交叉效率评价方法中新单元导入的保序性

介绍了交叉效率方法，分析了该方法在用于评估排序时所存在的局限性，即在导入新的决策单元时，可能会使原先的决策单元排序发生变化。通过求解交叉效率的纳什讨价还价解来确定各DMU的权重，从而得到最终的均衡交叉效率，利用该效率对决策单元进行排序可以消除在导入新的决策单元时所产生的逆序现象，最后给出算例说明该方法的有效性。     

城市轨道交通运营效率评价——基于改进的博弈交叉效率方法

本文通过对有效和非有效决策单元施加限制或引入正则限制条件下提出了三种改进的博弈交叉效率评价方法,与传统博弈交叉效率评价方法相比,改进方法不仅利于在相同的权重空间中对不同决策单元进行比较,而且在收敛速度上有明显改善,在一定程度上可消除传统博弈交叉效率结果的不惟一问题.结果表明对所有决策单元施加限制可提高对决策单元的区分度,从而改善结果的不惟一性,施加全局限制可提高迭代算法的收敛性.利用改进模型对中国9个城市的轨道交通企业运营效率进行了评价,评价结果也表明改进方法在区分决策单元上有更好的表现,收敛速度占绝对优势,得到了更为可信的评价结果.     

一种考虑所有权重信息的区间交叉效率排序方法

针对交叉效率评价方法中交叉效率不唯一的问题,在分析现有解决方法缺陷的基础上,提出了考虑所有权重信息的区间平均交叉效率,即将所有决策单元的交叉效率值定义在各自的一个区间数上,该区间数考虑了所有决策单元自评时的权重信息,通过比较各决策单元的区间平均交叉效率值,从而可以对所有决策单元进行充分排序,利用该方法能够很好地解决现有方法所存在的部分缺陷.最后通过算例对该方法进行了演示.     

Ranking approach of cross-efficiency based on improved TOPSIS technique

The cross-efficiency evaluation method is reviewed which is developed as a date envelopment analysis (DEA) extensive tool.The cross-efficiency evaluation method is utilized to identify the decision making unit (DMU) with the best practice and to rank the DMUs by their respective cross-efficiency scores.The main drawbacks of the cross-efficiency evaluation method when the ultimate average cross-efficiency scores are used to evaluate and rank the DMUs are also pointed out.With the research gap,an improved technique for order preference by similarity to ideal solution (TOPSIS) is introduced to rank the cross-efficiency by eliminating the average assumption.Finally,an empirical example is illustrated to examine the validity of the proposed method.     

基于误差传递和熵的区间DEA方法

传统的DEA(data envelopment analysis)模型只能用来处理精确数据,而在现实生活中,由于统计误差、信息不完全等原因,获取精确数据十分困难,数据往往只能以区间数的形式给出.因此,如何在不确定条件下利用DEA方法评价决策单元的相对效率一直是DEA理论的研究前沿.针对这一问题,文章在DEA传统模型的基础上,利用改进的交叉效率思想,使用误差传递和熵处理区间数据,求得每个决策单元全局交叉效率的误差分布形式(中点值和误差最大估计值),然后根据全局交叉效率,使用有向距离指数给决策单元排序.最后通过两个算例来说明本文提出的方法的可行性和有效性.     

一种求解协作配送成本分摊问题核仁解的近似迭代算法

协作配送问题是典型的组合优化合作博弈问题,也可称为协作车辆路径问题,其核心问题之一是确定公平合理的成本分摊方案.其中核仁解由于具有唯一性和公平性等特点,是成本分摊领域中公认的科学分摊方案.本文提出了一种近似求解协作配送问题核仁解的方法.首先分析证明了当顾客位置分布均匀,从理论上协作配送成本分摊问题会是凸博弈问题,然后,基于凸博弈的核仁解会等同于预内核解的理论,提出了一个能够求解凸博弈问题核仁解的迭代逼近算法(approximate iterative algorithm,AIA),分析了AIA算法的复杂度为O(n~42~n),为此又提出了AIA的有效提速策略,可将AIA的复杂度降低至多项式.最后,通过求解协作配送算例和实例,验证了本文AIA算法能够准确求解得到协作配送成本分摊问题的核仁解,提出的求解策略能有效的减少求解耗时,并且得到的最终结果与实际核仁解的平均偏差不到0.02%,更重要的是AIA能够用于求解所有凸博弈问题的核仁解.     

一种DEA效率概率占优方法研究

决策单元间的效率关系研究是效率研究中的重要领域.传统DEA模型通过计算决策单元各自最优权重情景下的效率最大值,来判断决策单元间的效率排序关系.而这种最优权重往往是极端权重,没有考虑其它权重情景.采用其它权重时,决策单元的效率值和排序往往会发生较大的变化.本文考虑了所有权重情景,提出了DEA效率概率占优模型,定义了决策单元的占优效率概率和被占优效率概率.该模型能够判断任意两个决策单元的效率概率占优关系;并将效率概率占优关系从两个决策单元扩展到决策单元与决策单元集.最后将其应用于决策单元效率排序.通过实证分析发现了两条重要结论:1)考虑所有权重情景的排序与采用极端权重的CCR效率值排序不一致;2)考虑所有权重情景时,一些无效单元的效率排序比有效单元的效率排序更高.     

带有参数的DEA-C2R模型及决策单元的排序

针对数据包络分析(DEA)方法中的效率值不能区别DEA有效的决策单元之间的相对"优劣性"的不足,建立了带有参数的C2R模型,并具体地讨论了它们的性质以及相互之间的关系,提出了阈值的概念。在分析阈值的性质和经济意义的基础上,给出了区分所有决策单元"优劣性"的一个指标———有效值,即根据有效值的大小对所有决策单元进行排序的方法。     

基于权重集合的决策单元排序方法

针对传统数据包络分析的排序主要是基于决策单元的自评效率,决策单元使用的是对自身最有利的权重而使效率不具有可比性,提出一种新的决策单元排序方法.该方法通过构造有利于整体决策单元效率的权重集合,在交叉效率模型中对权重进行约束,从而有效地减小他评效率与自评效率的差距,使排序结果更合理,也更易被决策单元接受.通过算例说明该方法的有效性.     

基于多目标规划的DEA

单目标的传统ＤＥＡ只能从投入或产出角度测算决策单元的相对最高效率。本文将提出基于多目标的扩展ＤＥＡ，从而可通过投入及产出来测算决策单元相对的平均效率、最高效率及最低效率并研究其相对有效性.     

一类基于投入约束的资源配置DEA博弈模型

结合数据包络分析(DEA)与Nash讨价还价博弈模型研究有限资源的合理配置问题。首先证明,在投入约束条件下,基于传统DEA模型的资源配置方法将陷入困境。为此,需要考虑各决策单元(DMU)对于有限资源的竞合关系,引入Nash讨价还价博弈模型,并证明最优资源配置方案具有唯一性。最终通过算例说明了本方法的合理性与可行性,与其它DEA分摊方法相比还具有一定优势。     

CCR模型中决策单元的区间效率值及其排序

CCR模型中,决策单元的效率值为输出的加权平均与输入的加权平均比值的最大值,而本文则认为所有可能的输出的加权平均与输入的加权平均比值都是可能的效率值,因此决策单元的效率值为一区间.基于交叉效率方法,本文得出了决策单元的区间效率值并进行了排序.所得出的区间效率值不仅比传统的点效率值更加全面地反映决策单元的表现,而且由于交叉效率方法的自互评本质,它比已有的区间效率构建方法更加合理、可信.文末给出了一个算例.     

基于广义梯形模糊数相似度的交叉效率集结

在不确定环境下,针对模糊数据的多样性和复杂性,本文结合广义梯形模糊数相似度理论将广义梯形模糊数的交叉效率矩阵转换为交叉互评相似度矩阵,并根据模糊信息检索系统中的布尔模型,以能最大程度还原信息本身为准则,构建满足"正相容性"的有序几何平均集结函数对交叉互评相似度矩阵进行集结,从而得到关于每个决策单元的同行评价综合相似度.根据决策单元的同行评价综合相似度,建立反映决策者偏好的模糊一致性偏好矩阵,并对决策单元进行集结权重的分配,根据分配结果计算决策单元的全局交叉效率值.本文的集结方法可以解决不确定环境下,交叉效率矩阵数据多样性的问题,有较高的适用性;并且其集结结果具有较高的一致性和稳定性.最后本文以梯形模糊数的交叉效率矩阵为算例,来说明该方法的合理性和适用性.     

具有多属性决策单元的有效性分析方法

DEA方法是评价同类决策单元有效性的一种重要方法,但许多情况下被评价单元可能具有多类决策单元的属性,传统DEA方法在评价该类问题时遇到了困难。针对多属性决策单元的有效性评价问题,采用多类样本单元合成不同属性生产可能集合的方法,首先给出了评价具有两种属性决策单元有效性的DEA模型(Twi)和相应的Twi-DEA有效性概念。分析了多属性决策单元的投影性质,以及(Twi)模型和传统DEA模型的关系。在此基础上,给出了具有多重属性决策单元有效性评价的一般模型(Mul),并讨论了相关性质。     

区间数据包络分析的决策单元评价

定义了区间数据包络分析(DEA)模型。讨论了DMU的最高效率值和最低效率值的求解,从而确定决策单元(DMU)的区间效率值,并依此对DMU进行分类。建立了一个后区间DEA模型,在此基础上定义评价DMU保持其最高效率值的稳定性的指标,实现了对DMU的进一步评价。     

多人合作费用分摊的有效解法及其应用

分析了多人合作对策中的费用分摊问题 ,总结了求解费用分摊问题中的几种有效解法 ,并就某矿业集团合作兴建大型水处理厂这一实际问题 ,采用核心法 ( N ucleolus法 )、简化的 MCRS法、GQP法和 Shapley值法等四种方法分别进行了计算 ,分析了不同方法适用的范围和条件.     

有效区分决策单元的数据包络分析方法

针对传统数据包络分析模型不能区分有效决策单元以及不同决策单元的效率缺乏可比性问题,引入最优和最差两个虚拟决策单元,提出一种有效区分决策单元的DEA模型.该方法借助两个虚拟决策单元,建立模型,求出一组公共权重,并以此为基准计算每个决策单元的效率指数,实现决策单元的排序.通过实例,与其它方法比较,验证该方法在区分决策单元方面更有效.     

区间DEA的一种改进的充分排序方法

区间DEA中决策制定单元（DMU）的效率值是一个区间数，传统的区间DEA研究只能以区间效率值将DMU分为有效、部分有效和无效三类，而对区间DEA中DMU的排序研究较少。本文以两个区间数大小的可能度为基础，并且考虑了区间数退化为实数的情况。通过排序向量从而对输入输出中含有区间数的决策单元进行排序，通过将超效率DEA模型进行区间扩展，从而对同为有效的DMU进行排序，以迭到对所有的DMU进行充分排序的目的。最后给出了一个算例。     

DEA有效决策单元判断及排序的新方法

本文首先讨论ＤＥＡ相对效率指数及其对投入产出松驰量的处理方法。然后建立了判断ＤＥＡ有效决策单元的又一数学规划模型,并相应给出了决策单元ＤＥＡ有效的充要条件。最后依据所定义的平均横切效率指标,提出了一种新的ＤＥＡ有效决策单元排序方法.     

考虑竞争视野与利益相关的DEA交叉效率分析

在实际竞争与合作问题中,由于合作者或竞争者的规模等条件不同,决策单元(decision-making unit, DMU)之间的利益和竞争强度存在差异性,但传统的数据包络分析(data envelopment analysis, DEA)交叉效率模型并未考虑这一因素。因此,提出考虑DMU之间竞争关注度与净利益系数的DEA交叉效率评价方法,并且为了考虑综合信息,采用信息熵的方法对不同交叉效率模型的效率值进行综合得出DMU的加权效率。与传统的二次目标模式相比,该方法较好地体现了DMU之间利益和竞争强度存在的差异性,同时可以使被评价单元更有针对性地实施对合作者的支持手段或对竞争者的打压措施,从而更好地增强DMU的群体优势。