به‌کارگیری روش کارایی متقاطع برای رتبه‌بندی واحدهای کارا در تنظیم پارامترهای الگوریتم بهینه‌سازی تجمع ذرات

بشیری, مهدی; ربیعی, سمیرا

doi:10.22034/sep.2022.243394

به‌کارگیری روش کارایی متقاطع برای رتبه‌بندی واحدهای کارا در تنظیم پارامترهای الگوریتم بهینه‌سازی تجمع ذرات

نوع مقاله : پژوهشی

نویسندگان

مهدی بشیری ¹

سمیرا ربیعی ²

¹ نویسنده مسئول: استاد، گروه مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه شاهد، تهران، ایران

² کارشناسی ارشد، گروه مهندسی صنایع، دانشکده مهندسی صنایع، دانشگاه ایوان‌کی، ایوان‌کی، ایران

10.22034/sep.2022.243394

چکیده

ازآنجایی‌که روش تحلیل پوششی داده‌ها، به‌اندازه گیری کارایی نسبی می‌پردازد و در مواردی که بیش از یک واحد کارا به دست می‌آید، قادر به ارائه بهترین واحد کارا نیست. به همین دلیل، رتبه‌بندی واحدهای تصمیم‌گیری یکی از موضوعات مهم در تحلیل پوششی داده‌ها محسوب می‌شود. یکی از راه‌حل‌های تعیین بهترین واحد کارا، به‌کارگیری روش کارایی متقاطع برای رتبه‌بندی واحدهای کاراست که درواقع، از روش تحلیل پوششی داده‌های توسعه‌یافته است. این مقاله، به دنبال بررسی کارایی متقاطع واحدهای کارای ارائه‌شده از روش تحلیل پوششی داده‌ها و درنهایت، ارائه بهترین واحد کارا از ترکیبات پارامتری الگوریتم بهینه‌سازی تجمع ذرات در حل سایزهای متفاوت از مسئله مسیریابی وسیله نقلیه باز است. در این مطالعه، با استفاده از داده‌های شبیه‌سازی‌شده پیشین که چندین واحد کارا در ارزیابی الگوریتم بهینه‌سازی تجمع ذرات برای حل هر یک از سایزهای متفاوت مسئله مسیریابی وسیله نقلیه باز ارائه کرده است، به رتبه‌بندی واحدهای کارا با استفاده از روش کارایی متقاطع می‌پردازیم. نتایج نشان می‌دهد، روش کارایی متقاطع ابزاری مؤثر برای رتبه‌بندی عملکرد واحدهای تصمیم‌گیری محسوب می‌شود.

کلیدواژه‌ها

تحلیل پوششی داده‌ها

کارایی متقاطع

واحد کارا

رتبه‌بندی

عنوان مقاله English

Applying the Cross-Sectional Efficiency Method to Rank Efficient Units in Adjusting Particle Aggregation Optimization Algorithm Parameters

نویسندگان English

Mahdi Bashiri ¹

Samira Rabiei ²

¹ Corresponding author: Professor, Department of Industrial Engineering, Faculty of Engineering, Shahed University, Tehran, Iran

² M.Sc., Department of Industrial Engineering, Faculty of Industrial Engineering, University of Eyvanekey, Eyvanekey, Iran

چکیده English

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.

کلیدواژه‌ها English

Data Envelopment Analysis

Cross-Sectional Efficiency

Efficient Unit

Ranking

Copyright ©, Mahdi Bashiri, Samira Rabiei

License

This article is released under the Creative Commons Attribution (CC BY 4.0) license. Anyone is free to copy, share, translate, and adapt this article for any purpose, whether commercial or non-commercial, as long as proper citation is given to the authors and original publication.

Anderson TR, Hollingsworth KB, Inman LB (2002) The fixed weighting nature of a cross-evaluation model. J Product Anal 18(1):249–255.

Charnes A, Cooper WW, Rhodes E (1978) Measuring efficiency of decision making units. Eur J Oper Res 2:429–444.

Ertay, T., & Ruan, D. (2005). Data envelopment analysis based decision model for optimal operator allocation in CMS. European Journal of Operational Research, 164, 800–810.

Green, R.H., Doyle, J.R., Cook, W.D., 1996. Preference voting and project ranking using DEA and cross-evaluation. European Journal of Operational Research 90, 461–472.

Guo, D., Wu, J., (2013), A complete ranking of DMUs with undesirable outputs using restrictions in DEA models. Mathematical and Computer Modelling 58, 1102–1109.

Oral, M., Kettani, O., Lang, P., 1991. A methodology for collective evaluation and selection of industrial R&D projects. Management Science 37, 871–885.

Sexton, T., Silkman, R., & Hogan, A. (1986). Data envelopment analysis: Critique and extensions. In Measuring efficiency: An assessment of data envelopment analysis. In R.H. Silkman (Ed.). New directions for program evaluation (Vol. 32, pp. 73–105).

San Francisco, CA: Jossey Bass. Shang, J., & Sueyoshi, T. (1995). A unified framework for the selection of flexible manufacturing system. European Journal of Operational Research, 85, 297–315.

Wade,D., Zhu,C., Zhu,J.,2015. DEA Cross Efficiency. International Series in Operations Research & Management Science 221, DOI 10.1007/978-1-4899- 7553-9_2.

Wu, J., Liang, L., Yang, F., 2009. Achievement and benchmarking of countries at the Summer Olympics using cross efficiency evaluation method. European Journal of Operational Research 197 (2), 722–730.

Yu, M.M., Ting, S.C., Chen, M., 2010. Evaluating the cross efficiency of information sharing in supply chains. Expert Systems with Applications 37, 2891–2897.