دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش:
نویسندگان: Alexey B. Petrovsky
سری: Studies in Systems, Decision and Control, 451
ISBN (شابک) : 3031169409, 9783031169403
ناشر: Springer
سال نشر: 2023
تعداد صفحات: 252
[253]
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 3 Mb
در صورت تبدیل فایل کتاب Group Verbal Decision Analysis: Theory and Applications به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب تجزیه و تحلیل تصمیم شفاهی گروهی: نظریه و کاربردها نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این کتاب یک رویکرد اصلی برای حل وظایف انتخاب فردی و جمعی را شرح می دهد: طبقه بندی، رتبه بندی و انتخاب اشیاء چند ویژگی. نمایش شی با چند مجموعه امکان در نظر گرفتن همزمان متغیرهای عددی و نمادین را فراهم می کند. در تجزیه و تحلیل تصمیم شفاهی گروهی، قضاوت های همه شرکت کنندگان بدون مصالحه بین متناقض در نظر گرفته می شود. زبان طبیعی برای توصیف مشکلات و اشیاء، رسمی کردن دانش کارشناسان و ترجیحات تصمیم گیرندگان و توضیح نتایج استفاده می شود. روشها و فنآوریهای کلامی شفافتر، برای یک فرد کمتر زحمتکش هستند و نسبت به خطاهای اندازهگیری حساسیت ضعیفی دارند. این کتاب همچنین شامل نمونه هایی از استفاده از ابزارهای جدید در وظایف انتخابی با ابعاد بالا با ساختار نامناسب واقعی است. این برای محققان، مدیران، مشاوران، تحلیلگران و توسعه دهندگان و همچنین برای معلمان و دانشجویان ریاضیات کاربردی، علوم کامپیوتر، پردازش اطلاعات، مهندسی، اقتصاد و مدیریت در نظر گرفته شده است.
This book describes an original approach to solving tasks of individual and collective choice: classification, ranking, and selection of multi-attribute objects. Object representation with multisets allows considering simultaneously numerical and symbolic variables. In group verbal decision analysis, judgments of all participants are taken into account without a compromise between contradictory. Natural language is used to describe problems and objects, formalize knowledge of experts and preferences of decision makers, and explain results. Verbal methods and technologies are more transparent, less laborious for a person, and weakly sensitive to measurement errors. The book also includes examples of applying new tools in real ill-structured high-dimensional choice tasks. It is intended for researchers, managers, consultants, analysts, and developers as well as for teachers and students of applied mathematics, computer science, information processing, engineering, economics, and management.
Preface Contents About the Author 1 Basic Concepts of Decision Theory 1.1 Decision and Choice 1.2 Decision Making Process 1.3 Decision Making Task 1.4 Decision Maker Preferences 1.5 Evaluation of Options 1.6 Comparison of Options 1.7 Choice of Options References 2 Individual and Collective Decisions 2.1 Rationality and Optimality 2.2 Individual Optimal Choice 2.3 Individual Rational Choice 2.4 Verbal Decision Analysis 2.5 Aggregation of Individual Preferences 2.6 Collective Choice 2.7 Group Multicriteria Choice References 3 Group Ordering of Multi-attribute Objects 3.1 Representation and Comparison of Multi-attribute Objects 3.2 Demonstrative Example: Multi-attribute Objects 3.3 Group Ordering of Objects by Multicriteria Pairwise Comparisons: Method RAMPA 3.4 Demonstrative Example: Method RAMPA 3.5 Group Ordering of Objects by Proximity to Reference Points: Method ARAMIS 3.6 Demonstrative Example: Method ARAMIS References 4 Group Classification of Multi-attribute Objects 4.1 Group, without Teachers, Classification of Objects by Feature Proximity: Methods CLAVA-HI and CLAVA-NI 4.2 Demonstrative Example: Method CLAVA-HI 4.3 Group, with Teachers, Classification of Objects by Aggregated Decision Rules: Method MASKA 4.4 Demonstrative Example: Method MASKA References 5 Reducing Dimensionality of Attribute Space 5.1 Hierarchical Structuring Criteria and Attributes: Method HISCRA 5.2 Demonstrative Example: Method HISCRA 5.3 Hierarchical Structuring Criteria and Attributes: Modified Method HISCRA-M 5.4 Demonstrative Example: Method HISCRA-M 5.5 Shortening Criteria and Attributes: Method SOCRATES 5.6 Demonstrative Example: Method SOCRATES References 6 Multicriteria Choice in Attribute Space of High Dimensionality 6.1 Progressive Aggregation of Classified States: Technology PAKS 6.2 Demonstrative Example: Technology PAKS 6.3 Progressive Aggregation of Classified Situations with Many Methods: Technology PAKS-M 6.4 Demonstrative Example: Technology PAKS-M References 7 Practical Applications of Choice Methods 7.1 Analysis of Science Policy Options 7.2 Evaluation of Topicality and Priority of Scientific Directions and Problems 7.3 Formation of Scientific and Technological Program 7.4 Project Competition in Scientific Foundation References 8 Practical Applications of Choice Technologies 8.1 Assessment of Research Results 8.2 Selection of Prospective Computing Complex 8.3 Evaluation of Organization Activity Effectiveness References 9 Mathematical Tools 9.1 Concept of Multiset 9.2 Operations on Multisets 9.3 Families of Sets and Multisets 9.4 Graphical Representations of Multisets 9.5 Set Measure and Multiset Measure 9.6 Metric Spaces of Multisets References Conclusion