《Supply Chain Analytics》：A Metaheuristic Feature Selection Framework for Short-Form Stakeholder Segmentation in Agri-Food Supply Chains
编辑推荐：
研究人员开发了一个元启发式（metaheuristic）框架，用于缩短供应链利益相关者调查问卷；研究人员利用几何（geometry）和聚类一致性（clustering consistency）测度保持细分结构（segmentation structure）；研
研究人员开发了一个元启发式（metaheuristic）框架，用于缩短供应链利益相关者调查问卷；研究人员利用几何（geometry）和聚类一致性（clustering consistency）测度保持细分结构（segmentation structure）；研究人员识别出具有最小信息损失（minimal information loss）和高保真度（high fidelity）的紧凑型调查问卷形式；研究人员通过重复子抽样（repeated subsampling）和留出分析（leave-out analyses）评估内部稳定性（internal stability）；研究人员在复合目标（composite objective）上优于八种替代选择程序（alternative selection procedures）。
研究背景与问题：地理标志（Geographical Indication, GI）（用于标识特定地理来源和品质声誉的农产品标签制度）与有机农业食品价值链在欧洲食品政策和农村经济中具有战略地位，其可追溯和防伪技术集成受成本分摊、标准、数据治理和激励协调等关系制度因素制约，关键在利益相关者感知、能力和制度位置。问卷调查是分析工具，但完整工具常含30—50个Likert题项，降低参与、增加成本，并使维度接近小样本量；需要保留原工具测量/细分属性的短式问卷。供应链管理（Supply Chain Management, SCM）中短式多由专家非正式选择或借用心理测量程序，缺少以细分为目标的经验依据。现有细分流程为主成分分析（Principal Component Analysis, PCA）（一种降维方法）或探索性因子分析（Exploratory Factor Analysis, EFA）（一种潜变量降维方法）后聚类；短式心理测量方法保存测量模型；聚类特征选择优化内部指标；问题选择优化单一标签、固定构念或获取成本，均未针对全问卷多变量细分结构。故本研究将题目选择形式化为组合优化，以全问卷细分结构为参考，开发并内部验证元启发式（metaheuristic）（一类用于组合优化搜索的高层启发式算法）程序。研究人员用40项九点Likert问卷，在ALLIANCE项目7个欧洲国家7条GI和有机试点价值链的42名利益相关者中实施，建立PCA与Ward层次聚类（Ward hierarchical clustering）（一种凝聚层次聚类方法）的四剖面参考，以Procrustes相似性（Procrustes similarity）（衡量两组得分构型经旋转、反射、平移和均匀缩放后的一致程度）和调整兰德指数（Adjusted Rand Index, ARI）（衡量划分标签一致性的指标，1为完全一致）加稀疏惩罚构成复合目标（composite objective）（综合几何与标签保真的优化目标），用禁忌搜索（Tabu Search）（一种带短期记忆和禁忌表的局部搜索元启发式）搜索，得到7项候选短式，完全复现四剖面（ARI=1.000），Procrustes=0.890，题项减少82.5%。意义在于提供以结构保真为准则的短式开发方法和可部署候选工具。
关键技术方法（≤250字）：以40项九点Likert问卷构建参考结构，标准化后行主成分分析（PCA）保留4个主成分，并以Ward层次聚类得到4类参考标签；将题项子集编码为二元向量，对候选子集重跑同一PCA与Ward流程，用Procrustes相似性衡量得分几何保真、用调整兰德指数（ARI）衡量标签一致性，并加稀疏惩罚构成复合目标；以带禁忌表和渴望准则（aspiration criterion）的禁忌搜索（Tabu Search）进行单题翻转搜索，30次独立运行、每次100次迭代；与随机、载荷排序及8种替代程序比较，并行200次重复子抽样（repeated subsampling）（反复抽取子样本评估稳定性）、留一受访者和留一试点案例及敏感性分析。样本为ALLIANCE项目下7个欧洲国家7条农业食品试点价值链的42名利益相关者。
研究结果：
3.1 参考结构：PCA与四剖面细分。全题项PCA前四主成分解释68.1%，Ward聚类切为4类（29、7、4、2人），k-means交叉验证ARI=1.000；四剖面为务实乐观者（Pragmatic Optimists，n=29）、坚定热情者（Committed Enthusiasts，n=7）、运营谨慎者（Operationally Cautious，n=4）和风险规避怀疑者（Risk-Averse Sceptics，n=2）。通过全样本降维和聚类得出参考标签。
3.2 禁忌搜索的收敛行为。30次独立运行显示目标快速改善，最后改进中位迭代64，最终目标均值0.887（SD 0.004），最终子集均值8.8项；所有运行的ARI=1.000，Procrustes均值0.907，复合保真均值0.953。通过重复运行得出搜索收敛稳定。
3.3 题项选择频率与共识短式。Q8在100%最优解中出现，Q4、Q21、Q32、Q1、Q9、Q39选择频率≥50%；6次独立运行收敛到同一7项（Q1、Q4、Q8、Q9、Q21、Q32、Q38）和目标0.892，形成共识短式。通过最优解频率和相同子集复现得出。
3.4 共识短式相对基线的保真度。共识7项的Procrustes=0.890、ARI=1.000；随机7项均值Procrustes=0.659、ARI=0.348，200个随机子集无一ARI=1.000；按载荷排序7项为0.752和0.485。保真—规模前沿显示Tabu在7—11项保持ARI=1.000，基线约30项才接近。通过基线比较得出结构保真优势。
3.5 短式上的剖面签名。7项覆盖机会与市场、可持续需求、标准协调、费用关切、决策支持、验证工具等内容域；剖面均值显示可解释的分配规则，可用于现场快速识别。通过剖面签名和均值得出短式保留实质可解释性。
3.6 内部稳定性：重复子抽样。对42名受访者做200次35人无放回子抽样并重跑全流程，所有子样本ARI=1.000，Procrustes均值0.917；88.0%解保留7—11项；与共识7项平均重叠3.2项，Q8和Q21较稳定（81.0%、66.5%），Q38常被Q39替换。通过子抽样得出内部稳定及近似等价解族。
3.7 基准与参考分割稳健性。7项匹配比较中Tabu复合目标F=0.892最高，Procrustes=0.890、ARI=1.000；6种搜索程序均完美复现标签，差异在几何保真；L1惩罚逻辑回归ARI=0.919、随机森林0.777、稀疏PCA0.717；变量规模比较显示更大子集几何保真更高但惩罚目标下降。参考分割对3—6个主成分不变（ARI=1.000），留一受访者42/42复现，留一试点4/7不变；但样本小、仅23个不同响应向量、Kaiser–Meyer–Olkin（KMO）抽样充分性=0.514且相关矩阵奇异，折叠重复向量后参考一致性ARI=0.393。通过九程序比较和稳健性检查得出方法优势与数据边界。
3.8 部署、测量与敏感性检查。给出固定标准化常数、7项剖面质心、最近质心规则和后验置信度，置信度<0.5转全问卷；样本内及留一受访者分类准确率1.000，留一试点合并准确率0.952；Spearman和Kendall相关矩阵重现ARI=1.000，秩变换ARI=0.485；机会项Cronbach's α=0.944、关切项0.819；剔除长串响应后ARI=0.723。敏感性分析中改变稀疏惩罚仍保持ARI=1.000且规模由40降至5，改变Procrustes权重0—0.75时分区保持，去掉ARI项降至0.919。通过部署验证和敏感性分析得出规则可用但需外部验证。
讨论部分总结：原文认为将短式选择框架为保留已知参考结构，使小样本利益相关者数据上的优化问题良定且稳定；Procrustes与ARI复合目标分别防止几何失真和标签不一致，基准中仅标签保真不能区分搜索程序，几何项必要。元启发式较载荷排序等启发式更有效，计算成本低；失败条件包括参考分割本身弱、极小剖面、低质量或重复记录以及缺少外部泛化证据。实质层面，四剖面与农业食品技术采纳中的异质利益相关者框架一致，务实乐观者占主导但仍有实施关切；热情者比例可能受选择偏差影响，怀疑者仅由单一响应模式支撑，不能视为稳定发现。短式可用于快速剖面分类和差异化参与策略，但属于内部验证候选，重复响应向量会使保真度偏乐观，剖面比例仅描述当前网络样本。
研究结论翻译：当利益相关者工具的目的为细分而非测量单一构念时，短式开发缺乏原则性标准。本文将题项选择表述为组合优化问题，其目标是保真于完整工具产生的细分结构，在稀疏惩罚下结合主成分得分几何的Procrustes相似性与剖面标签的调整兰德指数，并用禁忌搜索求解。应用于向7条GI和有机试点价值链的42名利益相关者实施的40项工具时，程序返回一个7项候选短式，在题项减少82.5%的情况下精确复现四剖面参考分区，并保持对完整工具构型的Procrustes相似性0.890。总体而言，这些结果回答了三个研究问题：面向细分的题项选择可被表述并求解为结构保持优化；在匹配规模比较的程序中，禁忌搜索获得最高复合目标；所得分类规则在内部重采样和留一检查下保持稳定。方法贡献首先在于重新界定短式必须保留的内容：心理测量简化通常保护测量模型，而当工具用于支持细分时，值得保护的是区分受访者的多变量结构，该结构不能由逐题准则恢复。技术核心是复合目标及求解搜索；几何项与分区项配对可防止任一单项的失败模式，元启发式以远低于穷举的成本达到所发现的最佳解。与八种替代程序在匹配规模下比较显示，所有受测搜索程序均精确复现分区，而滤波和嵌入程序不能，程序间在几何保真而非标签保真上分化；禁忌搜索在所测程序中复合目标最高。完美复现可由多个搜索达到，说明这些数据允许多个近等价子集而非唯一解，且独立实现的模拟退火搜索收敛到30次禁忌搜索运行中2次也找到的子集。实践贡献是提供一个可部署工具及使用规则：7项短式作为内部验证候选，附带固定标准化常数、7项剖面质心、最近质心分配规则和标记模糊案例的置信度，使供应链协调者无需重跑PCA和聚类即可分类新受访者。所选条目相应地是该工具和该抽样框的属性；框架可迁移，任何新应用都需针对其自身参考结构重新运行选择。结论提出三个方向：外部验证，即将7项短式施用于独立招募样本，这是将工具从内部验证候选推进为已验证工具的一步；扩展应用范围，即在更广泛价值链和招募途径中部署以更精确估计剖面相对规模；方法可移植性，即将同一参考保持表述应用于其他长式利益相关者工具，以检验结构保持简化是否可作为基于调查的利益相关者分析的设计原则。
