Please use this identifier to cite or link to this item: https://app.uff.br/riuff/handle/1/4084
Title: Resolução do modelo de Li e Reeves usando programação por metas
Authors: Santos, Ana Paula dos
metadata.dc.contributor.advisor: Mello, João Carlos Correia Baptista Soares de
metadata.dc.contributor.members: Angulo Meza, Lidia
Pereira, Eliane Ribeiro
Gomes, Eliane Gonçalves
Chaves, Maria Cecilia de Carvalho
Issue Date: 27-Jul-2017
Abstract: A baixa discriminação e o esquema de multiplicadores pouco realistas são frequentemente apontadas como limitações da Análise Envoltória de Dados (DEA, de Data Envelopment Analysis). Com o propósito de amenizá-las, o modelo MCDEA (Multiple Criteria DEA) foi desenvolvido sob uma perspectiva multiobjetivo. Como na maioria dos problemas multiobjetivo, o modelo MCDEA não costuma gerar uma solução ótima única, mas um conjunto de soluções não dominadas. Buscando obter uma solução, que, tanto quanto possível, otimize conjuntamente as funções objetivo do modelo MCDEA, foram propostas abordagens baseadas na metodologia de programação por metas (GP, de Goal Programming). Dentre elas, destacam-se os modelos GPDEA, que usam programação por metas do tipo soma ponderada. Contudo, recentemente, os modelos GPDEA foram considerados inválidos, sem que nenhuma formulação alternativa baseada em programação por metas fosse proposta. Visando preencher tal lacuna, esta tese tem o objetivo de desenvolver formulações que solucionem, apropriadamente, o modelo MCDEA, para o caso de retornos constantes e variáveis de escala, mediante o uso de programação por metas do tipo soma ponderada. Essas formulações foram denominadas modelos WGP-MCDEA (Weighted GP-MCDEA), e englobam tanto a orientação a inputs como a outputs. Os modelos propostos geram as soluções básicas não dominadas dos modelos MCDEA correspondentes, quando os níveis de aspiração para as metas são precisamente definidos com este fim. Quando esses níveis são relaxados, em geral, os modelos WGP-MCDEA geram as soluções não dominadas dos modelos MCDEA correspondentes que cobrem a maior área na região de indiferença dos pesos.
metadata.dc.description.abstractother: Low discrimination and unrealistic multipliers schemes are often cited as limitations of DEA. To mitigate those limitations, the MCDEA model was developed under a multi-objective perspective. As in most multiple objective problems, MCDEA model does not usually result in a unique optimal solution, but in a set of non-dominated solutions. In an attempt to obtain a satisfactory solution, which, as far as possible, jointly optimizes MCDEA´s objective functions, some goal-programming-based approaches were proposed. Among those proposals, we highlight the GPDEA models, which use weighted goal programming. However, recently, GPDEA models were considered invalid, without any alternative goal-programming-based formulation being proposed. Seeking to fill this gap, the objective of this dissertation is to develop formulations that appropriately solve MCDEA model for the cases of constant and variable returns-to-scale, by means of weighted goal programming. These formulations were called WGP-MCDEA models, and include both input and output orientations. The proposed models generate the basic non-dominated solutions of the corresponding MCDEA models when the goals´ aspiration levels are specifically defined for this purpose. When those aspiration levels are smoothened, the WP-MCDEA models generally produce the non-dominated solution of the corresponding MCDEA models that cover the largest area in the indifference region.
URI: https://app.uff.br/riuff/handle/1/4084
Appears in Collections:PPGEP - Teses e dissertações

Files in This Item:
File Description SizeFormat 
D2016 - Ana Paula dos Santos.pdf1.44 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.