مقاله ترجمه شده درباره استفاده از الگوریتم ژنتیک برای حداکثرسازی بهره وری فنی در تحلیل پوششی داده ها – سال 2015
مشخصات مقاله:
عنوان فارسی مقاله:
استفاده از الگوریتم ژنتیک برای حداکثرسازی بهره وری فنی در تحلیل پوششی داده ها
عنوان انگلیسی مقاله:
Using Genetic Algorithms for Maximizing Technical Efficiency in Data Envelopment Analysis
کلمات کلیدی مقاله:
تحلیل پوششی داده ها، نزدیک ترین اهداف، برنامه نویسی ریاضیاتی، متدولوژی های بهره وری، الگوریتم های ژنتیک
مناسب برای رشته های دانشگاهی زیر:
مدیریت و علوم اقتصادی
مناسب برای گرایش های دانشگاهی زیر:
مدیریت استراتژیک، مدیریت کیفیت و بهره وری، توسعه اقتصادی و برنامه ریزی، تحقیق در عملیات و مدیریت صنعتی
وضعیت مقاله انگلیسی و ترجمه:
مقاله انگلیسی را میتوانید به صورت رایگان با فرمت PDF از باکس زیر دانلود نمایید. ترجمه این مقاله با فرمت WORD – DOC آماده خریداری و دانلود آنی میباشد.
فهرست مطالب:
چکیده
1 مقدمه
2 تحلیل پوششی داده ها و حل شدن مسئله
3 روش های ابتکاری برای دستیابی به راه حل معتبر
3.1 روش 1
3.2 روش 2
4 الگوریتم ژنتیک
5 نتایج تجربی
6 نتیجه گیری ها و آثار آتی
قسمتی از مقاله انگلیسی و ترجمه آن:
Abstract
Data Envelopment Analysis (DEA) is a non-parametric technique for estimating the technical efficiency of a set of Decision Making Units (DMUs) from a database consisting of inputs and outputs. This paper studies DEA models based on maximizing technical efficiency, which aim to determine the least distance from the evaluated DMU to the production frontier. Usually, these models have been solved through unsatisfactory methods used for combinatorial NP-hard problems. Here, the problem is approached by metaheuristic techniques and the solutions are compared with those of the methodology based on the determination of all the facets of the frontier in DEA. The use of metaheuristics provides solutions close to the optimum with low execution time.
چکیده
تحلیل پوششی داده ها (DEA) یک روش غیر پارامتری برای تخمین بهره وری فنی مجموعه ای از واحدهای تصمیم گیرنده (DMUها) از یک پایگاه داده شامل ورودی¬ها و خروجی ها است. این مقاله مدل های DEA مبتنی بر حداکثرسازی راندمان فنی را مطالعه می کند، که هدف تعیین کردن مسافت حداقلی از DMU ارزیابی شده برای مرز تولید است. معمولا، این مدل ها از طریق روش های نامطلوب مورد استفاده برای مسائل NP-hard ترکیبی حل می شوند. در اینجا مسئله توسط روش های فراابتکاری بررسی می¬شود و راه حل ها با روش هایی از متدولوژی مبتنی بر تعیین تمامی جنبه های مرزی در DEA مقایسه می شود. استفاده از فراابتکاری ها راه حل های نزدیک به بهینه گی با زمان اجرای پائین را ارائه می کنند.
