دانلود ترجمه مقاله به کار گیری توزین استراتژیک در تصمیم گیری های چند ویژگی
عنوان فارسی |
به کار گیری توزین استراتژیک در تصمیم گیری های چند ویژگی |
عنوان انگلیسی |
Strategic weight manipulation in multiple attribute decision making |
کلمات کلیدی : |
  تصمیم گیری چندگانه؛ به کارگیری وزن استراتژیک؛ اپراتور متوسط گیری وزن مرتبه ای؛ رتبه بندی |
درسهای مرتبط | مدیریت استراتژیک |
تعداد صفحات مقاله انگلیسی : 33 | نشریه : ELSEVIER |
سال انتشار : 2017 | تعداد رفرنس مقاله : 41 |
فرمت مقاله انگلیسی : PDF | نوع مقاله : ISI |
پاورپوینت : ندارد | وضعیت ترجمه مقاله : انجام نشده است. |
1. مقدمه 2. پیش زمینه 3. محدوده رتبه بندی 4. به کارگیری وزن استراتژیک 5. تحلیل عددی و شبیه سازی ها 6. نتیجه گیری
چکیده – در برخی مسائل تصمیم گیری چند ویژگی جهان واقعی (MADM)، تصمیم گیرنده می تواند به طور استراتژیک وزن های نسبت داده شده برای به دست آوردن رتبه بندی مطلوب جایگزین های خود را تنظیم کند که به کارگیری توزین استراتژیک MADM نامیده می شود. در این مقاله، ما مفهوم محدوده رتبه بندی جایگزینی در MADM را تعریف کرده و یک سری مدل های برنامه ریزی خطی ترکیبی 0-1 (MLPMs) برای نشان دادن فرآیند طراحی یک بردار توزین نسبت داده شده استراتژیک را ارائه داده ایم. سپس، ما شرایطی را برای استفاده از یک وزن نسبت داده شده استراتژیک مبتنی بر محدوده رتبه بندی و MLPMهای پیشنهادی ارائه داده ایم. نهایتاً، یک مثال عددی با پیش زمینه واقعی به منظور نشان دادن اعتبار مدل مان مورد استفاده قرار گرفته و شبیه سازی هایی برای نشان دادن عملکرد بهتر اپراتور توزین مرتبه این نسبت به اپراتور توزینی در تعریف به کار گیری وزن استراتژیک مسائل MADM ارائه شده است.
In some real-world multiple attribute decision making (MADM) problems, a decision maker can strategically set attribute weights to obtain her/his desired ranking of alternatives, which is called the strategic weight manipulation of the MADM. In this paper, we define the concept of the ranking range of an alternative in the MADM, and propose a series of mixed 0-1 linear programming models (MLPMs) to show the process of designing a strategic attribute weight vector. Then, we reveal the conditions to manipulate a strategic attribute weight based on the ranking range and the proposed MLPMs. Finally, a numerical example with real background is used to demonstrate the validity of our models, and simulation experiments are presented to show the better performance of the ordered weighted averaging operator than the weighted averaging operator in defending against the strategic weight manipulation of the MADM problems.
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.