انتخاب شرکای زنجیره ی تأمین، یک تصمیم مهم شامل معیارهای چندگانه و عوامل ریسک است. مدیریت پشتیبانی در زنجیره های تأمین به منظور کاهش هزینه و افزایش کیفیت تولیدات به دنبال مشارکت تأمین کنندگان مناسبی است. به همان اندازه که انتخاب تأمین کنندگان مناسب در تقلیل هزینه ها موثر است و باعث افزایش قدرت رقابت شرکت ها می شود، یک انتخاب نامناسب نیز می تواند باعث تنزل موقعیت مالی و عملیاتی شرکت ها گردد. در اغلب مسائل دسترسی به اطلاعات دقیق و داده های معین، برای مدلبندی وضعیت واقعی امکان پذیر نمی باشد. به علاوه قضاوت افراد معمولا به صورت مبهم انجام می گیرد و مقادیر دقیق و مشخص عددی برای بیان نظرات به کار گرفته نمی شود. بنابراین از مفاهیم فازی استفاده می گردد. در این پایان نامه مدل های برنامه ریزی چند هدفی فازی و تصمیم گیری چند شاخصه ی فازی برای انتخاب تأمین کنندگان ارائه شده و روش هایی برای حل آنها پیشنهاد گردیده است.

بسیاری از مسائل تصمیم گیری درجهان واقعی می توانند به عنوان مسائل شبکه ی جریان ایستا و پویا مدل سازی شوند. ضرورت وجود مدل های نزدیکتر به شبکه های واقعی موجب پیشرفت نظریه ی شبکه های پویا شد. در مدل های شبکه ی جریان پویا‏، پارامترهای شبکه نسبت به زمان تغییر می کنند. علاوه براین‏، زمان پیمایش روی کمان ها و ذخیره سازی جریان درگره ها نیز تعریف می شود. اگرچه شبکه های پویا به طور گسترده در مدل بندی شبکه های مختلف استفاده می شوند‏، اما به دلیل پیچیدگی شا‏ن به اندازه شبکه های استاتیک مورد بحث و بررسی قرار نگرفته اند. از طرف دیگر‏، در بسیاری از مسائل بهینه سازی انتخاب جواب براساس چند معیار انجام می شود که اغلب اوقات این معیارها متضاد هستند. بنابراین فرمول بندی جریان شبکه ی چندهدفه برای مسائل ضروری است. دراین تحقیق ‏مسأله ی ماکزیمم جریان پویا با مینیمم هزینه ی دوهدفه و مسأله ی سریعترین ماکزیمم جریان ‏پویا با مینیمم هزینه ی سه هدفه‏، روی یک شبکه ی پویا فرمول بندی و الگوریتم هایی برای حل این مسائل ارائه می شود. ایده ی حل مسأله ی سریعترین ماکزیمم جریان پویا با مینیمم هزینه‏، مبتنی بر تولید نقاط فرین کارا در فضای هدف با حل مکرر یک دنباله از مسائل ماکزیمم جریان پویا با مینیمم هزینه می‎باشد. با حل هر مسأله یا یک نقطه ی فرین کارای جدید بدست می آید یا جهت جستجو در فضای هدف تغییر می کند.

این رساله به معرفی چند مدل جدید برای تحلیل کارایی می پردازد . فصل اول به مفاهیم اساسی و مقدماتی ..اختصاص دارد. در فصل دوم موضوع تحلیل کارایی در حالت وجود داده ها بازه ای مقیاس مطرح می شود. از آن جایی که مدل های اساسی ..تنها برای داده های نسبی مقیاس قابل استفاده در این فصل مدل جدیدی که در واقع صورت تغییر یافته ای از مدل اساسی dea می باشد برای تحلیل کارایی در حالت وجود داده های بازه ای مقیاس ارایه می شود. در فصل سوم ابرصفحه مرجع برای هر dmu مورد بررسی قرار می گیرد. همان طور که می دانیم، برای هر واحد تحت ارزیابی توسط مدل های اساسی dea(مدل ccr با bcc) یک ابرصفحه مرجع معرفی می شود که نقطه تصویر آن واحد روی این ابرصفحه واقع است. این ابرصفحه حاشیه ای جانشانی برای هر ورودی و خروجی را تعیین می کند. همچنین بازده به مقیاس متغیر این ابرصفحه نقش مهمی در تعیین وضعیت بازده به مقیاس واحدهای تصمیم گیرنده غیر مرزی دارد. با در نظر گرفتن این مقدمات در این فصل ناحیه پایداری برای حفظ ابرصفحه مرجع برای هر dmu تعیین می شود. در پایان ساختار ریاضی این مجموعه توسط روابط در جه دوم داده می شود. سپس کاربردهایی از نتایج حاصل آورده شده و توسط چند مثال عملی توضیح داده می شود. فصل چهارم به موضوع تحلیل پوششی داده های شبکه ای می پردازد. با فرض این که فرایند تولید هر واحد طی یک فرایند دو مرحله ای صورت می گیرد، ماسه حالت فرایند تولید دو مرحله ای را به صورت موازی، سری و جامع در نظر می گیریم. در هر دسته ابتدا مروری بر روش های موجود آورده شده و سپس مدل های جدیدی برای ارزیابی dmu های شبکه ای دو مرحله ارایه خواهد شد. برای هر مدل، خواص مدل و نقاط ضعف احتمالی آن بیان شده است. در پایان فصل آخر به آن دسته از مباحث و کارهای تحقیقاتی که به صورت مشترک با اکرم دهنوخلجی انجام شده و به طور کامل در پایان نامه ایشان آورده شده است اختصاص دارد. اما به طور خلاصه در این فصل یک روش جدید برای تخصیص منابع و همچنین روشهایی برای رتبه بندی نقاط در /mcdmآورده شده است همه روش های ارایه شده توسط مثال های عددی یا کاربردی واقعی توضیح داده شده است.

در این پایان نامه روشی تعاملی مبتنی بر روش نقطه مرجع و انقباض مخروط برای حل مسائل بهینه سازی چند معیاره صحیح مختلط ارائه می شود. فرض می شود که تابع ارزش تصمیم گیرنده شبه مقعر و نا نزولی باشد . روش تعاملی ارائه شده در هر تکرار با توجه به نقطه مرجع انتخابی توسط تصمیم گیرنده و از طریق روش انقباض مخروط یک جواب بهینه پارتو ارائه می کند. همچنین در هر تکرار ااگوریتم مجموعه ای از اطلاعات ترجیحی تصمیم گیرنده در اختیار می باشد، بنابراین جواب های بهینه پارتو بدست آمده به کمک مقایسه های دودویی، خاصیت تعدی و مفروضات مساله با یک ترتیب کلی مرتب می شوند و تکرار ها تا رسیدن به یک جواب رضایت بخش ادامه می یابند.