دانلود ترجمه مقاله بیان قیود نابرابر با ضریب های بازه ای – الزویر ۲۰۰۱

مشخصات مقاله انگلیسی (PDF)
سال انتشار	۲۰۰۱
تعداد صفحات مقاله انگلیسی	۱۰صفحه با فرمت pdf
رشته های مرتبط با این مقاله	ریاضی
گرایش های مرتبط با این مقاله	ریاضی کاربردی
مجله	مجموعه ها و سیستم های فازی – Fuzzy Sets and Systems
دانشگاه	گروه ریاضی کاربردی با برنامه ریزی کامپیوتر و اقیانوس شناسی، هند
کلمات کلیدی	اعداد بازه ای، رابطه نامساوی، برنامه نویسی ریاضی
شناسه شاپا یا ISSN	ISSN ۰۱۶۵-۰۱۱۴
رفرنس	دارد ✓
لینک مقاله در سایت مرجع	لینک این مقاله در نشریه Elsevier
نشریه الزویر

• فهرست مطالب:

چکیده

۱٫ مقدمه

۲٫ حساب پایه ای بازه ای

۳٫ رابطه نامساوی با ضرایب بازه ای

۳٫۱٫ شاخص قابل قبول

۳٫۲٫ رویکرد [Tong [11

۳٫۳٫ بحث

۳٫۴٫ یک سیستم معادل قطعی مقبول از Ax ≤ B

۴-مسأله برنامه ریزی خطی بازه ایو راه حل آن

۴٫۱ راه حلی برای مسأله مطرح شده در بخش ۱

۵ نتیجه گیری

• بخشی از ترجمه:

5. نتیجه گیری

هدف از این مقاله، تعریف یک سیستم معادل قطعی مقبول از یک قید نامساوی با ضرایب بازه ای می باشد. روش تعریف شده در اینجا، به عنوان کاربردی از ?-index برای مقایسه ی دو بازه ای از طریق مقبولیت DM می باشد. ساختار معادل قطعی از مجموعه ی محدود تعریف شده است، و راه حلی برای مسأله ای با ماکزیمم سازی یا مینیمم سازی تابع هدف به صورت عملی تبدیل به ماکزیمم یا مینیمم مقدار مرکزی تابع هدف بازه ای مقدار شده است. در این راستا، نکته قابل ذکر این است که: اگر DM با مقدار عدم قطعیت (عرض) دخیل در مقدار هدف بهینه براورده نشود، می تواند سطح مورد نیاز مقبولیتش را با تنظیم عرض مجاز مقدار هدف مطلوب و یا با تعریف مجدد شرایط مقبولیت برای ایجاد مجموعه ی معادل قطعی قیود به دست آورد. رویکردی تعاملی در مورد اینکه یک DM به تدریج و بیش تر و بیش تر درباره ی مسأله یاد می گیرد و بازخوردش مورد استفاده قرار می گیرد تا راه حل مسأله را در جهت مطلوب تر شدن هدایت کند، و ممکن است به عنوان روشی کلی و معتبر برای حل مسأله ی برنامه ریزی خطی بازه ایفرمول بندی شود.

• بخشی از مقاله انگلیسی:

۵٫ Conclusion

The aim of this paper was to de ne a satisfactory crisp equivalent system of an inequality constraint with interval coe cients. The approach de ned here has come out as an application of A-index for comparing two intervals through DM’s satisfaction. Once the crisp equivalent structure of the constraint set is de ned, solution to a problem with maximizing or minimizing objective function practically turns to be maximization or minimization of the central value of the interval-valued objective function. In this regard, a point worth mentioning is: If the DM is not satis ed with the extent of uncertainty (width) involved in the optimal objective value, he can achieve his required level of satisfaction by adjusting allowable width of the optimal objective value and=or by rede ning satisfying conditions for generating crisp equivalent set of constraints. An interactive approach through which a DM learns gradually more and more about the problem and where his feedback is used to guide the solution of the problem to a more favourable one, may be formulated as a generalized and more credible procedure for solving interval linear programming problems.