مدل تحلیل پوششی داده‌ها یکی از روش‌های سنجش کارایی بوده که جهت ارزیابی واحدهای تصمیم‌گیرنده متجانس به کار می‌رود، اما در استفاده از این تکنیک به ازای n واحد تصمیم‌گیرنده جهت به دست آوردن کارایی، نیازمند n بار فرمول نویسی هستیم که در نتیجه مقایسه بین واحدهای تصمیم‌گیرنده در قالب یک وزن مشترک امکان پذیر نمی باشد و مدل دارای قدرت تشخیص پایینی می‌باشد. از طرف دیگر مدل‌های کلاسیک DEA با پارامترهای قطعی سروکار دارند. از این رو در این مقاله بر آن شدیم تا با استفاده از تصمیم‌گیری چندهدفه و تئوری سیستم‌های خاکستری به ارائه وزن‌های مشترک برای واحدهای تصمیم‌گیرنده پرداخته و کارایی واحدهای تصمیم‌گیرنده را زمانی که پارامترهای مدل قطعی نبوده و فقط محدوده آنها مشخص باشد، به دست آوریم. در انتها به منظور ارزیابی نتایج، مثالی ارائه شده است تا به مقایسه امتیاز کارایی DMUها از طریق مدل‌های کلاسیک DEA و مدل ارائه شده پرداخته شود. پرونده مقاله

This paper considers a multi-objective portfolio selection problem imposed by gaining of portfolio, divided yield and risk control in an ambiguous investment environment, in which the return and risk are characterized by probabilistic numbers. Based on the theory of possibility, a new multi-objective portfolio optimization model with gaining of portfolio, divided yield and risk control is proposed and then the proposed model is solved as a fuzzy goal programming model to fulfill aspiration level of each objective. Furthermore, numerical example of efficient portfolio selection is provided to illustrate that proposed model is versatile enough to be applicable to various unexpected conditions. This paper considers a multi-objective portfolio selection problem imposed by gaining of portfolio, divided yield and risk control in an ambiguous investment environment, in which the return and risk are characterized by probabilistic numbers. Based on the theory of possibility, a new multi-objective portfolio optimization model with gaining of portfolio, divided yield and risk control is proposed and then the proposed model is solved as a fuzzy goal programming model to fulfill aspiration level of each objective. Furthermore, numerical example of efficient portfolio selection is provided to illustrate that proposed model is versatile enough to be applicable to various unexpected conditions. پرونده مقاله