پایان نامه دسته بندی تکنیک های تصمیم گیری چند معیاره گسسته (MADM)

شرح مختصر پروژه

پروژه ای که در این مطلب برای دانلود آماده شده است ، به شناسایی و دسته بندی  تکنیک های تصمیم گیری چند معیاره گسسته پرداخته است. تصمیم‌گیری چند شاخصه یا multiple Attribute Decision making و به اختصار MADM شاخه ای از تصمیم گیری چند معیاره می باشد. این نوع از تصمیم گیری شامل مدلها و روشهایی می باشد که خود به دو دسته ی مدلهای جبرانی و مدلهای غیرجبرانی تقسیم می گردد.با توجه به اینکه هدف از این پروژه ، ارائه دسته بندی های جدیدی از تکنیک های MADM است، این تکنیک ها بررسی و در نهایت، ۷ نوع دسته بندی مختلف ارائه و توجیه شده است.

پس از بررسی تکنیک های MADM کلاسیک، سعی شد، متدهای جدید MADM شناسایی و بررسی شود که نتیجه این تحقیقات و بررسی ها در فصل سوم آورده شده است .در فصل چهارم ، ۷ نوع دسته بندی برای تکنیک های MADM ارائه شده و فواید هر کدام مورد ارزیابی قرار می گیرد. هر مسئله با چند معیار برای تصمیم گیری، باید توسط یکی از تکنیک های متعدد MADM حل شوند. با توجه به اینکه هدف از انجام این پایان نامه شناسایی تکنیک های جدید و دسته بندی تکنیک های تصمیم گیری چند معیاره گسسته (MADM)است ، آشنایی با مباحث اولیه مربوط به تکنیک های MADM ضروری به نظر می رسد.

مباحث تصمیم گیری های چند معیاره یک بخش مهم از دانش تصمیم گیری مدرن را تشکیل می دهد. این مباحث به طور گسترده در زمینه های متعددی مانند: اجتماعی، اقتصادی، نظامی، مدیریتی و … به کار می رود. محققین در دهه های اخیر توجه خود را معطوف به مدل های چند معیاره (MCDM ) برای تصمیم گیری های پیچیده کرده اند. در این تصمیم ها به جای استفاده از یک معیار سنجش بهینگی از چندین معیار سنجش ممکن است استفاده گردد.این مدلهای تصمیم گیری به دو دسته عمده تقسیم می شوند: مدلهای چند هدفه (MODM ) و مدلهای چند شاخصه (MADM).در مدلهای MADM شاخص ها اغلب از مقیاس های مختلف بوده و غالبا در تعارض با یکدیگر هستند، لذا گزینه ای که بتواند ایده آل هر شاخص را تامین نماید، معمولا غیر ممکن است. در نتیجه در مدلهای MADM به دنبال پیدا کردن مناسب ترین گزینه به طور نسبی هستند. تفاوت اصلی مدل‌های تصمیم‌گیری چند هدفه با مدل های تصمیم‌گیری چند معیاره آن است که اولی در فضای تصمیم‌گیری پیوسته و دومی بر فضای تصمیم‌گیری گسسته تعریف می‌گردند.

یک گزینه MADM ممکن است توسط شاخص های کمی یا شاخص های کیفی توصیف شود.در شاخص های کمی، مقیاس های اندازه گیری ممکن است با یکدیگر متفاوت باشند (مانند فاصله به متر و هزینه به ریال).مدل‌های MADM شناخته شده‌ترین شاخه تصمیم‌گیری‌هاست. این مدل‌ها دارای تنوع تکنیکی بسیار گسترده‌ای هستند و این امر به هنگام کاربرد ممکن است سردرگمی تحلیلگر یا کاربر را باعث شود.

فرمت فایل: ورد (قابل ویرایش)

تعداد صفحات: 141

فهرست مطالب

چکیده
مقدمه

فصل ۱- مفاهیم اولیه
۱-۱- مقیاس دوقطبی فاصله ای
۱-۲- بی مقیاس کردن
۱-۲-۱- بی مقیاس کردن با استفاده از نرم
۱-۲-۲- بی مقیاس کردن خطی
۱-۲-۳- بی مقیاس کردن فازی
۱-۳- ارزیابی اوزان (wj) برای شاخص ها
۱-۳-۱- تکنیک آنتروپی
۱-۳-۲- روش LINMAP
۱-۳-۳- روش کمترین مجذورات وزین شده
۱-۳-۴- تکنیک بردار ویژه
۱-۴- MADM فازی
۱-۴-۱- تعریف زیر مجموعه فازی
۱-۴-۲- روشهای رتبه بندی فازی Ui (فازی)

فصل ۲- تکنیک های MADM کلاسیک
۲-۱- تکنیک های MADM کلاسیک
۲-۲- مدلهای غیر جبرانی
۲-۲-۱- روش تسلط
۲-۲-۲- روش ماکسی مین
۲-۲-۳- روش ماکسی ماکس
۲-۲-۴- روش رضایت بخش شمول
۲-۲-۵- روش رضایت بخش خاص
۲-۲-۶- روش لکسیکوگراف
۲-۲-۷- روش حذف
۲-۲-۸- روش پرموتاسیون
۲-۳- مدلهای جبرانی
۲-۳-۱- زیرگروه نمره گذاری و امتیاز دهی
۲-۳-۲- زیرگروه سازشی
۲-۳-۳- زیر گروه هماهنگ
۲-۴- روش AHP
۲-۵- AHP گروهی
۲-۶- ساختار غیر رده ای و توام با بازخور

فصل ۳- تکنیک های جدید MADM
۳-۱- روش های فازی با مجموع وزین
۳-۱-۱- روش باآس
۳-۱-۲- روش کواکرناآک
۳-۱-۳- روش دوبوس
۳-۱-۴- روش چنگ
۳-۱-۵- روش بونیسون
۳-۲- استفاده از AHP به صورت فازی
۳-۲-۱- روش باکلی
۳-۳- TOPSIS فازی
۳-۴- ELECTRE GD
۳-۴-۱- حل تعارضات ماتریس ارجحیت
۳-۴-۲- یک ارتباط برتری فازی برای جمع کردن ارجحیت های SDMها
۳-۵- ELECTRE TRI
۳-۵-۱- ارتباط ارجحیت در ELECTRE TRI
۳-۵-۲- رویه تخصیص
۳-۶- FMADM برای GDM
۳-۶-۱- مرحله مقداردهی
۳-۶-۲- مرحله تجمع براساس معیارها
۳-۷- TOPSIS برای GDM
۳-۸- GRA (Grey Relation Analysis)
۳-۹- AIRM
۳-۱۰- رویکرد (ER  (Evidential Reasoning
۳-۱۱- DS-AHP
۳-۱۲- MP-MADM

فصل ۴- دسته بندی تکنیک های MADM
۴-۱- دسته بندی براساس نوع اطلاعات دریافتی از
۴-۲- دسته بندی براساس نوع کاربرد روش
۴-۳- دسته بندی براساس فازی و غیر فازی بودن
۴-۴- دسته بندی براساس تعداد DMها
۴-۵- دسته بندی بر مبنای قطعی یا احتمالی بودن اطلاعات
۴-۶- دسته بندی براساس کامل یا ناقص بودن اطلاعات ورودی
-۴-۷- دسته بندی براساس تعداد دوره های تصمیم گیری
منابع