دانلود ترجمه مقاله ارتباط بین تصمیم گیری چند معیاره mcdm و تصمیم گیری چند هدفه modm – مجله تیلور فرانسیس

فهرست مطالب:

چکیده
مقدمه
۱ ایده های اصلی کلیات
۲ نتایج اصلی
نتایج

بخشی از ترجمه:

مقدمه

انسانها همیشه تصمیم می گیرند. تصمیم گیری کاری بسیار سخت و دشوار می باشد. در طول دهه های گذشته، تحقیق  در عملیات یا عملیات پژوهشی (OR) به عنوان رشته ای که از مدیریت علمی پشتیبانی میکند، راهی طولانی طی کرده است. OR عمدتاً با مدل سازی و روشهای بهینه سازی سر و کار دارد که تحلیل مسائل حقیقی پیچیده را تسهیل می نماید. این روش به الگوی غالب در تحلیل تصمیم و پشتیبانی از تصمیم در حضور ابعاد ارزیابی متعدد تبدیل شده است. تکنیک های سنتی OR با این هدف تطابق دارند: آنها تابع مطلوبیت را در حضور محدودیت هابه حداکثر یا به حداقل می رسانند. در این راستا، تصمیم گیری چند معیاری (MCDM) را بسته به چارچوب مرجع می توان بخش قدیمی و جدید OR برشمرد. MCDM یکی از سریعترین نواحی مشکل ساز در حال رشد در بسیاری از رشته ها می باشد. مشکل اصلی، نحوه ارزیابی مجموعه راهکارها از لحاظ تعداد معیارها می باشد. بسیاری از محققین مدرن مشکلات MCDM را همواره مد نظر قرار داده اند. MCDM به تصمیم گیری در حضور معیارهای متعدد و معمولاً چالش برانگیز اشاره می کند. دهه های گذشته شاهد افزایش چشمگیری در کلیه نواحی اصلی MCDM بوده است:
– مدلهای رسمی (الگوریتم ها، روشها، و الگوهای انتخاب)
– نظریه های ارزیابی ( فرضیات مربوط به ارزشها یا رجحان ها و نمایش های ساختاریافته ارزشها و رجحانها)
– روشهای سنجش و ارزیابی ( استنباط، برآورد و مقیاس بندی رجحان های افراد، مطلوبیت ها و احتمالات ذهنی در موقعیت های MCDM).
روش منحصر به فرد و تعریف شده ای وجود ندارد که از شروع تا پایان فرایند کمک به تصمیم گیری بتوان به صورت مرحله به مرحله آن را دنبال کرد. در هنگام رسیدگی به اهداف شرح داده شده و مقایسه شده با استفاده از ویژگیهای مختلف، تجمع مسئله بزرگی به شمار می رود: هدف این مسئله سنتز یا ترکیب ویژگیهای معمولاً متناقض اهداف با نظر به نیل به هدفی نظیر انتخاب در میان اهداف، ترتیب بندی رتبه ای آنها، طبقه بندی آنها در طبقات و… می باشد.
نتایج
مقاله حاضر سیناپس نشریه های متعددی را مطرح می کند که کاربرد روشهای سنتی MCDM و برخی از روشهای نسبتاً تازه توسعه یافته را شرح می دهند. اما این مرور روشهای اخیر مرور نشده در مقالات یا کتابها را پوشش نمی دهد. اما شایان توجه است که نشریه های مرور شده در این مقاله حداقل امکان نمایش جزئی ساختار روشهای MCDM را فراهم می آورند که کاربرد وسیع تری پیدا می کنند.
اخیراً توسعه روشهای پیمانه ای و مرکب از اهمیت زیادی برخوردار شده است. آنها براساس روشهای معروف قبلاً توسعه یافته و اصلاح آنها با استفاده از نظریه عدد خاکستری و فازی عمل می کنند.  روشهای نسبتاً تازه توسعه یافته MCDM به سرعت توسعه یافته و از آنها برای حل مسائل حقیقی استفاده شده است. برای کمک به محققین و دست اندرکاران علاقمند به تکنیک های MCDM هیبریدی و کاربرد این روشها، انتشار مرورهایی پیرامون این مسائل در آینده الزامی می باشد.

بخشی از مقاله انگلیسی:

Introduction

Humans make decisions all the time. Decision-making is a very complex and difficult task.During the past decades, operations research (OR) has come a long way as a field that supportsscientific management. OR mainly deals with model building and algorithmic optimizationprocedures that facilitate the analysis of complex real-world problems (Zopounidis, Pardalos 2010). Since von Neumann and Morgenstern (1947) and Savage (1954), this hasbecome the dominant paradigm in decision analysis and decision support in the presence ofmultiple evaluation dimensions. Traditional OR techniques fit the same purpose: they maximiseor minimize a utility function in the presence of constraints. Multi-Criteria DecisionMaking (MCDM) can be said to be both old and new part of OR, depending on one’s frameof reference (Köksalan et al. 2011). MCDM has been one of the fastest growing problem areasin many disciplines. The central problem is how to evaluate a set of alternatives in terms of anumber of criteria (Triantaphyllou 2010). Many modern researchers have considered MCDMproblems. MCDM refers to making decisions in the presence of multiple, usually conflicting,criteria. The past decades have seen a dramatic increase on all main areas of MCDM:

–– Formal models (algorithms, procedures and selection paradigms);

–– Evaluation theories (assumptions about values or preferences and structured representationsof values or preferences);

–– Assessment methodologies (elicitation, estimation and scaling of individuals’ preferences,utilities and subjective probabilities in MCDM situations) (Fishburn 1978).

There is no unique and well-defined methodology that one could follow step-by-step fromthe beginning to the end of a decision aiding process. When dealing with objects that canonly be described and compared using several characteristics, aggregation is a major issue:it aims at operating a synthesis of the, usually contradictory, features of the objects, in viewof achieving a goal such as choosing among the objects, rank ordering them, sorting theminto categories and so on (Bouyssou et al. 2006).

Conclusions

The paper presents synopsis of numerous publications, which describe the use of traditional MCDM methods and some of the relatively recently developed methods. However, this review does not cover recent methods that have not yet been reviewed in articles or books. However, it is worth noting that publications reviewed in this article at least allow for a partial representation of the structure of those MCDM methods, which are gaining wider use.

Recently, development of hybrid and modular methods is becoming increasingly important. They are based on previously developed well-known methods, such as TOPSIS, SAW, DEA, AHP, ANP, VIKOR, DEMATEL, DEA, PROMETHEE, ELECTRE and their modification, by applying fuzzy and grey number theory. Relatively recently developed MCDM methods, such as COPRAS, ARAS, MOORA, MULTIMOORA, SWARA and WASPAS are rapidly developed and applied to solve real life problems. In order to help researchers and practitioners interested in hybrid MCDM techniques and applications of hybrid MCDM methods, it is necessary to publish reviews on these issues in future.