الگوریتم فراابتکاری برای اندازه گیری کارایی مسایل ابعاد بزرگ در تحلیل پوششی داده ها

تحلیل پوششی داده ها، یکی از موفق ترین روش ها در ارزیابی اندازه گیری کارا یی نسبی واحدهای تصمیم‏گیرنده است که از تکنیک برنامه ریزی خطی استفاده می کند. در مدل های تحلیل پوششی داده ها، برای اندازه گیری کارا یی نسبی واحد های تصمیم‏گیرنده، در حالی که واحدهای تصمیم گیرنده و ورودی و خروجی بسیار زیاد هستند حتی با استفاده از کامپیوترهای با سرعت بالا، به محاسبات و زمان پردازش بسیار زیادی نیاز است. در این مقاله، برای رفع این مشکل، الگوریتم فراابتکاری برای ارزیابی کارا یی نسبی در ابعاد بسیار بزرگ را پیشنهاد می کنیم. چون در ارزیابی مسایل با ابعاد بسیار بزرگ با استفاده از الگوریتم فراابتکاری به زمان پردازش و حافظه کم‏تری نیاز است، لذا ابزار بسیار مناسبی برای ارزیابی کارا یی واحدهای تصمیم‏گیرنده می باشد. همچنین از آنجایی که عملگرها نقش بسیار مهمی در همگرایی و کیفیت حل الگوریتم ها دارند، کلیه عملگرها و پارامترها به منظور بهبود عملکرد شان، با روش طراحی آزمایش های تاگوچی تنظیم می شوند.