یونس مجاهدنژاد - کارشناس ارشد مهندسی کامپیوتر فارغ التحصیل دانشگاه آزاد اسلامی واحد علوم و تحقیقات لرستان
رضا فلاح نژاد - دکتری ریاضی کاربردی ، استاد دانشگاه آزاد اسلامی واحد واحد علوم و تحقیقات لرستان

تحلیل پوششی داده ها یک روش برنامه ریزی غیر خطی پارامتری برای ارزیابی کارایی و بهره وری واحدهایتصمیم گیری است که به طور گسترده برای اندازه گیری کارایی انواع مختلفی از فعالیت ها مورد استفاده قرار می گیرد.در مواردی که تعداد قیود زیاد می باشد مثل زمانی که بخشی از داده ها منفی هستند پیچیدگی حل مساله بسیار بالا میباشد لذا استفاده تحلیل پوششی دادهها از لحاظ زمان و هزینه به صرفه نیست. در این پژوهش، یک شبکه عصبیfeed-forward نظارت شده، برای ارزیابی کارایی و بهره وری واحدهایی با داده های منفی ارایه شد که با استفاده ازشبکه عصبی مصنوعی در حالتی که داده ها منفی هستند منجر به کاهش زمان حل مساله شویم. در این پژوهش با ارایه واجرای مدل SORM در تحلیل پوششی داده ها و شبکه های عصبی مصنوعی اقدام به بررسی سرعت اجرای مدل موردنظر خواهیم پرداخت. در پایان با مقایسه میانگین زمان اجرای این مدل در شبکه عصبی و تحلیل پوششی داده ها به ایننتیجه دست یافتیم که شبکه عصبی مصنوعی برای مجموع داده های کوچک کارایی چندانی ندارد اما برای مجموعداده بزرگ در مقایسه با روش تحلیل پوششی داده ها میتواند برنامه را در زمان کمتر اجرا نموده و کارایی خود درزمانی که داده ها دارای مقادیر منفی هستند و پیچیدگی حل مساله بالا است نشان دهد.

تحلیل پوششی داده ها، شبکه عصبی مصنوعی، ارزیابی کارایی، واحد تصمیم گیرنده