گرانول سازی عبارات زبانی در روش AHP با استفاده از الگوریتم بهینه سازی انبوه ذرات تغییر یافته
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 52
فایل این مقاله در 25 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_SAIM-5-3_006
تاریخ نمایه سازی: 24 آذر 1402
چکیده مقاله:
DOR : ۲۰.۱۰۰۱.۱.۲۴۷۶۶۲۹۱.۱۳۹۹.۵.۳.۶.۱روش های تصمیم گیری چندمعیاره به یکی از حوزه های کاربردی و پرطرفدار در سال های اخیر تبدیل شده است. در میان این روش ها، روش AHP به دلیل ویژگی های منحصربه فرد مورد توجه بسیاری از محققین قرارگرفته و در تحقیقات متعددی به کار گرفته شده است. این روش با فراهم آوردن امکان مقایسه زوجی میان گزینه ها با استفاده از عبارات زبانی، تصمیم گیری را برای تصمیم گیرنده تسهیل می کند. اما همین امر باعث بروز ناسازگاری در ماتریس تصمیم می شود. یکی از منشاهای ناسازگاری، استفاده از مقیاس از پیش تعیین شده برای تبدیل عبارات زبانی به مقادیر کمی است که به دلیل پیش زمینه فکری افراد و اطلاعات متفاوت آن ها نسبت به مسئله موجب بروز ناسازگاری می شود. از این رو هدف این پژوهش ارائه مقیاسی برای تبدیل عبارات زبانی با استفاده از گرانول سازی عبارات زبانی است؛ به-گونه ای که بیشترین تناسب را با نظرات خبره داشته باشد و ناسازگاری ماتریس تصمیم را کاهش دهد. ویژگی منحصر به فرد این روش این است که توزیع نقاط برش از قبل معلوم نیست و متناسب با نظرات خبره تعیین می شود. در ادامه به منظور بهینه سازی مدل ارائه شده از الگوریتم فراابتکاری بهینه سازی انبوه ذرات استفاده می شود که به منظور انتطباق آن با ویژگی های خاص مسئله تغییراتی در آن اعمال شده است. نتایج بدست آمده نشان دهنده عملکرد خوب چارچوب ارائه شده در کاهش ناسازگاری هستند.
کلیدواژه ها:
نویسندگان
جلیل حیدری
استادیار، گروه مدیریت صنعتی، دانشکده مدیریت، دانشگاه تهران، تهران، ایران
مصباح سیوندیان
کارشناسی ارشد، گروه مدیریت صنعتی، دانشکده مدیریت، دانشگاه تهران، تهران، ایران
امیرسالار ونکی
دانشجوی دکتری، گروه مدیریت بازرگانی، دانشکده مدیریت، دانشگاه تهران، تهران، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :