نظریه کلاسیک مجموعه های نادقیق نخستین بار بوسیله پائولاک در [6] معرفی و تعریف شد. اساس این تئوری روی یک رابطه دوتایی هم ارزی و کلاس های هم ارزی مرتبط با آن است. در این مقاله، رابطه -nتایی انعکاسی ، متقارن، قویا متقارن ، شبه متعدی و -nتایی هم ارزی تعریف می شود. روش توپولوژیک مجموعه نادقیق بررسی و رابطه بین فضای توپولوژیک القا شده بوسیله یک رابطه -nتایی و مجموعه نادقیق مورد مطالعه قرار می گیرد. تعریف جدیدی از توپولوژی نادقیق روی فضای تقریب با استفاده از مجموعه نادقیق تعمیم یافته در فضای تقریب تعمیم یافته معرفی می شود. سپس یک توپولوژی نادقیق روی فضای تقریب تعمیم یافته وابسته به یک رابطه n -تایی قویا تحمل پذیر و شبه متعدی، بیان و تعریف می گردد. در پایان، خواص شبه گسستگی، همبندی، فشردگی، متریک پذیری و جدایی پذیری در این فضا به اثبات می رسد.

متن کامل این مقاله به زبان انگلیسی می باشد. لطفا برای مشاهده متن کامل مقاله به بخش انگلیسی مراجعه فرمایید.لطفا برای مشاهده متن کامل این مقاله اینجا را کلیک کنید.

در مدل های استاندارد تحلیل پوششی داده ها، فرض بر این است که مقادیر ورودی ها و خروجی ها معلوم و دقیق باشد؛ اما گاهی شرایطی اتفاق می افتد که ناچار به استفاده از مقادیری هستیم که به صورت دقیق مشخص نیستند و به صورت داده های ترتیبی ضعیف، ترتیبی قوی، فازی، کراندار وکراندار کسری و. . . می باشد. مدل های استاندارد تحلیل پوششی داده ها با حضور این گونه داده ها تبدیل به مدل های غیرخطی و نامحدب خواهند شد و تحت عنوان تحلیل پوششی داده های نادقیق معرفی می شوند. در این تحقیق به مطالعه ی حالت خاصی از داده های نادقیق می پردازیم. به این صورت که در بسیاری از کاربردهای واقعی حالت هایی رخ می دهند که برخی از ورودی ها و خروجی ها متعلق به بازه ای از اعداد و برخی دیگر از آن ها درون مجموعه ای گسسته از اعداد می باشند. مدلی با حضور هم زمان این دو نوع داده ی نادقیق معرفی می شود که مدلی غیرخطی می باشد. سپس با استفاده از روشی این مدل غیرخطی به مساله ی برنامه ریزی خطی معادل تبدیل می شود. همچنین کران های بالا و پایینی برای واحدهای عملیاتی تعریف و محاسبه می شود و در انتها نیز کاربردی از روش پیشنهاد شده بر روی یک مورد واقعی از بانک های تجاری ایران اجرا می شود و عملکرد و نحوه ی کارکرد روش پیشنهاد شده مورد سنجش و بررسی قرار می گیرد.

متن کامل این مقاله به زبان انگلیسی می باشد، لطفا برای مشاهده متن کامل مقاله به بخش انگلیسی مراجعه فرمایید.لطفا برای مشاهده متن کامل این مقاله اینجا را کلیک کنید.

متن کامل مقاله های این شماره به زبان انگلیسی می باشد، لطفا برای مشاهده متن کامل مقالات به بخش انگلیسی مراجعه فرمایید.لطفا برای مشاهده متن کامل این مقاله اینجا را کلیک کنید.

چندین روش به منظور برآورد تابع چگالی احتمال وجود دارد. از سوی دیگر، در نظریه مجموعه های فازی یکی از روش های ساختن تابع عضویت بر پایه ی مجموعه داده، روش مبتنی بر تابع چگالی احتمال است. با توجه به روش های متداول در برآورد تابع چگالی، این مسئله می تواند به محاسبه انواع تابع عضویت بر پایه یک مجموعه داده منجر شود. در این مقاله، برخی از این روش ها بیان و با مثال عددی تشریح می شوند.

مقدمه: تحلیل پوششی داده ها (Data envelopment analysis (DEA)) روش جدید توسعه یافته در سه دهه اخیر در تحقیق در عملیات و مدیریت برای ارزیابی کارایی است. در بعضی از موقعیت ها، برخی از ورودی ها و خروجی ها، متغیرهای تصمیم ناشناخته مانند داده های کراندار، داده های ترتیبی و داده های کراندار کسری هستند در این صورت مدل DEA غیر خطی است و DEA نادقیق (Imprecise DEA) نامیده می شود.DEA  هر واحد تصمیم گیری (Decision Making Unit (DMU)) را به عنوان یک جعبه سیاه توصیف می کند و تنها ورودی های مصرفی و خروجی های تولید شده در هر DMU را مورد توجه قرار می دهد. در شبکه روی پروسه تولید جعبه سیاه متمرکز می شویم.هدف: در بعضی از موقعیت ها، واحدهای تصمیم گیری دارای ساختار شبکه و داده های نادقیق هستند. این مقاله می خواهد روشی را برای ارزیابی آنها پیشنهاد کند.روش بررسی: مدل های تحلیل پوششی داده های شبکه به محققین امکان مطالعه درون جعبه سیاه معمول (درون واحدهای تصمیم گیری برای بررسی پروسه تولید) را می دهد. این مقاله با داده های نادقیق روی شبکه سروکار دارد و برای ارزیابی واحدهای تصمیم گیری با ساختار شبکه و برخوردار از داده های نادقیق، روشی را پیشنهاد می کند. این روش با استفاده از تبدیل داده های نادقیق به داده های بازه ای، از مدل های استاندارد استفاده می کند.نتایج: در این مقاله یک مدل پوششی بدست می آید که فرم تعمیم یافته مدل اساسی نامیده می شود.نتیجه گیری: این مقاله با در نظر گرفتن یک مدل شبکه DEA، مدلی را برای ارزیابی کارایی بازه ای واحدهای تصمیم گیری دارای ساختار شبکه و داده های نادقیق ارایه نمود. بحث مشابه با در نظر گرفتن هر مدل شبکه می تواند انجام شود.