دانلود مقاله ترجمه شده تحلیل پوششی داده های (DEA) فازی: مدل و روش رتبه بندی

چکیده

تحلیل پوششی داده ­ها (DEA) یک روش بسیار موثر برای ارزیابی کارایی نسبی واحدهای تصمیم سازی (DMUها) است. از آنجا که داده ­های فرایندهای تولید را نمی­ توان در برخی موارد به صورت دقیق ارزیابی کرد، نظریه عدم قطعیت نقش مهمی در DEA ایفا می­ کند. این مقاله تلاش می­ کند تا مدل­ های DEA مرسوم را به یک چارچوب فازی توسعه دهد، در نتیجه یک مدل DEA فازی بر اساس اندازه باورمندی تولید می­ کند. آنچه در ادامه می­ آید، روش رتبه ­بندی همه DMUهاست. به منظور حل مدل فازی، ما یک الگوریتم هیبریدی تولید کرده ­ایم که با الگوریتم ژنتیکی و شبیه­ سازی فازی ترکیب شده است. زمانی که ورودی­ ها و خروجی ­ها همگی متغیرهای فازی مثلثی یا ذوزنقه ­ای باشند، این مدل می ­تواند به برنامه ­ریزی خطی تبدیل شود. سرانجام، یک مثال عددی ارائه می­ شود تا مدل DEA فازی و روش رتبه ­بندی همه DMUها را نشان می­ دهد.

1-مقدمه

تحلیل پوششی داده ­ها (DEA) که برای اولین بار توسط چارنز و همکاران [5] پیشنهاد شد، یک روش غیر پارامتری برای ارزیابی کارایی نسبی واحدهای تصمیم ­سازی (DMUها) بر پایه ورودی­ ها و خروجی­ های متعدد است. از زمان پیشنهاد DEA در سال 1978 اکنون، در زمینه نظری و کاربردی توجه بسیاری را به خود جلب کرده است. اکنون، DEA به یک روش تحقیقاتی و ابزار تحلیلی مهم در علم مدیریت، تحقیقات عملیاتی، مهندسی سیستم، تحلیل تصمیم ­سازی و غیره تبدیل شده است...