وزن دهی افزایشی ساده
چکیده
روش های آنالیز تصمیم گیری چندمعیاره، مانند ELECTRE، PROMETEE، AHP، TOPSIS، VIKOR برای حل تعداد زیادی از مسایل تصمیم گیری در زندگی واقعی در کسب و کار و مدیریت مورد استفاده قرار گرفته-اند. به هر حال، مکانیسم های این روش ها به آسانی درک نشده است و آن اغلب توسط کاربرانی که هیچ آموزش رسمی ندیده اند به عنوان نوعی از "جادوی علمی" دیده می شود. به منظور شفاف تر ساختن مدل هایی از MCDA که محبوب تر هستند، ما یک چارچوب ساده را برای تفسیر رتبه بندی های آن ها ارائه کردیم. این چارچوب بر اساس نتایج کلاسیک MCDA ایجاد شده است، به ویژه بر اساس اولویت مکانیسم به دام انداختن که توسط زیونت و والنیوس در دهه هفتاد قرن گذشته، بر اساس وزن-دهی افزایشی ساده پیشنهاد شده بود. لزوم و تاثیر بالقوه ی سهم ما ارائه ی یک رتبه بندی می باشد که توسط روش MCDM ایجاد شده بود، ما نشان دادیم که چطور وزن هایی را برای وزن دهی افزایشی ساده ایجاد کنیم به طوری که رتبه بندی مشابهی مانند یک روش معین ارائه کنند. به این منظور، ما یک چارچوب معمول را برای آنالیز بدون هزینه، تفسیر و مقایسه-ی رتبه بندی های ایجاد شده توسط روش های MCDA در محیط سیستم های تخصصی ارائه کردیم. ما نشان دادیم که این ایده (مفهوم) روش TOPSIS را مورد تمرکز قرار می دهد اما طبق روشی مشابه با هریک از روش های MCDM دیگر به کار برده می شود. ما استدلال خودمان را با مثال های گرفته شده از متن اثبات کردیم.
1- مقدمه
آنالیز تصمیم گیری چندمعیاره (MCDA) یک عنوانی می باشد که به خوبی در زمینه ی سیستم های تخصصی بیان شده است (نمایش داده شده است)؛ بسیاری از آن ها MCDA را برای حل مسایل پیچیده ی تصمیم گیری به کار می برند (Alemi – Ardakani, Milani, Yannacopoulos & Shokohi, 2016; Mardani, Jusoh, & Zavadskas, 2015; Ostermark & Salmela, 1988; Ozernoy, 1988 را ببینید). حل یک مساله ی MCDA معمولا به صورت تعیین یک راه حل (جایگزین یا تناوب) (یک نوع تصمیم) تعریف می شود که با بهترین، در ایده ی تصمیم گیرندگان مرتبط می باشد و ترکیبی از (حداقل دو) مقدار معیار، یا در یک معنی گسترده تر، به صورت راه حل های (جایگزین های یا تناوب های) رتبه بندی از بهترین (در معنی بالا) تا بدترین تعریف می شود. از آنجایی که به طور کلی، دستیابی به مقادیر ماکزیمم با توجه به همه ی معیارها به طور همزمان غیرممکن می باشد حل یک مساله MCDA نیاز به برخی اطلاعات درباره ی ترکیب ترجیحی (اولویت) مقادیر معیار (که اطلاعات برتر (ترجیحی) نیز نامیده می شود) دارد که باید توسط تصمیم گیرندگان (DM) توضیح داده شود.
abstract
Multiple Criteria Decision Analysis methods, such as ELECTRE, PROMETEE, AHP, TOPSIS, VIKOR, have been applied to solving numerous real-life decision making problems in business and management. However, the mechanics of those methods is not easily understandable and it is often seen by users without much formal training as a kind of “scientific witchcraft”. In order to make those popular MCDA methods more transparent, we provide a simple framework for interpretations of rankings they produce. The framework builds on the classical results of MCDA, in particular on the preference capture mechanism proposed by Zionts and Wallenius in seventies of the last century, based on Simple Additive Weighting. The essence and the potential impact of our contribution is that given a ranking produced by a MCDM method, we show how to derive weights for the Simple Additive Weighting which yield the same ranking as the given method. In that way we establish a common framework for almost no–cost posterior analysis, interpretation and comparison of rankings produced by MCDA methods in the expert systems environment. We show the working of the concept taking the TOPSIS method in focus, but it applies in the same way to any other MCDM method. We illustrate our reasoning with numerical examples taken from literature. 1
1. Introduction
2 Multiple Criteria Decision Analysis (MCDA) is a topic well repre3 sented in the field of expert systems; many of them employ MCDA 4 for solving complex problems of decision making (see Alemi5 Ardakani, Milani, Yannacopoulos, & Shokouhi, 2016; Mardani, Ju6 soh, & Zavadskas, 2015; Östermark & Salmela, 1988; Ozernoy, 7 1988). 8 Solving an MCDA problem is usually understood as determining 9 an alternative (a decision variant) which corresponds to the best, 10 in the decision maker’s opinion, combination of (at least two) cri11 teria values, or in a broader sense, as ranking alternatives from the 12 best (in the above meaning) to the worst one. Because attaining 13 the maximal values with respect to all criteria simultaneously, in 14 general, impossible, solving an MCDA problem requires that some 15 information on preferred combinations of criteria values (so called 16 preference information) has to be articulated by the decision maker 17 (DM).
چکیده
1- مقدمه
2- روش TOPSIS
3- تفاسیر TOPSIS
4- رفع ابهام TOPSIS
5- مثال هوانگ و یونگ
6- نتایج
abstract
1. Introduction
2. The TOPSIS method
3. TOPSIS mysteries
4. TOPSIS demystified
5. Hwang and Yoon example
6. Concluding remarks
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش، بدون آرم سایت ای ترجمه
- ترجمه فارسی مقاله با فرمت pdf، بدون آرم سایت ای ترجمه