In this paper we present a recurrent neural network model to recognize efficient Decision Making Units(DMUs) in Data Envelopment Analysis(DEA). The proposed neural network model is derived from an unconstrained minimization problem. In theoretical aspect, it is shown th More
In this paper we present a recurrent neural network model to recognize efficient Decision Making Units(DMUs) in Data Envelopment Analysis(DEA). The proposed neural network model is derived from an unconstrained minimization problem. In theoretical aspect, it is shown that the proposed neural network is stable in the sense of lyapunov and globally convergent. The proposed model has a single-layer structure. Simulation shows that the proposed model is effective to identify efficient DMUs in DEA.
Manuscript profile
Although discriminating between all efficient decision making units (DMUs) with identical efficiency is a very important subject in data envelopment analysis (DEA), it may not be an easy task, particularly when the decision maker wants to select one and only one efficie More
Although discriminating between all efficient decision making units (DMUs) with identical efficiency is a very important subject in data envelopment analysis (DEA), it may not be an easy task, particularly when the decision maker wants to select one and only one efficient DMU among all. There are some papers that have proposed methods for finding an efficient DMU as the most efficient one but have some difficulties when used in practice. This paper points out the difficulties of the methods presented in two articles [Amin, G. R., (2009). Comments on finding the most efficient DMUs in DEA: An improved integrated model. Computers and Industrial Engineering 56, 1701-1702; Toloo, M., Nalchigar, S., (2009). A new integrated DEA model for finding most BCC-efficient DMU. Applied Mathematical Modelling, 33, 597-604]. In fact, in the present paper, it is proved by some examples that although some methods have principally been proposed in order to determine a single efficient DMU as the most efficient one, they may be unable to detect these DMUs.
Manuscript profile
Evaluating financial status of banking industry helps managers to understand theniche and make right decisions based on results. In this paper we develop a systemicapproach to evaluate efficiency based on TOPSIS-DEA, which applies TOPSIS rulesin DEA. We ranked all liste More
Evaluating financial status of banking industry helps managers to understand theniche and make right decisions based on results. In this paper we develop a systemicapproach to evaluate efficiency based on TOPSIS-DEA, which applies TOPSIS rulesin DEA. We ranked all listed banks based on both optimistic and pessimisticapproach. This method uses two virtual ideal and anti-ideal DMU and measures theefficiency of each DMU according to virtual ones, putting this results in a relativeneighborhood index we are able to rank DMU's. results showed Karafarin, Mellat andParsian have the least intervals with the ideal and Saderat has the most, and with theanti-ideal Saderat has the least while Karafarin has the most intervals.
Manuscript profile
تجزیه و تحلیل پوششی داده ها یک تکنیک مبتنی بر برنامه ریزی ریاضی برای تعیین کارایی واحدهای تصمیم گیری (DMU) است. در برخی موارد ، مدیر قصد ندارد یک منبع جدید اضافه کند ، بلکه یکی از منابع قبلی را مجدداً تخصیص می دهد. تخصیص مجدد منابع ممکن است با اهداف مختلف انجام شود و مز More
تجزیه و تحلیل پوششی داده ها یک تکنیک مبتنی بر برنامه ریزی ریاضی برای تعیین کارایی واحدهای تصمیم گیری (DMU) است. در برخی موارد ، مدیر قصد ندارد یک منبع جدید اضافه کند ، بلکه یکی از منابع قبلی را مجدداً تخصیص می دهد. تخصیص مجدد منابع ممکن است با اهداف مختلف انجام شود و مزایای متفاوتی داشته باشد. به عنوان مثال ، بدون افزودن منبع جدید و تنها با استفاده از منابع یکسان ، آیا می توان بازده یک واحد را افزایش داد یا حتی کارایی کل سیستم را افزایش داد؟ در این مقاله ، یک مدل ریاضی ارائه شده است که می تواند برای تخصیص مجدد یکی از منابع موجود قبلی بین واحدها به گونه ای استفاده شود که کارایی کل واحدهای تصمیم گیرنده به حداکثر مقدار ممکن برسد. در این مدل ، به منظور جلوگیری از کاهش بیش از حد سهم هر واحد از منبع مورد نظر ، محدودیت هایی در نظر گرفته شده است. در این محدودیت ها ، حد پایینی برای سهم هر واحد مشخص شده است. همچنین ، تخصیص مجدد منابع به احتمال زیاد منجر به تغییراتی در مقادیر خروجی واحدهای تصمیم گیرنده می شود. در مدل ارائه شده ، برخی از محدودیت ها در نظر گرفته می شوند که حد بالایی را برای خروجی های تولید شده توسط واحدها مشخص می کند. محدودیت های دیگری در این مدل وجود دارد. اول این که سهم کل واحدها از منبع مورد نظر نباید از مقدار موجود آن بیشتر باشد و دوم این که کل خروجی تولید شده توسط همه واحدها باید حداقل برابر کل خروجی تولید شده قبل از تخصیص مجدد باشد. مدل ارائه شده در این مقاله ، علاوه بر در نظر گرفتن محدودیت های توصیف شده ، که همه آنها اجتناب ناپذیر هستند ، به یک مدل برنامه ریزی خطی تبدیل شده است که توسط بسیاری از نرم افزارهای موجود قابل حل است.
Manuscript profile
