大数据环境下加性网络DEA模型求解方法——基于两阶段模型视角
Optimization method of additive network DEA model in big data environment—Based on two-stages model perspective作者机构:南京审计大学商学院南京211815 合肥工业大学管理学院合肥230009 合肥工业大学教育部过程优化与智能决策重点实验室合肥230009 合肥工业大学智能互联系统安徽省实验室合肥230009
出 版 物:《系统工程理论与实践》 (Systems Engineering-Theory & Practice)
年 卷 期:2023年第43卷第11期
页 面:3294-3306页
核心收录:
学科分类:02[经济学] 0202[经济学-应用经济学] 0835[工学-软件工程] 0714[理学-统计学(可授理学、经济学学位)]
基 金:国家自然科学基金(72201130 71971074 72188101 72171122)。
摘 要:加性网络DEA模型是一种高度非线性规划问题,具有较高的求解难度,使用已有的启发式算法无法获得精确解,且在大数据环境下耗费计算资源大,求解速度慢.为解决这些问题,本文主要做了两个方面的工作.首先,针对该模型求解精度问题,本文提出了一种二次分式规划问题求解方法,将模型分解为有限次二次规划求解问题,并从理论上证明了该方法可以得到该模型的精确解;随后,针对大数据环境下模型求解速度慢的问题,本文对模型约束进行优化,在可行域不变的情况下缩减约束数量,减少计算资源消耗,以提高该模型的求解速度.数值案例的验证结果显示,本文所提出的方法可以有效提高加性两阶段DEA模型的计算精度与速度.