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: Tzeng. Gwo-Hshiung
سری:
ISBN (شابک) : 9781315166650, 1351680617
ناشر: CRC Press
سال نشر: 2017
تعداد صفحات: 363
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 6 مگابایت
کلمات کلیدی مربوط به کتاب مفاهیم و روندهای جدید تصمیم گیری چند معیاره ترکیبی: تصمیم گیری چند معیاره، تصمیم گیری، حل مسئله، ریاضیات -- کاربردی، فناوری و مهندسی -- تحقیق در عملیات، کسب و کار و اقتصاد -- مدیریت صنعتی، تجارت و اقتصاد -- مدیریت.، کسب و کار و اقتصاد - - علوم مدیریت، کسب و کار و اقتصاد - رفتار سازمانی.
در صورت تبدیل فایل کتاب New concepts and trends of hybrid 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 مفاهیم و روندهای جدید تصمیم گیری چند معیاره ترکیبی 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.
زمانی که انسان ها یا رایانه ها نیاز به تصمیم گیری دارند،
معمولاً چندین معیار متناقض باید ارزیابی شوند - مانند زمانی که
ما یک ماشین می خریم، باید ایمنی، هزینه و راحتی را در نظر
بگیریم. تصمیم گیری چند معیاره برای این موضوع تحقیق شده است.
اکنون با روند رو به رشد تجزیه و تحلیل داده های بزرگ در حمایت از
تصمیم گیری، MCDM می تواند با ترکیب آنالیزهای پیشرفته و یادگیری
ماشین قدرتمندتر باشد. نویسندگان چارچوب جدیدی از
تصمیمگیری چند معیاره را معرفی میکنند که میتواند به
تصمیمگیری دقیقتر منجر شود. چندین مورد در دنیای واقعی برای
نشان دادن رویکردهای ترکیبی جدید گنجانده خواهد شد.\"-- ارائه شده
توسط ناشر.</ span> ادامه
مطلب...
چکیده: \"زمانی که انسان ها یا رایانه ها نیاز به تصمیم گیری
دارند، معمولاً چندین معیارهای متناقض باید ارزیابی شوند - مانند
زمانی که ما یک ماشین میخریم، باید ایمنی، هزینه و راحتی را در
نظر بگیریم. تصمیم گیری چند معیاره برای دهه ها مورد تحقیق قرار
گرفته است. اکنون با توجه به روند رو به رشد تجزیه و تحلیل داده
های بزرگ در حمایت از تصمیم گیری، MCDM می تواند با ترکیب
آنالیزهای پیشرفته و یادگیری ماشین قدرتمندتر باشد. نویسندگان
چارچوب جدیدی از تصمیم گیری چند معیاره را معرفی می کنند که می
تواند منجر به تصمیم گیری دقیق تر شود. چندین مورد واقعی برای
نشان دادن رویکردهای ترکیبی جدید گنجانده خواهد شد.\"--ارائه شده
توسط ناشر
"When humans or computers need to make a decision, typically
multiple conflicting criteria need to be evaluated--such as
when we buy a car, we need to consider safety, cost and
comfort. Multiple-Criteria Decision-Making has been researched
for decades. Now as the rising trend of big-data analytics in
supporting decision making, MCDM can be more powerful combining
with state-of-the-art analytics and machine learning.
The authors
introduce a new framework of Multiple-Criteria Decision-Making,
which can lead to more acurate decision making. Several
real-world cases will be included to illustrate the new hybrid
approaches."--Provided by publisher. Read
more...
Abstract: "When humans or computers need to make a decision,
typically multiple conflicting criteria need to be
evaluated--such as when we buy a car, we need to consider
safety, cost and comfort. Multiple-Criteria Decision-Making has
been researched for decades. Now as the rising trend of
big-data analytics in supporting decision making, MCDM can be
more powerful combining with state-of-the-art analytics and
machine learning. The authors introduce a new framework of
Multiple-Criteria Decision-Making, which can lead to more
acurate decision making. Several real-world cases will be
included to illustrate the new hybrid approaches."--Provided by
publisher
Content: Cover
Half Title
Title Page
Copyright Page
Table of Contents
Preface
Authors
1: Introduction
1.1 Overview of Traditional MCDM Techniques and Methods
1.2 Statistics versus MCDM Approach
1.3 History of MADM
1.4 History of MODM
1.5 Developments in Computational Intelligence, Machine Learning, and Soft Computing for Decision Aids
1.5.1 Basic Concepts of Fuzzy Sets
1.5.2 Basic Notions of Rough Sets
1.6 Emerging Trend in Multiple Rule-Based Decision Making
1.7 Outline of the Book
I: Concepts and Theory
2: New Concepts and Trends in MCDM
2.1 Problem Solving in Traditional MCDM. 2.2 Why New Hybrid MCDM Approaches Are Needed2.3 Framework of New Hybrid MCDM Models for Tomorrow
3: Basic Concepts of DEMATEL and Its Revision
3.1 Background and Basic Notions of DEMATEL
3.2 Operational Steps of the Original DEMATEL
3.3 Infeasibility of the Original DEMATEL Technique
3.4 Revised DEMATEL
3.5 Two Numerical Examples
3.6 Conclusion
4: DEMATEL Technique for Forming INRM and DANP Weights
4.1 Methodology for Assessing Real-World Problems
4.2 Constructing an Influential Network Relations Map
4.3 Determining Influential Weights Using DANP. 4.4 Problem Solving for Ranking or Selection Decision by INRM and DANP4.5 Conclusion
5: Traditional MADM and New Hybrid MADM for Problem Solving
5.1 Traditional MADM for Ranking and Selection
5.1.1 AHP and ANP
5.2 New Hybrid Modified MADM
5.2.1 DEMATEL-Based ANP Instead of AHP and ANP
5.2.2 Modified VIKOR for Measuring Performance Gaps
5.3 Additive and Nonadditive Types of Aggregators
5.3.1 Additive-Type Aggregators
5.3.2 Nonadditive-Type Aggregators (Fuzzy Integrals)
6: MODM with De Novo and Changeable Spaces
6.1 Basic Concepts and Trends of MODM
6.2 De Novo Programming. 6.3 MOP with Changeable Parameters6.4 Discussion
6.5 Conclusion
7: Multiple Rules-Based Decision Making for Solving Data-Centric Problems
7.1 Variable-Consistency Dominance-Based Rough Set Approach
7.2 Basic Notions of the Reference Point-Based MRDM Approach
7.3 Core Attribute-Based MRDM Approach
7.4 Hybrid Bipolar MRDM Approach
7.4.1 Dominance-Based Rough Set Approach
7.4.2 Evaluations for an Aggregated Bipolar Decision Model
II: Applications of MCDM
8: The Case of DEMATEL for Assessing Information Risk
8.1 Background of the Case and the Research Framework. 8.2 DEMATEL Analysis with INRM8.3 DANP Influential Weights for Criteria
8.4 Discussion and Conclusion
9: E-Store Business Evaluation and Improvement Using a Hybrid MADM Model
9.1 Background of the Case and the Research Framework
9.2 DANP for Finding Influential Weights
9.3 Performance Measures and Modified VIKOR for Evaluations
9.4 Discussion
9.5 Conclusion
10: Improving the Performance of Green Suppliers in the TFT-LCD Industry
10.1 Background of the Case
10.2 Research Framework and the Selected Criteria
10.3 DANP for Finding Influential Weights of Criteria.