(完整word版)DEA的Matlab程序(数据包络分析).doc

模型((PC2R)的MATLAB程序clearX=[];%用户输入多指标输入矩阵XY=[];%用户输入多指标输出矩阵Yn=size(X',1);m=size(X,1);s=size(Y,1);A=[-X'Y'];b=zeros(n,1);LB=zeros(m+s,1);UB=[];fori=1:n;f=[zeros(1,m)-Y(:,i)'];Aeq=[X(:,i)'zeros(1,s)];beq=1;w(:,i)=LINPROG(f,A,b,Aeq,beq,LB,UB);%解线性规划，得DMU;的最佳权向量w;E(i,i)=Y(:,i)'*w(m+1:m+s,i);%求出DMUi的相对效率值Eiiendw%输出最佳权向量E%输出相对效率值EiiOmega=w(1:m,:)%输出投入权向量。mu=w(m+1:m+s,:)%输出产出权向量。模型(DC2R)的MATLAB程序clearX=[];%用户输入多指标输入矩阵XY=[];%用户输入多指标输出矩阵Yn=size(X',1);m=size(X,1);s=size(Y,1);epsilon=10^-10;%定义非阿基米德无穷小=10-10f=[zeros(1,n)-epsilon*ones(1,m+s)1];%目标函数的系数矩阵：的系数为0,s-,s+的系数为-e,的系数为1；A=zeros(1,n+m+s+1);b=0;%<=约束；LB=zeros(n+m+s+1,1);UB=[];%变量约束；LB(n+m+s+1)=-Inf;%-Inf表示下限为负无穷大。fori=1:n;Aeq=[Xeye(m)zeros(m,s)-X(:,i)Yzeros(s,m)-eye(s)zeros(s,1)];beq=[zeros(m,1)Y(:,i)];w(:,i)=LINPROG(f,A,b,Aeq,beq,LB,UB);%解线性规划，得DMU的最佳权向量w;endw%输出最佳权向量lambda=w(1:n,:)%输出s_minus=w(n+1:n+m,:)%输出s-s_plus=w(n+m+1:n+m+s,:)%输出s+theta=w(n+m+s+1,:)%输出