Intelligent Strategies for Meta Multiple Criteria Decision Making

تحقیق تصمیم گیری با معیارهای چندگانه به سرعت توسعه یافته و به حوزه اصلی تحقیق برای مقابله با مسائل تصمیم گیری پیچیده که نیازمند در نظر گرفتن اهداف یا معیارهای متعدد است، تبدیل شده است. در طول بیست سال گذشته، روش های تصمیم گیری چند معیاره متعددی توسعه یافته اند که قادر به حل چنین مسائلی هستند. با این حال، انتخاب یک روش مناسب برای حل یک مشکل تصمیم گیری خاص، مشکل امروز یک محقق و تصمیم گیرنده پشتیبان تصمیم است.
استراتژی‌های هوشمند برای تصمیم‌گیری چند معیاره متا به طور مرکزی با مشکل روش‌های متعدد MCDM که می‌توانند برای یک مشکل تصمیم‌گیری اعمال شوند، سروکار دارد. این کتاب به این مسئله به عنوان «مسئله تصمیم گیری متا» اشاره می کند، و این مشکل است که کتاب تحلیل می کند. نویسنده دو استراتژی را برای کمک به تصمیم گیرندگان ارائه می دهد تا یک رویکرد مناسب برای یک مشکل تصمیم گیری پیچیده را انتخاب و طراحی کنند. هر یک از این استراتژی ها را می توان در یک سیستم پشتیبانی تصمیم طراحی کرد. یک استراتژی استفاده از یادگیری ماشین برای طراحی یک روش MCDM است. این امر با استفاده از تکنیک‌های هوشمند، یعنی شبکه‌های عصبی به عنوان ساختاری برای تقریب توابع و الگوریتم‌های تکاملی به عنوان روش‌های یادگیری جهانی انجام می‌شود. استراتژی دیگر مبتنی بر حل مسئله تصمیم گیری متا به صورت تعاملی با انتخاب یا طراحی روشی مناسب برای مسئله خاص است، به عنوان مثال، ساخت یک روش از بلوک های ساختمانی. این استراتژی به مفهوم شبکه های MCDM منجر می شود. نمونه هایی از این رویکرد برای یک سیستم پشتیبانی تصمیم، امکان به کارگیری تکنیک های شرح داده شده و تعامل متقابل آنها را توضیح می دهد. تکنیک های ذکر شده در کتاب می تواند توسط محققان، دانشجویان و دست اندرکاران صنعت برای مدل سازی بهتر و انتخاب روش های مناسب برای حل مسائل تصمیم گیری پیچیده و چندهدفه استفاده شود.

Multiple criteria decision-making research has developed rapidly and has become a main area of research for dealing with complex decision problems which require the consideration of multiple objectives or criteria. Over the past twenty years, numerous multiple criterion decision methods have been developed which are able to solve such problems. However, the selection of an appropriate method to solve a particular decision problem is today's problem for a decision support researcher and decision-maker.
Intelligent Strategies for Meta Multiple Criteria Decision-Making deals centrally with the problem of the numerous MCDM methods that can be applied to a decision problem. The book refers to this as a `meta decision problem', and it is this problem that the book analyzes. The author provides two strategies to help the decision-makers select and design an appropriate approach to a complex decision problem. Either of these strategies can be designed into a decision support system itself. One strategy is to use machine learning to design an MCDM method. This is accomplished by applying intelligent techniques, namely neural networks as a structure for approximating functions and evolutionary algorithms as universal learning methods. The other strategy is based on solving the meta decision problem interactively by selecting or designing a method suitable to the specific problem, for example, the constructing of a method from building blocks. This strategy leads to a concept of MCDM networks. Examples of this approach for a decision support system explain the possibilities of applying the elaborated techniques and their mutual interplay. The techniques outlined in the book can be used by researchers, students, and industry practitioners to better model and select appropriate methods for solving complex, multi-objective decision problems.