به کارگیری روش کارایی متقاطع برای رتبه بندی واحدهای کارا در تنظیم پارامترهای الگوریتم بهینه سازی تجمع ذرات (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
ازآنجایی که روش تحلیل پوششی داده ها، به اندازه گیری کارایی نسبی می پردازد و در مواردی که بیش از یک واحد کارا به دست می آید، قادر به ارائه بهترین واحد کارا نیست. به همین دلیل، رتبه بندی واحدهای تصمیم گیری یکی از موضوعات مهم در تحلیل پوششی داده ها محسوب می شود. یکی از راه حل های تعیین بهترین واحد کارا، به کارگیری روش کارایی متقاطع برای رتبه بندی واحدهای کاراست که درواقع، از روش تحلیل پوششی داده های توسعه یافته است. این مقاله، به دنبال بررسی کارایی متقاطع واحدهای کارای ارائه شده از روش تحلیل پوششی داده ها و درنهایت، ارائه بهترین واحد کارا از ترکیبات پارامتری الگوریتم بهینه سازی تجمع ذرات در حل سایزهای متفاوت از مسئله مسیریابی وسیله نقلیه باز است. در این مطالعه، با استفاده از داده های شبیه سازی شده پیشین که چندین واحد کارا در ارزیابی الگوریتم بهینه سازی تجمع ذرات برای حل هر یک از سایزهای متفاوت مسئله مسیریابی وسیله نقلیه باز ارائه کرده است، به رتبه بندی واحدهای کارا با استفاده از روش کارایی متقاطع می پردازیم. نتایج نشان می دهد، روش کارایی متقاطع ابزاری مؤثر برای رتبه بندی عملکرد واحدهای تصمیم گیری محسوب می شود.Applying the Cross-Sectional Efficiency Method to Rank Efficient Units in Adjusting Particle Aggregation Optimization Algorithm Parameters
Since the DEA method measures relative efficiency and in cases where more than one efficient unit is obtained, it is not able to provide the best efficient unit. For this reason, ranking decision-making units is considered one of the important issues in DEA. One of the solutions to determine the best efficient unit is to use the cross-efficiency method to rank the work units, which is actually developed from the DEA method. This paper seeks to investigate the cross-efficiency of the efficient units provided by the DEA method and ultimately, to provide the best efficient unit from the parameter combinations of the particle aggregation optimization algorithm in solving different sizes of the open vehicle routing problem. In this study, we rank efficient units using the cross-efficiency method using previously simulated data that has provided several efficient units in evaluating the particle swarm optimization algorithm for solving each of the different sizes of the open vehicle routing problem. The results show that the cross-efficiency method is an effective tool for ranking the performance of decision-making units.
تبلیغات
