基于启发式约简和DEA的油田供应链绩效决策

doi:10.3778/j.issn.1002-8331.2008.31.061

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (31): 211-213.DOI: 10.3778/j.issn.1002-8331.2008.31.061

基于启发式约简和DEA的油田供应链绩效决策

史成东^1,2,李素玲¹

1.山东理工大学电气与电子工程学院，山东淄博 255049
2.西安理工大学工商管理学院，西安 710048

收稿日期:2008-04-25 修回日期:2008-09-12 出版日期:2008-11-01 发布日期:2008-11-01
通讯作者: 史成东

Performance decision-making of oil supply chain enterprise based on heuristic reduction and DEA

SHI Cheng-dong^1,2,LI Su-ling¹

1.School of Electric and Electronic Engineering，Shandong University of Technology，Zibo，Shandong 255049，China
2.School of Business Administration，Xi’an University of Technology，Xi’an 710048，China

Received:2008-04-25 Revised:2008-09-12 Online:2008-11-01 Published:2008-11-01
Contact: SHI Cheng-dong

摘要/Abstract

摘要： 通过使用粗糙集的理论和方法，对某油田供应链企业的绩效指标离散化、设计决策表、进行启发式属性约简，对其绩效指标体系进行优化。然后利用度量决策单元相对有效性的DEA模型，对其26年的投入产出情况进行了研究，分析了绩效不佳年份造成的原因，提出了改善油田供应链投入产出指标如何调整的管理信息。与此同时，对经济效益指标体系的不完善性和统计数据的不合理性等进行了分析。

关键词: 粗糙集, 数据包络分析, 启发式属性约简, 绩效决策

Abstract: By using the theory and method of rough set，which discretizes the performance index of oil supply chain enterprise，designs decision-making table and establishes the method of heuristic attribute reduction，the performance index system is optimized.Then，by use of the DEA（Data Envelopment Analysis） model，the state of 26 year input-output is analyzed，the cause of bad performance is found，and the management information of adjusting input-output is brought forward.In addition to，the imperfection of performance index system and irrationality of statistical data are analyzed.

Key words: rough set, Data Envelopment Analysis（DEA）, heuristic attribute reduction, performance decision making

史成东^1,2,李素玲¹. 基于启发式约简和DEA的油田供应链绩效决策[J]. 计算机工程与应用, 2008, 44(31): 211-213.

SHI Cheng-dong^1,2,LI Su-ling¹. Performance decision-making of oil supply chain enterprise based on heuristic reduction and DEA[J]. Computer Engineering and Applications, 2008, 44(31): 211-213.

[1]	高天宇，王庆荣，杨磊. 粗糙集属性依赖度强化的应急数据挖掘模型[J]. 计算机工程与应用, 2021, 57(3): 87-93.
[2]	王庆荣，马辰坤. 面向案例消耗推理的应急物资预测[J]. 计算机工程与应用, 2021, 57(22): 281-287.
[3]	刘玉锋，孙文鑫. 一般多粒度量化软粗糙集模型[J]. 计算机工程与应用, 2021, 57(12): 137-143.
[4]	刘桂枝. 维度变化的不完备混合型数据增量式属性约简[J]. 计算机工程与应用, 2021, 57(12): 161-169.
[5]	张博，贾华宇，马珺. RS-GA神经网络无人机受风情况估计[J]. 计算机工程与应用, 2020, 56(4): 209-213.
[6]	牟恩，张贤勇，姚岳松，邓切. 邻域近似条件熵的特定类属性约简及启发算法[J]. 计算机工程与应用, 2020, 56(24): 175-180.
[7]	张建华，李方方，杨岚. 融合PFS与RS的案例知识供需匹配研究[J]. 计算机工程与应用, 2020, 56(23): 139-145.
[8]	骆公志，梅焘. 监督机制多粒度决策粗糙集模型及应用[J]. 计算机工程与应用, 2020, 56(18): 214-220.
[9]	谢旭明，段隆振，邱桃荣，杨幼凤. 改进量子搜索算法及其在核属性求解上的应用[J]. 计算机工程与应用, 2020, 56(14): 57-61.
[10]	李旭，荣梓景，任艳. 带权决策表的属性约简[J]. 计算机工程与应用, 2020, 56(12): 54-59.
[11]	陈盼盼，林梦雷. 基于包含度的单值中智决策信息系统属性约简[J]. 计算机工程与应用, 2020, 56(12): 175-181.
[12]	任俊1，唐绮雯1，徐怡2，胡善忠2. 大学生贫困资助评定的多粒度粗糙集研究[J]. 计算机工程与应用, 2019, 55(7): 82-86.
[13]	邬阳阳，汤建国. 大数据背景下粗糙集属性约简研究进展[J]. 计算机工程与应用, 2019, 55(6): 31-38.
[14]	齐美兰，李小南. 集值映射的拟阵结构及其与覆盖粗糙集的关系[J]. 计算机工程与应用, 2019, 55(6): 50-56.
[15]	杨珍，耿秀丽. 考虑多粒度属性约简的关联规则挖掘研究[J]. 计算机工程与应用, 2019, 55(6): 133-139.

基于启发式约简和DEA的油田供应链绩效决策

Performance decision-making of oil supply chain enterprise based on heuristic reduction and DEA

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics