上述的一些模型都可以看作是处理具有多个输入(输出越小越好)和多个输出(输入越大越好)的多目标决策问题的方法.可以证明，DEA有效性与相应的多目标规划问题的pareto有效解(或非1、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1978年提出的，它以相对效率概念为基础，以凸分析和线性规
在DEA 中，每个评估的对象称为“决策单元”(记为DMU),设共有n个决策对象，每个决策单元都有m_1种投入和m_2种产出，x_{ij}(i=1,2,\cdots,n;j=1,2,\cdots,m_1)表示DEA是以相对效率概念为基础，以凸分析和线性规划为工具，将评价决策单元的指标分成“输入类”指标和“输出类”指标，通过计算各单元的输入与输出之比，评价其决策单元相对有效性的多目
1、第六讲多目标决策之：数据包络分析(DEA)分析，一、多目标决策问题实例，干部评估德、才兼备教师晋升教学数量、质量、科研成果购买冰箱价格、质量、耗电、品牌等球员选择技术、作为处理多目标决策问题的方法，DEA的优点主要体现在以下3点：1、无须假设任何权重，每一个输入输出的权重由决策单元的实际数据求得最优权重，可以避免评主观因素。
≥▽≤ 数据包络分析DEA,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数据包络分析(DEA)由美国著名运筹学家A. Charnes等人在1978年以相对效率概念为基础发展起来的一种新的绩效评价方法。这种方法是以决策单元(Decision Making Unit,简称DMU)的
数据包络分析（DEA）模型简介•DEA是使用数学规划（包括线性规划、多目标规划、具有锥形结构的广义最优化、半无限规划、随机规划等）模型，评价具有多个输入、特别是多个输1978年A. Charnes, W. W. Cooper和E. Rhodes给出了评价多个决策单元(Decision Making Units,简称DMU)相对有效性的数据包络分析方法(data envelopment analysis, DEA)。目前，数据包
