مدل های deaبه منظورآنالیز کارایی نسبی داده های ورودی وخروجی های چند گانه وکاربرد این مدلها در مسائل دسته بندی است و محدودیت های خاص و ویژه ای را مطرح می کند.انگیزه اولیه برای این تحقیق غلبه بر برخی محدودیت های رایج مدل های deaاست، به طوری که این مدل ها بتوانندبرای بازه گسترده ای از مسائل دسته بندی و رتبه بندی مورد استفاده قرار گیرند.یکی از عمده ترین مشکلات استفاده از تحلیل پوششی داده ها ضعف قدرت تفکیک پذیری واحد های تصمیم گیرنده است.این مشکل عمدتا" به علت کم بودن تعداد واحدها در مقایسه با تعداد ورودی ها وخروجی های مدل می باشد.براین اساس و برای رفع این مشکل شبکه های عصبی مورد مطالعه قرار گرفت و مدلی تلفیقی از شبکه های عصبی مصنوعی و تحلیل پوششی داده ها (neuro-dea) بررسی شد که نتایج نشان می دهد استفاده از شبکه های عصبی به دلیل قابلیت بالاو انعطاف پذیری الگوریتم های مدل سازی آن موجب افزایش قدرت تفکیک پذیری و رتبه بندی مناسب واحدهای تصمیم گیرنده می گردد.لازم به ذکر است که شبکه باید به شکل مناسبی آموزش داده شود. مقایسه بین dea وneuro-dea نشان می دهد که شبکه های عصبی مرز کارایی مقاوم تر و انعطاف پذیر تری نسبت بهdea نشان می دهد و از neuro-dea می توان در حل مسائل با مقیاس بزرگتر نیز استفاده کرد زیرادر این روش نیازی به حل یک مدل ریاضی برای هر dmu نیست. همچنین در این مطالعه به صورت تئوری بررسی شد که چگونه dea میتواندبا شبکه با توابع شعاعی برای ایجاد یک مدل rbfn-dea برای گروه بندی ترکیب شود.

مدل های dea معمول برنامه ریزی خطی بر پایه ی ورودی ها و خروجی های پیوسته(مقادیر حقیقی ) در نظر مِی گیرند. در حالی که در بسیاری از کاربردها بعضی از داده های ورودی و یا خروجی به طور مشخص دارای مقدار صحیح هستند.حالت هایی که باید دارای مقادیر صحیح باشند معمولا شامل منابع خدمات یا نتایج هستند که نمی توانند تقسیم شوند. به عنوان مثال تعداد کارگران تعداد ماشین ها تعداد مشتریان تعداد مقالات و ... عمدتا در این حالت ها هدف های غیر صحیح را گرد می کنند تا به یک عدد صحیح نزدیک شود. در صورتی که ممکن است منجر به یک هدف نشدنی (یعنی خارج از مجموعه ی امکان تولید)گردد و یا یک نقطه ی داخلی مغلوب به دست اید. لوزانو و ویلا اولین کسانی بودند که بر اهمیت ارایه و معرفی محدودیت های صحیح در ساختار dea برای روند برنامه نویسی خطی صحیح مرکب در حل امتیاز کارایی dea تاکید کرده است .کوسمانن و کاظمی متین پایه اصول موضوعی را برای تکنولوژی dea صحیح لوزانو و ویلا گسترش داده اند و فرمول بندی milp اصلاح شده را برای حل امتیازهای کارایی خاطر نشان کردند. و بر اساس فرض های جدید امکان پذیری طبیعی و تقسیم پذیری طبیعی اصل کمینه برون یابی ساخته می شود.این اصل موضوعات که همراه با فرضیه جمع پذیری کلاسیک اعمال شده اند ، یک تکنولوژی دارای مقدار صحیح را مشخص می کند، که به صورت زیر مجموعه ای بردارهای ورودی و خروجی با مقدار صحیح به دست آمده اندکه تحت پوشش تکنولوژی dea کلاسیک با بازده به مقیاس ثابت قرار دارند.در حالی که فرضیه های افزایش پذیری و تقسیم پذیری طبیعی شهودی هستند و برای بازده به مقیاس افزایشی و کاهشی کافی نیستند. لذا برای تعمیم این موضوع برای حالت های مختلف بازده به مقیاس اصل تحدب طبیعی را معرفی می کنیم .

واحد های تصمیم گیری می توانند در بسیاری حالات ساختار دو مرحله ای داشته باشند ، در چنین وضعیتی گفته می شود که واحد تصمیم گیری شامل یک سری عملیات داخلی است و ساختار دو مرحله ای را به نمایش می گذارد . مرحله ی اول ورودی ها را به کار می برد تا خروجی ها را تولید کند که این خروجی ها ، ورودی های مرحله ی دوم هستند و اندازه های میانی نامیده می شوند . اما همیشه استفاده از منابع ورودی منجر به تولید خروجی های مطلوب نمی شود ، مواردی در تولید وجود دارد که علاوه بر خروجی های مطلوب ، خروجی های نامطلوب نیز تولید می شود. نادیده گرفتن خروجی های نامطلوب منجر به اشتباه شدن نتایج حاصل از تولید و تعیین کارایی وا حدها و ناتوانی در تولید خروجی مطلوب بیشترخواهد شد.دراین پایان نامه، یک اندازه ی ناکارایی تکنیکی وابسته به متغیرهای کمکی جهتدار به همراه خروجی های نامطلوب ، معرفی می شود .این مدل امکان حرکت غیر شعاعی در یک جهت دلخواه را برای ورودی ها و خروجی ها فراهم می کند و ثابت می شود ، هنگامیکه متغیر های کمکی وجود ندارند، اندازه ی ناکارایی تکنیکی وابسته به متغیرهای کمکی جهتدار به تابع فاصله ی تکنولوژی جهتدار تبدیل می شود.سپس این مدل به مد ل های شبکه ای با ساختار دومرحله ای تعمیم داده می شود و هم ارزی آن باسایرمدل های dea بررسی می شود.

در اینجا ابتدا به روش هایی اکه cook $ zhu مطرح کرده اند پرداخته و با روشی جدید اشکالات این روش را رفع می کند

تحلیل پوششی داده ها روشی برای اندازه گیری کارایی نسبی و به دست آوردن الگو برای واحد های تصمیم گیری و رتبه بندی این واحد ها می باشد. ابرکارایی، یکی از مدل های رتبه بندی می باشد که توسط اندرسن و پیترسن برای رتبه بندی واحدهای کارا ارائه شد. در این پایان نامه دو مدل تعمیم یافته ی ابرکارایی بررسی می گردد که قدرت تشخیص مدل های تحلیل پوششی داده ها را بهبود می بخشد. با توجه به کاربردی بودن dea بهبود و افزایش قدرت ارزیابی و تشخیص آن از نظر مدیریتی اساسی و مهم است . هدف به دست آوردن مدل هایی با قدرت تشخیص بالا نسبت به مدل های معمولی تحلیل پوششی داده ها است. مدل های پیشنهادی بال و همکاران علاوه بر بهبود قدرت تشخیص مدل های تحلیل پوششی داده ها، از انتشار فاحش وزن ها نسبت به میانگین شان جلوگیری می کند و این از امتیازات این مدل ها می باشد. اما از مشکلات مدل ارائه شده در فصل سوم، غیرخطی بودن تابع هدف مدل می باشد. ولی باید توجه داشت به دلیل مینیمم نمودن مجموع اختلاف میان متغیرها، از میانگین شان، مدل سعی می کند از انتشار خطا جلوگیری کند و این موضوع باعث می شود که هریک از وزن های ورودی و خروجی در محدوده ی خاص قرار بگیرند. از ایرادات مدل پیشنهادی در فصل سوم و چهارم، نامفهوم بودن تابع هدف می باشد و این که چگونه از انتشار وزن ها نسبت به میانگین جلوگیری می کند و همچنین روشن است که تابع هدف در این مدل هیچ بحثی از کارائی به میان نمی آورد و باید بعد از حل مدل، آن را به دست آورد. و از امتیازات این مدل، نسبت به مدل فصل سوم، خطی بودن مسئله می باشد. از پیشنهادات برای ادامه ی این موضوع، تعمیم هر دو مدل بال وهمکاران به دیگر مدل های تحلیل پوششی داده ها می باشد و نیز ارائه ی یک مدل خطی، که علاوه بر مینیمم کردن انتشار پراکندگی وزن ها بتواند کارایی را نیز به راحتی به دست آورد.

از آنجا که ارزیابی زنجیره عرضه تحت شرایط نامعین پیچیده است، ولی با توجه به وجود چنین زنجیره هایی در واقعیت ارزیابی آنها مهم به نظر می رسد، در این پایان نامه با استفاده از rdea روشی برای ارزیابی زنجیره عرضه تحت شرایط نامعین مورد بررسی قرار می گیرد.

بهره وری یکی از شاخص های اساسی رشد و توسعه اقتصادی،اجتماعی و فرهنگی است.افزایش جمعیت و توسعه استاندارد های زندگی که منجر به افزایش تقاضا ،افزایش تولید و بهره برداری بیشتر از منابع شده است ،لزوم توجه سیاستگذاران و برنامه ریزان به شاخص های بهره وری را بیش از هر زمانی نمودار کرده است. با توجه به اهمیت مطلب،در این پایان نامه اندازه گیری بهره وری واحد های تصمیم گیری با استفاده از شاخص فوق – مالمکوئیست مدور مورد توجه قرار گرفته است.این شاخص بر اساس توابع فاصله ای تعریف می شود و یا استفاده از مدل های اساسی تحلیل پوششی داده ها قابل محاسبه می باشند. یکی از مزیت های این شاخص دوری بودن آن است.این مزایا سبب شده است که این شاخص در سال های اخیر مورد توجه محققان قرار گیرد.

متدهای موجود برای استفاده از ظرفیت را از روش های غیر پارامتری از لحاظ اقتصادی بررسی می گردد و سپس برای محدودیت های مربوطه راه حل های جایگزین پیشنهاد می شود. دو روش شعاعی و غیر شعای برای محاسبه ی cu (استفاده از ظرفیت ) از جنبه ی تکنیکی در ماهیت ورودی و در نهایت تجزیه آن به عناصر مختلف از جمله ناکارائی تکنیکی، استفاده از ظرفیت اقتصادی و ظرفیت بهینه بی کاری. این تحقیقات در صنعت بانک داری هند انجام شده تا کاربرد بالقوه این دو روش تجزیه به نمایش گذاشته شود. دو یافته اصلی تجربی این است که اولا رقابت به وجود آمده بعد از این که بخش مالی اصلاح می شود کارائی افزایش پیدا می کند و ظرفیت مازاد کاهش پیدا می کند. در درجه دوم اختلاف هزینه در دوره کوتاه مدت از هزینه جاری برای بانک های دولتی نسبت به بانک های خصوصی بیشتر است، که این موضوع بیان کننده این امر است که بانک های دولتی اگرچه قدیمی هستند، تجارب آموخته ی آن ها در کاهش هزینه آن ها تاثیری به سزائی ندارد.

در این پایان نامه بازده به مقیاس را با روش دیگری که پایه و اساس آن مدل جمعی است تخمین می-زنیم. در تحلیل پوششی داده های معمولی، فرض بر این است که داده های ورودی و خروجی دقیقا مشخص هستند. البته این فرض همیشه درست نیست، زیرا در مسائل واقعی اغلب داده ها را نمی توان دقیقا اندازه گیری کرد. به عبارت دیگر داده ها در جهان واقعی اغلب نادقیق هستند. به همین علت ما در این پایان نامه روش معرفی شده برای تخمین بازده به مقیاس را به deaنادقیق تعمیم می دهیم. البته داده های نادقیق به دسته های گوناگونی مثل داده های فازی، احتمالی، بازده ای و... تقسیم بندی می شوند. ما در این پایان نامه فقط مدل پیشنهادی برای تخمین بازده به مقیاس را به داده های فازی و احتمالی تعمیم می دهیم. با توجه به اینکه در تحلیل پوششی داده های فازی و احتمالی هدف بدست آوردن یک معادل قطعی برای مدل های فازی و احتمالی است، در هر قسمت معادل قطعی را برای مدل پیشنهادی بدست می آوریم. در انتهای هر قسمت، مدل بدست آمده را با یک مثال عددی توضیح می دهیم.

آنچه در این نوشتار مورد بحث قرار خواهد گرفت، رای گیری و ارتباط آن با تحلیل پوششی داده ها است و انتخاب کاندید برتر از میان چند کاندید است. بدین منظور فرض می کنیم با داشتن n کاندید هر داور مجاز به اتنخاب k کاندید است. لذا به هر جایگاه وزنی نسبت داده میشود و در پایان به هر کاندید نمره ای داده میشود تا بتوان کاندیدها را با آن نمرها مقایسه کرد و در نهایت کاندید برتر شناسایی شود. روشهای مختلفی برای محاسبه ی نمره وجود دارد که یکی از آن روشها استفاده از مفاهیم ملهم از dea است

کارایی متقاطع یکی از ابزارهای مهم برای بررسی کارایی و رتبه بندی واحدهای تصمیم گیری است و از جمله روشهایی است که توان بالایی در تفکیک پذیری واحدهای کارا دارد و برخلاف کارایی تکنیکی دارای محاسن زیادی است. و در تعیین کارایی متقاطع تعیین وزنها از اهمیت بسزایی برخوردار است و در این راستا روشهای متعددی مصرف شده است. در این ژایان نامه عملگر owa به عنوان یک ابزار در تعیین وزنها و به عنوان یکی از روشهای تصمیم گیری که قابلیت درنظر گرفتن اولویتها و ارزیابی های ذهنی تصمیم گیرنده را داراست مورد بررسی قرار می گیرد. استفاده از عملگر owa به تصمیم گیرنده اجازه می دهد تا به بهترین کارایی نسبی در انتخاب بهترین واحد تصمیم گیری دست یابد. انتظار میرود تعیین وزنها از طریق عملگر owa دارای برتریهای نسبی نسبت به روش های قبلی باشد.

پیدا کردن نتایج مناسب برای یک تحقیق داده شده به موتورهای جستجوی چندگانه، امری مهم به شمار می آید. در این پایان نامه مسئله تجمیع و رتبه بندی موتورهای جستجوی چندگانه به صورت مدل برنامه ریزی خطی مینی ماکس مطرح شده است. علاوه بر برنامه کاربردی جدید، مناسب ترین اطلاعات میان مجموعه بازگشتی از لیست های متون رتبه بندی شده با استفاده از موتورهای جستجوی مجزا را پیدا می کند. روش میانگین وزن دار مرتب (owa)، یک روش کاربردی در حل مسئله تصمیم گیری چندمعیاره است. این روش، به کمک حل مدل های برنامه ریزی ریاضی به تعیین وزن های مطلوب در مسئله تصمیم گیری چند معیاره می پردازد. این تحقیق، پس از معرفی چند نمونه از مدل های عملگر owa به مقایسه و بررسی ویژگی بردارهای حاصل از مدل های مختلف می پردازد. سپس وزن های حاصل را در مسئله رتبه بندی بر اساس ارجحیت بکار می برد. در ادامه با رفع نقایص مدل های سابق، مدلی جدید برای رتبه بندی بر اساس ارجحیت ارائه می دهد.

رتبه بندی واحدهای تحت ارزیابی در بعضی مسائل حقیقی به دلیل نادیده گرفتن بعضی شاخصهای درون سازمانی، نادقیق شدن و غیرقابل پذیرش بودن نتایج را به دنبال دارد. یکی از این مسائل حقیقی، المپیک است که در آن تعدادی ثابت مدال شامل مدالهای طلا، نقره و برنز بین 212 کشور شرکت کننده در این تورنمنت توزیع خواهد شد، درنهایت کشوری قهرمان المپیک می شود که از لحاظ تعداد مدالهای طلا، نقره و برنز بر تمامی کشورها برتری داشته باشد، به عبارتی تنها متر و ملاک رتبه بندی تعداد مدالهای کسب شده است و هیچ عامل دیگری در این رتبه بندی دخیل نیست. واضح است هرگونه عامل و شاخصی که به ملاکهای رتبه بندی افزوده شود باعث افزایش دقت و قابلیت پذیرش این نتایج برای همه واحدهای تحت ارزیابی را به دنبال خواهد داشت. در این نوشتار، مسائلی را مورد بحث قرار می دهیم که جمع شاخصهای خروجی تمام واحدهای تحت ارزیابی یکسان است و هرگونه تغییر در خروجی یک واحد با سیاستی که از سوی مدیر اتخاذ می شود باعث تعدیل سایر خروجیها می شود، به نحوی که جمع خروجی تمام واحدهای تحت ارزیابی همان میزان اولیه شود.

الگوریتم های داده کاوی مانند اپریوری الگوریتم تعداد زیادی از قوانین وابستگی را کشف و استخراج می کند، که تنها تعداد اندکی از آن ها با توجه به محدودیت بودجه و منابع بکار گرفته می شود از این رو ارزیابی و درجه بندی جالب و مفید بودن آن ها در داده کاوی اهمیت دارد. با توجه به اینکه اندازه های جالب بدون در نظر گرفتن الگوهای استخراج شده توسط داده کاوی نقش مهمی را در داده کاوی ایفا می کنند می توان از این اندازه ها با توجه به علاقه بالقوه کاربر برای انتخاب و درجه بندی کردن الگوهای بدست آمده، استفاده کرد. همان طور که در بالا اشاره شد با توجه به محدودیت منابع و بودجه مهم است که بتوانیم قوانین با کیفیت و مفید را ارزیابی و درجه بندی کنیم. در این پایان نامه از تحلیل پوششی داده ها به عنوان یک روش غیر پارامتری موثر برای درجه بندی تمام قوانین وابستگی با استفاده از تمایز حداکثری بین معیارهای جالب یا همان وزن های dea استفاده شده است. در این راستا مدل های متعددی مطرح و بررسی شده است که به تعدادی از آن ها در این پایان نامه اشاره می شود و معایب، محاسن و اشکالات آن ها مورد بررسی قرار می گیرد و در نهایت روشی جامع که می تواند کاراترین قواعد انجمنی را تنها با حل یک مسئله برنامه ریزی خطی بدست آورد بررسی می گردد.

برای انتخاب گزینه بهینه بین گزینه های متفاوت با توجه به شاخص های موجود روش های متفاوتی وجود دارد که در آنها با تخصیص وزن هایی گزینه بهینه بدست می آید. در این پایان نامه از dea به عنوان یک ابزا برای انتخاب گزینه بهینه استفاده می شود بدین ترتیب با تعیین وزن-هایی از طریق dea ارجحیت های ارائه شده تواسط کارشناسان با گروهای کاری... تجمیع می گردد.

تحلیل پوششی دادهها اندازهگیری مقدار کارایی فرآیندهای دو مرحلهای مورد dea است. با پیشرفت و توسعهی تکنیک بررسی قرار گرفت، در این روش همهی خروجیهایی که از مرحله اول به دست میآیند، مقدار میانی نامیده میشوند. این مقادیر میانی، مقدار ورودی واحدهای تصمیمگیری در مرحله دوم هستند. در مدل علاوه بر تعیین مقدار کارایی کلی همهی فرآیند، مقدار کارایی هر مرحله هم به- dea دو مرحلهای طور مستقل بهدست میآید. به علت وجود مقادیر میانی، نمیتوان با استفاده از مدلهای استاندارد واحد تصمیمگیری را روی مرز تصویر کرد. در این مقاله سعی بر آن شده است تا با استفاده از dea دو مرحلهای روشی برای تعیین نقاط مرزی واحدهای تصمیمگیری ناکارا بهدست آورد.

دراین تحقیق یک روش ترکیبی یکپارچه سازی تجمیع owa(میانگین وزندار مرتب) وtopsis(تکنیکی برای برترین پیشنهاد از راه حل مشابه راه حل ایده آل )برای تجزیه و تحلیل تصمیم چندمعیاره مطرح می شود. برای این کار ابتدا مجموعه ای از نقاط راسی (ایده آل و ایده آل منفی)در topsis را تعریف می کنیم و برای بررسی کردن موقعیت نقاط راسی چندگانه جاییکه یک تصمیم گیرنده یا تصمیم گیرنده های چندگانه می توانند بیشتر از یک جفت از نقاط راسی را ارائه کنند گسترش میدهیم. سپس سه طرح مختلف تجمیع در ادغام owaدر روش topsis مطرح می گرددو یک مثال عددی برای نشان توضیح روش پیشنهادی نتایج در مقایسه برای تجمیع مختلف مجموعه ها و تایید نیرومندی رتبه بندی از سناریو های مختلف ارائه شده است.

در این پایان نامه هدف بکار گیری یک مدل یکپارچه از مهمترین و مفیدترین تکنیک های mcdm،ahpوtopsis برای آزمایش جایگاه کارخانه های اتومبیل در ایران مبباشد. در نگاه دیگر روش at ترکیبی از دو روش ذکر شده بری بدست آوردن رتبه بندی نهایی است. در کنار آنها ما مدل dea را پایه ای برای مقابسه و قابل اطمینان بودن روشهای mcdm فرض نموده ایم که at قابل اطمینان تر از ahp و topsisاست. نتایج تایید میکند که ایمنی و قیمت مهمترین معیار انتخاب اتومبیل می باشد،پس از مقابسه محصولات داخلی و خارجی و رتبه بندی آن ها بر پایه معیارها و زیرمعیارها ضرورت بهبود اتومبیل های داخلی در جایگاههای مختلف توصیه شده است.

کارایی متقاطع یک روش مهم برای مقایسه و رتبه بندی d m u ها است. از انواع مدل های کارایی متقاطع، مدل مهاجمانه و نیک خواهانه است از آن جا که ممکن است این دو مدل نتایج متفاوتی در رتبه بندی d m u ها داشته باشند، مدل بی طرف بیان شده است از مزایای این مدل کاهش تعداد وزن های صفر برای خروجی ها است. سپس مدلی معرفی می شود که تعداد وزن های صفر هم زمان برای ورودی ها و خروجی ها کاهش می یابد. در ادامه پایان نامه، با توسعه ی مدل های بی طرف وزن های متقاطع تعریف می شود و در پایان، با طرح مثالی تفاوت بین مدل های ارایه شده مورد بررسی قرار می گیرد.

تغییر در سود متاثر ازناحیه خروجی و ورودی است.دراین پایان نامه از مدل غیر شعاعی sbm برای تجزیه تغییر سود استفاده شده است . درابتدا سود به دو عامل اثر کمی و اثر قیمت تجزیه می شود.اثر کمی خودبه دو عاملاثر بهره وری و فعالیت تجزیه خواهد شد. در ادامه اثر بهره وری به دو عامل اثر تغییر تکنیکی و کارایی عملکرد تجزیه می شود که می بایست هم در ناحیه ورودی و هم در ناحیه خروجی بررسی شوند. اثر فعالیت در مرحله بعد به سه عامل اثر ترکیبی تولید،اثر ترکیبی منابع و اثر مقیاس تجزیه خواهد شد.

در ابرکارایی شعاعی مدلهای تحلیل پوششی داده ها تحت بازده به مقیاس متغیر مشکل نشدنی رخ می دهد. برای بررسی این موضوع ؛ یک اندازه ابرکارایی n-l به وسیله تابع فاصله جهت دار بهبود داده شده است. اگرچه این مدل ابرکارایی n-l مشکل نشدنی بودن را به اندازه ابرکارایی شعاعی معمولی مدل های dea تحمل نمی کند؛ اما یک جواب نشدنی در دو حالت خاص تولید می نماید. مطالعه حاضر قصد دارد، تابع فاصله جهت دار را با انتخاب دسته های مرجع شدنی دقیق اصلاح کند به طوریکه اندازه n-l حاصل برای ابرکارایی همیشه شدنی باشد.به عنوان نتیجه گیری؛ مدل ابرکارایی vrs اصلاح شده ما بیان می کند که حالات نشدنی بودن در هر دو نوع مدل های vrs معمولی یا مدل ابرکارایی n-l رخ می دهد.

مسأله حمل و نقل، یک مسأله ی برنامه ریزی خطی مهم با ساختار شبکه است که در زمینه های مختلف استفاده می شود.از آن جایی که، مدل حمل و نقل یک مدل برنامه ریزی خطی معمولی است ولی ساختار خاص آن امکان گسترش الگوریتم های محاسباتی را ایجاد می نماید.دراین جا ساختار خاصی که برای مسأله حمل و نقل درنظر گرفتیم به صورت مسأله حمل و نقل تک مخزن (تک مقصدی)باهزینه ی ثابت است.در این مساله که به دنبال کمترین هزینه از یک تعداد گره (مبدأ) به یک مخزن واحد (مقصد واحد) هستیم علاوه بر هزینه حمل کالا، مبدأ حمل کالا نیزشامل هزینه ثابت است. روش هایی برای حل این مسأله پیشنهاد شده است. دراین پایان نامه، به بررسی دو روش حل مبتنی بر مفاهیم مسأله دودویی کوله پشتی و برنامه ریزی پویا می پردازیم.

افزایش شدت رقابت جهانی موجب شده است که سازمانها رابه استفاده ازانواع مختلف ابزارهای اندازه گیری عملکرد برای بهبود کیفیت تولیدات وخدماتشان سوق دهد.تحلیل پوششی داده ها (dea)یک روش مناسب برای محاسبه ی کارایی نسبی و مقایسه ی عملکرد یک مجموعه از واحد های تصمیم گیرنده (dmu)است .روش های مرسوم dea،به اندازه های دقیق از هرکدام از داده های ورودی وخروجی نیاز دارند . هر چند که ،مقادیر مشاهده شده ی داده های ورودی وخروجی در مسائل دنیای واقعی اغلب به شکل های دیگر ازقبیل کسری ،بازه ای و فازی هستند.در این پایان نامه ،برخی از این نوع داده ها شرح داده می شوند.سرانجام نقایص آنها مطرح می شودو تفاوت های آنها بایکدیگر نیز بررسی می شود.

در dea ? به طور کلی? محاسبه کارایی به دو روش شعاعی و غیر شعای اندازه گیری می شود. در این پایان نامه? بعد از بیان مختصری از dea ? اولین مدل شعاعی و اولین مدل غیر شعاعی مطرح و نواقص آن ها بیان می شود. با توجه به اینکه یکی از نقص های مهم مدل sbm ?تناسب نداشتن ورودی ها و اسلک ها می باشد? در فصل سوم مدلی به نام sbm- متصل معرفی می شود که اسلک ها را در یک بازه مشخص محدود می کند تا اسلک های حاصل از حل مدل? با ورودی های اولیه تناسب داشته باشند و در نتیجه مشکل مدلsbm به وجود نیاید . با توجه به خاصیت مدل های شعاعی و غیر شعاعی? نتیجه می شود که در حالت هایی که dmuها در pps به صورت کاملا پراکنده واقع شده اند? مدل sbm مناسب است و در حالت هایی که dmuها در pps به صورت متمرکز واقع شده اند ?مدل ccr مناسب می باشد. و در این حالت های خاص? مدل های ccr و sbm نواقص ذکر شده مربوطه را ندارند. با توجه به این نتایج? در فصل چهارم? مدلی به نام ebm معرفی می شود که در هر بررسی? ابتدا میزان پراکندگی dmu ها سنجیده می شود. بدین منظور از شاخص ناسازگاری استفاده می شود که مقدار آن بین صفر و یک است. وقتی مقدار ناسازگاری برابر یک باشد? مدل ebm تبدیل به مدل sbm می شود و وقتی مقدار ناسازگاری برابر صفر شود? مدل تبدیل به ccr می شود و چنانچه شاخص ناسازگاری مقداری بین صفر و یک داشته باشد? مقدار کارایی بر اساس این مدل مقداری خواهد بود که از مقدار کارایی مدل ccr کمتر و از مقدار کارایی مدل sbm بیشتر است .

محاسبه کارایی هزینه احتیاج به یک سری اطلاعات دقیق وکامل در مورد قیمت های هر واحد تصمیم گیرنده دارد. عملا هرچند دانش واقعی در مورد قیمت های ورودی سخت بدست آمده است وقیمتها ممکن است، مختص به یک بازه زمانی کوتاه بشوند. برای تخمین کارایی هزینه ،زمانی که قیمت ها در گزارش ها نا دقیق تعبیر می شوند. مدل های نسبت مخروطی(cr) که ترکیبی از اطلاعات قیمتی در دسترس در محدودیت های وزنی است می تواند کاربردی باشد .به هر حال به دلیل کمبود یک توضیح واضح ،ارتباط واقعی بین دومدل (cr)وce)) این دومدل را در نظر می گیرید .در این مقاله ازمیان یک مطالعه دوگان ، هم خواص نظری بین این دومدل وهم ارتباط جوابهای کارایی را بین انها بررسی می کند .فرض می شود که یک داده نادقیق وجود داردوبراساس یک مطالعه دوگان یک روش جدید را بسط می دهد ویک الگوریتم مرتب لکزیکوگرافی راکه حجم عملیاتی آن ساده و مختصر است برای تخمین کرانهای پایین در اندازه گیری کارایی هزینه را طراحی می کند .

استفاده بهینه منابع موجود همیشه برای بشر جذاب بوده است. و راهکار های مختلفی برای یک مسئله به کار گرفته شده است تا حداکثر استفاده از منابع موجود انجام شود. محدودیت در سرمایه، نیروی انسانی، انرژی و غیره مدیران را مجبور کرده تا راه هایی را برای استفاده از این منابع پیدا کند. در حقیقت آگاه بودن از کارایی واحد های تحت نظارت مدیران مهم ترین کاری است که برای مدیریت کردن این منابع وجود دارد ؛ البته با توجه به تصمیم های قابل لمس و اجرایی که در این زمینه وجود دارد.dea یک روش مناسب برای ارزیابی کارایی واحد های همجنس با داده های ورودی و خروجی چندگانه را پیشنهاد می دهد. مدل هایdea ، dmuها را به واحدهای کارا و ناکارا دسته بندی می کند. همچنین در بسیاری از موارد مدیران و محققان نسبت به رتبه بندی واحد ها و انتخاب بهترینdmu علاقه مند هستند. مدل های علمی مختلفی به وسیله ی محققان برای رتبه بندیdmu ها پیشنهاد شده است. هرکدام از این مدل ها نقاط ضعفی دارند که مانع از انتخاب بهترینdmu می شوند. در این پایان نامه یک مدل رتبه بندیdmu کارا با استفاده ازvahp ارائه می شود. که تعدادی از مدل های رتبه بندی را درdea بررسی کرده و نقاط ضعف و قدرت آن ها را بحث می کند.

در تحلیل پوششی داده ها ، بعضی از وزن ها که برای محاسبه ی کارایی یک واحد استفاده می شود ، می تواند مقدار صفر و یا ناچیز با توجه به اهمیت آن در ورودی یا خروجی اختیار کند. این پایان نامه روشی را بیان می کند که از نادیده گرفتن این نوع ورودی و خروجی ها در تحلیل پوششی داده ها ابتدا تحت محیط بازده به مقیاس ثابت با یک ورودی و چند خروجی و سپس تحت بازده به مقیاس متغیر با چند ورودی و چند خروجی جلوگیری می کند. روش بیان شده مبنی است برمعرفی dmu های مشاهده نشده با تنظیم سطح ورودی و خروجی کارای نسبی dmuهای مشاهده شده که مرز پاراتو کارا را توسعه می دهد و از تاثیر نامناسب این وزن ها در محاسبه ی کارایی جلوگیری می کند و سبب کارایی مناسب تری در ارزیابی dmuها می شود.

این تحقیق بر روی توسعه یک مدل ریاضی است .که برای ارزیابی کارایی بنگاه های کوچک تولید کننده میتوان مورد استفاده قرار داد,سپس بهترین بنگاه را شناسایی کرد.

این مطالعه به منظور توسعه روش های آسان برای اجرا و همین طور کمک به واحدهای تصمیم گیرنده در مقابله با چالشهای تحلیل پوششی داده ها (dea)، طراحی سیستم های بهینه (osd)و تعیین بودجه ی متناظر بهینه ی آن ها است. طراحی سیستم و برنامه ریزی خطی پارامتری در این مطالعه مورد نیاز است. مدل های پیشنهادی به صراحت موضوع مهم تراکم در طراحی سیستم را بررسی می کند و مدل هایی را در طراحی سیستم های بهینه و تعیین بودجه ی بهینه آن ها در اختیار تصمیم گیرنده قرار می دهد. نمونه های عددی، برای ارزیابی نقاط قوت مدل های پیشنهادی مورد استفاده قرار می گیرد. این تحقیق مدلی برای طراحی سیستم بهینه ارایه می دهد و با استفاده از برنامه ریزی پارامتری با قسمت سمت راست پارامتری آن را حل می کند و همین طور مدلی برای تعیین بودجه ی بهینه ارائه می شود و پدیده ی تراکم در بودجه که باعث از بین رفتن آن می شود مطرح و بررسی می شود.

دراین پایان نامه،به معرفی تحلیل پوششی داده های خوش بینانه و بد بینانه در حالت های شعاعی و غیر شعاعی پرداخته می شودو سپس شاخص بهره وری مالم کوئیست را از دیدگاه خوش بینانه و بد بینانه در حالت های شعاعی و غیر شعاعی بررسی می شود.سپس یک راه جدید برای اندازه گیری شاخص بهره وری مالم کوئیست mpi را بطور هم زمان به وسیله تحلیل پوششی داده های خوش بینانه و بد بینانه در حالت های شعاعی و غیر شعاعی مطرح می کند.

عملگر میانگین وزنی مرتب شده، به عنوان عملگر تجمیعی که قابلیت مدل کردن مستقیم و دقیق درجه خوش بینی (ریسک پذیری-ریسک گریزی) تصمیم گیر را در مسائل تصمیم گیری دارا می باشد اخیراً در بسیاری از مسائل تصمیم گیری نقش مهمی را ایفا کرده است. یکی از بحث های کلیدی و مهم در موضوع عملگر میانگین وزنی مرتب شده تعیین وزن های این عملگر می باشد. لذا این رساله سعی دارد با ارائه مدل های مناسب برای تعیین وزن های عملگر میانگین وزنی مرتب شده و معرفی وزن های برخی از مدل های موجود با محدودیت و متغیر زیاد در فرم فشرده کاربرد این عملگر را در مسائل تصمیم گیری ساده تر و جالبتر سازد. تحلیل پوششی داده ها تکنیک غیر پارامتری هست که در سال های اخیر به صورت گسترده برای ارزیابی عملکرد، کارایی و تجزیه و تحلیل واحد های تصمیم گیرنده متجانس با ورودی و خروجی چندگانه به کار گرفته شده است. کارایی هزینه در حضور داده های منفی و کارایی متقاطع در حضور نگرش های متفاوت مدیر دو مورد از مباحث تحلیل پوششی داده ها می باشند که در مطالعات قبلی کمتر به آن ها پرداخته شده است. لذا این رساله، کارایی هزینه ای و کارایی تخصیصی را در حضور داده های منفی تعریف نموده و نشان می دهد که کارایی هزینه ای در حضور داده های منفی با حاصل ضرب کارایی تخصیصی و کارایی اندازه جهت دار ترتیبی برابر می باشد. همچنین این رساله با بدست آوردن بازه کارایی متقاطع هر کدام از واحدهای تصمیم گیرنده و استفاده از قضیه مقدارمیانی، درایه های ماتریس کارایی متقاطع را متناظر با نحوه نگرش مدیر جایگزین نموده و از وزن های عملگر میانگین وزنی مرتب شده برای فرایند تجمیع ماتریس کارایی متقاطع استفاده می نماید

یکی از روش های ارزیابی عملکرد واحدها، استفاده از روشهای ناپارامتری مانند تحلیل پوششی داده ها است که بوسیله آن با استفاده از مقدار بهینه در مدل ccr و با کمک شاخص بهره وری مالم کوئیست طی دو دوره زمانی شماره 1 و 2 تغییرات کارائی واحدهای مربوطه محاسبه می شود. گاهی ممکن است در بعضی از داده های ورودی و یا خروجی واحدهای تحت بررسی مقادیر منفی مشاهده شود که در این صورت استفاده از روشهای ارزیابی عملکرد متداول و نیز استفاده از مدلهای کلاسیک در تحلیل پوششی داده ها مقدور نمی باشد بنابراین، از روشهای جایگزین جهت ارزیابی داده هایی که حاوی مقادیر منفی هستند، استفاده می شود. یکی از این روشهای جایگزین استفاده از مدل rdm می باشد که بوسیله آن یک مرز کارائی متا برای واحدها در نظر گرفته می شود که تمامی واحدها را پوشش می دهد. سپس با استفاده از شاخص بهره وری متامالم کوئیست و نیز متالونبرگر، واحدها در دو یا چند دوره زمانی متوالی و یا نامتوالی امکان ارزیابی عملکرد از لحاظ پیشرفت و یا پسرفت را دارند.

چکیده به طور کلی در تحلیل پوششی داده¬ها نمرات کارایی واحدهای تولید نسبت به مرز تولید تخمین¬زده شده، اندازه¬گیری می¬شوند. تخمین¬گرهای غیرپارامتری (dea، fdh و ...) برمبنای یک نمونه¬ی محدود از واحدهای تولید مشاهده شده، بدست می¬آیند. بوت¬استرپ یک راه آسان برای تحلیل حساسیت نمرات کارایی نسبت به اختلافات نمونه¬گیری از مرز تخمین¬زده شده است. نکته-ی اصلی به منظور اعتبار بخشی به بوت¬استرپ بدست آوردن یک فرایند داده¬گیری منطقی در این چارچوب پیچیده، و معرفی کردن یک تخمین¬گر منطقی از آن است. این پایان¬نامه یک روش شناسی کلی از بوت¬استرپ کردن مدل¬های مرزی غیرپارامتری فراهم می¬کند. در این مطالعه بهره¬وری دبیرستان¬های تونس در دوره زمانی 2001-2000 تا 2004-2003 با استفاده از شاخص بهره-وری مالم¬کوئیست اندازه¬گیری می¬شود، که آن¬را به کارایی تکنیکی، کارایی قیاسی و تغییرات تکنولوژی تجزیه می¬کنند. این تجزیه اجازه می¬دهد تا منابع تغییرات بهره¬وری شناسایی شود. همچنین، تعریف شاخص مالم¬کوئیست برای کار با عوامل شبه¬ثابت سازگار می¬شود. توابع فاصله با استفاده از تحلیل پوششی داده¬ها تخمین زده می¬شوند. برای تعیین دقت آماری تخمین¬گرها یک روش بوت¬استرپ متجانس هموار اجرا می¬شود که، اجازه می¬دهد تا توزیع نمونه¬گیری از تخمین¬گرها برای اصلاح خطای آن¬ها و ایجاد فاصله¬های اطمینان برای مولفه¬های مختلف شاخص مالم¬کوئیست، تقریب زده شوند. کاربرد این روش در دبیرستان¬های تونس میزان حساسیت بالای نمونه¬گیری اختلافات از تغییر شاخص¬های مشاهده شده و مولفه¬هایشان را نشان می¬دهد. گرچه می¬توان نشان داد که، در واقع هیچ اختلاف بهره¬وری قابل توجه¬ای در طول دوره¬ی مورد مطالعه وجود ندارد، این میزان بهره¬وری توانسته تقریباً همه¬ی پسرفت تکنیکی و در اندازه¬ی کوچکتر، ناکارایی تکنیکی را نشان دهد.

از آنجا که یاگراولین بار اپراتورمیانگین وزن دار مرتب (owa) رابرای تجمیع چند آرگومان ورودی ارائه کرد ،مورد توجه بسیاری از زمینه های علوم تصمیم و علم کامپیوتر بود. موضوع مهم در هنگام انتخاب یک اپراتور owa ،تعیین وزن متناظر آن است به همین دلیل، روش های متعدد تولید وزن، از جمله روش های مبتنی بر برنامه نویسی ارائه شد.ابتدا ثابت می شود مدل مینیمم ماکسیمم به ازای یک درجه یایی ثابت ،جواب بهینه منحصر بفرد دارد سپس نشان می دهیم مدل مینیمم ماکسیمم بهبود یافته جواب بهینه چندگانه دارد.پس می توان یک تجمیع پارامتری owa را تعریف کردکه انعطاف پذیری را به تصمیم گیرندگان برای فرایند تجمیع وانتخاب گزینه بهتر می دهد. در این جا یک روش کلی برای به دست آوردن وزن عملگر owa از طریق یک نقطه راسی معرفی می شود.به طوریکه نقاط راسی از تقاطع محدودیت درجه یایی و سیمپلکس وزن های اساسی مشخص می شود.همه نقاط راسی با استفاده از فرمول ارائه شده مشخص می شوندسپس وزن عملگر owaتوسط ترکیب محدب نقاط راسی بیان می شود.بااستفاده از نقاط راسی مشخص شده، برخی از وزن های جدید عملگر owa رامی توان توسط مرکز سطح یا یک روش هدایت شده توسط کاربر تولید کرد که منعکس کننده ترجیحات ناقص تصمیم گیر است. باتعمیم این روش ،می توان وزن های عملگر owa رابرای درجه یایی بازه ای تولیدکرد.

مدل های اساسی در تحلیل پوششی داده ها، واحدها را در 2 گروه کارا و ناکارا تقسیم نموده و نمی توانند تمایزی بین واحدهای کارا قائل شوند. لیکن در بسیاری از کاربردهای روش تحلیل پوششی دادهها ، رتبه بندی و انتخاب بهترین واحد کارا مورد نظر است . بدین منظور روش های مختلف رتبه بندی برای ایجاد تمایز بین واحدهای کارا مطرح گردید. لیکن اغلب روشهای ارائه شده دارای مشکلاتی همچون ناپایداری و نشدنی بودن هستند و در بیشتر موارد دارای محاسبات پیچیده و سنگین هستند. همچنین برای انتخاب بهترین واحد کارا می بایست هر یک از مدل ها به تعداد واحدهای تصمیم گیری حل شوند که یک روند بسیار زمان بر و پر هزینه خواهد بود. در این رساله ، ضمن پرداختن به مشکلات استفاده از روش های ارائه شده قبلی ، ابتدا تعریف جامعی از بهترین واحد کارا مبتنی بر کارایی جزئی ورودی ها و خروجی ها ارائه گردیدو سپس روش هایی جهت یافتن بهترین واحد کارا مطرح شد به گونه ای که نیاز به حل هیچ مسئله برنامه ریزی خطی نداشته و بار محاسباتی بسیار ناچیزی دارد. سپس به منظور نشان دادن اعتبار روش ارائه شده و تسهیل و امکان مقایسه بین روش های موجود و شرایط واقعی یک تحلیل از عملکرد واقعی داده ها با به کار بردن داده های شبیه سازی شده انجام گردید، بدین ترتیب که با استفاده از روش شبیه سازی ، داده هایی را به گونه ای تولید می نماییم (با استفاده از تابع تولیدهای مختلف ) که تنها یک واحد کارا و بقیه ناکارا باشند. در نتیجه با به کار بردن روش های مختلف انتخاب بهترین واحد کارا مشخص گردید که روش ارائه شده در این رساله به واقعیت نزدیک تر بوده و در بیشتر موارد بهترین واحد کارا معرفی شده ، منطبق بر واقعیت و یا بسیار نزدیک به آن است . در ادامه به یکی از موضوعات جدید در زمینه تئوری تولید پرداختیم . در کاربردهای واقعی تحلیل پوششی داده ها ، با سیستم هایی سر و کار داریم که در آنها داده ها بدون ورودی صریح در نظر گرفته می شوند. در چنین سیستمهایی یا ورودی موجود نیست و یا اینکه مصرف ورودی ها از اهمیت خاصی برخوردار نیست و جدا از مصرف ورودی ها تنها بر روی تولید خروجی ها متمرکز هستیم . علاوه بر آن ، خروجی ها می توانند به دو دسته مطلوب و نامطلوب تقسیم بندی شوند.به کار بردن مفهوم دسترسی پذیری ضعیف برای چنین سیستمهایی از موضوعات جالبی است که مورد توجه قرار گرفته است . در این رساله، مفهوم دسترسی پذیری ضعیف را برای سیستمهای بدون ورودی صریح تعریف نموده و به منظور ارزیابی چنین سیستمهایی یک مسئله برنامه ریزی خطی را ارائه داده که قادر خواهد بود خروجی های نامطلوب را کاهش دهند. سپس با ارائه یک مدل برنامه ریزی خطی ساده ، بهترین واحد کارایی را در چنین سیستمهایی تعیین نمودیم .

در این پایاننامه یک مدل تابع فاصله جهت دار که مشکلات مربوط به واحد های dea شبکه را برطرف میکند معرفی میشود و علاوه بر تولید خروجی مطلوب خروجی نا مطلوب را نیز در بر می گیرد.

این پایان نامه یک مدل ابرکارایی برای اندازه گیری کارایی تجمعی سیستم هایی با تولید چند دوره ای مورد برررسی قرار می دهد که مدل رتبه کارایی هر واحد تصمیم گیرنده را در هر دوره محاسبه میکند.

پژوهش حاضر بر روی مسائل بهینه سازیِ چندهدفه و تحلیل پوششیِ داده ها و ارتباط آنها تمرکز دارد. در تحلیلها از یک الگوی مقایسه ی تطبیقی استفاده شده و در حالت کلی نشان داده شده است که اغلب مفاهیم، تعاریف و مدلها در هر دو گروه با هم معادلند. با استفاده از نتایج بدست آمده ی حاصل از مقایسه ی تطبیقی، شرائط و الگوهای جدیدی مبتنی بر مدلهای تحلیل پوششی داده ها برای بررسیِ وضعیت کاراییِ جوابهای شدنیِ دلخواه مسائل بهینه سازیِ چندهدفه و حتی روشهای جستجوی جوابهای کارا ارائه گردیده است.

پژوهش حاضر روی مسایل حمل و نقل و زنجیره تامین با روش های ابتکاری و فراابتکاری تمرکز دارد. ابتدا مساله حمل و نقل سه بعدی با هزینه ثابت مرحله ای معرفی می شود و به منظور حل مسأله در اندازهای بزرگ، روش های آزاد سازی لاگرانژ و تجزیه بندرز را پیشنهاد می کنیم. در ادامه این مسأله را به مسأله طراحی شبکه زنجیره تامین با حمل و نقل سه بعدی توسعه می دهیم. مسأله یک مسأله از نوع np-hard است. به منظور حل این مسأله، الگوریتم های فراابتکاری در این رساله پیشنهاد شده است. همچنین روش طراحی آزمایش های تاگوچی با چندین مساله آزمایشی جهت تنظیم پارامترها و عملگرها بکار گرفته شده است.

در این پایان نامه از تحلیل پوششی داده ها (dea) برای ارزیابی کارایی زیست محیطی استفاده می شود.مفهوم دسترسی بر روی خروجی های نامطلوب، به دو قسمت دسترسی طبیعی و مدیریتی تقسیم می شود. تحت دسترسی طبیعی، یک استراتژی محیطی است که با کاهش بردار ورودی ها، بردار خروجی های نامطلوب را کاهش می دهد.تحت دسترسی مدیریتی سر وکار دارد با استراتژی که مخالف است با کاهش مقدار ورودی ها. مفهوم تحت دسترسی مدیریتی بیان گر استراتیژیه زیست محیطی است که با تفکر و درنظر گرفتن مقررات و آیین نامه و با یک تکنولوژی یا فن آوری جدید و یا یک مدیریت جدید با تغییر در خروجی های نامطلوب یک فرصت تجاری جدید یا کسب و کارجدید را رقم می زند. dmuها تلاش می کنند عملکرد {محیطی (بیرونی) و عملیاتی (درونی)} خود را با استفاده از درجه dts بهبود بخشند. با توجه به دو مفهوم دسترسی، در این پایان نامه نحوه اندازه گیری یا مقیاس کارایی واحد تحت دسترسی مدیریتی و نحوه اندازگیری یا مقیاس کارایی واحد تحت دسترسی محیطی را مطرح می کند. تحلیل پوششی داده ها (dea) مدل هایی را برای اندازه گیری مفاهیم اقتصادی جدید مانند مقیاس عیوب(sd) و زیان به مقیاس (dts) مربوط به مقیاس اقتصادی برای خروجی های نامطلوب، بیان می کند. سرانجام با استفاده از مدلهای تعریف شده و درجه بندی dts مقیاس مناسبی بینن dmu ها بوجود آمده و میزان آسیبی که به محیط زیست وارد می کنند اندازه گیری می شود.در فصل چهارم این مفاهیم اقتصادی را برای 19 تا شرکت نفتی با استفاده از مدلهای تعریف شده بدست اورده و مقایسه می کند.

مدل های تخصیص منابع متمرکز فرض می کنند که واحد تصمیم گیرنده بعد از تخصیص منابع همگی کارا می شوند این برآی یک واحد نا کارا بسیار سخت خواهد بود که با کاهش بسیار زیاد در ورودی ها به یک واحد کارا تبدیل شود از طرف دیگر از نظر عملی یک واحد تصمیم گیرنده برآی رسیدن به الگو کارا از اهمیت بنیادی برخوردار است در این پایان نامه یک روش برآی تخصیص منابع متمرکز بر مبنای تحلیل کارایی به صورت گام به گام از طریق مسیر های بهبود مورد بررسی قرار می گیرد ودر ادامه موضوع از طریق مثال عددی مورد تحلیل قرار می گیرد