A Review of Metaheuristic Algorithms and Data Envelopment Analysis

محورهای موضوعی : Data Envelopment Analysis

Mohsen Vaez-ghasemi ¹ , Zohreh Moghaddas ² , Hamid Askari ³ , Feloora Valizadeh ⁴

1 - Department of mathematics, Rasht IAu
2 - Department of Electrical, Computer and Biomedical Engineering, Qazvin Branch, Islamic Azad University, Qazvin, Iran
3 - Ph.D. Candidate of Industrial Engineering, Qazvin Branch, Islamic Azad University, Rasht, Iran.
4 - Islamic azad university,Rasht Branch

تاریخ دریافت : 1399/01/04 تاریخ پذیرش : 1399/03/31 تاریخ انتشار : 1399/03/12

کلید واژه: Data envelopment analysis, Metaheuristic Algorithms, Optimization,

چکیده مقاله :

Today, many activities from businesses to engineering design, routing on the Internet, and even routing of foodstuff trucks require programming and optimization. Many of these problems have no determinate solution and cannot be solved easily. To solve these problems, algorithms have been developed inspired by nature based on particle intelligence, biological, physical, and chemical systems, and even human communities and have been named after their inspiration source. A metaheuristic optimization algorithm is an innovative way that can be applied to various optimization problems by slight modifications. These algorithms can improve the capability of finding high-quality answers for difficult optimization problems significantly. The present paper reviews the application of various metaheuristic algorithms and data envelopment analysis (DEA) to optimization problems in the literature published in recent years. Descriptions are provided about the application of metaheuristic algorithms in DEA along with their applications, the field of activity, overlaps, and the integration of these two robust methods to find the optimal answer.

چکیده انگلیسی:

امروزه بسیاری از فعالیتها از کسب و کار گرفته تا طراحیهای مهندسی، مسیریابی در اینترنت و حتی مسیریابی کامیونهای حمل مواد غذایی و غیره نیازمند برنامه ریزی و بهینه سازی هستند. تعداد زیادی از این مسائل راه حل قطعی نداشته و یا به راحتی قابل حل نیستند و برای حلشان الگوریتمهایی با الهام از طبیعت و بر مبنای هوش ذرات، سیستمهای زیستی، فیزیکی، شیمیایی وحتی جوامع انسانی توسعه داده میشوند که نامگذاری بسیاری از آنها نیز بر اساس منبع الهام گیری اولیه است؛ یک الگوریتم بهینه سازی فراابتکاری یک روش ابتکاری است که میتواند باتغییرهایی کم برای مسائل مخلتف بهینه سازی به کاررود الگوریتم های فراابتکاری بطور قابل ملاحظه ای توانایی یافتن جوابهای با کیفیت بالا را برای مسائل بهینه سازی سخت افزایش میدهد . در این مقاله به بررسی و مرور کاربرد انواع الگوریتم های فراابتکاری و تحلیل پوششی داده ها در مسائل بهینه سازی موجود در مجموعه مقالات منتشر شده در چند سال گذشته پرداخته شده است. آنچه که در این مقاله آمده است توضیحاتی درباره کاربرد انواع الگوریتم های فراابتکاری در تحلیل پوششی داده ها ،بیان کاربرد و حوزه فعالیتشان و همپوشانی و استفاده تلفیقی از این دو روش قدرتمند برای دستیابی به جواب بهینه است