دانلود رایگان ترجمه مقاله گسترش TOPSIS برای تعیین وزن تصمیم گیرنده برای مشکلات تصمیم گیری گروهی (نشریه الزویر ۲۰۱۲)

این مقاله انگلیسی ISI در نشریه الزویر در ۸ صفحه در سال ۲۰۱۲ منتشر شده و ترجمه آن ۲۱ صفحه میباشد. کیفیت ترجمه این مقاله ارزان – نقره ای ⭐️⭐️ بوده و به صورت ناقص ترجمه شده است.

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
عنوان فارسی مقاله:

قالب TOPSIS برای تعیین وزن تصمیم گیرنده در مشکلات تصمیم گیری گروهی با اطلاعات نامشخص

عنوان انگلیسی مقاله:

Extension of TOPSIS to determine weight of decision maker for group decision making problems with uncertain information

 
 
 
 
 

 

مشخصات مقاله انگلیسی (PDF)
سال انتشار ۲۰۱۲
تعداد صفحات مقاله انگلیسی ۸ صفحه با فرمت pdf
رشته های مرتبط با این مقاله مهندسی صنایع
گرایش های مرتبط با این مقاله بهینه سازی سیستم ها، برنامه ریزی و تحلیل سیستم ها
چاپ شده در مجله (ژورنال) سیستم های خبره با کارببردهای آن – Expert Systems with Applications
کلمات کلیدی تصمیم گیری گروهی چند ویژگی، وزن تصمیم گیرندگان، TOPSIS تمدید شده، تصمیم ایده آل مثبت، تصمیم ایده آل منفی
ارائه شده از دانشگاه دانشکده علوم، دانشگاه اقیانوس گوانگدونگ، ژانجیانگ، چین
رفرنس دارد  
کد محصول F1589
نشریه الزویر – Elsevier

 

مشخصات و وضعیت ترجمه فارسی این مقاله (Word)
وضعیت ترجمه انجام شده و آماده دانلود
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش  ۲۱ صفحه (۱ صفحه رفرنس انگلیسی) با فونت ۱۴ B Nazanin
ترجمه عناوین تصاویر و جداول ترجمه شده است ✓ 
ترجمه متون داخل تصاویر ترجمه نشده است  
ترجمه متون داخل جداول ترجمه نشده است 
درج تصاویر در فایل ترجمه درج شده است  
درج جداول در فایل ترجمه درج شده است  
درج فرمولها و محاسبات در فایل ترجمه  به صورت عکس درج شده است  
منابع داخل متن به صورت انگلیسی درج شده است 
کیفیت ترجمه کیفیت ترجمه این مقاله پایین میباشد 
توضیحات ترجمه این مقاله به صورت ناقص انجام شده است.

 

فهرست مطالب

چکیده
۱- مقدمه
۲- عدد بازه ها و عملیات آنها
۳- یک TOPSIS توسعه یافته برای تعیین وزن تصمیم گیرندگان با شماره بازه
۳-۱- تصمیم گیری گروهی با چند ویژگی با داده های بازه
۳-۲ یک روش TOPSIS گسترش یافته با عدد بازه
۴- مقایسه روش پیشنهادی با روش های دیگر
۵- مثال عددی
۶ نتیجه گیری

 

بخشی از ترجمه
 چکیده
در روش TOPSIS سنتی، راه حل های ایده آل برای جایگزین ها به صورت برداری بیان می شود. یک گام مهم در روند تصمیم گیری گروهی، تعیین اهمیت نسبی هر یک از تصمیم گیری ها است. در این مقاله، وزن های تصمیم گیرندگان، حاصل از تصمیم گیری فردی با استفاده از روش TOPSIS گسترش یافته با اعداد بازه ها تعیین می شوند. تصمیم گیری های ایده آل برای تمام تصمیم گیری های فردی به صورت ماتریس بیان می شود. این تصمیم ایده آل مثبت، تقاطع تمام تصمیم گیری های فردی است؛ تصمیم ایده آل منفی، اتحاد همه تصمیم گیری های فردی است. مقایسه با روش های دیگر نیز صورت می گیرد. یک مثال عددی بررسی شده برای نشان دادن برنامه های کاربردی بالقوه از این روش ارائه شده است.
 
۱- مقدمه
تصمیم گیری، فرایند یافتن بهترین گزینه از گزینه های جایگزین امکان پذیر است. افزایش پیچیدگی محیط اجتماعی و اقتصادی، برای یک تصمیم گیری تک (DM)، در نظر گرفتن تمام جنبه های مربوط به یک مشکل را کمتر و کمتر ممکن می سازد (Kim & Ahn, 1999). در نتیجه، بسیاری از فرآیندهای تصمیم گیری، در جهان واقعی، در تنظیمات گروه رخ می دهند.
برای تعیین وزن نسبی هر DM، یک گام بسیار مهم در تصمیم گیری ویژگی گروه های متعدد است (MAGDM) (Yue, Jia, & Ye, 2009; Yue, 2011b, c). بسیاری از کاربردها وجود دارد که وزن های مختلف را الزامی می دارد (Ramanathan & Ganesh, 1994)، به دلیل اینکه نمی توان انتظار داشت که DM دارای تخصص کافی برای اظهار نظر در تمام جنبه های مشکل باشد، اما در بخشی از مشکل که برای آن، شایسته است (Weiss & Rao, 1987). در این مقاله، ما فرض کنیم که وزن های نسبی DMها، مختلف و ناشناخته هستند. چگونه اندازه گیری وزن های DM صورت می گیرد؟ تا به حال، روش های بسیاری توسعه یافته اند. French Jr (1956) یک روش برای تعیین اهمیت نسبی اعضای گروه را با استفاده از روابط نفوذ پیشنهاد نمودند که ممکن است بین اعضا وجود داشته باشد. Theil (1963) یک روش پیشنهادی را بر اساس مفاهیم همبستگی زمانی که عدم کارایی اعضا قابل اندازه گیری است، پیشنهاد نمودند. Keeney and Kirkwood (1975) and Keeney (1976) استفاده از مقایسه بین فردی را برای تعیین مقیاس مقادیر ثابت در یک تابع افزودنی و وزندهی شده از انتخاب اجتماعی پیشنهاد نمودند. Bodily (1979) and Mirkin and Fishburn (1979) دو روش را پیشنهاد نمودند که از روش بردارهای ویژه برای تعیین اهمیت نسبی اعضای گروه استفاده می کند. Brock (1980) از یک رویکرد مبتنی بر چانه زنی Nash برای تخمین اوزان اعضای گروه به صورت ذاتی استفاده نمودند. Ramanathan and Ganesh (1994) یک روش مبتنی بر بردار ویژه ساده و بسیار جذاب را برای تعیین ذاتی اوزان از اعضای گروه با استفاده از نظر ذهنی خود ارائه نمودند. Van den Honert (2001) با از سیستم RABRANDT (AHP ضربی و مدل SMART مرتبط) برای سنجش قدرت تصمیم واگذار شده در هر یک از اعضای گروه، بر اساس ارزیابی ذهنی توسط دیگر اعضای گروه استفاده نمودند. Jabeur و Martel (2002) یک روش را پیشنهاد دادند که که از ایده Zeleny (1982) برای تعیین ضریب اهمیت نسبی هر عضو استفاده می کند. Jabeur، Martel و Khelifa (2004) یک پیش مرتبه جمعی مبتنی بر فاصله برای یکپارچه سازی اهمیت نسبی اعضای گروه را پیشنهاد دادند. با استفاده از اقدامات انحراف بین روابط اولویت زبانی افزودنی، Xu (2008B) برخی از فرمول های ساده را برای تعیین وزن نسبی DMها ارائه نمودند. Chen و Fan (2006، ۲۰۰۷) یک روش برای رتبه بندی از کارشناسان را با توجه به سطح تصمیم گیری آنها مورد مطالعه قرار دادند. به تازگی، Yue (2011a) یک روش برای تصمیم گیری گروهی مبتنی بر تعیین وزن نسبی DMها را با استفاده از TOPSIS (روشی برای اولویت دستور به واسطه شباهت به یک راه حل ایده آل) (هوانگ و یون، ۱۹۸۱) ارائه نمود. و نیز لطفا به Yue (2011d، E، F) برای برخی از روش های پژوهش مرتبط مراجعه کنید.
هرچند روش های فوق دارای مزایای متعدد هستند، بسیاری از رتبه بندی های عملکرد به عنوان ارزش های ترد تعیین کمیت شده است. در بسیاری از شرایط، داده های ترد برای مدل موقعیت های واقعی زندگی، ناکافی هستند. از آنجا که قضاوت انسان از جمله تنظیمات اغلب نامشخص می باشند، رتبه بندی آنها به عنوان مقادیر عددی دقیق دشوار است. علاوه بر این، در مورد موقعیت ها و یا ویژگی های متضاد، یک DM نیز باید داده های غیر دقیق و نامشخص را در نظر بگیرد که در این نوع از مشکلات تصمیم گیری بسیار معمول است. یک رویکرد واقع بینانه تر می تواند از اطلاعات فاصله ای به جای مقادیر واضح استفاده نماید، یعنی، این فرض که رتبه بندی های ویژگی ها در این مشکل با استفاده از داده های فاصله ارزیابی می شوند. در این مقاله، ما یک روش TOPSIS جدید را با داده های بازه برای مشکلات MAGDM ارائه می دهیم.
باقی مانده مقاله به شرح زیر است. در بخش ۲، مفاهیم تعداد فاصله زمانی ارائه شده و مورد بحث قرار گرفته است، از جمله عملیات عدد بازه ها. بر اساس مفاهیم بخش ۲، روش پیشنهادی برای تعیین اوزان نسبی DMها که با استفاده از TOPSIS توسعه یافته است در بخش ۳ نشان داده شده است. بخش ۴ روش ارائه شده را با روش های دیگر مقایسه می کند. سپس، یک مثال برای نشان دادن امکان و عملی بودن روش ارائه شده در بخش ۵ استفاده می شود. در نهایت، بخش ۶ این مقاله نتیجه گیری است.

 

بخشی از مقاله انگلیسی

Abstract

In traditional TOPSIS method, the ideal solutions for alternatives are expressed in vectors. An important step in the process of group decision making is to determine the relative importance of each decision maker. In this paper, the weights of decision makers derived from individual decision are determined by using an extended TOPSIS method with interval numbers. The ideal decisions for all individual decisions are expressed in matrices. The positive ideal decision is the intersection of all individual decisions; the negative ideal decision is the union of all individual decisions. Comparisons with other methods are also made. A numerical example is examined to show the potential applications of the proposed method.

۱ Introduction

Decision making is the process of finding the best option from all of the feasible alternatives. The increasing complexity of the socio-economic environment makes it less and less possible for a single decision maker (DM) to consider all relevant aspects of a problem (Kim & Ahn, 1999). As a result, many decision making processes, in the real world, take place in group settings.

To determine the weights of every DMs is a very important step in multiple attribute group decision making (MAGDM) (Yue, Jia, & Ye, 2009; Yue, 2011b, c). There are many applications, which necessitate different weights (Ramanathan & Ganesh, 1994) because a DM cannot be expected to have sufficient expertise to comment on all aspects of the problem but on a part of the problem for which he/she is competent (Weiss & Rao, 1987). In this paper, we suppose that the weights of DMs are different and unknown. How to measure the weights of DMs? Up to now, many methods have been developed. French Jr (1956) proposed a method to determine the relative importance of the group’s members by using the influence relations, which may exist between the members. Theil (1963) proposed a method based on the correlation concepts when the member’s inefficacy is measurable. Keeney and Kirkwood (1975) and Keeney (1976) suggested the use of the interpersonal comparison to determine the scales constant values in an additive and weighted social choice function. Bodily (1979) and Mirkin and Fishburn (1979) proposed two approaches which use the eigenvectors method to determine the relative importance of the group’s members. Brock (1980) used a Nash bargaining based approach to estimate the weights of group members intrinsically. Ramanathan and Ganesh (1994) proposed a simple and intuitively appealing eigenvector based method to intrinsically determine the weights of group members using their own subjective opinions. Van den Honert (2001) used the REMBRANDT system (multiplicative AHP and associated SMART model) to quantify the decisional power vested in each member of a group, based on subjective assessments by other group members. Jabeur and Martel (2002) proposed a procedure which exploits the idea of Zeleny (1982) to determine the relative importance coefficient of each member. Jabeur, Martel, and Khelifa (2004) proposed a distance-based collective preorder integrating the relative importance of the group’s members. By using the deviation measures between additive linguistic preference relations, Xu (2008b) gave some straightforward formulas to determine the weights of DMs. Chen and Fan (2006, 2007) studied a method for the ranking of experts according to their levels in group decision. Recently, Yue (2011a) presented an approach for group decision making based on determining weights of DMs using TOPSIS (technique for order preference by similarity to an ideal solution) (Hwang & Yoon, 1981). And please refer to Yue (2011d,e,f) for some related research method.

The above methods have numerous advantages, however, most of the performance rating is quantified as crisp values. Under many circumstances, crisp data are inadequate to model real-life situations. Since human judgments including preferences are often uncertain, it is difficult to rate them as exact numerical values. In addition, in case of conflicting situations or attribute, a DM must also consider imprecise or uncertain data, which is very usual in this type of decision problems. A more realistic approach may be to use interval data instead of crisp values, that is, to suppose that the ratings of the attributes in the problem are assessed by means of interval data. In this paper, we will present a new TOPSIS method with interval data for MAGDM problems.

The remaining paper is organized as follows. In Section 2, the concepts of interval number are presented and discussed, including the operations of interval numbers. Based on the concepts in Section 2, the proposed approach for determining the weights of DMs using an extended TOPSIS is shown in Section 3. Section 4 compares the proposed method with other methods. Then, an illustrative example is used to demonstrate the feasibility and practicability of the proposed method in Section 5. Finally, Section 6 concludes this paper.

 

نوشته های مشابه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا