از مهم ترین ابزارها جهت محاسبه کارایی واحدهای تصمیم گیرنده، تکنیک تحلیل پوششی داده ها (DEA) است که برای محاسبه کارایی از ورودی ها و خروجی های گذشته واحدها استفاده می کند. عدم امکان تخمین کارایی، استفاده از ورودی و خروجیهای قطعی و توزیع غیرواقعی اوزان به ورودی ها و خروجی‌ها از نقاط ضعف DEA می باشد. بنابراین در این مقاله در راستای رفع مشکلات مذکور، مدلی جدید با لحاظ عدم قطعیت در تحلیل پوششی داده های تصادفی (SDEA) ارائه گردیده که با درنظرگرفتن همزمان ورودی ها و خروجی های واحدها بصورت متغیرهای تصادفی نرمال همراه با اوزان فازی برای آن ها، سعی در پیش بینی کارایی واحدهای تصمیم گیرنده دارد. نهایتاً در راستای تایید اثربخشی مدل پیشنهادی، یک مطالعه کاربردی در صنعت بانکداری صورت گرفته و کارایی های پیش بینی شده شعب با کارایی واقعی آنها مقایسه می گردد. همبستگی بالای بین نتایج، نشان از دقت و صحت مدل پیشنهادی دارد. Manuscript profile

Data envelopment analysis (DEA) is a methodology for measuring the relative efficiency of decision making units (DMUs) which ‎consume the same types of inputs and producing the same types of outputs. Believing that future planning and predicting the ‎efficiency are very important for DMUs, this paper first presents a new dynamic random fuzzy DEA model (DRF-DEA) with ‎common weights (using multi objective DEA approach) to predict the efficiency of DMUs under mean chance constraints and ‎expected values of the objective functions. In the initial proposed‏ ‏DRF-DEA model, the inputs and outputs are assumed to be ‎characterized by random triangular fuzzy variables with normal distribution, in which data are changing sequentially. Under this ‎assumption, the solution process is very complex. So we then convert the initial proposed DRF-DEA model to its equivalent multi-‎objective stochastic programming, in which the constraints contain the standard normal distribution functions, and the objective ‎functions are the expected values of functions of normal random variables. In order to improve in computational time, we then ‎convert the equivalent multi-objective stochastic model to one objective stochastic model with using fuzzy multiple objectives ‎programming approach. To solve it, we design a new hybrid algorithm by integrating Monte Carlo (MC) simulation and Genetic ‎Algorithm (GA). Since no benchmark is available in the literature, one practical example will be presented. The computational results ‎show that our hybrid algorithm outperforms the hybrid GA algorithm which was proposed by Qin and Liu (2010) in terms of ‎runtime and solution quality. ‎ Manuscript profile

شاهنامه، اثر ابوالقاسم فردوسی، همواره سند و هویّت قوم ایرانی شمرده می شده است. در طول دوران هزار سالۀ پس از سرایش شاهنامه، بیش تر شاعران و نویسندگان ادب فارسی، ضمن پذیرش آن به عنوان مهم ترین منبع و مأخذ داستان های حماسی و اسطوره ای ایران، هرگاه نگاه و توجّهی به اسطوره ها و داستان های پیش از خود داشته اند، از بُن مایه های حماسی و زمینه های تلمیحی این اثر بهره هایی بسیار برده اند. از آن جاکه شاهنامۀ فردوسی، اثری حماسی و ملّیست، انتظار معمول آن است که این اثر و درون‌مایه های آن، بیش تر در گونۀ وابستة خود، یعنی حماسه، بر ادبیات پس از خویش تأثیر بگذارد، امّا نکتۀ جالبِ توجّه این است که بازتاب و حضور این اثر در قالب غزل که قالبی عاشقانه و گونه ای متفاوت با حماسه است، بسیار گسترده و فراتر از انتظار است. در این پژوهش با بررسی غزل های حسین منزوی، به عنوان یکی از شاخص ترین غزل سرایان روزگار معاصر، به این نتیجه دست یافته ایم که شاهنامۀ فردوسی با آن که متنی حماسی و ملّیست، به دلیل پیوندها و گره خوردگی های عمیق با تمدّن و فرهنگ ایرانی و نیز توانایی سراینده اش در خلق شاه کاری ادبی، توانسته است بر تمامی حوزه های شعر فارسی، حتّا ساحت تغزّلی و عاشقانه اش، تأثیراتی عمیق و پای دار بر جای بگذارد. Manuscript profile