Convex Isoquants in DEA Models with Selective Convexity

Мұқаба

Дәйексөз келтіру

Толық мәтін

Ашық рұқсат Ашық рұқсат
Рұқсат жабық Рұқсат берілді
Рұқсат жабық Рұқсат ақылы немесе тек жазылушылар үшін

Аннотация

Модели с частичной выпуклостью являются важным классом моделей анализа среды функционирования, поскольку позволяют корректно учитывать в моделях относительные показатели, средние значения, проценты и т.д. В данной работе предложены алгоритмы построения входных и выходных изоквант с использованием выпуклых показателей в моделях с частичной выпуклостью. Эти алгоритмы позволяют исследовать зависимость между любыми выпуклыми показателями в модели. Вычислительные эксперименты подтверждают надежность и эффективность предложенных методов.

Авторлар туралы

A. Afanasiev

Институт проблем передачи информации им. А.А. Харкевича РАН; Российский университет дружбы народов

Email: apa@iitp.ru
д-р физ.-мат. наук Москва; Москва

V. Krivonozhko

Национальный исследовательский технологический университет «МИСИС»; ФИЦ ИУ РАН

Email: KrivonozhkoVE@mail.ru
д-р физ.-мат. наук Москва; Москва

A. Lychev

Национальный исследовательский технологический университет «МИСИС»

Email: lychev@misis.ru
канд. физ.-мат. наук Москва

O. Sukhoroslov

Институт проблем передачи информации им. А.А. Харкевича РАН

Email: sukhoroslov@iitp.ru
канд. физ.-мат. наук Москва

Әдебиет тізімі

  1. Charnes A., Cooper W.W., Rhodes E. Measuring the efficiency of decision making units // Eur. J. Oper. Res. 1978. V. 2. No. 6. P. 429–444. https://doi.org/10.1016/0377-2217(78)90138-8
  2. Banker R.D., Charnes A., Cooper W.W. Some models for estimating technical and scale efficiency in data envelopment analysis // Management Sci. 1984. V. 30. No. 9. P. 1078–1092. https://doi.org/10.1287/mnsc.30.9.1078
  3. Deprins D., Simar L., Tulkens H. Measuring Labor Efficiency in Post Offices / The Performance of Public Enterprises: Concepts and Measurements Marchand M., Pestieau P., Tulkens H. (Eds.). 1984. Chapter 10. P. 243–268.
  4. Podinovski V.V. Selective convexity in DEA models // Eur. J. Oper. Res. 2005. V. 161. No. 2. P. 552–563. https://doi.org/10.1016/j.ejor.2003.09.008
  5. Afanasyev A.P., Krivonozhko V.E., Forsund F.R., Lychev A.V. Multidimensional visualization of Data Envelopment Analysis Models // Data Envelopment Anal. J. 2021. V. 5. No. 2. P. 339–361. https://doi.org/10.1561/103.00000040
  6. Cesaroni G., Kerstens K., Van de Woestyne I. Global and local scale characteristics in convex and nonconvex nonparametric technologies: A first empirical exploration // Eur. J. Oper. Res. 2017. V. 259. No. 2. P. 576–586. https://doi.org/10.1016/j.ejor.2016.10.030
  7. Afanasiev A.P., Krivonozhko V.E., Lychev A.V., Sukhoroslov O.V. Multidimensional frontier visualization based on optimization methods using parallel computations // J. Global. Optim. 2020. V. 76. P. 563–574. https://doi.org/10.1007/s10898-019-00812-y
  8. Krivonozhko V.E., Utkin O.B., Volodin A.V., Sablin I.A., Patrin M.V. Constructions of economic functions and calculations of marginal rates in DEA using parametric optimization methods // J. Oper. Res. Soc. 2004. V. 55. No. 10. P. 1049– 1058. https://doi.org/10.1057/palgrave.jors.2601759
  9. Varian H.R. Intermediate Microeconomics, a Modern Approach, 8th edn. W.W. Norton: New York, 2010. ISBN: 978-0-393-93424-3
  10. Afanasyev A.P., Krivonozhko V.E., Lychev A.V., Sukhoroslov O.V. Constructions of input and output isoquants in DEA models with selective convexity // Appl. Comput. Math. 2022. V. 21. No. 3. P. 317–328. https://doi.org/10.30546/1683-6154.21.3.2022.317
  11. Kuosmanen, T. DEA with efficiency classification preserving conditional convexity // Eur. J. Oper. Res. 2001. V. 132. No. 2. P. 326–342. https://doi.org/10.1016/S0377-2217(00)00155-7
  12. Dekker D., Post T. A quasi-concave DEA model with an application for branch performance evaluation // Eur. J. Oper. Res. 2001. V. 132. No. 2. P. 296–311. https://doi.org/10.1016/S0377-2217(00)00153-3
  13. Olesen O.B., Petersen N.C., Podinovski V.V. Efficiency analysis with ratio measures // Eur. J. Oper. Res. 2015. V. 245. No. 2. P. 446–462. https://doi.org/10.1016/j.ejor. 2015.03.013
  14. Olesen O.B., Petersen N.C., Podinovski V.V. Efficiency measures and computational approaches for data envelopment analysis models with ratio inputs and outputs // Eur. J. Oper. Res. 2017. V. 261. No. 2. P. 640–655. https://doi.org/10.1016/j.ejor.2017.02.021
  15. Olesen O.B., Petersen N.C., Podinovski V.V. The structure of production technologies with ratio inputs and outputs // J. Prod. Anal. 2022. V. 57. P. 255–267. https://doi.org/10.1007/s11123-022-00631-6
  16. Olesen O.B., Petersen N.C., Podinovski V.V. Scale characteristics of variable returns-to-scale production technologies with ratio inputs and outputs // Annals Oper. Res. 2022. V. 318. P. 383–423. https://doi.org/10.1007/s10479-022-04862-6
  17. Smirnov S., Voloshinov V., Sukhosroslov O. Distributed Optimization on the Base of AMPL Modeling Language and Everest Platform // Procedia Comput. Sci. 2016. V. 101. P. 313–322. https://doi.org/10.1016/j.procs.2016.11.037
  18. Sukhoroslov O., Volkov S., Afanasiev A. A web-based platform for publication and distributed execution of computing applications // 14th International Symposium on Parallel and Distributed Computing. 2015. P. 175–184. https://doi.org/10.1109/ISPDC.2015.27
  19. Sukhoroslov O., Voloshinov V., Smirnov S. Running Many-Task Applications Across Multiple Resources with Everest Platform / Supercomputing. RuSCDays 2020. Voevodin V., Sobolev S. (Eds.) // Commun. Comput. Inform. Sci. 2020. V. 1331. P. 634–646. https://doi.org/10.1007/978-3-030-64616-5_54

Қосымша файлдар

Қосымша файлдар
Әрекет
1. JATS XML
Жүктеу

© The Russian Academy of Sciences, 2024