/满意），S5=VG（很好/很满意），S6=AG（非常好/非常满意）}。
企业为了对其特种设备进行检验，需要从众多第三方无损检测机构中挑选一个满足自己需求的进行合作，同样的第三方无损检测机构也可以从众多企业中挑选满意的进行合作，双方形成了一个双边匹配的模型。江苏省南京市现有3家第三方无损检测机构（A1，A2，A3），可以提供特种设备检测服务，有6家企业（B1，B2，B3，B4，B5，B6）要对企业的特种设备进行无损检测，想要从3家第三方无损检测机构中挑选一家进行合作。
三、无损检测服务供需双边匹配模型构建
（一）模型构建
依据上面的问题描述，本文所要解决的问题就是对第三方无损检测机构和企业双方的多指标语言评价信息和指标权重，通过模糊多目标决策方法，将第三方无损检测机构和企业进行匹配，使双方的满意度尽可能达到最大。本文所用的评价信息为语言评价信息，不能直接求解进行匹配，需要将语言评价信息转化为三角模糊数[13]。对于上述的语言评价短语，可分别转化为三角模糊数，记为，转化的公式为：
（二）模型求解
基于此，主体双方分别对彼此进行评价。企业对第三方无损检测机构的满意度评价指标权重如表4所示，第三方无损检测机构对企业的满意度评价指标权重如表5所示。
第三方无损检测机构和企业分别依据上述评价指标，对彼此进行满意度评价。得到企业对无损检测服务机构的语言评价信息表如表6所示，无损检测服务机构对企业的语言评价信息表如表7所示。
依据表3，可将表6与表7的多指标语言评价信息转化为三角模糊数的形式，并依据式（2）-（3）对所有指标进行加权运算，得到企业对于第三方无损检测机构的匹配满意度的模糊综合评价值如表8所示，无损检测服务机构对于企业的匹配满意度的模糊综合评价值如表9所示。为了对企业与第三方无损检测机构进行匹配，本文考虑第三方无损检测机构可与三家企业进行合作，而考虑到成本因素，企业只与一家第三方无损检测机构进行合作，也就是pi=3，i=1，2，3以及qj=1， j=1，2，3，4，5，6。依据表6和表7，根据式（4）-（8），建立关于第三方无损检测机构与企业相匹配的模糊多目标优化模型。根据以上提出的方法，求出6个目标函数的正理想解和负理想解。本文采用LINGO软件进行模型的求解，得到6个目标函数的正理想解和负理想解如表10所示。
（三）匹配结果分析
依据表10，以及式（26）-（28），可以求解出6個目标函数的隶属度函数，此时就可以将该模型转化为单目标线性优化模型。再依据单目标线性优化模型，即式（29）-（35），求得最优解。优化模型的最优解为
x11=0，x12=0，x13=0，x14=1，x15=0，x16=1，
x21=0，x22=1，x23=0，x24=0，x25=0，x26=0，
x31=1，x32=0，x33=1，x34=0，x35=1，x36=0 （36）
其中xij=1（i=1，2，3； j=1，2，3，4，5，6）表示第三方无损检测机构Ai与企业Bj相匹配，而xij=0（i=1，2，3； j=1，2，3，4，5，6）表示第三方无损检测机构Ai与企业Bj不匹配。则根据最优解，可以得出第三方无损检测机构与企业的匹配结果为：第三方无损检测机构A1分别与企业B4和B6匹配，第三方无损检测机构A2与企业B2匹配，第三方无损检测机构A3分别与企业B1、B3和B5匹配。
（1）通过双边匹配方法，六家企业都找到了合适的第三方无损检测机构，第三方无损检测机构也与其满意的企业达成了合作，所有主体的综合满意度达到最大。这种匹配结果的得出是基于双方主体的满意度最大，而不是只考虑一方主体的满意度。
（2）在双方主体对彼此给出的评价值中，企业B4更想要与第三方无损检测机构A3合作，其次是第三方无损检测机构A1，但第三方无损检测机构A3更加倾向于企业B2合作，而第三方无损检测机构A1非常愿意与第三方无损检测机构B4合作，因此，为了使得双方主体都获得较大的满意度，最终企业B4与第三方无损检测机构A1匹配。
四、结论
当前的研究更多关注公共机构的服务绩效及其影响的因素相比，本文提出的基于模糊多目标决策的双边匹配方法，为提升无损检测服务绩效提供了一套完整的方法与策略。首先，构建了企业与第三方无损检测服务机构的评价指标，其次，构建了无损检测服务供需双边匹配模型，并通过对模型的求解，为无损检测服务供需双方提供具体可行的匹配策略，从而实现无损检测服务绩效的提升。通过运用基于模糊多目标决策的双边匹配方法，可以为企业与第三方无损检测服务机构之间的合作问题以及提升服务绩效提供了解决的思路与策略，使企业与第三方无损检测机构可以有效实现双边匹配，准确找到合适的合作对象，使双方都能够获得满意。 參考文献
[1] 沈功田， 张万岭. 特种设备无损检测技术综述[J]. 无损检测， 2006， 1： 34-39.
[2] 耿开. 石油施工领域无损检测企业发展模式研究[D]. 东营： 中国石油大学， 2007.
[3] 姜爱华. 政府购买公共服务绩效及影响因素文献述评[J]. 中国行政管理， 2016， （5）： 38-42.
[4] 肖挺. 高管团队特征， 制造企业服务创新与绩效[J]. 科研管理， 2016， 37（11）： 142-149.
[5] 李纲， 陈静静， 杨雪. 网络能力﹑知识获取与企业服务创新绩效的关系研究——网络规模的调节作用[J]. 管理评论， 2017， 29（2）： 59-68.
[6] 王琳， 魏江， 周丹. 顾企交互对 KIBS 企业服务创新绩效的作用机制研究[J]. 研究与发展管理， 2015， 27（3）： 126-136.
[7] 徐晨， 孙元欣. 创新驱动因素， 服务创新与非财务绩效： 中国情境下搜寻战略和组合效应的检验[J]. 研究与发展管理， 2017， 29（2）： 39-51.
[8] 耿荣生， 景鹏. 蓬勃发展的我国无损检测技术[J]. 机械工程学报， 2013， 49（22）： 1-7.
[9] 丁守宝， 刘富君. 我国特种设备检测技术的现状与展望[J]. 中国计量学院学报， 2008， 19（4）： 304-308.
[10] 洪黎. 特种设备无损检测技术综述[J]. 江西建材， 2016（23）： 273-274.
[11] 张云海. 特种设备检验中无损检测技术的应用[J]. 科技创新与应用， 2016（34）： 299.
[12] 曹家峰. 有关我国特种设备检测技术现状的分析与展望[J]. 祖国， 2016（20）： 104.
[13] Roth A. E. Common and Conflicting Interests in Two-sided Matching Markets [J]. European Economic Review， 1985， 27（1）： 75-96.
[14] Li R J. Fuzzy method in group decision making [J]. Computers and Mathematics with Application， 1999， 38（1）： 91-101.
[15] Lai Y， Hwang C. A new approach to some possibilistic linear programming problems [J]. Fuzzy Sets and Systems， 1992， 49（2）： 121-133.
[16] Zimmermann H J. Fuzzy programming and linear programming with several objective functions [J]. Fuzzy Sets and Systems， 1978， 1（1）： 45-55.
关键词：无损检测服务绩效；双边匹配；模糊多目标决策模型
中图分类号： F270 文献标识码：A 文章编号：2095-7866 （2018） 02-001-009
工业经济论坛 URL： http//www.iereview.com.cn DOI： 10.11970/j.issn.2095-7866.2018.02.001
Abstract： To improve service performance， a fuzzy multi-objective is proposed to solve matching problem between enterprises and third-party testing agencies based on nondestructive testing service for special equipment. Firstly， construct evaluation index about firm and third-party testing agencies， and then describe the problem of supply and demand of nondestructive testing service. Finally， use a fuzzy multi-objective optimization method to solve the problem. Specifically， in order to get the matching result， the linguistic assessment information given by enterprises and third-party testing agencies is firstly transformed into the form of triangular fuzzy number. A fuzzy multi-objective optimization method provides an effective strategy or approach to improve nondestructive testing service performance.
Key words： Nondestructive Testing； Two-sided Matching； Fuzzy Multi-objective Optimization Method
引言
特种设备是一种与人们日常生活以及工业生产联系十分紧密的设备和设施，具有潜在危险性，可能会涉及到人们的生命安全与生产安全[1]。因此，检测和检验特种设备的安全性十分必要。由于企业本身的检测设备、检测人才和检测技术的不完备，以及自行出具的检测报告缺乏市场公信力，无法做到对特种设备的无损检测，使得企业需委托专业的第三方无损检测服务机构进行检测，由第三方无损检测服务机构为企业提供检测无损设备、培训检测人员、维修检测设备和提供检测报告等服务[2]。尽管如此，企业与第三方无损检测服务机构如何获取并提升无损检测服务绩效，当前研究并未给出有效的解决方法。
在当前有关服务绩效的研究中，大量文献集中在对公共服务绩效的研究[3]，同时企业服务绩效研究也多以单一的企业层面展开分析，如肖挺[4]、李纲等[5]。尽管如此，也有研究開始关注不同类型的组织间的合作对服务绩效提升的影响，但这些研究只是检验了影响服务绩效的因素。如王琳等[6]发现，顾客交互需要通过知识整合而影响服务创新绩效，徐晨等[7]检验了创新驱动因素对服务创新的影响。以上研究并未提出可供企业或其他组织采用的具体可行的策略，以提升服务绩效。
以特种设备无损检测服务作为对象，本文认为，企业与第三方无损检测服务机构间可以通过双边匹配的策略，以更有效地满足自身需求，即企业可以准确地寻找到适合自身的第三方无损检测服务机构，而第三方无损检测服务机构也可以通过匹配企业的需求而更有效地发挥自身的优势。通过双边匹配，可以实现服务绩效的提升。尽管如此，现有文献未对企业和第三方无损检测服务机构之间如何有效合理地匹配展开研究。本文采用双边匹配的模糊多目标决策方法来研究企业和第三方无损检测服务机构之间的合作与双边匹配，该方法的目的在于尽可能使匹配双方达到满意的效果，得到最优匹配方案，找到满意的合作方，实现自己的最大利益，最终提升服务绩效。
一、指标体系的构建
目前，我国无损检测服务机构发展迅速，使得企业和第三方无损检测机构如何快速和准确地选择合适的合作方成为难点问题。本文针对这一问题，将无损检测服务需求方定为企业，供给方为第三方无损检测机构，然后对企业和第三方无损检测机构进行双边匹配。
通过文献梳理[8-12]以及调研，企业在选择合适的第三方无损检测机构时，企业比较注重第三方无损检测机构的基本配置、能力水平、服务体系和价格水平来选择合适的检测机构。其中，基本配置体现了第三方无损检测机构的仪器先进程度，人员配置情况等；能力水平体现了第三方无损检测机构的技术先进性、检测资格年限等；服务体系体现了第三方无损检测机构的服务系统是否完善，是否能提供良好的服务体验等；价格水平体现了第三方无损检测机构的价格安排是否合理。 同样的，第三方无损检测机构在选择企业进行合作时，无损检测机构比较注重企业的运营状况、愿意支付的价格，合作前景和资料的完备性来选择合适的企业进行合作。其中，运营状况体现了企业的盈亏、信誉等；愿意支付的价格体现了企业对价格的可接受程度；合作前景体现了未来合作的延续性，表现在企业对样品资料的准备情况，以及付款速度。具体的指标体系见表1和表2。
二、无损检测服务供需双边匹配的问题描述
设第三方无损检测机构集合为，，其中表示第i个第三方无损检测机构；企业集合为，m≥2，其中表示第j个企业。然后对企业和第三方无损检测机构分别建立评价指标集[12]。设第三方无损检测机构对企业的满意度评价指标集合为，企业对第三方无损检测机构的满意度评价指标集合为，其中表示第h个评价指标，表示第q个评价指标；Q与P的评价指标权重向量分别为与，其中表示第h个评价指标的权重，表示第q个评价指标的权重，并分别满足与以及与。对于指标权重向量的选取，可以采用德尔菲法或AHP法获得。
将第三方无损检测机构对企业的评价信息矩阵记为，企业对第三方无损检测机构的评价信息矩阵记为，其中表示第三方无损检测机构对企业的关于评价指标的满意度语言评价值，表示企业对第三方无损检测机构的关于评价指标的满意度语言评价值。假设对于本文提到的指标的语言评价值和，采用的语言评价集S为一个七粒度语言评价集合，即S={S0=AP（非常差/非常不满意），S1 =VP（很差/很不满意），S2= P（差/不满意），S3=M（中等/一般），S4=G（好/满意），S5=VG（很好/很满意），S6=AG（非常好/非常满意）}。
企业为了对其特种设备进行检验，需要从众多第三方无损检测机构中挑选一个满足自己需求的进行合作，同样的第三方无损检测机构也可以从众多企业中挑选满意的进行合作，双方形成了一个双边匹配的模型。江苏省南京市现有3家第三方无损检测机构（A1，A2，A3），可以提供特种设备检测服务，有6家企业（B1，B2，B3，B4，B5，B6）要对企业的特种设备进行无损检测，想要从3家第三方无损检测机构中挑选一家进行合作。
三、无损检测服务供需双边匹配模型构建
（一）模型构建
依据上面的问题描述，本文所要解决的问题就是对第三方无损检测机构和企业双方的多指标语言评价信息和指标权重，通过模糊多目标决策方法，将第三方无损检测机构和企业进行匹配，使双方的满意度尽可能达到最大。本文所用的评价信息为语言评价信息，不能直接求解进行匹配，需要将语言评价信息转化为三角模糊数[13]。对于上述的语言评价短语，可分别转化为三角模糊数，记为，转化的公式为：
（二）模型求解
基于此，主体双方分别对彼此进行评价。企业对第三方无损检测机构的满意度评价指标权重如表4所示，第三方无损检测机构对企业的满意度评价指标权重如表5所示。
第三方无损检测机构和企业分别依据上述评价指标，对彼此进行满意度评价。得到企业对无损检测服务机构的语言评价信息表如表6所示，无损检测服务机构对企业的语言评价信息表如表7所示。
依据表3，可将表6与表7的多指标语言评价信息转化为三角模糊数的形式，并依据式（2）-（3）对所有指标进行加权运算，得到企业对于第三方无损检测机构的匹配满意度的模糊综合评价值如表8所示，无损检测服务机构对于企业的匹配满意度的模糊综合评价值如表9所示。为了对企业与第三方无损检测机构进行匹配，本文考虑第三方无损检测机构可与三家企业进行合作，而考虑到成本因素，企业只与一家第三方无损检测机构进行合作，也就是pi=3，i=1，2，3以及qj=1， j=1，2，3，4，5，6。依据表6和表7，根据式（4）-（8），建立关于第三方无损检测机构与企业相匹配的模糊多目标优化模型。根据以上提出的方法，求出6个目标函数的正理想解和负理想解。本文采用LINGO软件进行模型的求解，得到6个目标函数的正理想解和负理想解如表10所示。
（三）匹配结果分析
依据表10，以及式（26）-（28），可以求解出6個目标函数的隶属度函数，此时就可以将该模型转化为单目标线性优化模型。再依据单目标线性优化模型，即式（29）-（35），求得最优解。优化模型的最优解为
x11=0，x12=0，x13=0，x14=1，x15=0，x16=1，
x21=0，x22=1，x23=0，x24=0，x25=0，x26=0，
x31=1，x32=0，x33=1，x34=0，x35=1，x36=0 （36）
其中xij=1（i=1，2，3； j=1，2，3，4，5，6）表示第三方无损检测机构Ai与企业Bj相匹配，而xij=0（i=1，2，3； j=1，2，3，4，5，6）表示第三方无损检测机构Ai与企业Bj不匹配。则根据最优解，可以得出第三方无损检测机构与企业的匹配结果为：第三方无损检测机构A1分别与企业B4和B6匹配，第三方无损检测机构A2与企业B2匹配，第三方无损检测机构A3分别与企业B1、B3和B5匹配。
（1）通过双边匹配方法，六家企业都找到了合适的第三方无损检测机构，第三方无损检测机构也与其满意的企业达成了合作，所有主体的综合满意度达到最大。这种匹配结果的得出是基于双方主体的满意度最大，而不是只考虑一方主体的满意度。
（2）在双方主体对彼此给出的评价值中，企业B4更想要与第三方无损检测机构A3合作，其次是第三方无损检测机构A1，但第三方无损检测机构A3更加倾向于企业B2合作，而第三方无损检测机构A1非常愿意与第三方无损检测机构B4合作，因此，为了使得双方主体都获得较大的满意度，最终企业B4与第三方无损检测机构A1匹配。
四、结论
当前的研究更多关注公共机构的服务绩效及其影响的因素相比，本文提出的基于模糊多目标决策的双边匹配方法，为提升无损检测服务绩效提供了一套完整的方法与策略。首先，构建了企业与第三方无损检测服务机构的评价指标，其次，构建了无损检测服务供需双边匹配模型，并通过对模型的求解，为无损检测服务供需双方提供具体可行的匹配策略，从而实现无损检测服务绩效的提升。通过运用基于模糊多目标决策的双边匹配方法，可以为企业与第三方无损检测服务机构之间的合作问题以及提升服务绩效提供了解决的思路与策略，使企业与第三方无损检测机构可以有效实现双边匹配，准确找到合适的合作对象，使双方都能够获得满意。 參考文献
[1] 沈功田， 张万岭. 特种设备无损检测技术综述[J]. 无损检测， 2006， 1： 34-39.
[2] 耿开. 石油施工领域无损检测企业发展模式研究[D]. 东营： 中国石油大学， 2007.
[3] 姜爱华. 政府购买公共服务绩效及影响因素文献述评[J]. 中国行政管理， 2016， （5）： 38-42.
[4] 肖挺. 高管团队特征， 制造企业服务创新与绩效[J]. 科研管理， 2016， 37（11）： 142-149.
[5] 李纲， 陈静静， 杨雪. 网络能力﹑知识获取与企业服务创新绩效的关系研究——网络规模的调节作用[J]. 管理评论， 2017， 29（2）： 59-68.
[6] 王琳， 魏江， 周丹. 顾企交互对 KIBS 企业服务创新绩效的作用机制研究[J]. 研究与发展管理， 2015， 27（3）： 126-136.
[7] 徐晨， 孙元欣. 创新驱动因素， 服务创新与非财务绩效： 中国情境下搜寻战略和组合效应的检验[J]. 研究与发展管理， 2017， 29（2）： 39-51.
[8] 耿荣生， 景鹏. 蓬勃发展的我国无损检测技术[J]. 机械工程学报， 2013， 49（22）： 1-7.
[9] 丁守宝， 刘富君. 我国特种设备检测技术的现状与展望[J]. 中国计量学院学报， 2008， 19（4）： 304-308.
[10] 洪黎. 特种设备无损检测技术综述[J]. 江西建材， 2016（23）： 273-274.
[11] 张云海. 特种设备检验中无损检测技术的应用[J]. 科技创新与应用， 2016（34）： 299.
[12] 曹家峰. 有关我国特种设备检测技术现状的分析与展望[J]. 祖国， 2016（20）： 104.
[13] Roth A. E. Common and Conflicting Interests in Two-sided Matching Markets [J]. European Economic Review， 1985， 27（1）： 75-96.
[14] Li R J. Fuzzy method in group decision making [J]. Computers and Mathematics with Application， 1999， 38（1）： 91-101.
[15] Lai Y， Hwang C. A new approach to some possibilistic linear programming problems [J]. Fuzzy Sets and Systems， 1992， 49（2）： 121-133.
[16] Zimmermann H J. Fuzzy programming and linear programming with several objective functions [J]. Fuzzy Sets and Systems， 1978， 1（1）： 45-55.