مقاله انگلیسی بررسی جامع روش‌ها، کاربردها و روندهای نوظهور MCDM

مشخصات مقاله  فهرست مطالب نمونه ترجمه مقاله انگلیسی سفارش ترجمه مقالات مرتبط

عنوان فارسی:

بررسی جامع روش‌ها، کاربردها و روندهای نوظهور MCDM

عنوان انگلیسی:

A Comprehensive Review of MCDM Methods, Applications, and Emerging Trends

کد محصول: M1860

سال نشر: ۲۰۲۵

نام ناشر (پایگاه داده): DMA

نام مجله: Decision Making Advances

نوع مقاله: مروری (Review Article)

متغیر : ندارد

فرضیه: ندارد

مدل مفهومی: ندارد

پرسشنامه : ندارد 

تعداد صفحه انگلیسی:  15 صفحه PDF

برای دانلود رایگان مقاله انگلیسی بر روی دکمه ذیل کلیک نمایید

وضعیت ترجمه: این مقاله تاکنون ترجمه نشده برای سفارش ترجمه تخصصی مقاله بر روی دکمه ذیل کلیک نمایید (کد مقاله:M1860)

مقالات مرتبط با این موضوع: برای مشاهده سایر مقالات مرتبط با این موضوع (با ترجمه و بدون ترجمه)  بر روی دکمه ذیل کلیک نمایید

چکیده فارسی

رویکردهای تصمیم‌گیری چندمعیاره (MCDM) برای مقابله با مسائل پیچیده و چندهدفه در شرایط پویا و غیرقابل پیش‌بینی حائز اهمیت می باشند. این مقاله تاریخچه روش های MCDM را پوشش می‌دهد، از روش‌های سنتی مانند فرآیندهای سلسله‌مراتبی تحلیلی (AHP) و تکنیک اولویت‌بندی با شباهت به راه‌حل ایده‌آل (TOPSIS) گرفته تا نوآوری‌های پیچیده‌تر که منطق فازی، مدل‌های ترکیبی و هوش مصنوعی (AI) را در بر می‌گیرند. این مقاله کاربردهای متعدد MCDM را در تجارت، مهندسی، مراقبت‌های بهداشتی و مدیریت محیط زیست تجزیه و تحلیل می‌کند و سازگاری آنها با معیارهای کیفی و کمی را برجسته می‌کند. رویکردهای اتخاذ شده شامل بررسی چارچوب‌های سنتی و فعلی است که نقاط قوت و ضعف آنها را شناسایی می‌کند. فناوری‌های نوظهور مانند ادغام بلاک چین، اینترنت اشیا و تجزیه و تحلیل داده‌های بزرگ مورد مطالعه قرار می‌گیرند و پتانسیل آنها را برای تصمیم‌گیری در زمان واقعی و پویا نشان می‌دهند. یافته‌های کلیدی محدودیت‌های مدل‌سازی در شرایط عدم قطعیت، پیچیدگی محاسباتی و مقیاس‌پذیری را برجسته می‌کنند، در حالی که پتانسیل تحقیقات چند رشته‌ای و کاربردهای متمرکز بر پایداری را نیز نشان می‌دهند. این مطالعه با ارائه توصیه‌های عملی برای محققان و متخصصان، از ایجاد چارچوب‌های تصمیم‌گیری مبتنی بر هوش مصنوعی و در زمان واقعی و استانداردهای ارزیابی استاندارد شده برای مقابله با چالش‌های معاصر و افزایش اهمیت عملی روش‌های MCDM حمایت می‌کند.

کلمات کلیدی: تصمیم‌گیری چندمعیاره؛ هوش مصنوعی؛ منطق فازی؛ تصمیم‌گیری در زمان واقعی؛ مدل‌های ترکیبی؛ معیارهای پایداری.

۱.مقدمه

در دنیای امروز که پیچیده بوده و به سرعت تغییر می‌کند، افرادی که تصمیم‌گیری می‌کنند با مسائل متعددی روبرو می شوند و به ابزارهای پیچیده‌ای نیاز دارند تا به آنها در مقایسه اهداف، معیارها و نظرات مختلف ذینفعان کمک کند. روش‌های سنتی تصمیم‌گیری برای حل مسائل دنیای واقعی اغلب ناکارآمد هستند. به عنوان مثال، ممکن است اهداف رقابتی، سطوح مختلف شک و تردید و نیاز به تعادل در مبادلات وجود داشته باشد.

۵.نقاط قوت و محدودیت‌ها

۵.۱ نقاط قوت روش MCDM

یکی از مزایای کلیدی روش‌های MCDM توانایی آنها در ارائه مدل‌های سازمان‌یافته برای مسائل تصمیم‌گیری است که شامل اهداف یا معیارهای متعدد است. با تقسیم انتخاب‌های پیچیده به اجزای کوچکتر و قابل انجام، روش‌های MCDM به تصمیم‌گیرندگان اجازه می‌دهند تا گزینه‌ها را به طور مداوم ارزیابی و مقایسه کنند. این روش ساختاریافته یک مسیر تصمیم‌گیری روشن را فراهم می‌کند و شفافیت و یکنواختی را تضمین می‌کند که برای تصمیم‌گیری آگاهانه بسیار مهم است [۳۹].

۶.نتیجه‌گیری

۶.۱ خلاصه یافته‌ها

این مطالعه یک بررسی گسترده از روش‌های MCDM ارائه می‌دهد و بر پیشرفت آنها از تکنیک‌های سنتی مانند AHP، TOPSIS، PROMETHEE و ELECTRE تا پیشرفت‌های معاصر که شامل منطق فازی، مدل‌های ترکیبی و روش‌شناسی‌های مبتنی بر هوش مصنوعی است، تأکید می‌کند. نتایج، سازگاری MCDM را در مقابله با مسائل پیچیده تصمیم‌گیری در زمینه‌های مختلف، مانند تجارت، مهندسی، مدیریت محیط زیست و مراقبت‌های بهداشتی برجسته می‌کند. علاوه بر این، ادغام فناوری‌های نوظهور مانند بلاک چین، IoT و تجزیه و تحلیل داده‌های بزرگ، دامنه MCDM را گسترش داده و تصمیم‌گیری پویا و در زمان واقعی را تسهیل کرده است. این گزارش موانع قابل توجهی مانند پیچیدگی داده‌ها، مدل‌سازی عدم قطعیت و مقیاس‌پذیری را شناسایی می‌کند و همچنین زمینه‌های تحقیقاتی آینده را برای کاهش این کاستی‌ها پیشنهاد می‌کند…

Abstract  

Multiple-criteria decision-making (MCDM) approaches have become vital for tackling complicated, multi-objective decision-making issues in dynamic and unpredictable situations. This paper covers the history of MCDM methodologies, ranging from conventional methods like the analytic hierarchy process (AHP) and technique for order preference by similarity to ideal solution (TOPSIS) to sophisticated innovations embracing fuzzy logic, hybrid models, and artificial intelligence (AI). It analyses the numerous uses of MCDM in business, engineering, healthcare, and environmental management, highlighting their adaptation to both qualitative and quantitative criteria. The approaches adopted include an examination of conventional and current frameworks, identifying their strengths and shortcomings. Emerging technologies such as integrating Blockchain, the Internet of Things, and big data analytics are studied, revealing their potential for real-time and dynamic decision-making. Key findings underscore the limitations of uncertainty modeling, computational complexity, and scalability while also revealing potential for multidisciplinary research and sustainability-focused applications. This study finds by offering actionable recommendations for researchers and practitioners, advocating for the establishment of AI-integrated, real-time decision-making frameworks and standardized evaluation standards to address contemporary challenges and enhance the practical relevance of MCDM methods

Keywords: Multiple-Criteria Decision-Making; Artificial Intelligence; Fuzzy Logic; Real-time Decision-making; Hybrid Models; Sustainability Metrics.

۱.Introduction

In today’s world, which is becoming more complicated and changing quickly, people who make decisions have to deal with many problems that need complex tools to help them compare different goals, criteria, and stakeholder opinions. Real-world problems are often too complicated for traditional ways of making decisions to handle. For example, there may be competing goals, different levels of doubt, and the need to balance trade-offs.

۵. Strengths and Limitations

۵.۱ Strengths of the MCDM Method

One of the key benefits of MCDM methods is their ability to offer organized models for decision problems that involve multiple goals or criteria. By breaking down complicated choices into smaller, doable components, MCDM methods allow decision-makers to evaluate and compare options consistently. This structured method provides a clear decision route, ensuring transparency and uniformity, which is crucial for informed decision-making [39].

۶.Conclusions

 6.1 Summary of the Findings

This study offers an extensive examination of MCDM procedures, emphasizing their progression from conventional techniques such as AHP, TOPSIS, PROMETHEE, and ELECTRE to contemporary advancements that include fuzzy logic, hybrid models, and AI-driven methodologies. The results highlight the adaptability of MCDM in tackling intricate decision-making issues across several fields, such as business, engineering, environmental management, and healthcare. Moreover, the incorporation of emerging technologies like blockchain, IoT, and big data analytics has broadened the scope of MCDM, facilitating dynamic and real-time decision-making. The report finds substantial obstacles, such as data complexity, uncertainty modeling, and scalability, while suggesting future research areas to mitigate these deficiencies…