python解決DEA模型–CCR

本人所用軟件為gurobi，在python中運算。

gurobi的下載請自行前往官網：https://www.gurobi.com/。

本篇文章針對基礎CCR模型，給出代碼。

本篇例子的運行數據貼在下圖，數據量很小，大家可自行敲在excel中運行。最后一列投入導向型CCR的效率結果。只需要把DMUs、x1、x2、y這四列輸進表格即可：

注意：若大家用python的gurobi包運算出來的松弛值與文章中所給的不太一樣，不是你算錯了！當線性規劃存在多解的情況時，python只是吐出了一組解，可能與用matlab、dea-solver等軟件做出來的松弛值不一樣。但是，效率值是相等的！

###包絡形式的CCR模型import gurobipy import pandas as pd from gurobipy import quicksum# 分頁顯示數據, 設置為 False 不允許分頁 pd.set_option('display.expand_frame_repr', False)# 最多顯示的列數, 設置為 None 顯示全部列 pd.set_option('display.max_columns', None)# 最多顯示的行數, 設置為 None 顯示全部行 pd.set_option('display.max_rows', None)class DEA(object):def __init__(self, DMUs_Name, X, Y, AP=False):self.m1, self.m1_name = X.shape[1], X.columns.tolist()self.m2, self.m2_name = Y.shape[1], Y.columns.tolist()self.AP = APself.DMUs, self.X, self.Y = gurobipy.multidict({DMU: [X.loc[DMU].tolist(),Y.loc[DMU].tolist()] for DMU in DMUs_Name})print(f'DEA(AP={AP}) MODEL RUNING...')# multidict擴展字典，便于處理同一個對象的不同屬性約束def __CCR(self): ##input-orientedfor k in self.DMUs:MODEL = gurobipy.Model()OE = MODEL.addVar()lambdas = MODEL.addVars(self.DMUs)MODEL.update()## 更新變量環境MODEL.setObjective(OE, sense=gurobipy.GRB.MINIMIZE)MODEL.addConstrs(quicksum(lambdas[i] * self.X[i][j] for i in self.DMUs) <= OE * self.X[k][j] for j in range(self.m1))MODEL.addConstrs(quicksum(lambdas[i] * self.Y[i][j] for i in self.DMUs) >= self.Y[k][j] for j in range(self.m2))MODEL.setParam('OutputFlag', 0)MODEL.setParam('NonConvex',2)MODEL.optimize()self.Result.at[k, ('效益分析', '綜合技術效益(CCR)')] = MODEL.objValreturn self.Resultdef dea(self):columns_Page = ['效益分析']columns_Group = ['綜合技術效益(CCR)']self.Result = pd.DataFrame(index=self.DMUs, columns=[columns_Page, columns_Group])self.__CCR()return self.Resultdef analysis(self, file_name=None):Result = self.dea()file_name = 'DEA 數據包絡分析報告.xlsx' if file_name is None else f'\\{file_name}.xlsx'Result.to_excel(file_name, 'DEA 數據包絡分析報告')if __name__=='__main__':innum, outnum = 2, 1file = "C://Users//admin//Desktop//數據.xlsx"data = pd.read_excel(file, header=0, index_col=0)X = data[data.columns[:innum]]Y = data[data.columns[innum:innum+outnum]]dea = DEA(DMUs_Name=data.index, X=X, Y=Y)#dea.analysis() # dea 分析并輸出表格print(dea.dea()) # dea 分析，不輸出結果

總結

以上是生活随笔為你收集整理的用python处理DEA模型--CCR的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。