Panda_DEA增加至强有效前沿最近距离-MinDS模型

Panda_DEA1.3版本正式发布，主要有以下变化：

1、增加了两阶段网络DEA模型；

2、增加了两种零和博弈ZSG模型，并根据文献常用做法，自动迭代到各DMU效率值为1；

3、增加了至强有效前沿最近距离-MinDS模型，并为此支持外接Gurobi和GLPK两种求解器，显著提高求解速度。

4、界面美化。

目前它的界面是这样的：

是这样的：

好看多了

下面主要介绍MinDS模型：

MinDS 模型在SBM 模型的基础上增加了一组混合整数线性约束，使得被评价DMU 的参考标杆位于同一个超平面内，进而通过求解混合整数线性规划来获得MinDS 模型的效率值。同SBM 模型相比，MinDS 模型的优势在于能够使无效DMU 实现以较小的平均改进比例即可达到完全有效状态。

根据Aparicio（2007）的做法，求解MinDS模型的效率，分为两步，第一步，求解SBM模型：

第二步，根据第一步，得到效率值为1的DMU，组成新的参考集，求解如下模型，得到MinDS模型的效率值：

其中,Q（即软件中的M值）是一个比较大的正数，对于不同的求解器，M的值可能有所不同，过大或者过小可能会影响到求解的结果，软件中默认该值=1000000，用户也可以根据自己的实际情况来更改。为了更好地求解MinDS模型，Panda_DEA还支持外接GLPK和Gurobi两款求解器，用户只需安装好求解器，就可以很方便地在软件中调用求解器求解。

下面是软件的计算结果和Aparicio（2007）论文中结果的对比：

可以看到，软件计算结果，基本与论文中披露的结果保持一致。