Journal of Operational Research and Its Applications
تحقیق در عملیات در کاربردهای آن
jor
Basic Sciences
http://jamlu.lahijan.iau.ir
1
admin
2251-7286
2251-9807
8
10.22034
14
8888
13
fa
jalali
1395
6
1
gregorian
2016
9
1
13
1
online
1
fulltext
fa
طراحی مدل تحلیل پوششی داده های تصادفی چندهدفه به منظور پیش بینی کارایی واحدهای سازمانی
Proposing a Multi-objective Data Envelopment Analysis Model to Predict Productivity of Organizational Units
تخصصي
Special
پژوهشي
Research
<p dir="RTL" style="margin-right:2.45pt;">تحلیل پوششی داده<span dir="LTR">­</span>ها (<span dir="LTR">DEA</span>) تکنیکی است که کارایی واحدهای تصمیم<span dir="LTR">­</span>گیرنده (<span dir="LTR">DMU</span>) را براساس ورودی<span dir="LTR">­</span>ها و خروجی<span dir="LTR">­</span>های آنها اندازه گیری می<span dir="LTR">­</span>نماید. از آنجا که پیش<span dir="LTR">­</span>بینی کارایی واحدها برای برنامه<span dir="LTR">­</span>ریزی دقیق<span dir="LTR">­</span>تر برای آینده اهمیت بسزایی دارد، این مقاله ابتدا مدلی جدید به نام مدل تحلیل پوششی داده<span dir="LTR">­</span>های تصادفی فازی چندهدفه (<span dir="LTR">MOFS</span><span dir="LTR">-</span><span dir="LTR">DEA</span>) با اوزان مشترک در محیطی پویا ارایه می<span dir="LTR">­</span>نماید که تغییرات داده<span dir="LTR">­</span>ها را در طول دوره<span dir="LTR">­</span>های متوالی ارزیابی در نظر می<span dir="LTR">­</span>گیرد. در این مدل از مفهوم مقدار مورد انتظار برای توابع هدف در راستای پیش<span dir="LTR">­</span>بینی کارایی مورد انتظار واحدها و نیز از مفهوم فازی متوسط شانس در بیان محدودیت<span dir="LTR">­</span>های مدل استفاده و <span dir="LTR">‎</span>همچنین در این مدل ورودی<span dir="LTR">­</span>ها و خروجی<span dir="LTR">­</span>ها به صورت متغیرهای فازی مثلثی تصادفی با توزیع نرمال، فرض شده است. سپس تحت این فرض به دلیل پیچیده بودن فرآیند حل، مدل <span dir="LTR">MOFS</span><span dir="LTR">-</span><span dir="LTR">DEA</span> به مدل برنامه<span dir="LTR">­</span>ریزی تصادفی چندهدفهی معادلش تبدیل می­گردد. آنگاه برای کاهش زمان محاسباتی، مدل تصادفی چند هدفه­ ی معادل <span dir="LTR">MOFS</span><span dir="LTR">-</span><span dir="LTR">DEA</span> با استفاده از رویکرد برنامه ­ریزی فازی به مدل تصادفی تک هدفه تبدیل می­ گردد. همچنین برای حل مدل حاصله، الگوریتم هیبریدی نوینی از طریق تلفیق الگوریتم ژنتیک (<span dir="LTR">GA</span>) و تکنیک شبیه­ سازی مونت­کارلو (<span dir="LTR">MC</span>) طراحی می­ گردد. نهایتاً در راستای تایید صحت و اثربخشی مدل و الگوریتم هیبریدی پیشنهادی، یک مطالعهی موردی در انتها صورت گرفته و نتایج حاصله از الگوریتم پیشنهادی با نتایج حاصل از الگوریتم هیبریدی مشابه کین و لیو مقایسه می­ شود که نتایج حاکی از برتری زمان محاسباتی و کیفیت نتایج الگوریتم هیبریدی پیشنهادی می ­باشد.</p>
کارایی, تحلیل پوششی داده های تصادفی, برنامه ریزی پویا, متغیر فازی تصادفی, الگوریتم ژنتیک, شبیه سازی مونت کارلو.
Efficiency, Stochastic Data Envelopment Analysis, Dynamic Programming, Random Fuzzy Variable, Genetic Algorithm, Monte Carlo Simulation.
51
72
http://jamlu.lahijan.iau.ir/browse.php?a_code=A-10-1-344&slc_lang=fa&sid=1
علی
یعقوبی
Phd_Yaghoubi@Yahoo.com
10031947532846003423
10031947532846003423
Yes
موسسه آموزش عالی رجاء، گروه مهندسی صنایع، قزوین