آموزش نرم افزار DEAP

آموزش نرم افزار DEAP برای انجام پروژه های تشخیص کارایی و تکنیک تحلیل پوششی داده ها استفاده می شود.تحلیل پوششی داده ها (DEA) تکنیکی است که امکان اندازه گیری کارایی نسبی واحدهای سازمانی را فراهم می کند. نقطه قوت اصلی این روش در توانایی آن در به تصویر کشیدن تعامل بین ورودی ها و خروجی های متعدد نهفته است، فرآیندی که نمی توان به طور رضایت بخشی از طریق تجزیه و تحلیل نسبت های سنتی بررسی کرد.

الگوریتم های تکاملی توزیع شده در پایتون (Distributed Evolutionary Algorithms in Python) (DEAP) یک چارچوب محاسباتی تکاملی برای نمونه سازی سریع و آزمایش ایده ها است. این ساختار داده ها و ابزارهای مورد نیاز برای اجرای رایج ترین تکنیک های محاسباتی تکاملی مانند الگوریتم ژنتیک، برنامه ریزی ژنتیک، استراتژی های تکامل، بهینه سازی ازدحام ذرات، تکامل دیفرانسیل، جریان ترافیک و تخمین الگوریتم توزیع را در بر می گیرد. از سال ۲۰۰۹ در Université Laval توسعه یافته است.

معرفی نرم افزار DEAP

نرم‌افزار DEAP یک برنامه کاربردی برای حل مسائل مربوط به تخمین کارایی واحدها و تحلیل پوششی داده ها استفاده می شود. با استفاده از نرم‌افزار DEAP می‌توان مسائل برنامه‌ریزی خطی که مربوط به درس تحقیق در عملیات می‌باشد را حل کرد. این نرم‌افزار نیاز به سیستم قوی ندارد و روی یک سیستم معمولی نصب و اجرا می‌شود و بسیار سبک است. آموزش نرم افزار DEAP شامل بخشهای زیر است:

الگوریتم ژنتیک با استفاده از هر نمایش قابل تصور
فهرست، آرایه، مجموعه، فرهنگ لغت، درخت، آرایه های متناقض و غیره.
برنامه نویسی ژنتیکی با استفاده از درختان پیشوند
تایپ آزاد، تایپ قوی
توابع به صورت خودکار تعریف شده است
استراتژی های تکامل (از جمله CMA-ES)
بهینه سازی چند هدفه (NSGA-II، NSGA-III، SPEA2، MO-CMA-ES)
تکامل مشترک (همکاری و رقابتی) نمونه های متعدد
موازی سازی ارزیابی ها (و بیشتر)
نقاط بازرسی که به طور منظم از یک سیستم اطلاعات سریع مشخص می کنند
ماژول معیارها حاوی رایج ترین توابع تست
نوع شناسی پروژه (که با NetworkX سازگار است)
نمونه هایی از الگوریتم های جایگزین: بهینه سازی ازدحام ذرات، تکامل دیفرانسیل، تخمین الگوریتم توزیع

برنامه DEAP دارای سه گزینه اصلی DEA است:

(۱) مدل‌های DEA بازده به مقیاس ثابت (CRS) و بازده به مقیاس متغیر (VRS) که شامل محاسبه بازده فنی و مقیاس (در صورت لزوم) است،

(۲) گسترش این مدل‌ها برای محاسبه کارایی هزینه و تخصیص،

و (۳) استفاده از روش‌های Malmquist DEA برای داده‌های تابلویی برای محاسبه شاخص‌های تغییر TFP، تغییرات تکنولوژیکی، تغییر کارایی فنی و تغییر کارایی مقیاس.

در آموزش نرم افزار DEAP همه روش ها در جهت ورودی یا خروجی (به استثنای گزینه هزینه بازده) در دسترس هستند. خروجی این برنامه، در صورت امکان، شامل برآوردهای فنی، مقیاس، تخصیص و کارایی هزینه، slacks، همتایان و شاخص‌های TFP است. این برنامه با استفاده از یک کامپایلر Lahey F77LEM/32 برای رایانه شخصی سازگار با IBM کامپایل شده است.

آموزش نرم افزار DEAP مدل های تحلیل پوششی داده ها با شرایط زیر را شامل می شود:

-مدل‌های پوششی (CRS، VRS، و بازده غیرافزاینده و غیرکاهشی به مقیاس؛ ورودی گرا، خروجی گرا)

-مدل‌های ضرب‌کننده (CRS، VRS، و بازگشت‌های غیرافزاینده و غیرکاهشی به مقیاس؛ ورودی‌گرا، خروجی‌گرا).

-مدل‌های مبتنی بر Slack (CRS، VRS، و بازده غیرافزاینده و غیرکاهشی به مقیاس؛ وزنی، غیروزنی)

-مدل‌های خاص اندازه‌گیری (CRS، VRS، و بازده غیرافزاینده و غیرکاهشی به مقیاس؛ ورودی‌گرا، خروجی‌گرا )

فرآیند آموزش نرم افزار DEAP

نرم افزار DEAP به نسخه های Excel 97 یا جدیدتر نیاز دارد و از Excel Solver استفاده می کند و هیچ محدودیتی برای تعداد DMU ها، ورودی ها و خروجی ها تعیین نمی کند. بنابراین در آموزش نرم افزار DEAP به کاربران توصیه می‌شود برای اندازه‌های مشکلی که نسخه‌های مختلف Solver می‌توانند از عهده آن برآیند، www.solver.com را بررسی کنند. در فرآیند آموزش نرم افزار DEAP می توان به خروجی های زیر دست یافت:

بیان ساده مدل برنامه‌ریزی

قابلیت ورود اطلاعات از نرم‌افزارهای (Access و Excel )

قابلیت استخراج و ارسال نتایج حل مسئله به نرم‌افزارهای اکسس و اکسل

قدرت بالا در حل مسائل با بهره‌گیری از بهینه ترین روش

قابلیت فراخوانی نرم‌افزار از داخل نرم‌افزار بانک اطلاعاتی یا ماکرو در اکسل به صورت تعاملی

دارا بودن یک راهنمای مفصل و کامل و جامع برای کاربران جهت آموزش نرم افزار DEAP