基于DEA交叉评价的模糊综合评价模型及其应用

借鉴数据包络分析(DEA)交叉评价的思想,首先将评价系统内的指标分为量化指标和非量化指标,在定义平均交叉效率、最小交叉效率和最大交叉效率概念的基础上,采用交叉评价方法对量化数据进行处理;然后对最小交叉效率值、平均交叉效率值和最大交叉效率值进行模糊化,模糊化之后将其作为模糊综合评价的指标与非量化指标一起进行二次评价,以建立基于DEA交叉评价的模糊综合评价模型;最后通过评价实例验证了所提出的模型在处理客观数据与主观因素并存的多属性决策中的客观性和全面性.     

基于直觉模糊熵的交叉评价方法

对基于相对贴近度的第二目标模型进行模糊扩展,充分利用模糊信息,定义一种新的方法将三角模糊效率值转化为直觉模糊集,并用直觉模糊熵对模糊交叉效率进行集结,然后用三元有向距离指数对全局模糊效率值进行排序。最后用基于直觉模糊熵的交叉评价方法,对国家自然科学基金委员会管理科学部认定的管理科学与系统科学10种重要期刊在2011年的引证效率进行分析,以此来说明该方法的有效性与可行性。     

基于交叉熵的ITFN的多属性决策方法

针对属性值为直觉梯形模糊数且属性权重完全未知的多属性决策问题,提出了一种基于交叉熵的决策方法。给出期望值的方法将直觉梯形模糊数转化为直觉模糊数,进而提出直觉模糊数的交叉熵等概念及相关性质。基于各方案与正理想方案的总区别信息最小化原则,建立非线性模型,求出属性权重。用实例说明该方法的有效性。     

给出属性优先序的模糊多属性决策方法

研究属性值为模糊变量,已知属性优先序信息的模糊多属性决策问题。基于模糊变量的期望值、模糊变量之间的距离等概念,建立以极大化属性值的离差为目标的模糊期望值模型来确定各属性的权重;基于期望值算子,计算出各方案的期望效用值,从而获得各方案的排序;通过数值算例说明所提出方法的有效性。     

基于信息熵的模糊多属性决策供应商选择方法

提出了一种针对供应商选择最优决策问题的基于信息熵的模糊多属性决策方法。针对供应商的多属性决策问题,确定属性集,利用信息熵求出各属性权重,运用模糊数排序方法对方案的模糊效用值进行排序,以确定最优方案。最后以某企业为例做了实例分析,将此方法应用于对这五个供应商进行评分排序,并从中选择出最为合适的供应商,表明此方法行之有效。     

基于决策单元异质性的群组交叉效率评价方法

交叉效率评价方法是数据包络分析（DEA）的拓展工具,但是现存交叉效率方法是对所有决策单元（DMUs）统一测评,没有考虑决策单元间的异质性问题。提出了一种考虑决策单元异质性的群组交叉效率模型,将具有异质性的群组间效率值进行合理集结的绩效评价方法。运用仁慈型交叉效率模型分析各群组内部的相对效率值;运用改进的熵权法为群组内部各决策单元分配适当权重,得到群组整体的最优权重向量;运用传统交叉效率模型评价与分析群组之间的相对效率值,并以此进行综合排序。为证明该方法具有理论与适用效力,2015年应用于16家中国商业银行的绩效评价,结果表明该方法行之有效。     

基于期望值-混合熵的区间概率模糊随机多准则决策方法

定义了区间概率模糊随机变量及其期望值和混合熵.针对准则权重确知并且准则值为区间概率模糊随机变量的多准则决策问题,提出一种基于期望值-混合熵的决策方法.该方法首先给出了区间概率模糊随机变量的期望值-混合熵度量;然后基于此度量建立优化模型,通过计算得到各方案的期望值-混合熵区间;再采用可能度的方法得到方案集的排序.最后通过实例说明了该方法的有效性和可行性.     

区间值模糊随机多准则决策方法

针对不完全信息的区间值模糊随机多准则决策问题,提出了两种求解方法。第一种方法利用离差最大化构建区间参数线性规划,通过区间数运算法则和定位规划求得最优准则权重向量、状态集结值区间决策矩阵与期望值区间决策矩阵,根据决策者风险偏好水平得到各方案的期望集结值从而确定排序。第二种方法将区间值模糊数决策矩阵转化为直觉模糊数决策矩阵,利用不完全的准则权重,通过规划模型求解,获取各方案在各自然状态下的加权记分函数值与加权精确函数值的区间,利用不完全的状态概率,得到各方案的记分函数期望值与精确函数期望值的区间,根据决策者风险偏好水平,求得各方案的记分函数与精确函数的期望集结值,进而确定方案的排序结果。算例分析验证了两种方法的有效性和可行性。     

区间直觉模糊决策中专家与属性权重确定方法

针对评价信息为区间直觉模糊的多属性群决策问题中,决策者与属性的权重均未知的情况,提出一种排序方法。为求解属性值权重,从区间直觉模糊数的几何意义出发,基于熵值最大化原理,求出属性的权重,得到每位专家对每个方案的综合评价值。基于专家个体与专家群体意见之间的灰色关联度以及熵最大化原理,建立模型求出各决策者的权重。在此基础上综合所有专家意见得到评价值,并对方案比较排序。算例验证了此方法的合理有效性。     

基于梯形模糊数期望值的多维偏好群决策模型

提出一种基于梯形模糊数距离期望值的多维偏好群决策模型,以解决偏好和属性值均为梯形模糊数的群决策问题．其算法为：首先定义在β 截集下主／客观偏好之间的偏差函数,通过构造目标规划模型,求解属性的权重向量;然后集结不同β 截集下所有决策者的加权规范化模糊决策矩阵,形成总加权规范化模糊决策矩阵;最后求出各备选方案与模糊理想解的相对贴近度δi,按大小排序确定最优方案．     

Expansion of the cross-efficiency evaluation by using the equations forming the efficient frontier in DEA

In this paper, we propose an algorithm to calculate cross-efficiency scores which used the equations forming the efficient frontier in data envelopment analysis (DEA). In many standard DEA models, each decision-making unit (DMU) is evaluated by using the advantageous weight for itself. Then, many DMUs are evaluated as efficient, and those efficient DMUs are not ranked by the models. The cross-efficiency evaluation is a method to rank DMUs by using the advantageous weights for all DMUs. Previously, the cross-efficiency scores based on different ideas are calculated by solving multiple linear or nonlinear programming problems. However, it is often hard to solve such a nonlinear programming problem. Therefore, by analysing the efficient frontier, we construct an algorithm to calculate alternative cross-efficiency scores.     

Cross efficiency evaluation method based on weight-balanced data envelopment analysis model

In this paper, the cross efficiency evaluation method, regarded as a DEA extension tool, is firstly reviewed for its utilization in identifying the Decision Making Unit (DMU) with the best practice and ranking the DMUs by their respective cross-efficiency scores. However, we then point out that the main drawback of the method lies in non-uniqueness of cross-efficiency scores resulted from the presence of alternate optima in traditional DEA models, obviously making it become less effective. Aiming at the research gap, a weight-balanced DEA model is proposed to lessen large differences in weighted data (weighted inputs and weighted outputs) and to effectively reduce the number of zero weights for inputs and outputs. Finally, we use two examples of the literature to illustrate the performance of this approach and discuss some issues of interest regarding the choosing of weights in cross-efficiency evaluations.     

Weight determination in the cross-efficiency evaluation

A neutral data envelopment analysis (DEA) model for cross-efficiency evaluation was recently proposed by Wang and Chin [Wang and Chin (2010b). A neutral DEA model for cross-efficiency evaluation and its extension. Expert Systems with Applications, 37(5), 3666–3675], which maximinimizes the relative efficiency of each output and effectively reduces the number of zero weights of outputs. Since a large number of zero weights may still exist among inputs, this paper proposes a simultaneously input- and output-oriented weight determination DEA model for the cross-efficiency evaluation. The new DEA model proves to reduce the number of zero weights for both inputs and outputs very significantly, as illustrated by numerical examples. The weights determined by the new DEA model are neutral, neither aggressive nor benevolent.     

基于OWA算子的模糊n-cell数排序方法

针对基于模糊n-cell数的多属性排序问题,提出了一种基于有序加权平均算子（OWA算子）的模糊n-cell数排序方法。该方法首先根据样本数据对评估对象的属性构造模糊n-cell数,其次根据均值将属性按照从大到小排列,然后选取合适的权重向量,应用OWA算子进行信息聚合得到综合模糊n-cell数,接着根据各分量均值得到排序结果。最后,将该方法运用到实例中,并与传统的均值方法进行了比较。结果表明该方法不仅灵活有效,可根据具体情况选择不同的OWA权重来消除部分不合理的情况,使结果更有说服力,还弥补了传统均值方法的不足。     

基于前景和量子理论的模糊多属性决策方法

针对属性权重不完全确定且属性偏好值为区间直觉模糊数的多属性决策问题,提出一种基于前景理论和量子进化算法的模糊多属性决策方法。该方法根据前景理论及模糊数距离公式,定义区间直觉模糊数的前景价值函数,同时将决策者对方案的风险偏好纳入决策行为中,以此来构建方案综合前景值最大化的非线性规划模型。通过引入量子进化算法,求解模型得出最优权重向量。最终根据方案前景值确定出方案的排序。该方法适用于模糊决策环境,能满足决策者不提供确定属性权重的要求,并充分考虑决策者风险心理因素对决策行为的影响,具有广泛的应用价值。数值算例说明了该方法的有效性和可行性。     

基于模糊逻辑的发供电企业供应商评价方法

发供电企业属于资产密集型企业,供应链关系复杂,针对其特点,提出一种基于模糊逻辑的供应商评价方法.分析现代供应链条件下的供应商评价指标体系,采用三角模糊数来表示评价指标的不定性;应用层次分析得到评价指标权重;通过计算备选供应商和理想供应商之间模糊贴近度选择供应商.应用实例分析说明了该方法的实用性.所提出的供应商评价方法成功应用于某大型发供电企业的设备采购,取得了很好的应用效果.     

基于模糊聚类的神经元识别方法

大脑是生物体内结构和功能最复杂的组织,其中包含上千亿个神经元。作为大脑构造的基本单位,神经元的结构和功能包含很多因素,其中神经元的几何形态特征就是一个重要方面。大脑中神经元的几何形态复杂多样,对其识别分类问题是一个难题。本文在模糊聚类的基础上根据神经元的几何形态建立了模糊集模型 ,并利用多数据库分类模型中的最优划分模型对模糊聚类分析法进行改进。将改进后的模糊聚类方法用于对神经元的识别分类,得到最优的分类结果。根据聚类的评价方法,与其他的聚类方法比较,证明了改进的模糊聚类方法能够得到更好的聚类效果。     

基于模糊多属性决策的多维时序信用风险评价建模

针对属性权重完全未知且数据为多维时序的信用风险评价问题,提出基于多属性决策与模糊聚类相结合的混杂信用风险评价建模方法.该方法使用离差最大化方法和二次规划模型得出指标属性的综合权重,对受评样本在各时点上进行多属性决策得到决策评分,再通过决策评分矩阵进行模糊聚类,并对结果进行了有效性验证.最后通过实例验证,证明该方法具有可行性和有效性.     

一种基于区间值的模糊访问控制策略研究

访问控制是网络中一种重要的安全防护技术。在传统的模糊访问控制中,所评判的用户指标都是由某个确定的值来表示,但是大多数情况下,在用户的评语指标上,属于该指标的某个评语的程度并不能用一个确定的数来表示。针对这一问题,文中通过区间值来表示用户的评语指标,提出了基于区问值模糊访问控制的策略,运用区间值模糊综合评判法分析出用户的访问权限,更好地满足了普适计算环境下访问控制的安全性和实用性。并且通过实例分析表明,基于区间值的模糊访问控制在实际应用中足有效的。