رتبه‌بندی واحدهای تصمیم‌گیرنده کارا در تحلیل پوششی داده‌ها بر اساس بازی همکارانه

الموضوعات :

ساناز اسدی رحمتی ¹ (دانشجوی دکتری،گروه ریاضی، واحد خرم‌آباد،دانشگاه آزاد اسلامی، خرم‌آباد، ایران)
رضا فلاح نژاد ² (گروه ریاضی، واحد خرم‌آباد،دانشگاه آزاد اسلامی، خرم‌آباد، ایران)

تاريخ الإرسال : 02 الأربعاء , رجب, 1441 تاريخ التأكيد : 03 السبت , شوال, 1442 تاريخ الإصدار : 16 الخميس , صفر, 1443

الکلمات المفتاحية: cooperative game, Data Envelopment Analysis, Shapley value, efficient units rankings,

ملخص المقالة :

ارزیابی واحدهای تصمیم‌گیرنده در دستگاه‌های اقتصادی و مدیریتی بسیار بااهمیت است. یکی از فن‌های علمی و کاربردی برای ارزیابی واحدهای تصمیم‌گیرنده، تحلیل پوششی داده‌ها است. در مدل‌های معمول تحلیل پوششی داده‌ها، واحدها به دو دسته کارا و ناکارا تقسیم می‌شوند که میزان کارایی هر واحد کارا یک است و هیچ تمایزی بین واحدهای کارا وجود ندارد. این مطالعه قصد دارد که یک روش جدید برای رتبه‌بندی واحدهای کارا بر اساس مفاهیم بازی همکارانه ارائه دهد. روش پیشنهادی به این‌گونه است که واحدهای کارا به‌عنوان بازیکنان یک بازی همکارانه در نظر گرفته می‌شوند. یک زیرمجموعه از این بازیکنان به‌عنوان ائتلاف S تعریف می‌شوند. سپس مجموع کارایی واحدهای ناکارا با توجه به مجموعه امکان تولید که توسط واحدهای ناکارا و اعضای ائتلاف S ساخته شده است به‌عنوان تابع مشخصه ائتلاف S تعریف می‌شود، که از آن برای تعیین تأثیرحاشیه‌ای واحدهای کارا در ائتلاف‌های مختلف استفاده می‌شود. در آخر از مقدار شپلی برای تعیین راه‌حل بازی همکارانه و رتبه‌بندی واحدهای کارا استفاده می‌شود. در این روش که قادر به رتبه‌بندی واحدهای کارای غیرراسی نیز هست واحدهای ناکارا نیز در رتبه‌بندیتأثیرگذار هستند و هم‌چنین در هر شرایط بازده به مقیاس شدنی است.

المصادر:

[1] A. Charnes, W.W. Cooper and E. Rhodes. Measuring the efficiency of decision making units. European journal of operational research 2(6): 429-444 (1978).

 

[2] R.D. Banker, A. Charnes and W.W. Cooper. Some models for estimating technical and scale inefficiencies in data envelopment analysis. Management science 30(9): 1078-1092 (1984).

 

[3] K. Tone. A slacks-based measure of efficiency in data envelopment analysis. European journal of operational research. 130(3) 498-509 (2001).

 

[4] F. Hosseinzadeh Lotfi, G.R. Jahanshahloo, M. Khodabakhshi, M. Rostamy-Malkhlifeh, Z. Moghaddas, and M. Vaez-Ghasemi. A review of ranking models in data envelopment analysis. Journal of Applied Mathematics. 2013 (2013).

 

[5] A. Aldamak, S. Zolfaghari. Review of efficiency ranking methods in data envelopment analysis. Measurement 106: 161-172 (2017).

 

[6] T.R. Sexton, R.H. Silkman and A.J. Hogan. Data envelopment analysis: Critique and extensions. New Directions for Program Evaluation (32): 73-105 (1986).

 

[7] Z. Sinuany-Stern, A. Mehrez and A. Barboy. Academic departments efficiency via DEA. Computers & Operations Research. 21(5): 543-556 (1994).

 

[8] G.R. Jahanshahloo, H.V. Junior, F.H. Lotfi and D. Akbarian. A new DEA ranking system based on changing the reference set. European Journal of Operational Research. 181(1): 331-337 (2007).

[9] M. Rezaeiani, A. Foroughi. Ranking efficient decision making units in data envelopment analysis based on reference frontier share. European Journal of Operational Research. 264(2): 665-674 (2018).

 

[10] P. Andersen, N.C. Petersen. A procedure for ranking efficient units in data envelopment analysis. Management science. 39(10): 1261-1264 (1993).

 

[11] K. Nakabayashi, K. Tone. Egoist’s dilemma: A DEA game. Omega. 34, 135–148 (2006).

 

[12] S. Lozano. DEA production games. Eur. J. Oper. Res. 231, 405–413(2013).

 

[13] C.Y. Lee. Mixed-Strategy Nash Equilibrium in Data Envelopment Analysis. European Journal of Operational Research. 266(3): 1013-24(2018).

 

[14] H. Omrani, K. Shafaat and A. Alizadeh. Integrated data envelopment analysis and cooperative game for evaluating energy efficiency of transportation sector: a case of Iran. Annals of Operations Research. 274(1-2): 471-499 (2019).

 

[15] H. Omrani, M. Amini, M. Babaei and K. Shafaat. Use Shapley value for increasing power distinguish of data envelopment analysis model: An application for estimating environmental efficiency of industrial producers in Iran. Energy & Environment. 31(4):656-675 (2020).

 

[16] J. Doyle, R. Green. Efficiency and cross-efficiency in DEA: Derivations, meanings and uses. Journal of the operational research society 45(5): 567-578 (1994).

 

[17] W. Jie, L. Liang and Y.c. ZHA. Determination of the weights of ultimate cross efficiency based on the solution of nucleolus in cooperative game. Systems Engineering-Theory & Practice 28(5): 92-97 (2008).

 

[18] J. Wu, L. Liang and Y.C. Zha. Determination of the weights of ultimate cross efficiency based on the solution of nucleolus. Xitong Gongcheng Lilun yu Shijian/System Eng. Theory Pract. 28: 92–97 (2008)

 

[19] J. Wu, L. Liang, F. Yang and H Yan. Bargaining game model in the evaluation of decision making units. Expert Systems with Applications 36(3): 4357-4362 (2009).

 

[20] Y. Li, J. Xie, M. Wang and L. Liang. Super efficiency evaluation using a common platform on a cooperative game. European Journal of Operational Research 255(3):  884-892 (2016).

 

[21] T.S.H. Driessen. Cooperative games, solutions and applications. Vol. 3: Springer Science & Business Media (2013).

 

[22] A. Amirteimoori and S. Kordrostami. Efficient surfaces and an efficiency index in DEA: a constant returns to scale. Applied Mathematics and Computation 163(2): 683-691 (2005).

 

[23] A. Barzegarinegad, G. R.Jahanshahloo and M. Rostamy-Malkhalifeh, A full ranking for decision making units using ideal and anti-ideal points in DEA. The Scientific World Journal,(2014).

 

[24] G.R. Jahanshahloo, F. Hosseinzadeh Lotfi, V. Rezaie and M. Khanmohammadi, Ranking DMUs by ideal points with interval data in DEA, Applied Mathematical Modelling, 35(1), 218–229, (2011).