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 پروژه 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.
چکیده
مقدمه
فصل اول: مفاهیم اولیه
مقیاس دوقطبی فاصله ای
بی مقیاس کردن
بی مقیاس کردن با استفاده از نرم
بی مقیاس کردن خطی
بی مقیاس کردن فازی
ارزیابی اوزان (wj ) برای شاخص ها
تکنیک آنتروپی
روش LINMAP
روش کمترین مجذورات وزین شده
تکنیک بردار ویژه
MADM فازی
تعریف زیر مجموعه فازی
روشهای رتبه بندی فازی Ui (فازی)
فصل دوم: تکنیک های MADM کلاسیک
تکنیک های MADM کلاسیک
مدلهای غیر جبرانی
روش تسلط
روش ماکسی مین
روش ماکسی ماکس
روش رضایت بخش شمول
روش رضایت بخش خاص
روش لکسیکوگراف
روش حذف
روش پرموتاسیون
مدلهای جبرانی
زیرگروه نمره گذاری و امتیاز دهی
زیرگروه سازشی
زیر گروه هماهنگ
روش AHP
AHP گروهی
ساختار غیر رده ای و توام با بازخور
فصل سوم: تکنیک های جدید MADM
روش های فازی با مجموع وزین
روش باآس
روش کواکرناآک
روش دوبوس
روش چنگ
روش بونیسون
استفاده از AHP به صورت فازی
روش باکلی
TOPSIS فازی
ELECTRE GD
حل تعارضات ماتریس ارجحیت
یک ارتباط برتری فازی برای جمع کردن ارجحیت های SDMها
ELECTRE TRI
ارتباط ارجحیت در ELECTRE TRI
رویه تخصیص
FMADM برای GDM
مرحله مقداردهی
مرحله تجمع براساس معیارها
TOPSIS برای GDM
GRA Grey Relation Analysis
AIRM
رویکرد (ER (Evidential Reasoning
DS-AHP
MP-MADM
فصل چهارم: دسته بندی تکنیک های MADM
دسته بندی براساس نوع اطلاعات دریافتی از
دسته بندی براساس نوع کاربرد روش
دسته بندی براساس فازی و غیر فازی بودن
دسته بندی براساس تعداد DMها
دسته بندی بر مبنای قطعی یا احتمالی بودن اطلاعات
دسته بندی براساس کامل یا ناقص بودن اطلاعات ورودی
دسته بندی براساس تعداد دوره های تصمیم گیری
منابع
