کمترین نسبت هزینه – سود برای داده‌های بازه‌ای
محورهای موضوعی : مدیریت بازرگانیسهند دانشور 1 , مژگان منصوری کلیبر 2
1 - استادیار و عضو هیأت علمی،گروه ریاضی،واحد تبریز، دانشگاه آزاد اسلامی ،تبریز،ایران
2 - عضو باشگاه پژوهشگران جوان دانشگاه آزاد اسلامی واحد تبریز
کلید واژه: تحلیل پوششی داده‌ها, روش ناحیه اطمینان, نظریه بازی,
چکیده مقاله :
در این مقاله مسائل محاسبه حداکثر و حداقل سهم افراد یا سازمان‌ها جهت محاسبه سود و هزینه‌ی تخصیص یافته به بازیکنان با معیارهای متعدد بررسی و مورد بحث قرار می‌گیرد.با این فرض که بازیکنان خودخواه باشند و نمره‌ی هر معیار برای هر بازیکن یک بازه فرض شده است. هر بازیکن سعی می‌کند بهترین وضعیت را برای خود فراهم کند. در این مقاله طرحی جدید برای محاسبه‌ی کمترین نسبت هزینه – سود برای داده‌های بازه‌ای پیشنهاد شده است. هربازیکنی که کمترین نسبت هزینه – سود را به خود اختصاص دهد موفق‌ترین بازیکن در کسب سود و هزینه مطلوب می‌باشد. همچنین طرح توسعه یافته در این مقاله روشی برای شناسایی موفق‌ترین بازیکنان و ائتلاف‌ها ارائه می‌نماید.
This Paper deals with calculating the minimal and maximal shares of individuals or organizations based on different criteria. Suppose that players are selfish and the score for each criterion for a player is an interval. Each player makes any possible effort to bring about his or her ideal condition. In this paper a new scheme to calculate the minimal cost - benefit ratio for interval data is offered. A player who has minimal cost - benefit ratio is the successful player in obtaining favorite cost and benefits. In this scheme also new models have been proposed to avoid zero weight occurrence.
Barron, E.N., (2007), Game Theory an Introduction, Wiley-Inter Science.
Charnes, A., & Cooper, W.W., (1962), Programming with Fractional Function, Naval Res. Logist.Quart., Vol. 9, pp. 181-185.
Charnes, A., Cooper, W.W., & Rhodes, E., (1978), Measuring the Efficiency of Decision Making Units, European Journal of Operational Research. Vol. 2, pp. 429-444.
Cooper, W.W., Seiford, L.M., & Tone, K., (2000), Data Envelopment Analysis- a Comprehensive Text with Models, Applications, References and DEA-Solver Software, Boston., Kluwer Academic Publishers.
Jahanshahloo, G.R., Hosseinzadeh Lotfi, F., & Sohraiee, S., (2006), Egoist’s Dilemma with Interval Data, Applied Mathematics and Computation. Vol. 183, pp. 94-105.
Nakabayashi, K., & Tone, K., (2006), Egoist’s dilemma: a DEA game, The International Journal of Managment Science., Vol. 34, pp. 135-148.
Owen, G., (1975), On the Linear Production Games, Mathematical Programming., Vol. 9, pp. 358-70.
_||_
Barron, E.N., (2007), Game Theory an Introduction, Wiley-Inter Science.
Charnes, A., & Cooper, W.W., (1962), Programming with Fractional Function, Naval Res. Logist.Quart., Vol. 9, pp. 181-185.
Charnes, A., Cooper, W.W., & Rhodes, E., (1978), Measuring the Efficiency of Decision Making Units, European Journal of Operational Research. Vol. 2, pp. 429-444.
Cooper, W.W., Seiford, L.M., & Tone, K., (2000), Data Envelopment Analysis- a Comprehensive Text with Models, Applications, References and DEA-Solver Software, Boston., Kluwer Academic Publishers.
Jahanshahloo, G.R., Hosseinzadeh Lotfi, F., & Sohraiee, S., (2006), Egoist’s Dilemma with Interval Data, Applied Mathematics and Computation. Vol. 183, pp. 94-105.
Nakabayashi, K., & Tone, K., (2006), Egoist’s dilemma: a DEA game, The International Journal of Managment Science., Vol. 34, pp. 135-148.
Owen, G., (1975), On the Linear Production Games, Mathematical Programming., Vol. 9, pp. 358-70.