数据包络分析--二阶段网络(考虑各阶段的公平性)
DEA-关注公平的两阶段DEA模型:建模和计算方面
- 文献介绍
- 二阶段网络示意图
- 基础知识——合作和非合作模式
- 非合作模式(Non-cooperative mode)
- subDMU1dominatestheoverallsystemsubDMU1 \ dominates \ the \ overall \ systemsubDMU1 dominates the overall system
- subDMU2dominatestheoverallsystemsubDMU2 \ dominates \ the \ overall \ systemsubDMU2 dominates the overall system
- 合作模式(Cooperative mode)
- 考虑公平性的二阶段网络——Two−stageutilitymodelwithfairnessconcernTwo-stage \ utility \ model \ with \ fairness \ concernTwo−stage utility model with fairness concern
- 非合作模式(Non-cooperative mode)
- subDMU1dominatestheoverallsystemsubDMU1 \ dominates \ the \ overall \ systemsubDMU1 dominates the overall system
- 例子
- subDMU2dominatestheoverallsystemsubDMU2 \ dominates \ the \ overall \ systemsubDMU2 dominates the overall system
文献介绍
新出炉–吴杰老师的文章!文献名字是Two−stageDEAmodelswithfairnessconcern:ModellingandcomputationalaspectsTwo-stage \ DEA \ models \ with \ fairness \ concern:Modelling \ and \ computational \ aspectsTwo−stage DEA models with fairness concern:Modelling and computational aspects,发表于1区OmegaOmegaOmega期刊上,优秀。
这篇文献已经看了两三天了,里面的数学内容还没有彻底消化,但是模型以及所有的结果已经全部可以算得。这里自己主要是对模型抽丝剥茧,理理模型公式。一些数学理论大家有兴趣的话可以仔细钻研。
注意:由于本人看的文献基本都是外刊,国内文献有些术语我不太熟悉。有时候自己对英语翻译,可能说法不太对,我会尽量在一些词汇后面标注英文
二阶段网络示意图
由于这篇文献考虑公平性,对目标函数加上了一些惩罚项,在CCCCCC变换时已经不容易。所以在网络结构方面,考虑的是最简单的二阶段网络,要素只有投入、中间变量和产出。
基础知识——合作和非合作模式
非合作模式(Non-cooperative mode)
subDMU1dominatestheoverallsystemsubDMU1 \ dominates \ the \ overall \ systemsubDMU1 dominates the overall system
如果是阶段一(图中用subDMU1subDMU1subDMU1表示)作为领导者(leader),阶段二(subDMU2subDMU2subDMU2)作为跟随者(follower),此时subDMU1subDMU1subDMU1的最优效率Eonon−1∗E^{non-1*}_{o}Eonon−1∗由model1model1model1计算得到。
Charnes−CooperCharnes-CooperCharnes−Cooper变化存在,但不再特意指出。
在已知Eonon−1∗E^{non-1*}_{o}Eonon−1∗后,继而求解Eonon−12=∑r=1sμr∗yro∑d=1pωd∗zdoE^{non-12}_{o}=\frac{\sum\limits_{r=1}^{s}\mu^{*}_{r}y_{ro}}{\sum\limits_{d=1}^{p}\omega_{d}^{*}z_{do}}Eonon−12=d=1∑pωd∗zdor=1∑sμr∗yro。文献中并没有给出求解Eonon−12E^{non-12}_{o}Eonon−12的具体公式,应该是:
subDMU2dominatestheoverallsystemsubDMU2 \ dominates \ the \ overall \ systemsubDMU2 dominates the overall system
与上述同理,如果是阶段二(图中用subDMU2subDMU2subDMU2表示)作为领导者(leader),阶段一(subDMU1subDMU1subDMU1)作为跟随者(follower),此时subDMU2subDMU2subDMU2的最优效率Eonon−2∗E^{non-2*}_{o}Eonon−2∗由model3model3model3计算得到。
在已知Eonon−2∗E^{non-2*}_{o}Eonon−2∗后,继而求解Eonon−21=∑d=1pωd∗zdo∑i=1mvi∗xioE^{non-21}_{o}=\frac{\sum\limits_{d=1}^p\omega_{d}^{*}z_{do}}{\sum\limits_{i=1}^mv_{i}^{*}x_{io}}Eonon−21=i=1∑mvi∗xiod=1∑pωd∗zdo。Eonon−12E^{non-12}_{o}Eonon−12的具体公式为:
合作模式(Cooperative mode)
合作模式,实质上就是令两个阶段的加权求和效率最大。模型公式为model5model5model5。
由于权重a,ba,ba,b为0~1之间的常数,并且其大小由决策者(decisionmakerdecision makerdecisionmaker,即DMDMDM)。KaoKaoKao在2014年的OmegaOmegaOmega上发表了一篇关于权重设置的文章,提出给权重赋值。那么本文献也是这么做的,令:
a=∑i=1mvixio∑d=1pωdzdo+∑i=1mvixio,b=∑d=1pωdzdo∑d=1pωdzdo+∑i=1mvixioa=\frac{\sum\limits_{i=1}^mv_{i}x_{io}}{\sum\limits_{d=1}^p\omega_{d}z_{do}+\sum\limits_{i=1}^mv_ix_{io}},b=\frac{\sum\limits_{d=1}^p\omega_{d}z_{do}}{\sum\limits_{d=1}^p\omega_{d}z_{do}+\sum\limits_{i=1}^mv_ix_{io}}a=d=1∑pωdzdo+i=1∑mvixioi=1∑mvixio,b=d=1∑pωdzdo+i=1∑mvixiod=1∑pωdzdo
由此,model5model5model5的目标函数变为: max∑d=1pωdzdo+∑r=1sμryro∑d=1pωdzdo+∑i=1mvixio\ max \ \frac{\sum\limits_{d=1}^p\omega_{d}z_{do}+\sum\limits_{r=1}^s\mu_ry_{ro}}{\sum\limits_{d=1}^p\omega_{d}z_{do}+\sum\limits_{i=1}^mv_ix_{io}} max d=1∑pωdzdo+i=1∑mvixiod=1∑pωdzdo+r=1∑sμryro。
此时,当model5model5model5达到最优值,subDMU1subDMU1subDMU1和subDMU2subDMU2subDMU2的效率分别为:
Eo1∗=∑d=1pωd∗zdo∑i=1mvi∗xio,Eo2∗=∑r=1sμr∗yro∑d=1pωd∗zdoE_o^{1*}=\frac{\sum\limits_{d=1}^p\omega_{d}^*z_{do}}{\sum\limits_{i=1}^mv_i^*x_{io}},E_o^{2*}=\frac{\sum\limits_{r=1}^s\mu_r^*y_{ro}}{\sum\limits_{d=1}^p\omega_{d}^*z_{do}}Eo1∗=i=1∑mvi∗xiod=1∑pωd∗zdo,Eo2∗=d=1∑pωd∗zdor=1∑sμr∗yro
考虑公平性的二阶段网络——Two−stageutilitymodelwithfairnessconcernTwo-stage \ utility \ model \ with \ fairness \ concernTwo−stage utility model with fairness concern
文献中指出,公平关怀是行为经济学中指导人际交往的一个重要理念。公平关注的基本观点是,参与人关注的是自身利益以及利益在所有参与人之间的分配结果。
为了公平起见,假设两个阶段除了自身利益外,对彼此都有公平的关注,或者整体系统的监管者为两个子决策单元设定一个公平的结果。在本研究中,可以将自我效益视为效率。随后,假设每个子决策单元将协商一个双方都接受的公平的自我效能结果。对公平结果的任何损害都将以对彼此产生负效用的形式出现。
假设subDMU1subDMU1subDMU1的效率是subDMU2subDMU2subDMU2的效率的kkk倍,即Eo1=k∗Eo2(k>0)E_o^1=k*E^2_o(k>0)Eo1=k∗Eo2(k>0),基于行为经济学中的不平等厌恶和公平关注,对subDMU1subDMU1subDMU1和subDMU2subDMU2subDMU2的公平关注效用分别定义如下:
并且α1,α2,β1,β2>0\alpha_1,\alpha_2,\beta_1,\beta_2>0α1,α2,β1,β2>0。
其中,α\alphaα是嫉妒参数(envyparameterenvy \ parameterenvy parameter),β\betaβ是内疚参数(guiltparameterguilt \ parameterguilt parameter)。
非合作模式(Non-cooperative mode)
文献中详细说了subDMU1subDMU1subDMU1领导的情况,那么,在这里同样地详细说明该情况,subDMU2subDMU2subDMU2领导的情况草草带过。
subDMU1dominatestheoverallsystemsubDMU1 \ dominates \ the \ overall \ systemsubDMU1 dominates the overall system
当subDMUsubDMUsubDMU(阶段一)是领导者并且关注公平性时,此时subDMUsubDMUsubDMU不只关注自己的效率Eo1E^1_oEo1,同时关注公平关注效用(fairnessconcernutilityfairness \ concern \ utilityfairness concern utility)fo1f_o^1fo1。模型见model9model9model9,一些变换见下图:
这里,经过Charnes−CooperCharnes-CooperCharnes−Cooper变化,令:
此时,model9model9model9转变为model11model11model11:
在model11model11model11中,α1,α2,β1,β2\alpha_1,\alpha_2,\beta_1,\beta_2α1,α2,β1,β2是由决策者决定的常数,kkk和qqq是需要讨论的。在后续例子中,作者有给出算法:
例子
文献中给出了数据,如Table1Table1Table1所示:
Enon−1∗E^{non-1*}Enon−1∗是由model1model1model1所得,Enon−12∗E^{non-12*}Enon−12∗是由model(1−1)model(1-1)model(1−1)所得。
qqq是通过循环遍历可得到。不同的kkk和嫉妒参数、内疚参数,所得结果不同。
subDMU2dominatestheoverallsystemsubDMU2 \ dominates \ the \ overall \ systemsubDMU2 dominates the overall system
若是在合作模式下,算法为:
本文设置k=2.357k=2.357k=2.357,结果为:
数据包络分析--二阶段网络(考虑各阶段的公平性)相关推荐
- 数据包络分析-二阶段网络带feedback(第二篇)
数据包络分析-二阶段网络带feedback(第二篇) 模型示意图 第一点:投入分配 第二点:只需要用一个 C h a r n e s C o o p e r Charnes\;Cooper Charn ...
- 数据包络分析--两阶段加性网络DEA--使用优化黄金分割比例算法(第一篇)
数据包络分析-两阶段加性网络-使用黄金分割比例算法 文献介绍 乘子模型 基础信息 黄金分割比例算法 例子 文献介绍 如果阅读过我前面的文章<数据包络分析-加性网络DEA分解>,那么这篇文章 ...
- 仁慈型dea matlab程序,数据包络分析(DEA)方法..docx
数据包络分析(DEA)方法. 二.数据包络分析(DEA)方法数据包络分析(data envelopment analysis, DEA)是由著名运筹学家Charnes, Cooper和Rhodes于1 ...
- 数据包络分析DEA(数学建模)
一.模型背景 数据包络分析是线性规划模型的应用之一,常被用来衡量拥有相同目标的运营单位的相对效率. 数据包络分析是一种基于线性规划的用于评价同类型组织(或项目)工作绩效相对有效性的特殊工具手段.这类组 ...
- 【投屏】Scrcpy源码分析二(Client篇-连接阶段)
Scrcpy源码分析系列 [投屏]Scrcpy源码分析一(编译篇) [投屏]Scrcpy源码分析二(Client篇-连接阶段) [投屏]Scrcpy源码分析三(Client篇-投屏阶段) [投屏]Sc ...
- matlab包络分析函数,数据包络分析 (MATLAB代码).doc
数据包络分析 (MATLAB代码) X=[] % 输入多指标输入矩阵X Y=[] % 输入多指标输出矩阵Y [n,m]=size(X) % n为输入的指标数,m为决策单元数 s=size(Y) % s ...
- 效率评价方法--数据包络分析
一. 数据包络分析方法概念 1.1 理论背景 我们常常需要对具有相同类型的部门或单位(称为决策单元)进行评价,其评价的依据是决策单元的"输入"数据和"输出"数据 ...
- DEA(数据包络分析)程序模板
在人们的生产活动和社会活动中常常会遇到这样的问题:经过一段时间之后,需要对具有相同类型的部门或单位(称为决策单元)进行评价,其评价的依据是决策单元的"输入"数据和"输出& ...
- 数据包络分析-CEA碳减排有关文献分析(第一篇)
数据包络分析-CEA碳减排有关文献分析 基本情况 模型建立-CRS CCR基础模型 CCR文献改进模型 CCR最终模型(文献所用) 模型建立-VRS VRS基础模型 VRS文献改进模型 VRS最终模型 ...
最新文章
- DDR和DDR2的区别
- 禅道8.2.4 腾讯云迁移至VM
- 文本框为空按钮不可点击
- Elasticsearch 写入优化记录,从3000到8000/s
- mac pycharm 卸载_Mac上Virtual Box虚拟机Linux系统安装
- vc++树状控件(TreeCtrl)用法
- Bailian2703 骑车与走路【水题】
- tp3.2 URL模式
- inter Fortran安装匹配VS2012
- 免费虚拟化OVM-V1.6发布,新增虚拟机裸设备映射
- 物流行业专业词汇汇总
- 计算机大赛鼓励语录,比赛前的鼓励的话
- bilibili校招题目——扭蛋机
- 查找二维数组中的非零元素
- 《 硬件创业:从产品创意到成熟企业的成功路线图》——1.2 当前的技术
- (JAVA)获取支付宝二维码 带参数
- Java-JSOUP(爬虫)
- python中init函数详解_Python 中__init__函数以及参数self
- Python生物信息学数据管理——第5、6章课后习题
- java架构设计图,不止面试题,笔记源码统统都有