基于虚拟包络面和TOPSIS的DEA排序方法

传统的DEA模型将决策单元简单地分为DEA有效或DEA无效两大类, 无法实现决策单元的完全排序. 为实现决策单元完全、合理的排序, 文献中出现多种DEA排序方法. 文章在文献总结的基础上, 对现有DEA排序方法的局限性进行了详细的探讨; 基于实际评价的决策单元, 提出了一种虚拟前沿面的DEA方法, 并给出了基于最优虚拟前沿面和最劣虚拟前沿面的效率评价模型; 然后基于TOPSIS排序思想, 构造了基于最优虚拟前沿面理想决策单元和基于最劣虚拟前沿面的负理想决策单元, 提出了一种集成的DEA排序方法. 该方法同时考虑决策单元的最优和最劣权重体系, 兼顾所有决策单元的效率信息, 能够获得较为合理的排序结果. 算例分析验证了所提出的方法的合理性和优越性.     

基于交叉效率DEA和随机模拟的区间语言偏好关系排序方法

针对区间加性语言偏好关系排序问题,提出一种基于交叉效率DEA和随机模拟的排序向量计算方法.首先,针对具有一致性的加性语言偏好关系,构建产出导向的DEA模型,分析其相对效率得分与排序向量之间的内在关联.其次,对不满足一致性的加性语言偏好关系,建立改进仁慈型语言偏好关系交叉效率DEA模型,并提出基于该模型的加性语言偏好关系的排序方法.最后,将构建的DEA模型与随机偏好分析相结合,提出区间加性语言偏好关系期望排序向量和可信度的Monte Carlo计算方法.算例分析表明,本文提出的方法能够有效避免信息损失,具有较好的可信度和适用性.     

测算投入-产出型技术效率的DEA模型

探讨了先前 DEA研究中所存在的不足 ,如在决策单元的技术效率的测算中 ,投入型与产出型所测算的技术效率在数值上就存在差别 .这不仅会影响对决策单元技术效率的实际分析 ,而且对非有效决策单元的排序也有影响 .本文提出了同时基于投入和产出测算决策单元技术效率的 DEA模型 ,并讨论了模型求解、技术有效决策单元的识别和非有效决策单元的改进等问题.     

基于DEA的决策单元排序方法研究

针对DEA方法中交叉评价模型在决策单元的评价排序问题上存在的不足--实现完全排序需要进行多次交叉评价,分析了引入差额指标模型的排序机制,该模型得出的评价排序结果较为完整。在此基础上,提出了新的DEA排序模型--综合输入效率模型,给出了具体的评价步骤,可实现与差额指标模型同样的排序功能。进一步通过数值分析对三种不同评价排序模型的排序效果进行对比分析,结论为差额指标与综合输入效率模型在评价排序时更为有效。     

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.     

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。     

基于DEA交叉效率与冗余信息识别的大群体应急决策方法

针对现有模糊偏好环境下的大群体应急决策方法对决策效率考虑不足的问题,本文提出一种基于DEA交叉效率与冗余信息识别的大群体应急决策方法.首先,构建产出倾向的DEA模型和中立型DEA交叉效率评估模型分别用于求解具有完全加性一致性的模糊偏好关系和不具有完全加性一致性的模糊偏好关系的排序权重.其次,为度量大群体偏好信息的合理性和重要性,根据模糊偏好关系及其排序权重构建基于相容性测度的群体平方相容性模型,在此基础上通过筛选模型最优解中零值分量实现冗余信息识别.再次,通过集成DEA交叉效率与冗余信息识别建立大群体应急决策方法.最后,通过案例和对比分析说明本文提出的大群体应急决策方法可以有效提高决策效率.     

基于DEA中国大型承包商经营效率相对有效性分析

采用DEA模型对2005～2006年沪深股市建筑业板块31家大型承包商群体运营效率进行了评价,发现总体而言保持了较高运行效率,2006年较之2005年有所提高,2年问DEA有效的承包商数量均各为14家,有11家2年来均有效.对DEA有效承包商进行优化比较发现,金螳螂连续2年排名第1,可以作为其他承包商学习的标杆.通过对非DEA有效的承包商分析,以2006年为例给出了其输入变量可以减少的比例.通过规模收益分析发现,2006年规模收益显著提高.通过对国营与民营承包商对比分析发现,无论是从DEA有效的承包商相对占有率、最优经营效率排序还是从规模收益上看,民营承包商均显著优于国有承包商.     

考虑随机性的可靠性与性能多属性决策方法

提出一个考虑可靠性置信区间性能与可靠性的多属性综合决策方法.建立了备选方案到正、负理想决策方案的随机距离函数及随机相对距离函数.依据随机相对距离函数确定备选方案相对优势的可能度矩阵,依据可能度矩阵对各备选方案给出具有定量决策风险的优先排序决策.通过某机载设备竞标方案决策案例,对模型进行了验证.     

基于前景理论的灰色随机多准则决策方法

针对概率和准则值均为区间灰数,准则权系数不完全确定的灰色随机多准则决策问题,提出了一种基于前景理论的决策方法.该方法定义了一种区间灰数排序方法及其前景价值函数,并以其余备选方案为参考方案计算各准则下各方案准则的前景值,构建前景决策矩阵,采用离差最大化思想建立规划模型,求解模型得出最优权系数向量,进而根据各方案综合前景值大小对方案进行排序.最后说明了该方法的可行性和有效性.     

具有可控和不可控要素的多目标DEA模型

建立输入输出要素部分可控和部分不可控的情况下的多目标DEA(data envelopment analysis)模型,通过其对偶模型和标量化,给出多目标DEA有效的概念并研究其性质。给出各种Pareto有效解的定义并建立其与多目标DEA有效的等价关系,通过将决策单元投影到生产前沿面上得到新的多目标DEA有效的决策单元,由此说明权重的作用。     

基于复杂度方法的地震波信号频谱特性分析

研究非平稳加速度时间历程,有时并不需要知道随机变量的全部统计信息,而只需求得随机变量的某些既重要又有代表性的信息.基于兰帕尔一齐夫复杂度理论的符号基概念,由随机信号经粗粒化处理后得到符号序列,然后计算每个符号基的权系数,再将符号基线性叠加得到符号空间.将随机信号的采样数据分为n段再构建一个n行数据矩阵,计算此n行矩阵的符号空间.将该符号空间的系数矩阵进行奇异值分解,所得的奇异值即为频率,数据矩阵对应行的标准差即为相应频率的幅值.算例结果表明,该方法能够获得随机信号的代表性频率信息.对非平稳随机信号不需引入人为假定,可直接对数据进行计算.     

定期保障模式下舰船编队携行备件配置优化

舰船编队海上任务期间,需要制定合理的携行备件方案以提高装备的战备完好性.针对海上定期保障模式下,将多层级复杂装备结构等效为单层级,提出一种备件需求分析与配置优化的近似方法,根据系统可靠性理论,建立了多阶段任务下的装备可用度评估模型,采用基于补给周期的分段求解方法.通过算例,采用边际优化算法得到携行备件优化方案,对模型结果进行了仿真验证,结果表明:模型计算结果与仿真结果吻合,两种取整方式下的方案费效比相当,采用定期保障模式能够提高备件供应效率,进一步增强备件方案的鲁棒性.     

竞争情况下零售商的产品组合决策研究

本文研究了市场竞争情况下两个零售商横向差异产品组合决策,基于multinominal logit(MNL)模型刻画消费者选择行为并建立基本模型,得到市场相互独立时的最优产品组合.将市场竞争情况下的产品组合决策细分为四种情形并研究了零售商进入市场顺序的影响,对比了市场相互独立与竞争情况下的结果.结果表明:市场竞争时的产品多样化程度不低于市场相互独立的情况;部分产品存在两个零售商的利润空间是零售商选择重复产品必要条件;市场相互独立时的最优解外的产品有利可图是产品多样化程度高于市场相互独立情况的必要条件;零售商进入市场存在先后顺序时,信息不对称不影响均衡结果.     

人工智能重塑零售行业的底层逻辑：综述及展望

人类正进阔步迈进智能时代、智能社会。人工智能作为一种应用场景广泛、开放性的技术深刻地改变着零售行业，对零售价值链持续优化，技术的突破覆盖每一个业务阶段，使它们相互叠加并彼此影响。人工智能对零售行业变革的核心内涵是以技术为核心驱动，通过提供价值触达供应端和需求端，直接造成人与企业的互动的颠覆性变化，促成了“AI+零售”的创新融合新格局。全面梳理了人工智能在零售行业的应用的具体实例，详细分析了人工智能处理任务的4种类型，归纳出人工智能在零售行业的应用和新零售场景的塑造。并且，深入剖析了人工智能应用场景落地引起零售行业变革升级的底层逻辑，将其归纳为有效性价值、效率性价值、体验性价值和增强性价值4大关键因素。最后，提出消费者和企业分别所面临的显性和隐性的挑战。     

考虑多种因素的一类三寡头R&D投入系统复杂性研究

建立了新兴产业中一个带有技术溢出和内生需求的动态三寡头RD投入博弈模型,着重讨论了决策调整速度和技术溢出率对于模型复杂性的影响。通过三维稳定域研究了模型的纳什均衡点对于决策调整速度和技术溢出率的稳定性,通过二维分岔图对模型的局部分岔进行了分析研究,发现如果决策调整速度过快,系统会通过flip或N-S分岔失去稳定,并最终走向混沌。同时研究了RD投入调整速度和技术溢出率造成的系统失稳对于各寡头利润的影响程度,发现系统失稳对于各方利润的影响不尽相同,控制技术溢出率,可以确保合作的两个寡头的利润优势。对该模型进行了全局分岔分析,发现寡头们的每一次决策值都不可以盲目的过高。     

Positive Study on the Risks of Investment

1. INTRODUCTIONWhen studying the risks in securities investment, we usually adopt the CAPM [11 model andcategorize the risks into systematic risks and non-systematic risks according to their naturesand the measuremellts taken to deal with the risks. Systematic risks called big market risksor macrthrisks, are related to the whole market, will influence all the stocks on the marketand can not be resolved. Non-systematic risks are risks unique to a company or an industryti. e., risks of the…     

三种基于理想点的不确定多属性决策优化模型

针对属性权重信息完全未知或只有部分权重信息的不确定多属性决策问题,提出了3种基于理想点的最优化决策模型。通过对这3种模型的求解,可获得属性的权重,进而给出了相应的对方案进行择优的决策方法,从而为解决权重信息不完全的多属性决策问题提供了新途径。最后用实例对该方法进行了说明。理论分析和数据结果表明了方法的可行性和有效性。     

同城即时配送问题基于多预测场景的在线调度

同城即时配送是随现代电子商务而产生的新问题,该问题呈现出极强的动态性与求解时间的紧迫性,并具有商户与顾客一对多的关系、车辆需要多次往返商户取货、货物取送有时效要求等诸多新特征,无法依赖现有研究而求解.针对这一问题,建立了基于多预测场景的在线优化调度方法,将带有预测订单的多个场景整合到路线规划过程,通过每个场景的方案计算,以及多场景方案的整合,得到了车辆赖以运行的集成方案,提高了调度方案面对未来不确定需求的适应性;所建立的调度系统在新订单进入时立即响应,在系统闲置时则采用大邻域搜索技术不断优化未完成的任务方案.最后,在具有200～300个日订单的大连市某同城即时配送公司的真实数据上,验证了在线调度方法的有效性和可行性.     

神经网络技术在效率系数模型辩识中的应用

基于神经网络原理,介绍了汽车发动机效率因数模型的一种辨识方法．该因数依赖于发动机轴角速度和收集器的压力．用于辨识的测量数据被分成两组,一组用于模型辨识,另一组通过该模型的预测能力来证明其有效性．通过这两个模型的比较,可以得出结论,神经元网络方法用于效率因数模型辨识是可行的,且结果是好的．