基于偏序集理论的数据包络分析方法研究

刻画了综合 DEA有效性 (C2 WY)的本质特征 ,给出了决策单元为综合 DEA有效 (C2 WY )的一个充要条件 .同时 ,还系统论述了 DEA有效性的含义和理论基础 ,阐述了从偏序集角度研究 DEA方法的优点和意义 ,最后 ,探讨了基于偏序集理论的 DEA方法在定性问题的定量化研究中的应用.     

基于偏序集理论的数据包络分析方法

数据包络分析(data envelopment analysis, DEA)方法与偏序集理论之间关系密切,通过引入适当的偏序关系可以进一步刻画决策单元,也能够更加深入地理解决策单元。在Charnes-Cooper-Rhoes (C²R) 模型中引入新的偏序关系,通过该偏序关系给出DEA有效决策单元、弱有效决策单元及无效决策单元与偏序集的极大元的特殊关系,同时从偏序集中的极大元出发提供决策单元在生产前沿面上的投影。 最后,为了较简单地确定各个决策单元之间的偏序关系,对C²R模型中的投入产出数据进行无量纲化及统一化处理,并对这些理论的进一步应用和发展提出了一些建议和设想。     

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。     

综合数据包络分析模型及其软件系统设计

针对实际问题复杂多样、范围广泛,而数据包络分析(DEA)模型本身又种类较多等特点,首先对多种常用的DEA模型进行了分类研究,指出了每类DEA模型在形式上的具体特点。以此为基础给出了一种能够包含各类模型特征的综合DEA模型和相应的目标规划模型。最后,根据目标规划模型中不同参数与不同模型之间的对应关系设计了能判断多种DEA有效性的综合算法和软件系统。     

样本数据包络面的研究与应用

研究了样本数据包络面的性质,给出了基于样本数据包络面的排序算法.并应用获得的结果,探讨了样本数据包络面在择优排序、分析有效单元性质、预测组合有效性等方面的应用.     

一种基于样本的综合评价方法及其在FSA中的应用研究

给出了一种基于多个样本单元或给定标准的多目标、多准则综合评价方法 ,并讨论了它的相关性质 .同时 ,还给出了一种依据样本前沿面移动划分可行集的算法 ( MSF) .根据划分的各区域特征 ,可以对决策单元的性状进行比较或排序 .在此基础上 ,给出了 n维空间中最大可接受风险曲面的概念 ,推广了传统的 F-N曲线分析方法 .并将 MSF应用于多风险区域分划以及同类单元综合风险评估 ( FSA)等问题中 .     

数据包络分析中有效单元的进一步分析

本文从多目标Ｐａｒｅｔｏ有效解入手，分析了ＤＥＡ模型最优解与有效单元间的关系，定义了一个能衡量单元有效程度的指标，并在此基础上对单元问题的相对有效程度作了进一步探讨，最后给出了一个计算实例。     

数据包络分析的灵敏度研究及其应用

研究并给出数据包络分析中ＣＣＲ模型的一种灵敏度分析方法，提出有效决策单元在输入／输出变动时，保持有效性不变的充分条件。实用表明，该法稳定有效。     

Pareto有效在DEA模型中的应用

提出了一个以输入-输出比值为目标函数的多目标规划模型,证明了其Pareto有效与DEA有效之间的关系,并将之应用于DEA有效性求解中,使DEA模型得到简化,计算难度降低.     

数据包络分析（DEA）在电力工业的应用

本文应用数据包络分析技术，测算了八大电网的全要素相对生产率，研究了其规模效益及分类情况，并对计算结果进行了纵、横向综合分析、比较，较好的解释、印证了八大电网生产实际，为决策层对经济系统进行综合比较、评价提供了有效的技术经济手段．     

基于C2W模型的广义数据包络分析方法

传统数据包络分析（data envelopment analysis,DEA）方法的参照系为决策单元全体,而许多实际问题的参照系可能会有多种形式,因此用传统DEA方法评价该类问题时遇到困难,广义DEA方法在评价该类问题时则存在一定的优势. 为了进一步完善广义DEA方法的理论体系,给出基于C²W模型的输出型广义DEA模型. 讨论基于C²W模型的输入型和输出型广义DEA模型中决策单元的Sam-DEA_d有效性的判别条件,广义DEA模型与传统DEA模型之间的关系,Sam-DEA_d有效性与相应的多目标规划的Pareto有效之间的关系,决策单元的投影性质,利用样本前沿面的d移动对决策单元进行有效性排序.     

Robust data envelopment analysis based MCDM with the consideration of uncertain data

The application of data envelopment analysis (DEA) as a multiple criteria decision making (MCDM) technique has been gaining more and more attention in recent research. In the practice of applying DEA approach, the appearance of uncertainties on input and output data of decision making unit (DMU) might make the nominal solution infeasible and lead to the efficiency scores meaningless from practical view. This paper analyzes theimpact of data uncertainty on the evaluation results of DEA, and proposes several robust DEA models based on the adaptation of recently developed robust optimization approaches, which would be immune against input and output data uncertainties. The robust DEA models developed are based on input-oriented and outputorientedCCR model, respectively, when the uncertainties appear in output data and input data separately. Furthermore, the robust DEA models could deal with random symmetric uncertainty and unknown-but-bounded uncertainty, in both of which the distributions of the random data entries are permitted to be unknown. The robust DEA models are implemented in a numerical example and the efficiency scores and rankings of these models are compared.The results indicate that the robust DEA approach could be a more reliable method for efficiency evaluation and ranking in MCDM problems.     

带有偏好锥的样本数据包络分析方法研究

针对传统数据包络分析方法无法依据确定参考面提供评价信息的弱点,给出了带有偏好锥的样本数据包络分析模型(PSam-C2WH)和相应的SCDEA有效性及弱有效性概念。分析了(PSam-C2WH)模型的性质以及它与传统DEA模型之间的关系,探讨了(PSam-C2WH)模型刻画的SCDEA有效性及弱有效性与相应的多目标规划非支配解之间的关系。进而,分析了决策单元在样本可能集中的分布特征、投影性质和模型含义等问题。     

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。