国外研究综述对于供应商的评价筛选方式，多年来，很多学者已从多个方向积极地去研究，并且发表出很多有见地的研究结论。其中，Timmerman(1986)、Monczka(1988)、Roodhooft和Jonings(1996)等人由成本的因素入手，对供应商的选择与评价问题进行研究[1]。成本法的长处在于不再仅仅考量产品的价格，而是协助企业最终选择时从整体考量企业采购的成本，从而作出更为科学的选择。然而，按照成本分析法的实际标准，在拟定企业采购计划之前，考察的供应商相关数据和各种成本信息需要很详细。数据量大并且运算难度大，因而，那些没有供应商详细数据的企业，在其选择与评价上有一定的困难。同时，该方法仅仅考量单一的成本因素且忽略了其他一些更为重要的因素，不能对供应商进行多方面的评估。81812

Gaballa(1974)、Pan(1989)、Karpank(1999)、Ghodsypour和O’Brien(2001)、Arunkumar(2006)等人构建了供应商选择与评价模型[2]。数学规划法能有效帮助处理单、多货源背景下的供应商选择及采购数量的优化抉择。然而同时也有自己的弊端，比如复杂以及非确定性的社会生产与经济系统，缺少充足理论基础和足量历史信息数据，以至于很多问题过于复杂，而无法建立精准的模型来求解。在此前提下，许多较复杂的情况想要得出精准的解就会很困难。

Gregory和Timmerman(1986)利用分类分析法去选择供应商，对供应商的各个准则相应赋分值，最后统计各个供应商的总分值。其本质属于线性加权法，但是这种方式仅仅适用于单货源的选择问题。而且该方式过于依靠人力评判，主观意识太多，因此现实生活里没有太多应用的价值[3]。论文网

Dae-HoByun(2000)利用AHP法研究了供应商的选择与评价[4]，然而此方式计算指标权重时掺杂过多人为意识，误差也会随之而来。Weber等人(1998)构建了由多目标规划和数据包络分析法构成的综合模型[5]，然而此模型很难二次将靶向供应商精分筛选。在精分选择权重时，或许会让一个在少数指标上突出但其他指标上一般的供应商变成最后的赢家。

IsaoShiromaru(2000)等利用模糊理论来解决供应商选择中的模糊目标问题，并构建模糊目标模型[6]，尽管此方法十分看重不确定性因素，可是在求所有因素的隶属函数时，需要将所有指标特征化处理。一些本来属于白化的数据，在特征化处理后，结果成为一个区间的模糊数，则或多或少丢失数据，最终使选择结果出现偏差。此外，还有学者研究用TOPSIS法、灰色关联分析等方式筛选供应商。

2国内研究

霍佳震（2001）构建考量4个输入指标因素：质量、服务水平、价格、承诺水平，这是把用户满意程度作为基点情况下完成的指标系统[7]。

徐晋等（2004）构建神经网络专家体系原始模型，并进一步评价供应商的竞争力与选择供应商协作伙伴[8]；高芳、赵刚（2004）研究了一个将层次分析法和Hopfield神经网络进行综合的供应商评价模型，且用现实案例验证评析该模型[9]。王其涛（2004）构建基于BP神经网络的供应商选择评价具体模型[10]；何新（2004）建立在跟踪阶段供应商选择普遍适用的评价模型[11]；邵曙光（2004）构建一种敏捷供应链环境在大批量定制下的供应商评价体系[12]。

马士华（2005）教授也较早开始相关的探索，他利用分类矩阵把供应商划分为四类，包含：一般、有影响力、技术性与战略性供应商[13]。黄福华、满孜孜（2006）主要由六个指标因素：成本、资产、生产率、品质、反应时间、供应链密切度[14]，进一步阐述零售商和造商二者的内在联系，构建了在供应链博弈背景下的零售商物流绩效评价指标系统。