决策树算法在建设工程投标决策中的应用

崔 颢 中交一公局集团有限公司

1 前言

管理科学的核心就是目标管理，目标的研究与制定也是其中的重要组成部分之一。工程投标过程中的投标项目选择也是投标企业的目标决策问题。随着近年来海外工程市场的竞争日趋激烈，更好的对有限资源进行优化配置，保证时间、资源的合理利用和提高中标概率变得极为重要。在投标过程中，当投标企业资源有限又同时面对多个招标项目时，决策树可以作为进行投标辅助决策的有效手段。决策树算法能直观、全面的把各方案不同阶段的因果关系和方案优劣性通过定量分析的方式展现出来，使投标单位能够快速了解所投项目的各项指标数据，并作出相应的决策。

2 基本理论

决策树算法通过图形解析的方式把目标收益和各方面的数据制成图形方案，通过计算分析后选择出最优的一种风险模型决策方法。决策树是由决策节点、状态节点、方案分枝、概率分枝四部分构成的。决策树算法是可以用概率分析法直观呈现出目标收益的一种图形解析方式。

在图中，决策节点是图中的重要节点，一般用方形“□”节点表示，表示为决策树的树干部分，然后从决策节点引出若干条直线段，被称为方案分支，代表多个方向的备择方案。每条方案分支后面各链接圆形节点“●”称之为状态节点，从状态节点画出的各条直线，称为概率分枝，代表着先验概率下的不同状态。而概率分枝最后计算出的数值代表着不同状态下可预见的收益数值或期望数值。决策树算法的图形解析模式实际上也是一种“由点到面“的数据呈现方式。通过决策树算法能够相对容易、快速的计算出各个备择方案的目标期望收益并进行比选。这对于投标企业来说可以快速的通过做决策树算法对将要选择的几个方案的期望收益进行对比，甄选出最优方案。

决策树算法是通过科学的运算和计划性的数据绘制而成的一种图形决策法则，决策无论在哪个领域都会涉及到。在方案选择中，企业在面对多个选择是常常无法第一时间做出正确的决策，而决策最终也影响到了企业在生产、开发、运营阶段的成败。

3 环境分析

伴随着国家“走出去”战略的推进，大批的工程建设企业走出国门开始开发国际市场。2019年我国对外承包工程业务新签合同额1.8 万亿元人民币，同比增长12.2%。工程业务发展呈现以下特点。

（1）“一带一路”沿线国家市场对外承包工程业务持续增长。

（2）交通运输建设、一般建筑、电力工程建设是三大主要业务领域，总体接近70%。

（3）大型项目和综合性项目逐年增多。

（4）业务转型升级和模式（BOT/PPP）创新不断取得新进展。这一部分的成绩集中在电力工程、交通建设和资源开发，与房建相关的是工业产业园区的建投运营一体化项目的增多。

（5）参与国际产能合作和境外经贸合作区建设成效显著。

（6）各大洲态势不同，亚洲欧洲下降、非洲、拉丁美洲增长。

虽然我们的对外承包工程营业逐年提高，但是我们的增速整体呈下滑趋势，国际工程承包市场竞争日益激烈。目前，中资企业在海外项目开发中展现出来的短板或劣势主要有以下方面：

（1）在一些陌生领域，我们的专业和资源整合能力尚有不足，比如大型的DB、EPC项目、投建营一体化的酒店、机场运营类的项目。

（2）优质的合作单位资源储备尚显不足，与国际知名咨询公司合作不足，对国际标准研究不深。

（3）开发人员的综合能力和专业能力有待进一步提高。

（4）相比当地企业和部分国际企业我们的管理成本仍然较高。

（5）部分国别现汇竞标压价严重，竞争对手往往低于成本价竞标。

（6）大环境上，目前很多国别都增加了本土企业的保护政策，当地企业享有高比例的投标价格优惠制度，使我们的现汇竞标中的优势进一步丧失。

因此在有限资源的限制下用科学的方法安排投标策略也变得至关重要。以下通过某假设案例，浅析决策树在投标决策中的应用。

4 案例背景

某公司为专业从事道路工程建设的承包公司，其在非洲有多个在建项目，但由于几年来海外工程承包市场竞争加剧，且投标项目分散，企业中专业、有经验的开发人员数量有限，因为没有指定有针对性的投标决策，导致难以集中优势力量进行项目开发，在国际招投标中耗费了大量的人力和财力也没有什么好的项目落地，因公司决定采用决策树分析法对今后投标策略的选择进行分析。

目前在非洲某国有A、B 两个道路项目，A 项目工程额约1000 万，B 项目工程额约500 万，完成投标工作的费用约为工程额的0.5%（包含现场考察、标书的编制费用及其他期间费用）。在投标费用编制过程中，如果考虑平价投标若项目中标则一般有6%的利润，若投高价标则预计有10%的利润，低价标有3%的利润。现根据经验预计，A项目投高价标、平价标、低价标的中标概率分别为5%、35%、65%，B 项目工程额小、参标单位较少，投高价标、平价标、低价标的中标概率分别为15%、45%、70%。由于两个项目投标时间重叠，公司决定只参投其中一个项目，在目前的概率和预期利润条件下应该选择什么样的投标策略（见图1）？

图1

5 解决方案

根据案例背景列出决策树，整个决策树分为两级决策点，第一级有A、B 两个项目的决策方向，第二级每个项目有高价标、平价标、低价标三级决策方向，每个二级决策点后对接一个有两个选择的机会点，即中标或者不中标。在第一级决策点中两个项目的投标成本分别为A 项目=10000000×0.005=50000、B 项目=5000000×0.005=25000，成本消耗记录为负值。在机会点中，每个项目中标与不中标的概率分别列明，如A项目投高价标中标概率为0.05，则不中标概率为0.95，如项目中标则可获得利润为10000000×0.1=1000000，如项目不中标则可获得利润为零，其他决策点同理。

决策树的计算过程即依据贝叶斯决策准则进行计算，即对于每一种备择方案，将每一收益与相应自然状态的先验概率相乘，再将乘积相加就得到了加权平均收益，这个加权平均收益也就是该备择方案的期望收益值。最终在所有方案中选择对应期望收益最大的备择方案。以A项目高价标为例，中标的收益为1000000-50000=950000，不中标的收益为-50000，则该方案的期望收益为950000×0.05-50000×0.95=0，其他各方案期望收益同理计算。

从决策树中可以看出，最高的期望收益为160000，方案选择为A项目投平价标。

6 优点与不足

决策树算法在工程项目中的应用也是比较广泛的，但通过决策树算法计算出的期望收益也只能为决策提供辅助参考，它也有优点和缺点。

6.1 决策树算法在工程项目应用中的优点

（1）决策树能够将全部可行方案及各方案的期望值直观的呈现出来，方便进行比选。

（2）决策树在工程中不但可以应用于投标决策还可以应用于经济效益分析，通过合理的设计能够一定程度反映出不同时期的期望与方案优劣。

（3）决策树适用于多阶段决策，它具有方案阶段决策层次明了直观的特点，相比表格数据对比有更好的可读性。

6.2 决策树算法在工程项目应用中的不足

（1）决策树的应用必须要有可量化的数据，对于一些不可量化因素（如市场环境、竞争对手、客户关系等）无法通过决策树来体现。

（2）决策树中的预测参数的不确定性将影响决策结果的准确性，且其中的先验概率的确定具有一定的难度，且具有较大的主观性。

7 小结

综上所述，决策树算法可以较好的应用于投标决策过程中，在资源有限或选择性投标条件下针对两个或两个以上投标项目时能够较好的进行方案对比，使相关数据能够直观具体的体现，并能通过计算得出最优期望值。但同时，投标决策者也不能只是简单的依靠决策树得出的最优期望值直接进行投标决策，在实践中还应该结合现场实际情况、竞争对手情况、客户关系和当地投标经验分析等，对投标项目进行综合的比选和判断从而做出最终的投标方案，以帮助企业获得更高的开发成果。