fa الگوریتم فراابتکاری برای اندازه گیری کارایی مسایل ابعاد بزرگ در تحلیل پوششی داده ها تخصصي Special پژوهشي Research <p dir="RTL">تحلیل پوششی داده­ها، یکی از موفق­ترین روش­ها در ارزیابی اندازه­گیری کارا­یی نسبی واحدهای تصمیم‏گیرنده  است که از تکنیک برنامه­ریزی خطی استفاده می­­کند. در مدل­های تحلیل پوششی داده­ها، برای اندازه­گیری کارا­یی نسبی واحد­های تصمیم‏گیرنده، در حالی که واحدهای تصمیم­گیرنده و ورودی و خروجی بسیار زیاد هستند حتی با استفاده از کامپیوترهای با سرعت بالا، به محاسبات و زمان پردازش بسیار زیادی نیاز است. در این مقاله، برای رفع این مشکل، الگوریتم فراابتکاری برای ارزیابی کارا­یی نسبی در ابعاد بسیار بزرگ را پیشنهاد می­کنیم. چون در ارزیابی مسایل با ابعاد بسیار بزرگ با استفاده از الگوریتم فراابتکاری به زمان پردازش و حافظه کم‏تری نیاز است، لذا ابزار بسیار مناسبی برای ارزیابی کارا­یی واحدهای تصمیم‏گیرنده می­باشد. همچنین از آنجایی که عملگرها نقش بسیار مهمی در همگرایی و کیفیت حل الگوریتم­ها دارند، کلیه عملگرها و پارامترها به منظور بهبود عملکرد­شان، با روش طراحی آزمایش­های تاگوچی تنظیم می­شوند.</p> تحلیل پوششی داده ها, کارا یی, الگوریتم فراابتکاری, مسایل ابعاد بزرگ 109 124 http://jamlu.lahijan.iau.ir/browse.php?a_code=A-10-1-323&slc_lang=fa&sid=1 علی محمودی راد 10031947532846003053 10031947532846003053 Yes مسعود صانعی 10031947532846003054 10031947532846003054 No صابر ملاعلیزاده زواردهی 10031947532846003055 10031947532846003055 No