数据包网络分析（C2R模型）

数据包网络分析（C2R模型）

一、数据

14.40   0.65   31.30  3621.00    0.00
16.90   0.72   32.20  3943.00    0.09
15.53   0.72   31.87  4086.67    0.07
15.40   0.76   32.23  4904.67    0.13
14.17   0.76   32.40  6311.67    0.37
13.33   0.69   30.77  8173.33    0.59
12.83   0.61   29.23  10236.00   0.51
13.00   0.63   28.20  12094.33   0.44
13.40   0.75   28.80  13603.33   0.58
14.00   0.84   29.10  14841.00   1.00

其中设置前3列作为输入变量，后3列作为输出变量。

二、代码实现

#程序文件ex14_5.py
import numpy as np
import cvxpy as cp

d = np.loadtxt('data14_5.txt')
# a：代表所有行，0到3，b则代表所有行，从3开始到结尾
a = d[:,:3]; b = d[:,3:]
# cp.Variable是cvxpy中用于定义优化变量的函数。
# 3代表有3个元素,pos=True是一个关键字参数，指定这个变量是非负的。
# 也就是说，变量u中的每个元素都必须大于或等于0。
# v同理
u = cp.Variable(3, pos=True); v = cp.Variable(2, pos=True)

#计算相关参数
# j从0到9循环
for j in range(10):
    # u是输入的线性权重
    # 列表 con 因此会包含两个布尔值，
    # 分别表示 a @ u 是否大于等于 b @ v，以及 a[j] @ u 是否等于1。
    con = [ a @ u >= b @ v, a[j] @ u ==1]
    # 目标函数是b[j] @ v，即第j个对象的价值，v是优化变量（输出变量）
    obj = cp.Maximize(b[j]@v)
    # prob：这是一个优化问题对象。
    # .solve()：这是prob对象的一个方法，用于求解优化问题。调用这个方法会启动求解过程，
    # 并尝试找到满足所有约束条件且使目标函数达到最优（最大或最小）的变量值。
    prob = cp.Problem(obj, con)
    # solver='SCIPY'：这是.solve()方法的一个参数，它指定了用于求解优化问题的求解器。在这个例子中，
    # 它告诉.solve()方法使用SciPy库中的求解器。SciPy是一个广泛使用的Python库，
    # 提供了大量的数学、科学和工程计算功能，包括优化问题的求解。
    prob.solve(solver='SCIPY')
    # 通过访问v.value来获取优化后的变量值。
    # round(prob.value, 4) 表示将 prob.value 的值四舍五入到小数点后4位。
    # prob中存放的是最优值
    print('第',str(j+1),'个对象最优值：',round(prob.value,4))
    # u、v中存放的是最优解
    print('最优解：\n', np.round(u.value,4),'\n', np.round(v.value,4))

三、结果分析

结果如下：

第 1 个对象最优值： 0.2902
最优解：
 [0.     1.5385 0.    ] 
 [0.0001 0.    ]
第 2 个对象最优值： 0.2854
最优解：
 [0.     0.8997 0.0109] 
 [0.0001 0.    ]
第 3 个对象最优值： 0.2968
最优解：
 [0.     0.9029 0.011 ] 
 [0.0001 0.    ]
第 4 个对象最优值： 0.3425
最优解：
 [0.     0.8682 0.0106] 
 [0.0001 0.    ]
第 5 个对象最优值： 0.4595
最优解：
 [0.     1.3158 0.    ] 
 [1.000e-04 1.914e-01]
第 6 个对象最优值： 0.7183
最优解：
 [0.     1.4493 0.    ] 
 [0.     1.2174]
第 7 个对象最优值： 0.9069
最优解：
 [0.     1.6393 0.    ] 
 [1.000e-04 2.385e-01]
第 8 个对象最优值： 1.0
最优解：
 [0.     1.0279 0.0125] 
 [0.0001 0.    ]
第 9 个对象最优值： 1.0
最优解：
 [2.630e-02 8.327e-01 8.000e-04] 
 [0.0001 0.    ]
第 10 个对象最优值： 1.0
最优解：
 [0.     0.     0.0344] 
 [0. 1.]

且中最优解>0且最优目标值=1，则说明评价对象DEA是有效的。