基于公共权重鲁棒DEA模型探究お.docVIP

基于公共权重鲁棒DEA模型探究?お? 　　摘要：传统DEA模型允许决策单元自由选取对其最为有利的投入产出权重，以获得最大的效率。相比之下，公共权重DEA模型采用统一的权重，更加适合统一管理的组织对各部门进行效率评价。此外，由于DEA方法是一种基于现有数据进行建模的方法，而现实生活中的数据往往是不精确的，因此，在建模的过程中考虑数据的不确定性十分重要。本文对Chen等提出的多目标公共权重DEA 模型进行了简化。在此基础上，利用鲁棒优化方法，建立了基于公共权重的鲁棒DEA模型，并与Omrani提出的模型进行了对比。数值算例表明本文提出的方法有效，求解计算量更少，得到的公共权重更加合理 关键词：数据包络分析；公共权重；鲁棒优化；效率评价 中图分类号：C934文献标识码：A文章编号2017 doi：10.11847/fj.36.2.69 Robust Data Envelopment Analysis Based on Common Weights ZHANG Ran， RAN Lun， LI Jinlin， CHU Hongrui （School of Management and Economics， Beijing Institute of Technology， Beijing 100081， China） Abstract：In traditional DEA models， different decision making units （DMUs） are free to choose weights that are beneficial for themselves to obtain a high efficiency. While the common weights DEA models use common weights to assess different DMUs， which seems more suitable for the centralized organizations. Besides， DEA is a dataoriented method. However， the inputs and outputs data in reallife problems are often imprecise. Thus we should take the data uncertainty into consideration. In this paper， we simplify a multiobjective common weights DEA model proposed by Chen et al. Under the consideration of data uncertainty， we establish a robust multiobjective DEA model and make a comparison between our model and Omrani’s. The results of numerical example show that our approach is reasonable and acceptable， our computation amount is less and the common weights derived from our model are more reasonable. Key words：data envelopment analysis； common weights； robust optimization； efficiency evaluating 1引言 数据包络分析方法（data envelopment analysis， DEA）经常被用来评价具有相似的多项投入和多项产出的决策单元（decision making units， DMU）的相对效率。传统的DEA模型（如Charnes等[1]提出的CCR模型和Banker等[2]提出的BCC模型）允许决策单元自由选取投入和产出权重以达到其最大的效率值。因此，不同决策单元投入产出的权重也不相同。这些权重不能直接用来比较所有决策单元的效率[3]。为了寻求能够被大多数决策单元广泛接受的统一的权重，一些学者提出了公共权重DEA模型[4] 在对公共权重DEA模型的研究中，由于多目标线性规划和DEA方法都是寻求帕累托有效的非劣解，因此，很多学者自然地将多目标线性规划和DEA方法相结合，并取得了一些成果。Golany[5]最早将交互式多目标线性规划和DEA方