استفاده از تجزیه و تحلیل پوششی داده های چند معیاری (MCDEA) برای مشکلات تخصیص-محل در یک محیط مبهم
این مقاله مفهوم بهره وری تعریف شده توسط تجزیه وتحلیل پوشش داده (DEA) را با مدل های تخصیص-محل در یک محیط مبهم ترکیب میکند. نشان داده شده است که چگونه این ترکیب میتواند الگوی مکان یابی تسهیلات و تخصیص درخواست ها را تحت تاثیر قرار دهد. با توجه به دو کاستی بزرگ، که قدرت تمیز کم و توزیع وزن غیرواقعی در ارتباط با نوع کلاسیک DEA نامیده میشوند، یک DEA چند معیاری به کار گرفته شده است. از آنجا که مدل ارائه شده منجر به یک برنامه نویسی غیرخطی چندهدفی مبهم میشود، ما یک روش را ه حل بر اساس یک اصلاح برنامه نویسی پارامتریک مبهم (FPP) و روش انحراف حداقل ارائه میدهیم.
The use of multi-criteria data envelopment analysis (MCDEA) for location–allocation
problems in a fuzzy environment
abstract
This paper incorporates the concept of efficiency defined by data envelopment analysis (DEA) into
location–allocation models in a fuzzy environment. It is shown how this incorporation can influence
the pattern of facility location and the assignment of demands. Due to two major shortcomings, called
low discrimination power and unrealistic weight distribution associated with classic form of DEA, a
multi-criteria DEA is applied. Since the proposed model results in a fuzzy multi-objective non-linear programming, we present a solution procedure based on a modification of fuzzy parametric programming (FPP)and minimum deviation method
دانلود مقاله دات کام 
توضیحات محصول
دانلود مقاله سیستم های ماهر با برنامه های کاربردی-استفاده از تجزیه و تحلیل پوششی داده های چند معیاری (MCDEA) برای مشکلات تخصیص-محل در یک محیط مبهم
تعداد کلمات فایل انگلیسی:6400 کلمه 9 صفحه pdf
تعداد صفحات فایل ترجمه:26 صفحه word فونت 14 B Nazanin
سیستم های ماهر با برنامه های کاربردی
استفاده از تجزیه و تحلیل پوششی داده های چند معیاری (MCDEA) برای مشکلات تخصیص-محل در یک محیط مبهم
چکیده
این مقاله مفهوم بهره وری تعریف شده توسط تجزیه وتحلیل پوشش داده (DEA) را با مدل های تخصیص-محل در یک محیط مبهم ترکیب میکند. نشان داده شده است که چگونه این ترکیب میتواند الگوی مکان یابی تسهیلات و تخصیص درخواست ها را تحت تاثیر قرار دهد. با توجه به دو کاستی بزرگ، که قدرت تمیز کم و توزیع وزن غیرواقعی در ارتباط با نوع کلاسیک DEA نامیده میشوند، یک DEA چند معیاری به کار گرفته شده است. از آنجا که مدل ارائه شده منجر به یک برنامه نویسی غیرخطی چندهدفی مبهم میشود، ما یک روش را ه حل بر اساس یک اصلاح برنامه نویسی پارامتریک مبهم (FPP) و روش انحراف حداقل ارائه میدهیم.