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: 1
نویسندگان: Thomas Hanne (auth.)
سری: International Series in Operations Research & Management Science 33
ISBN (شابک) : 9781461356325, 9781461515951
ناشر: Springer US
سال نشر: 2001
تعداد صفحات: 205
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 7 مگابایت
کلمات کلیدی مربوط به کتاب استراتژی های هوشمند برای تصمیم گیری چند معیاره متا: تحقیق در عملیات/تئوری تصمیم گیری، هوش مصنوعی (شامل رباتیک)
در صورت تبدیل فایل کتاب Intelligent Strategies for Meta Multiple Criteria Decision Making 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 استراتژی های هوشمند برای تصمیم گیری چند معیاره متا 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.
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.
Front Matter....Pages i-xviii
Introduction....Pages 1-14
Critical Discourse on the MCDM Methodology and the Meta Decision Problem in MCDM....Pages 15-45
Neural Networks and Evolutionary Learning for MCDM....Pages 47-62
On the Combination of MCDM Methods....Pages 63-78
Loops — an Object Oriented DSS for Solving Meta Decision Problems....Pages 79-98
Examples of the Application of Loops....Pages 99-133
Critical Résume and Outlook....Pages 135-139
Back Matter....Pages 141-197