数据包络分析(简称DEA)是运筹学、管理科学和数理经济学交叉的一个新的领域,是基于数学规划理论评价具有多个输入与多个输出决策单元(简称DMU)间相对有效性的系统分析方法。本文在广泛查阅国内外文献的基础上,对DEA理论、方法与应用进行了较为深入的探讨,分析了基本DEA模型,DEA有效性理论以及DEA方法的基本思想。然而传统的DEA模型也存在着很大的缺陷。在实际的生产管理决策中,受到环境因素的制约,决策单元的投入量或产出量可能不能被决策者控制和调整,称之为不可按因素;同时生产过程除了获得人们所希望的输出产品外,也可能产生人们不想要的输出物,如废水、废气等污染物,称之为非期望输出,对于此类的决策单元进行有效性评估时,需要同时考虑不可控因素和非期望输出的影响,因此本文考虑构造同时包含上述两个因素的综合DEA模型。同时我们也发现,DEA评价主要是基于精确的数据集,而实际生产中由于数据噪声和测量误差的影响,输入、输出是不断变化不可预测的,于是导致DEA有效性评价对这种随机变化非常敏感。因此本文在期望值理论的基础上,将文中建立的复杂环境约束下的综合DEA模型随机化,给出了随机条件下决策单元的期望有效性指数概念和相对有效性评价的期望值方法,并对其进行研究。最后,我们将该模型用于实际生活中。将该模型使用在艾滋病免疫治疗过程中,模型包含了病人年龄因素,随机误差以及用药负作用的因素,患者可以根据自身的抗药能力,经济状况选择适合自己的用药阶段。模型计算所得主要结论与之前相关文章的结论相一致。