arXiv 2202.015852022-02-03math.OC

基于混合模糊多目标数据挖掘分析的决策单元性能评价

Performance evaluation of DMUs using hybrid fuzzy multi-objective data envelopment analysis

Awadh Pratap Singh, Shiv Prasad Yadav

摘要：

本文的目的是评价决策单元（DMU）的性能，使用混合模糊多目标（FMO）数据包络分析（DEA）方法。本研究发展模糊多目标乐观（FMOO）与悲观（FMOP）DEA模型，以评估决策单元的绩效。为了对决策单元进行排序，使用了一种可以同时集成乐观和悲观效率的排序方法。与现有的方法进行了比较，所提出的方法的帮助下，一个例子。最后，一个现实生活中的应用开发的模糊乐观和悲观的DEA模型在教育部门。

英文摘要：

The objective of this paper is to evaluate the performance of decision-making units (DMUs) using a hybrid fuzzy multi-objective (FMO) data envelopment analysis (DEA) approach. This study develops fuzzy multi-objective optimistic (FMOO) and pessimistic (FMOP) DEA models for performance evaluation of DMUs. To rank the DMUs, a ranking approach is used that can simultaneously integrate optimistic and pessimistic efficiencies. A comparison of the proposed approach with the existing approach is made with the help of an example. Finally, a real-life application of developed fuzzy optimistic and pessimistic DEA models in the education sector is presented.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

数据挖掘分析中决策单元数和变量数的处理

How to deal with numbers of decision making units and variables in data envelopment analysis

在过去的三十年里，与输入和输出变量的数量相比，足够数量的决策单元（DMU）一直是使用数据包络分析（DEA）的关注点。在DEA的文献中有几项研究试图通过提供额外的程序来增加DMU的数量，减少变量的数量或找到DMU数量与变量之间的关系来处理这个问题。然而，有没有关注的数量的决策单元相比，变量的数量，而Kourosh和Arash方法（KAM）的应用。在不附加任何条件和方法的情况下，给出了一个几何原因来说明该方法的有效性。该方法非常简单，没有现有方法的计算复杂性，即使决策单元的数量小于变量的数量。一个实际的32个DMU的45个变量的数值例子证明了所提出的技术的优点。

2015-03-14math.OC

两阶段网络数据包络分析法在教育领域的应用

A Two-stage Network Data Envelopment Analysis: An Education Sector Application

数据包络分析（DEA）就像一个黑盒子，不能提供任何足够的细节来识别决策单元（DMU）效率低下的具体原因。本研究的动机是借由二阶段关系网路DEA模型分析决策过程中决策单元无效的原因。在本研究中，一个两阶段的关系网络DEA模型被应用到测量的决策单元的整个过程和每个阶段独立的性能。过去的研究一般都是使用传统的DEA模型来分析教育机构的绩效。在目前的研究中，通过考虑定量属性来衡量印度管理研究所（IIMs）的业绩，通过使用网络DEA，我们开发了一个程序，捕捉质量和数量。

2022-06-03math.OC

数据包络分析中最大参考集的确定

Determining Maximal Reference Set in Data Envelopment Analysis

在数据包络分析（DEA）中，多个参考集的出现是确定给定决策单元（DMU）的所有参考DMU的关键问题。为了解决这个困难，我们引入了有用的最大参考集（MRS）的概念，其中包含所有的参考DMU。基于原始和对偶公式，我们提出了一种新的混合整数线性规划（MILP）为基础的方法来确定MRS。所提出的方法是更一般的比现有的，并具有几个理想的属性：（i）具有统一的配方，（ii）适应不同的DEA模型，（iii）兼容的原始和对偶形式的DEA模型。此外，我们的方法是计算有效的，通过建立一个基于LP的程序来处理与原始的MILP。

2014-07-09math.OC

一种基于参考搜索的大规模数据预处理分析计算算法

A reference-searching-based algorithm for large-scale data envelopment analysis computation

数据包络分析（DEA）是一种基于线性规划（LP）的方法，用于确定一个决策单元（DMU）的效率，它将输入转换为输出，通过同行比较。本文提出了一种新的计算算法，以确定DEA的效率，解决小尺寸的LP，而不是一个全尺寸的LP。该概念基于搜索相应的参考，参考是有效DMU的子集，其数量不大于维度（输入和输出的数量）。实证案例研究的结果表明，该算法的计算速度比目前的最先进的大规模，高维，高密度（有效DMU的百分比）的情况下的3倍。它是足够灵活的计算效率的一个子集的完整的数据集没有设置成本，它也可以作为一个子程序的其他算法。

2018-07-27math.OC

具有缺失数据的全直觉模糊数据处理分析模型的开发：在印度警察部门的应用

Development of fully intuitionistic fuzzy data envelopment analysis model with missing data: an application to Indian police sector

Indian Institute of Technology Roorkee（印度理工学院鲁尔基分校）

数据包络分析（DEA）是一种用于衡量决策单元（DMU）效率的技术。为了衡量决策单元的效率，最基本的要求是输入-输出数据。数据通常由人类、机器或两者收集。由于人为/机器错误，可能会有一些缺失值或不准确性，例如收集的数据中的不确定性/不确定性/犹豫。在这种情况下，将很难准确地衡量决策单元的效率。为了克服这些缺点，提出了一种方法，可以处理数据中的缺失值和不准确性。为了度量决策单元的性能效率，提出了一种全直觉模糊（IF）环境下的输入最小化BCC（IMBCC）模型。为了验证所提出的完全直觉模糊输入最小化BCC（FIFIMBCC）模型和处理数据中缺失值的技术的有效性，提出了一个现实生活中的应用程序来衡量印度警察局的性能效率。

2022-07-27cs.AImath.OCstat.AP

数据包络分析的统一最大间隔框架：理论基础与数值证据

A Unified Maximum-Margin Framework for Data Envelopment Analysis: Theoretical Foundations and Numerical Evidence

Joint Graduate School of Mathematics for Innovation, Kyushu University（九州大学数学创新联合研究生院）；Faculty of Economics, Kyushu University（九州大学经济学部）

针对经典DEA的CCR模型区分能力不足的问题，提出MM-DEA模型，将间隔最大化融入效率框架，可转化为线性规划，在高维数据集上实现了决策单元的有效排序。

2026-08-11math.OC

更多相关论文收起更多论文

数据包络分析模型还是虚拟差距分析模型：应使用哪种模型来识别组内每个单元的最佳基准？

Data envelopment analysis models or the virtual gap analysis model: Which should be used for identifying the best benchmark for each unit in a group?

针对DEA模型无法为每个DMU确定最佳基准的问题，提出虚拟差距分析程序，通过四阶段方法全面评估DMU-o，确保其获得可实现的最佳基准和兼容的同行，以改进效率。

2023-06-20math.OC

一种基于数据包络分析和模糊概念的多属性决策方法

An Alternative method in Multi-Attribute Decision Making using Data Envelopment Analysis and Fuzzy concept

数据包络分析（DEA）作为一种评价多输入多输出决策单元（DMU）技术效率的数学模型。DEA模型在多属性决策（MADM）环境中的应用一直是研究者们的兴趣所在，但DEA模型的评价本质上不同于MADM。这就是为什么结果不令人满意。在本文中，首先，一个具有挑战性的讨论，以表明使用传统的DEA模型的排名是不可靠的，然后提出了一个混合模型，使用DEA和模糊概念，提出了一个自我评估的每个决策单元。

2015-08-25math.OC

基于线性规划的DEA最大最近参考集确定方法

A linear programming based approach for determining maximal closest reference set in DEA

确定每个决策单元（DMU）的参考集是数据包络分析（DEA）中的一个主要问题。迄今为止开发的所有方法都集中在寻找最远的参考DMU。本文引入了最大最近参考集（MCRS）的新概念，其中包含与所评估的DMU最接近的参考DMU的最大数量。然后，我们开发了一个线性规划（LP）模型，用于确定每个无效决策单元的MCRS。我们通过一个数值例子来说明我们的方法。

2014-07-09math.OC

基于模糊松弛测度（SBM）DEA模型的可信性研究

A Credibility Approach on Fuzzy Slacks Based Measure (SBM) DEA Model

数据包络分析（DEA）是一种基于线性规划的多标准技术，用于处理许多现实问题，主要是在非营利组织中。基于松弛测度（SBM）模型是评价决策单元（DMU）相对效率的DEA模型之一。SBM DEA模型直接利用输入松弛和输出松弛来确定决策单元的相对效率。为了处理定性或不确定的数据，模糊SBM DEA模型是用来评估决策单元的性能在这项研究中。采用可信度测度方法，将模糊SBM DEA模型转化为不同可信度水平下的清晰线性规划模型。模糊DEA模型的评价结果比传统DEA模型的评价结果更符合实际情况。最后，以印度炼油企业为例，应用所提出的模型进行了数值分析，得到了炼油企业的效率行为。

2021-02-03math.OC

模糊多目标非线性规划在不确定性决策单元评价中的应用

Evaluating decision making units under uncertainty using fuzzy multi-objective nonlinear programming

提出了一种基于模糊数据包络分析（DEA）的不确定决策单元（DMU）评价方法。在所提出的多目标非线性规划方法中，目标函数和约束条件都是模糊的。假设决策变量在目标函数和约束中的系数以及被评估的决策单元为三角形隶属函数的模糊数。最后通过算例对现有的模糊DEA模型和所提出的方法进行了比较。

2015-08-25math.OC

不确定性数据包络分析：框不确定性

Uncertain Data Envelopment Analysis: Box Uncertainty

数据包络分析（DEA）是一种非参数的、数据驱动的技术，用于在一组可比的决策单元（DMU）之间进行相对性能分析。通过线性规划比较每个决策单元的输入和输出数据来评估效率。传统上，在DEA中，数据被认为是精确的。然而，在许多实际应用中，分析中使用的输入和输出数据的值可能是不精确的。为了说明这一点，我们开发了不确定的DEA问题的情况下，框的不确定性。我们引入了DEA距离的概念，以确定所需的最小数量的不确定性的DMU被认为是有效的。对于小问题，可以精确地找到最小量的不确定性，对于较大的问题，这变得计算密集。因此，我们提出了一种迭代法，其中的不确定性的量是逐渐增加的。这导致了一个鲁棒的DEA问题，可以有效地解决。这项研究的不确定性的动机是固有的不确定性性质的放射治疗计划过程中的肿瘤。我们应用该方法来评估一组前列腺癌放射治疗计划相对于彼此的质量。

2020-07-14math.OC

灰色关联分析、层次分析和数据挖掘的综合方法

An integrated approach to grey relational analysis, analytic hierarchy process and data envelopment analysis

目的：提出了一种将层次分析法（AHP）和数据包络分析法（DEA）相结合的多属性灰色关联分析方法，该方法中属性权重完全未知，属性值为模糊数。设计/方法/办法：本研究已被组织进行以下步骤：计算灰色关联系数的方案就每个属性，使用模糊GRA方法。灰关联系数为加性DEA模型提供所需的（输出）数据，用AHP方法计算属性的优先权，为加性DEA模型中的属性权重设定权重界限，用一对加性DEA模型计算灰关联度，从乐观和悲观两个角度评价各方案的性能，用灰色关联度评价各方案的性能，用灰色关联度评价各方案的性能，用灰色关联度评价各方案的性能。以及使用折衷等级将乐观和悲观灰色关联等级组合以评估每个备选方案的总体性能。调查结果：所提议的方法提供了一个更合理和全面的业绩衡量标准，并在此基础上得出替代品的总体排名。一个说明性的例子，一个核废料倾倒场选址是用来突出所提出的方法的实用性。创意/价值：这项研究是一个进步，以克服目前的缺点，在模糊多属性GRA方法的属性加权计划。保留字：数据挖掘分析，灰色关联分析，层次分析法，多属性决策，模糊数，加权.

2017-01-31math.OC

数据挖掘分析中全局参考集的确定

On the identification of the global reference set in data envelopment analysis

在非径向DEA（数据包络分析）环境中，一个决策单元（DMU）可能会出现多个参考集。作为我们的第一个贡献，我们区分三种类型的参考集。首先，我们引入了一元参考集（URS）的概念，对应于一个给定的投影评估的DMU。URS包括在产生投影的特定凸组合中有效的有效DMU。由于多个URS的出现，我们引入了最大参考集（MRS）的概念，并将其定义为与给定投影相关的所有URS的并集。由于非径向DEA模型中可能出现多个投影，我们进一步定义与所有投影相关的MRS的并集作为被评估DMU的唯一全局参考集（GRS）。作为第二个贡献，我们提出并实现了一个通用的线性规划（LP）为基础的方法来识别GRS。由于我们的方法通过执行一个基于原始的LP模型来进行识别，因此在计算上比现有方法更有效，易于在实际应用中实现。我们的最后一个贡献是使用非径向DEA模型来衡量规模收益。该方法有效地处理了由于投影的多重性或最小面的非全维性而产生的多个支撑超平面的问题。最后，一个实证分析的基础上进行的现实生活中的数据集，以证明我们的方法的适用性。

2015-03-31math.OC

使用CCR模型测量DEA的规模收益

Measurement of returns to scale in DEA using the CCR model

在数据包络分析（DEA）文献中，非有效决策单元（DMU）的规模收益（RTS）是在其有效边界上的投影点确定的。然而，在多个投影点的情况下，这种评估过程是不精确的，并可能导致错误的推断，决策单元的RTS可能性。为了避免这一点，目前的通信首先定义的RTS的一个低效的DMU在其投影点，位于相对内部的最小面。基于此定义，提出了一种算法，通过扩展的最新开发的方法测量RTS通过CCR模型。我们提出的算法的主要优点在于它的计算效率。

2015-08-07math.OC

多标准决策和效率分析问题中的虚拟缺口分析程序

Virtual Gap Analysis procedures for Multi-Criteria Decision-Making and Efficiency Analysis Problems

National Yang Ming Chiao Tung University（国立阳明交通大学）；Providence University

本文提出了一种基于虚拟缺口分析的新型效率分析方法，用于多标准决策和效率分析问题，通过线性规划模型提供稳健解决方案，减少选择最佳决策单元的计算成本。

2026-02-08math.OC

银行绩效建模：一种新的模糊两阶段DEA方法

Modeling bank performance: A novel fuzzy two-stage DEA approach

由于银行在每个国家的经济发展中发挥着至关重要的作用，评估银行的业绩一直是人们感兴趣的问题。数据包络分析（DEA）已被广泛用于衡量银行分支机构的绩效。在传统的DEA方法中，决策单元（DMU）被视为黑箱，将输入集转换为输出集，而不考虑内部的相互作用发生在每个DMU。两阶段DEA模型的设计，以克服这一不足。因此，本文提出了一种新的两阶段DEA模型的基础上改进的增强罗素模型。另一方面，在许多情况下，例如在制造系统、生产过程或服务系统中，输入、中间产品和输出可以作为模糊变量给出。本文的主要目的是建立和提出一个新的模糊两阶段DEA模型来衡量15个分行的效率的梅利银行在哈梅丹省。

2020-11-04cs.AImath.OC

关于比率变量在数据包络分析中的适用性：在教育中的应用及方法扩展

Data envelopment analysis with common-denominator ratio variables: An application to education with methodological extensions

University of Valencia（瓦伦西亚大学）；UNED（西班牙国立远程教育大学）

研究比率变量在数据包络分析中的适用性，通过建立等价性结果开发评估OECD国家效率的框架，有方法创新，还介绍了估计改进方向等方法及对新兴方法的贡献，可用于分析相关报告数据。

2026-10-02math.OCstat.ME