共享投入型关联两阶段生产系统的网络DEA效率测度与分解复现

最新推荐文章于 2025-05-19 20:18:50 发布

工具视界

最新推荐文章于 2025-05-19 20:18:50 发布

阅读量1.1k

点赞数 6

文章标签：算法机器学习人工智能

本文链接：https://blog.csdn.net/weixin_52338842/article/details/135856763

版权

本文介绍了陈凯华和官建成在《共享投入型关联两阶段生产系统的网络DEA效率测度与分解》中的DEA模型，并详细解释了模型的规划式和效率计算方法，特别提及了CRS和VRS下的结果比较，指出DMU10和DMU11在处理后的结果更准确。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

今天推出的是一个关于2011年陈凯华和官建成的《共享投入型关联两阶段生产系统的网络DEA效率测度与分解》这篇

文献中建立的DEA模型结果的复现。

该文提出的考虑中间产出的共享投入的两阶段网络DEA模型，在规模报酬不变时，其规划式如下：

$\begin{array}{l}E_{k}=\max \sum_{p=1}^{q} W_{p}^{1} Z_{p k}+\sum_{r=1}^{s} U_{r} Y_{r k} \\\text { s.t. }\left\{\begin{array}{l}\sum_{i=1}^{m} \pi_{i}^{1} X_{i k}+\sum_{i=1}^{m} V_{i}^{2} X_{i k}-\sum_{i=1}^{m} \pi_{i}^{2} X_{i k}+\sum_{p=1}^{q} W_{p}^{2} Z_{p k}=1 \\\sum_{i=1}^{m} \pi_{i}^{1} X_{i j}-\sum_{p=1}^{q} W_{p}^{1} Z_{p j} \geq 0, j=1,2, \cdots, n \\\sum_{i=1}^{m} V_{i}^{2} X_{i j}-\sum_{i=1}^{m} \pi_{i}^{2} X_{i j}+\sum_{p=1}^{q} W_{p}^{2} Z_{p j}-\sum_{r=1}^{s} U_{r} Y_{r j} \geq 0, j=1,2, \cdots, n \\\pi_{i}^{2} \geq V_{i}^{2} \geq \varepsilon ; \pi_{i}^{1}, W_{p}^{1}, W_{p}^{2}, U_{r} \geq \varepsilon, i=1,2, \cdots, m\end{array}\right.\end{array}$

上述线性规划描述了以投入为导向的 DMU_k 整体技术效率测度模型. 借助规划可获得决策变量 $\alpha_i(\alpha_i=\pi_i^2/V_i^2)$ 、 $V_i^1(V_i^1=\pi_i^1/\alpha_i)$ 、 $V_i^2$ 、 $W_p^1$ 、 $W_p^2$ 和 $U_r$ 的最优解组合后，可进一步通过下述公式计算内部第一个子过程和第二个生产过程的技术效率值.

$E_k^1=\frac{\sum\limits_{p=1}^qw_p^1Z_{pk}}{\sum\limits_{i=1}^mv_i^1\alpha_iX_{ik}}=\frac{\sum\limits_{p=1}^qW_p^1Z_{pk}}{\sum\limits_{i=1}^mV_i^1\alpha_iX_{ik}}$

$E_k^2=\frac{\sum_{r=1}^su_rY_{rk}}{\sum_{i=1}^mv_i^2(1-\alpha_i)X_{ik}+\sum_{p=1}^qw_p^2Z_{pk}}=\frac{\sum_{r=1}^sU_rY_{rk}}{\sum_{i=1}^mV_i^2(1-\alpha_i)X_{ik}+\sum_{p=1}^qW_p^2Z_{pk}}$

当规模报酬可变时，其规划时及第一、第二阶段效率值如下：

$\begin{array}{l}\bar{E}_{k}=\max \sum_{p=1}^{q} W_{p}^{1} Z_{p k}+\sum_{r=1}^{s} U_{r} Y_{r k}-\mu_{k}^{A}-\mu_{k}^{B} \\\text { s.t. }\left\{\begin{array}{l}\sum_{i=1}^{m} \pi_{i}^{1} X_{i k}+\sum_{i=1}^{m} V_{i}^{2} X_{i k}-\sum_{i=1}^{m} \pi_{i}^{2} X_{i k}+\sum_{p=1}^{q} W_{p}^{2} Z_{p k}=1 \\\sum_{i=1}^{m} \pi_{i}^{1} X_{i j}-\left(\sum_{p=1}^{q} W_{p}^{1} Z_{p j}-\mu_{k}^{A}\right) \geq 0, j=1,2, \cdots, n \\\sum_{i=1}^{m} V_{i}^{2} X_{i j}-\sum_{i=1}^{m} \pi_{i}^{2} X_{i j}+\sum_{p=1}^{q} W_{p}^{2} Z_{p j}-\left(\sum_{r=1}^{s} U_{r} Y_{r j}-\mu_{k}^{B}\right) \geq 0, j=1,2, \cdots, n \\Vi_{i}^{2} \geq p_{i}^{2} \geq \varepsilon ; \pi_{i}^{1}, W_{p}^{1}, W_{p}^{2}, U_{r} \geq \varepsilon, i=1,2, \cdots, m\end{array}\right.\end{array}$
上述规划描述了以投入为导向的 DMU $_k$ 整体纯技术效率测度模型，当决策变量 $\alpha_i(\alpha_i=\pi_i^2/V_i^2)$ 、 $V_i^1(V_i^1)$ $=\pi_i^1/\alpha_i)、V_i^2、W_p^1、W_p^2、U_r、\mu_k^A$ 和 $\mu_k^B$ 的借助规划获得最优解组合后，可通过下述公式计算被测评的生产系统 DMU $_k$ 内部第一和第二生产过程的纯技术效率值.

$\begin{array}{c}\bar{E}_{k}^{1}=\frac{\sum_{p=1}^{q} w_{p}^{1} Z_{p k}-\mu_{k}^{1}}{\sum_{i=1}^{m} v_{i}^{1} \alpha_{i} X_{i k}}=\frac{\sum_{p=1}^{q} W_{p}^{1} Z_{p k}-\mu_{k}^{A}}{\sum_{i=1}^{m} V_{i}^{1} \alpha_{i} X_{i k}} \\\bar{E}_{k}^{2}=\frac{\sum_{r=1}^{s} u_{r} Y_{r k}-\mu_{k}^{2}}{\sum_{i=1}^{m} v_{i}^{2}\left(1-\alpha_{i}\right) X_{i k}+\sum_{p=1}^{q} w_{p}^{2} Z_{p k}}=\frac{\sum_{r=1}^{s} U_{r} Y_{r k}-\mu_{k}^{B}}{\sum_{i=1}^{m} V_{i}^{2}\left(1-\alpha_{i}\right) X_{i k}+\sum_{p=1}^{q} W_{p}^{2} Z_{p k}}\end{array}$