بهبود کارایی پاراتو با استفاده از بهره وری متقاطع در تحلیل پوششی داده ها

ارزیابی کارایی متقاطع، به عنوان یک ابزار گسترده برای تحلیل پوششی داده ها ، دارای کاربرد گسترده ای در ارزیابی و رده بندی واحدهای تصمیم گیر است. متاسفانه ممکن است امتیازهای کارایی متقاطع تولید شده، بهینه- پارتو نباشند؛ که همین امر اثربخشی این روش را کاهش داده است. برای حل این مشکل در این مقاله سعی می کنیم یک رویکرد ارزیابی کارایی متقاطع مبتنی بر بهبود پارتو پیشنهاد شود. که حاوی دو مدل (مدل برآورد بهینگی پارتو و مدل بهبود پارتوی بهره وری متقاطع) و یک الگوریتم می باشد. مدل برآورد بهینگی پارتو برای تخمین این موضوع مورد استفاده قرار می گیرد که آیا مجموعه ای مفروض از امتیازات بهره وری متقاطع می توانند جواب های بهینه- پارتو باشند. اگر این امتیازات بهره وری متقاطع، بهینه پارتو نباشند، پس مدل بهبود پارتو برای ایجاد بهبود پارتوی کارایی متقاطع برای تمام واحد های تصمیم گیرنده مورد استفاده قرار می گیرد. بر خلاف سایر رویکردهای کارایی متقاطع، رویکرد پیشنهادی ما همیشه مجموعه ای از کارایی های متقاطع بهینه- پارتو تحت اصول و مبانی از پیش مشخص برای انتخاب وزن برای این واحد های تصمیم گیرنده به دست می آورد.

Keywords:

کارایی متقاطع , بهینگی پاراتو , کنترل وزن , واحد تصمیم گیرنده