DEA扩展有效的鲁棒性

通过给出决策单元为DEA扩展有效的几个等价命题，来研究扩展有效决策单元的鲁棒性。得到了当输入增加或输出减少后，它仍然保持扩展有效性的一些充分必要条件，还给出了保持扩展有效的判断方法和数值实例，而该方法不需要求文献[3]中的最优基矩阵的逆矩阵，也不需要求解文献[5]中的线性方程组。     

模糊多目标线性规划最优性分析

由于目标和参数的不确定性，模糊多目标线性规划的最优解不是唯一的，本文在截集基础上对模糊最优解的上、下边界进行了分析，提出模糊多目标线性规划的变换模型及相应的参数算法和综合算法，并通过数字实例对模型及算法做出了说明。     

基于多目标规划的扩展DEA有效性分析

为避免传统的DEA模型在评价决策单元的相对有效性存在的局限,建立了多目标规划的DEA模型(MP),讨论了MP的一些性质。在此基础上给出了关于决策单元的扩展DEA有效性的几个等价命题,并对决策单元扩展有效的灵敏度进行了讨论。     

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.     

变量模糊的多目标模糊线性规划问题研究

本文利用定义模糊数大小的偏序方法，将一类含模糊变量的多目标模糊线性规划问题等价成一个多目标线性规划问题，然后进一步转换成两层多目标线性规划问题，大大地简化了原问题的求解。     

变量模型的多目标模糊线性规划问题研究

本文利用定义模型数大小的偏序方法，将一类含模型变量的多目标模糊线性规划问题等价成一个多目标线性规划问题，然后进一步转换成两层多目标线性规划问题，大大地简化了原问题的求解。     

偏序集理论在DEA相关理论中的应用研究

在文[1]的基础上，刻画了DEA有效（C^2WH)的本质特征，给出了决策单元为DEA有效（C^2WH）的一个充要条件，论述了偏序集理论在分析有效生产前沿面构成、研究数据变换性质、讨论模型关系、分析决策单元变更以及指标增减对DEA有效性影响等方面的应用。针对4个典型DEA模型，给出了一些建立在偏序集理论基础上的结论。     

基于改进PSO的加权直觉模糊多目标规划

针对模糊多目标规划不区分各目标重要程度的缺陷,提出了一种加权直觉模糊多目标规划模型.首先,在模糊多目标规划的基础上,进一步定义目标函数和约束函数的非隶属函数;然后,对目标函数的隶属和非隶函数分别加权求和,通过直觉模糊"最小-最大"算子,提出了加权直觉模糊多目标规划模型,并用改进的微粒群算法求解;最后,通过一个算例表明,加权直觉模糊多目标规划的收敛速度很快,既可收敛到可行域中的最优解,又可收敛到容许偏差范围内的最优解,具有较大的实用性.     

基于AHP与DEA的多因素排序法

结合层次分析法(AHP)7Z数据包络分析(DEA)方法对一类多因素排序问题给出了一种合理的排序方法．该方法首先利用AHP方法给出各因素所属类的权重，再根据决策对象的状态值，运用DEA(CCR)方法求出各对象在每一类中的排序权值，最后将该值与各类的权重综合起来，即求得各对象的最终排序权值．文章中运用了一个人才选优的实际例子加以说明。     

基于DEA技术的城市商业银行内控评价研究

经营规模有效性评价是目前城市商业银行综合考核评价必要的补充 .本文利用 DEA方法从历史经营结果中挖掘有关未来发展的有用信息 ,探讨有效性评价的决策支持作用 ,同时发现 DEA在银行监管方面的潜在用途 .     

输出/输入比值优势与DEA有效

进一步讨论了多目标规划模型 ( vp)中的 Pareto有效与 DEA有效的关系 ,得到两个重要结论 ,藉此无须求解 DEA模型就能判断某些 Pareto有效 DMU的 DEA有效性。     

基于未来DEA效率的贷款定价模型

一般意义上的DEA方法是通过投入、产出指标的数据来确定DEA效率;逆向求解思路是在已知DEA效率和某些投入、产出指标的基础上反求其中的一个产出指标贷款利率.以Malmquist指数为工具,通过过去的银行DEA效率,推导未来贷款时段的可达到的最大DEA效率,在未来的DEA效率确定的情况下,确定贷款利率.本模型创新与特色一是通过过去的Malmquist指数预测未来的Malmquist指数,利用未来Malmquist指数与过去的DEA效率的相互作用得到未来的DEA效率指数,用未来的DEA效率、而不是过去的DEA效率来确定贷款利率.反映了贷款定价未来变化情况,解决了贷款时段的利率与贷款时段的可达效率相对应的问题.二是逆向运用现有研究的DEA方法通过投入、产出指标的数据确定DEA效率的思路,在已知DEA效率和某些投入、产出指标的基础上反求其中的一个产出指标贷款利率.拓展了DEA的应用范围.三是按照未来逆向求解DEA效率的贷款定价方法,能够在现有条件下得到给银行带来最大效率、抵补贷款风险损失、且客户能够接受的利率.     

基于Pareto分布的决策单元DEA效率评价

针对网络数据包络分析(DEA)应用时缺少内部数据的瓶颈,提出将决策单元内部的生产活动按照价值动因分为核心和非核心生产单元,并根据经验Pareto分布估计核心单元的输入数据,据此构建DEA效率评价模型.新模型利用输入输出数据和基于管理者经验信息获得的更多信息,据此估计生产潜力并给出相应的估计的概率,为决策单元的管理者分配资源和设定目标提供理论支持.最后利用模拟数据演示所提出的模型,并与BCC模型的结论相比较,结果显示新模型能够发现更高的生产潜力的信息,可以为决策者制订目标提供依据.     

用DEA解输入或输出为模糊数的评价问题

给n个决策单元。其输入或输出可能是模糊的,不妨设为L-R型模糊数。有关对这些决策单元进行相对有效性评价的问题,本文给出了定义、解法及简化计算的定理。     

带有净收益约束的DEA方法

本文提出了一种带有净收益非负约束的ＤＥＡ模型,给出了相应线性规划可行域非空的必要条件和充分条件,在此基础上研究了最优解的存在性.     

New approach to determine common weights in DEA efficiency evaluation model

Data envelopment analysis (DEA) is a mathematical programming approach to appraise the relative efficiencies of peer decision-making unit (DMU), which is widely used in ranking DMUs. However, almost all DEA-related ranking approaches are based on the self-evaluation efficiencies. In other words, each DMU chooses the weights it prefers to most, so the resulted efficiencies are not suitable to be used as ranking criteria. Therefore this paper proposes a new approach to determine a bundle of common weights in DEA efficiency evaluation model by introducing a multi-objective integer programming. The paper also gives the solving process of this multi-objective integer programming, and the solution is proven a Pareto efficient solution. The solving process ensures that the obtained common weight bundle is acceptable by a great number of DMUs. Finally a numeral example is given to demonstrate the approach.     

多阶段混联生产系统的DEA效率评价

将并联系统DEA效率评价模型与两阶段串联系统DEA效率评价模型延伸至多阶段混联结构生产系统,提出了针对多阶段混联生产系统的DEA效率评价模型,并将其转化为线性规划求解.与传统CCR模型相比较,该模型能更好地反映多阶段混联结构生产系统的前沿生产能力,能更合理地评价混联结构生产系统的技术效率.通过算例分析证明了这种效率评价模型的合理性.     

输入和输出DEA模型中弱DEA有效与弱Pareto之间的等价性

使用带有三个双变量 0 -1参数的综合 DEA模型 ,讨论了弱 Pareto和输入 DEA模型 (包括 C2 R输入模型、BC2 输入模型、FG输入模型、ST输入模型 )、输出 DEA模型 (包括 C2 R输出模型、BC2 输出模型、FG输出模型、ST输出模型 )之下的弱 DEA有效之间的等价性 .这些结果对于理解和解释输入 DEA模型和输出 DEA模型之下的弱 DEA有效性的概念是很重要的 .     

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.