ایران ترجمه – مرجع مقالات ترجمه شده دانشگاهی ایران

یک مدل تاپسیس فازی مبتنی بر حساب بازه ای

یک مدل تاپسیس فازی مبتنی بر حساب بازه ای

یک مدل تاپسیس فازی مبتنی بر حساب بازه ای – ایران ترجمه – Irantarjomeh

 

مقالات ترجمه شده آماده گروه مهندسی صنایع
مقالات ترجمه شده آماده کل گروه های دانشگاهی

مقالات رایگان

مطالعه ۲۰ الی ۱۰۰% رایگان مقالات ترجمه شده

۱- قابلیت مطالعه رایگان ۲۰ الی ۱۰۰ درصدی مقالات ۲- قابلیت سفارش فایل های این ترجمه با قیمتی مناسب مشتمل بر ۳ فایل: pdf انگیسی و فارسی مقاله همراه با msword فارسی  

چگونگی سفارش

الف – پرداخت وجه بحساب وب سایت ایران ترجمه (شماره حساب) ب- اطلاع جزئیات به ایمیل irantarjomeh@gmail.com شامل: مبلغ پرداختی – شماره فیش / ارجاع و تاریخ پرداخت – مقاله مورد نظر

قیمت

قیمت این مقاله: ۱۰۰۰۰ تومان (ایران ترجمه - irantarjomeh)

توضیح

بخش زیادی از این مقاله بصورت رایگان ذیلا قابل مطالعه می باشد.

مقالات ترجمه شده صنایع - ایران ترجمه - irantarjomeh
شماره
۲۱
کد مقاله
IND21
مترجم
گروه مترجمین ایران ترجمه – irantarjomeh
نام فارسی
یک مدل تاپسیس فازی مبتنی بر حساب بازه ای
نام انگلیسی
An interval arithmetic based fuzzy TOPSIS model
تعداد صفحه به فارسی
۳۴
تعداد صفحه به انگلیسی
۷
کلمات کلیدی به فارسی
تاپسیس فازی, نرمال سازی, حساب بازه ای, رتبه بندی
کلمات کلیدی به انگلیسی
Fuzzy TOPSIS, Normalization, Interval arithmetic, Ranking
مرجع به فارسی
سیستم های تخصصی و کاربرد ها
دپارتمان مدیریت و فناوری اطلاعات، دانشگاه سادرن تایوان، تایوان
انستیتو فناوری، ‌دانشگاه ملی تائینون، تایوان
الزویر
مرجع به انگلیسی
Expert Systems with Applications; Department of Management and Information Technology, Southern Taiwan University, No. 1, Nantai Street, Yungkang City, Taiwan, ROC; Elsevier
سال
۲۰۰۹
کشور
تایوان

 

یک مدل تاپسیس فازی مبتنی بر حساب بازه ای
سیستم های تخصصی و کاربرد ها
دپارتمان مدیریت و فناوری اطلاعات، دانشگاه سادرن تایوان، تایوان
انستیتو فناوری، ‌دانشگاه ملی تائینون، تایوان
الزویر
۲۰۰۹
چکیده
تحقیق جاری در بردارنده یک مدل تاپسیس (TOPSIS) فازی می باشد که در آن رتبه بندی گزینه ها، تحت معیارها و وزن های اهمیت معیار ها، با استفاده از ارزش های زبانی ارائه شده به وسیله اعداد فازی مورد ارزیابی قرار می گیرد. این معیار ها را می توان به دو دسته سود و هزینه تقسیم نمود. قبل از اعمال عملیات ضرب، رتبه بندی گزینه ها، در مقابل معیار ها، و وزن های اهمیت معیار ها نرمالیده شدند. تابعیت عضویت هر رتبه وزن دار فازی را می توان با استفاده از حساب بازه ای اعداد فازی ایجاد نمود. پس از آن یک روش رتبه بندی را می توان به سادگی جهت ایجاد راه حل های ایده آل مثبت و منفی، به منظور تکمیل مدل تاپسیس فازی، به کار گرفت. در نهایت، یک مثال عددی نشان دهنده امکان پذیری این روش پیشنهادی خواهد بود.
 کلمات کلیدی : تاپسیس فازی، نرمال سازی، حساب بازه ای، رتبه بندی
 
 
 ۱- مقدمه
تاپسیس (روش ترجیح بر اساس مشابهت به راه حل ایده‌آل)، که در ابتدا بوسیله  Hwang و Yoon (1981) پیشنهاد شد، به عنوان یکی از روش های تصمیم گیری چند  معیاره کلاسیک که به صورت شایع استفاده می شود مد نظر قرار گرفت. در فرآیند تاپسیس، رتبه بندی های گزینه ها تحت معیار ها و وزن های اهمیت معیار ها بر مبنای مقادیر قطعی یا کلاسیک مشخص شده و هر دوی رتبه بندی ها و وزن ها قبل از انبوهش در شاخص های بدون بعد نرمال می شوند. ضریب نزدیکی را می توان جهت انتخاب گزینه مشخص نمود که دارای کوتاه ترین فاصله از راه حل ایده ال خط مثبت (PIS) دورترین فاصله از راه حل ایده ال منفی (NIS)  می باشد.
تحت بسیاری از شرایط ارزش های کلاسیک را نمی توان برای مدرن سازی موقعیت حقیقی جهانی کافی بحساب آورد، چرا که قضاوت ها و ترجیحات انسانی غالبا مبهم بوده و نمی توان آنها را با مقادیر عددی دقیق ارزیابی کرد (Chen, 2000; Chen, Lin, & Huang, 2006; Kuo, Tzeng, & Huang, 2007). جهت حل این ابهام، که به صورت مکرر از اطلاعات حاصل آمده بر مبنای قضاوت و ترجیحات انسانی به وجود می آیند، نظریه مجموعه فازی (Zadeh، ۱۹۶۵) جهت ایجاد یک تاپسیس فازی به کار گرفته شد. اعداد فازی Chen و  Hwang(1992) و Negi  و همکاران (۱۹۸۹)، جهت ایجاد یک پروتوتایپ یا نمونه تاپسیس فازی به کار گرفته شدند. از آن به بعد تحقیقات بسیاری در زمینه تاپسیس فازی مورد بررسی قرار گرفته اند ((Chen, 2000; Chen et al., 2006; Chen & Hwang, 1992; Chen & Tzeng, 2004; Jahanshahloo, Hosseinzadeh Lotfi, & Izadikhah, 2006; Liang, 1999; Wang & Elhag, 2006; Wang & Lee, 2007; Wang, Luo, & Hua, 2007; Yeh, Deng, & Chang, 2000; Yeh & Deng, 2004). یک  بررسی  کلی  در  زمینه  روش های  تاپسیس فازی  را  می توان در مباحث مطرح شده به وسیله Kuo و همکاران (۲۰۰۷) و Wang و Chang (2007) مشاهده نمود. در غالب مدل های تاپسیس فازی، رتبه بندی گزینه ها تحت معیار های ابعادی مختلف را می بایست جهت اطمینان از سازگار پذیری نرمال سازی نمود. متعاقبا فرایند انباشتگی رتبه ها و بررسی اهمیت آنها جهت ایجاد راه حل های ایده ال مثبت/ منفی، به منظور تکمیل تاپسیس فازی، اعمال شدند. علیرغم سزاواریهای مرتبط، تحقیقات فوق به وضوح قابلیت ارائه پروسه مربوطه جهت ایجاد تابع عضویت برای رتبه بندی وزنی فازی را ندارند. بعلاوه، فرایند نرمال سازی وزن ها در مقالات فوق اعمال نشده و بنابراین سبب محدود شدن کاربرد آنها گردیده است.
جهت حل محدودیت های فوق، یک رویکرد تاپسیس فازی پیشنهاد می شود که در آن رتبه بندی های گزینه ها در برابر معیار ها و همچنین اهمیت معیار ها در مبنای ارزش های زبان شناختی (Zadeh، ۱۹۷۵)، ارائه  شده بوسیله اعداد فازی، مورد ارزیابی قرار می گیرند. در این مدل پیشنهادی معیار ها به دو دسته، شامل سود و هزینه تقسیم می شوند، معیار سود دارای ویژگی هایی می باشد که در آن عملکرد گزینه در صورتی بهتر خواهد بود که مقدار گزینه در برابر معیار سود بیشتر باشد. معیار هزینه نیز از نوعی ویژگی برخوردار است که در آن عملکرد گزینه زمانی بهتر خواهد بود که مقدار گزینه در برابر مقدار هزینه کمتر باشد. رتبه بندی های گزینه ها در برابر معیار های مختلف را می بایست قبل از انباشتگی نرمال سازی نمود چرا که معیار های مختلف ممکن است دارای مقیاس های ابعادی مختلفی باشند. در این تحقیق، فرایند نرمال سازی برای رتبه بندی های فازی از طریق حساب بازه ای اعداد فازی مورد بررسی قرار می گیرد.
در مدل پیشنهادی وزن ها نیز نرمال سازی خواهند شد. فرایند نرمال سازی وزن ها قابلیت جلوگیری از بزرگ سازی غیر ضروری انباشتگی رتبه ها را خواهد داشت. بسیاری از روش های نرمال سازی با توجه به وزن های فازی مورد بررسی قرار گرفته اند (Chang & Lee, 1995; Dong & Wong, 1987; Guh, Hon, & Lee, 2001; Guh, Hon, Wang, & Lee, 1996; Kao & Liu, 2001; Lee & Park, 1997; Liou & Wang, 1992). علیرغم رویه های سنجشی، این روشها قابلیت حصول نتایج دقیق را نخواهند داشت چرا که آنچه تولید می کنند توابع عضویت تقریبی بوده و محاسبات آنها چندان مناسب نمی باشد. میزان دقت در تقریب منوط به پالایش گسسته سازی بخش های – a اعضای فازی می باشد. این مورد سبب محدودیت کاربرد آنها در زمینه مشکلات دنیای حقیقی می گردد. جهت حل این مورد تحقیق جاری یک رویکرد حساب بازه ای را برای نرمال سازی وزن های فازی پیشنهاد می نماید.
بعلاوه، تابع عضویت هر رتبه بندی وزنی فازی، که به صورت ضرب رتبه نرمالیده و وزن نرمالیده است، را می توان از طریق حساب بازه ای اعداد فازی حاصل نمود. بر این مبنا، یک روش رتبه بندی را می توان به آسانی جهت غیرفازی سازی رتبه های وزن دار فازی به کار گرفت تا آنکه قابلیت ایجاد راه حل ایده ال مثبت فازی (FPIS) و راه حل ایده ال منفی فازی (FNIS) جهت تکمیل این مدل به وجود آید. بسیاری از رویکرد های رتبه بندی مورد مطالعه قرار گرفته اند، اطلاعات مربوطه را می توان در مباحث Abbasbandy and Asady (2006), Bortolan and Degani (1985), Chu and Tsao (2002), Wangand Lee (2008) and Wang and Kerre (2001) ملاحظه نمود. با این وجود، هیچ کدام از رویکرد های موجود قابلیت رتبه بندی اعداد فازی به صورت موفقیت آمیزی در کلیه موارد و موقعیت ها را نخواهند داشت در اینجا، میانگین حذف ها Kauffman & Gupta, 1991) برای سادگی پیاده سازی و درک آسان این موضوع در اعداد تفکیک کننده فازی بکار گرفته شده است. در نهایت، یک مثال عددی نشان دهنده فرایند محاسباتی روش پیشنهادی می باشد. روش پیشنهادی قابلیت اعمال نظریه مجموعه فازی به تاپسیس کلاسیک را به وجود می آورد.
۲- اعداد فازی
تعریف ۱٫ یک عدد حقیقی فازی A به عنوان هرگونه زیر مجموعه فازی خط حقیقی R، با تابع عضویت  به شمار می آید که دارای ویژگی های ذیل می باشد (Dubois & Prade، ۱۹۹۸).
(الف)  یک نگاشت متوالی از R به بازه بسته [۰,۱] می باشد.
(ب) ، برای کل
 (ج)  دارای افزایش اکید بر [a,b]  می باشد.
(د) ، برای کل
(ه)  دارای کاهش اکید بر [c,d]  می باشد.
(و) ، برای کل
که در آنa ، b، c، d اعداد حقیقی به شمار می آیند. می توان مشخص ساخت که:
، یا .
به جز آنکه مورد دیگری مشخص شده باشد، اینگونه فرض می شود A به صورت محدب، نرمال و کران دار می باشد، یعنی . برای راحتی عدد فازی در تعریف ۱ را می توان به وسیله  مشخص ساخت.
۳- رتبه بندی اعداد فازی با استفاده از حذف
 در این مقاله یک رتبه بندی شهودی، با استفاده از فرایند حذف به وسیله Kauffman و Gupta (1991) جهت تکمیل مد پیشنهادی ارائه می شود. عدد فازی  در نظر بگیرید. حذف چپ A،  مشخص شده بوسیله  ، و حذف راست A، مشخص شده بوسیله   به شرح ذیل تعریف می گردد:
۴- یک الگوریتم تاپسیس فازی بر مبنای حساب بازه ای
در نظر بگیرید که یک کمیته تصمیم گیرندگان k (همانند ) مسئول انتخاب گزینه های m (یعنی ) تحت هر مورد از معیار انتخاب های n    (یعنی ) می باشند. این معیار ها را می توان به معیار سود (B) و معیار هزینه (C) تقسیم نمود. متعاقبا در نظر بگیرید که عملکرد رتبه بندی گزینه ها تحت هر یک از معیار ها  همراه با وزن های اهمیت آن معیار ها با توجه به ارزش ها یا مقادیر زبان شناختی مورد ارزیابی قرار گیرند (Zadeh، ۱۹۷۵) که به وسیله اعداد فازی مثلثی مشخص می گردند.
۴-۱٫ انباشتگی رتبه بندی عملکرد و نرمال سازی
اجازه دهید    به عنوان رتبه عملکرد تخصیص یافته به  به وسیله تصمیم گیرنده   برای معیار   مد نظر باشد. رتبه بندی عملکرد انباشته  گزینه  تحت معیار   از طریق کمیته تصمیم گیرندگان k مورد ارزیابی قرار گرفته است را به شرح ذیل برآورد نمود.
۴-۲٫ انباشتگی وزن های اهمیت و نرمال سازی
اجازه دهید  به عنوان وزن اهمیت ارائه شده به وسیله تصمیم گیرنده Dt برای معیار  Cjمد نظر باشد. وزن اهمیت انباشته،  ، معیار  Cj ، برآورد شده به وسیله تصمیم گیرندگان کمیته k ، را می توان به شرح ذیل ارزیابی نمود:
۴-۳٫ اجرای ضرب رتبه و وزن نرمالیده
برای معیار های سود، ، معادله (۶) مورد ذیل را حاصل می آورد:
۴-۴٫ محاسبه I+  و I
رتبه بندی  و j ثابت با معادله (۱۱) سبب حصول راه حل ایده ال مثبت فازی () و راه حل ایده ال منفی فازی () بشرح ذیل می شود:
۴-۵٫ محاسبه فاصله گزینه مختلف در برابر I+  و I
 فاصله بین هر گزینه و I+ (و I) به شرح ذیل حاصل می شود :
۴-۶٫ محاسبه ضریب نزدیکی
ضریب نزدیکی، همانند Ci، هر گزینه را می توان به شرح ذیل حاصل آورد
۵- مثال عددی
در این مبحث، یک مشکل انتخاب سایت / محل تسهیلات طراحی شده است تا قابلیت نمایش فرایند محاسباتی روش پیشنهادی وجود داشته باشد. در نظر بگیرید که یک شرکت دارای فناوری بالا می بایست محلی را برای ایجاد تاسیسات یا کارخانه جدید خود انتخاب کند. سه سایت شامل گزینه های A۱ و A۲  و A۳ پس از بررسی های اولیه مد نظر می باشند. یک کمیته متشکل از ۴ تصمیم گیرنده، D۱، D۲، D۳ و D۴   انتخاب شده تا مناسب ترین محل را مشخص سازند. سه معیار سود: شرایط آب هوایی (C۱) کیفیت نیروی کار (C۲)، دسترسی به حمل و نقل (C۳) و یک معیار هزینه: هزینه سرمایه گذاری (C۴) مد نظر قرار گرفتند.
۶- نتیجه گیری
 در این مقاله ما الگوریتم جدیدی را برای تاپسیس فازی ارئه نمودیم. از طریق روش پیشنهادی، هر دو مورد رتبه های گزینه ها، تحت معیار های مشخص، و وزن های اهمیت معیار ها به یک مقیاس قابل قیاس، با استفاده از حساب بازه ای اعداد فازی، نرمال می گردند. تابع عضویت هر رتبه وزن دار فازی با استفاده از حساب بازه ای اعداد فازی ایجاد شد. روش رتبه بندی میانگین حذف ها به کار گرفته شد تا آنکه قابلیت حصول راه حل ایده ال مثبت فازی (FPIS) و راه حل ایده ال منفی فازی (FNIS) به منظور تکمیل تاپسیس فازی، بوجود آید. روش ما قابلیت تعمیم نظریه مجموعه فازی به تاپسیس کلاسیک را خواهد داشت. بر این مبنا، یک مثال عددی امکان پذیری روش پیشنهادی را نشان داده است.
لطفا به جای کپی مقالات با خرید آنها به قیمتی بسیار متناسب مشخص شده ما را در ارانه هر چه بیشتر مقالات و مضامین ترجمه شده علمی و بهبود محتویات سایت ایران ترجمه یاری دهید.
تماس با ما

اکنون آفلاین هستیم، اما امکان ارسال ایمیل وجود دارد.

به سیستم پشتیبانی سایت ایران ترجمه خوش آمدید.