自1978年运筹学家A.Charnes和W.W.Cooper等学者发展出数据包络分析(Date Envelopment Analysis,DEA)这一新的系统分析方法以来,对DEA方法的理论和应用研究的深入,已使其成为一种有效的分析工具和决策支持工具,大量的应用于经济、计量经济、运筹学、管理科学、系统科学领域。　　 现实生活中有大量不确定现象存在,包括随机现象、模糊现象、粗糙现象、模糊随机现象等等。目前,不确定性决策问题己普遍存在于管理科学、信息科学、系统科学、计算机科学、知识工程及可靠性技术等众多领域。　　 在DEA理论和不确定理论都迅速发展的大背景下,很多学者开始尝试将两者结合起来。传统的DEA是精确模型,但DEA中的输入输出变量可能是一个随机变量,或者是模糊变量,或者是一个粗糙变量等等。人们在随机DEA模型和模糊DEA模型的研究方面己取得相当的进展,而在粗糙集理论、Vague集理论、灰色理论等与DEA的结合方面前人的工作还相对很少。本文的论述重点即是将粗糙集与DEA模型进行结合的研究,并希望对两种理论的有益融合,能扩展DEA模型、粗糙集的理论研究。　　 本文的理论准备主要有三部份,其一为DEA模型的介绍；其二为不确定理论的介绍,又以粗糙集为重点；其三为不确定模型的规划方法。这些内容主要作为理论背景出现。不确定DEA模型的研究已非常深入,随机DEA模型和模糊DEA模型都有大量成果出现,对它们的优化方法的总结也有利于推广到本文将要涉及的工作中去。粗糙集作为本文的一个重要的理论支柱,有必要进行比较全面的总结与介绍,不仅包括经典的粗糙集理论,还涉及它的多种推广方法和推广方向。至此,全部准备工作才基本告一段落。　　 本文论证了粗糙DEA模型的构建从理论上是完全可行的。粗糙集与DEA的结合有一定的难度,原因在于经典粗糙集的分类、约简等思想与DEA模型的决策单元输入输出有效性的效率评价缺少交集。粗糙集在知识分类、知识约简、规则提取方面应用广泛,而DEA模型在本质上是判断决策单元(DMU)与生产可能集的“生产前沿面”的结构和特征关系,是一种非参数的统计估计方法,在DEA模型中去寻找知识分类、知识约简以及规则提取,这已远离建立DEA模型的目的。从这样看粗糙集与DEA模型并不相关,这也是粗糙集与DEA模型相结合的研究成果很少的主要原因。但从输入输出变量本身来看,我们可以把它看成粗糙变量,那么就完全可以用粗糙规划来解决DEA的问题。本文就是基于这样的思路建立了粗糙DEA模型。　　 本文论证了粗糙DEA模型的优化方法。对于不确定规划问题中所出现的含有不确定变量的函数(称为不确定函数),出于不同的管理目的和技术要求,采用的方法也相应的有所侧重。从建模理念的角度来讲,基本途径有三条:一是期望值模型；二是机会约束规划模型；三是相关机会规划模型。粗糙DEA模型可以视具体问题的要求,分别用期望值规划、机会约束规划、相关机会约束规划等不确定规划进行优化。　　 仅建立这样的粗糙DEA模型还有很大的不足,即我们需要解释什么样的输入输出变量是一个粗糙变量,以及构建粗糙DEA模型在现实生活中有什么意义,可以解决什么问题。经典粗糙集只能在严格的等价关系的约束下,对数据库中的离散属性进行处理,实际应用中大量存在的连续属性值必须经离散化后才能利用粗糙集方法进行处理,因此连续属性的离散化问题成为粗糙集究中一个非常重要的方向；而DEA模型却要求连续的实域空间中分析决策单元的效率相对有效性；更好的思路是让粗糙集去适应DEA模型的要求。为此,本文在广义实域粗糙集的基础上对粗糙DEA模型进行分析,构建了基于广义实域粗糙集的DEA模型,解释了为什么输入输出变量是一个粗糙变量的问题,并用一个实例来验证了广义实域粗糙DEA的应用效果。　　 粗糙集有几种推广方向,广义实域粗糙仅是其中的一个分支,各推广方向彼此之间的两两组合将得到新的双重不确定性。为进一步加深对粗糙DEA模型的研究,本文探讨了变精度广义粗糙DEA模型、概率广义粗糙DEA模型并对多重粗糙DEA模型的建立提出了自己的构想和建议。　　 粗糙DEA模型是不确定DEA研究一个新的领域。本文将粗糙DEA模型的粗糙性质定义在决策单元的输入输出变量之中,粗糙集与DEA模型还有没有其他结合方式值得我们进一步的思考。建立广义实域粗糙DEA模型的目的是让粗糙集适应DEA模型要求处理连续属性值的特点,而在离散数据中的研究本文没有涉及,如果能够发现新的突破,它的成果依然是值得期待的。在粗糙DEA的基础上,还可以建立更复杂的不确定DEA模型,如模糊广义粗糙DEA模型、随机广义粗糙DEA模型等,或走向更多的推广方向。这类复杂模型可为DEA理论及粗糙理论的发展提供很多新的思路和参考。　　 本文采用lind06.0软件对广义实域粗糙DEA模型的数值算例进行处理。　　 本文的创新点包括以下几个方面:　　 1、建立粗糙DEA模型。　　 不确定DEA模型的研究已取得丰硕成果,而关于粗糙集与DEA模型的结合的研究还非常少。原因在于粗糙集与DEA模型的研究方向缺少交集。本文在总结归纳DEA模型与不确定理论的基础上,结合随机DEA模型和模糊DEA模型的建模思想,把粗糙集的思想放到决策单元中的一个输入输出变量中,避免了用粗糙集思想无法与DEA模型匹配的困难,建立了粗糙DEA模型。　　 2、给出粗糙DEA模型的优化方法。　　 粗糙DEA模型满足不确定规划的要求,可以视具体问题的要求,分别用期望值规划、机会约束规划、相关机会约束规划等不确定规划进行优化。本文研究了上述三种优化方法。　　 3、建立广义实域粗糙DEA模型。　　 为寻找粗糙DEA模型在现实生活中的应用及意义,本文将粗糙DEA模型扩展到广义实域粗糙集中,建立了广义实域粗糙DEA模型。　　 4、研究双重不确定粗糙DEA模型。　　 从模型的构建上看,粗糙DEA模型可推广到变精度粗糙集DEA模型、概率粗糙DEA模型等复杂的不确定DEA模型。本文将广义实域粗糙DEA模型与其他不确定性组合,构建了变精度广义实域粗糙DEA模型和概率实域粗糙DEA模型。