بهبود میزان سازگاری ماتریس زوجی در فرآند تحلیل سلسله مراتبی با استفاده از شبکه عصبی پرسپترون چند لایه و الگوریتم ژنتیک

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 479

فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NDMCONFT04_074

تاریخ نمایه سازی: 8 آبان 1395

چکیده مقاله:

یکی از کاربردی ترین تکنیک ها در روش های تصمیم گیری چند معیاره، فرآیند تحلیل سلسله مراتبی است. با توجه به اهمیت سازگاری در فرآیند تحلیل سلسله مراتبی، این مقاله مدلی برای ارزیابی قضاوت های از دست رفته در ماتریس زوجی و بهبود سازگاری ارائه می کند. در تحقیق پیشرو، یک روش اصلاحی الگوریتم با استفاده از روش پرسپترون چند لایه و الگوریتم ژنتیک ارائه گردیده است که مدل پیشنهادی توانایی تخمین مقادیر از دست رفته و افزایش چشمگیر بهبود سازگاری در ماتریس زوجی را دارد. برای بررسی کارایی الگوریتم ارائه شده، نتایج آن با نتایج ارائه شده در مقاله 2010 آقای Jose Antonio Gomez-Ruiz ، مقایسه گردید. نتایج حاصل بیانگر عملکرد بهتر الگوریتم پیشنهادی است.

کلیدواژه ها:

فرآیند تحلیل سلسله مراتبی ، شبکه عصبی پرسپترون چند لایه ، الگوریتم ژنتیک ، سازگاری

نویسندگان

مریم پورنصیر

استادیار گروه مدیریت، موسسه غیرانتفاعی غیردولتی راهبرد شمال، رشت

رضا اسماعیل پور

دانشیار گروه مدیریت، موسسه غیرانتفاعی غیردولتی راهبرد شمال، رشت

زینب مرشدی

دانشجوی کارشناسی ارشد مدیریت فناوری اطلاعات، موسسه غیرانتفاعی غیردولتی راهبرد شمال، رشت

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 :
  • []اصغرپور، محمدجواد. 1377. تصمیم گیری های چند معیاره. انتشارات دانشگاه ...
  • پوررضا، سهراب. اکبری پور، حسین. امین ناصری، محمدرضا. 1393. توسعه ...
  • _ _ H1 .I.F. Tsai. Rack»ron agati _ mnlti-laver rercer)fro)n ...
  • I Roian Srlievic. 7orica Srlievic _ Rosko _ First-I evel ...
  • _ Kiksalan. M.. Wallenius. _ and Zionts. S. (20111. Multinle ...
  • _ Saatv. T. (20081. Decision making with the analvtic hierarchv ...
  • _ Gommez-Runi Z. .I. _ Karanik.M. .and Pelaez_I. (2010). Estimation ...
  • T.L. Saaty, How to make a decision - the analytic ...
  • T.L. Saatv. Somme math ematical concents of the Analvtic Hierarchv ...
  • T8I () _ F. Tri anfanhvl _ Fstimatino dlata _ ...
  • _ Yi-CChung _ June-Fa Tsai. B acknron agati _ multi-laver ...
  • _ _ _ Iin Wei-CChih Wang. Wen-TDer Yn1. Imnroving AHP ...
  • Sandor Bozo)ki. _ _ Iaios R6hvai. On ontimal comnletion of ...
  • _ I-Tnng Yanx Wei-Clhih _ Tzn-I Yang. Automatic renair of ...
  • Ahmed R. Ahas. TJnsunervi sed learnine of mixture models hased ...
  • _ _ _ _ AIv _ M Ahdl _ _ ...
  • _ Ian Durhach. Risto Iahdelma. Pekka Salminen. The analvtic hierarchv ...
  • I2.I Ihah Sheitv. Mohamed TDhonk _ Hahih Koheissi. _ _ ...
  • _ Daii Erg1. Gang Kou. Yi Peng. Minshan Zhang. Estimating ...
  • S. Haykin, Neural Networks: A C omprehensive Foundation. Prentice Hall. ...
  • نمایش کامل مراجع