پارس پروژه پرتال خدمات دانشگاهی
این مقاله علمی پژوهشی (isi) به زبان انگلیسی همراه با ترجمه تخصصی از نشریه الزویر مربوط به سال ۲۰۲۰ دارای ۱۱ صفحه انگلیسی با فرمت PDF و ۳۳ صفحه ترجمه فارسی به صورت فایل WORD قابل ویرایش می باشد در ادامه این صفحه لینک دانلود رایگان مقاله انگلیسی ، بخشی از ترجمه فارسی مقاله و لینک خرید آنلاین ترجمه ی کامل مقاله موجود می باشد.
کد محصول: M1174
سال نشر: ۲۰۲۰
نام ناشر (پایگاه داده): الزویر
نام مجله: Applied Soft Computing Journal
نوع نگارش مقاله: علمی پژوهشی (Research articles)
تعداد صفحه انگلیسی: ۱۱ صفحه PDF
تعداد صفحه ترجمه فارسی: ۳۳ صفحه WORD
قیمت فایل ترجمه شده: ۳۹۰۰۰ تومان
عنوان کامل فارسی:
مقاله انگلیسی ترجمه شده ۲۰۲۰ : برآورد اطلاعات ناقص در تصمیم گیری گروهی: چارچوبی از محاسبات دانه ای (گرانول)
عنوان کامل انگلیسی:
Estimating incomplete information in group decision making: A framework of granular computing
برای دانلود رایگان مقاله انگلیسی بر روی دکمه ذیل کلیک نمایید
وضعیت ترجمه: این مقاله به صورت کامل ترجمه شده برای خرید ترجمه کامل مقاله بر روی دکمه ذیل کلیک نمایید (لینک دانلود بلافاصله بعد از خرید نمایش داده می شود)
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:
یک فرض کلی در سناریوهای تصمیم گیری گروهی این است که همه افراد دانش کاملی از کل مسئله مورد مطالعه دارند ، از جمله توانایی برای تشخیص میزان بهتر بودن یک گزینه نسبت به گزینه دیگر. با این حال ، در بسیاری از سناریوهای دنیای واقعی ، این موضوع ممکن است غیرواقعی باشد ، به ویژه مواردی که افراد زیادی را شامل می شود و گزینه هایی برای انتخاب از منابع اطلاعاتی متناقض و پویا وجود دارند. برای مدیریت چنین وضعیتی ، روش های تخمینی اطلاعات ناقص ، که از ارزیابی های شخصی ارائه شده توسط افراد و معیارهای سازگاری برای جلوگیری از اختلاف استفاده می کنند ، به طور گسترده ای بر اساس روابط ترجیحی فازی استفاده شده اند. در این مطالعه ، ما مفهوم دانه بندی اطلاعات را برای تخمین مقادیر ناقص در تایید اهداف روابط ترجیحی فازی کامل برای کسب سطوح سازگاری بالاتر معرفی می کنیم. ما از مفهوم روابط ترجیحی دانه ای برای در نظر گرفتن هر مقدار ناقص به عنوان یک دانه از اطلاعات به جای یک عدد قطعی(کریسپ) استفاده می کنیم. این رویکرد ، انعطاف پذیری لازم برای تخمین اطلاعات ناقص را فراهم می کند تا سطح سازگاری مربوط به روابط ترجیحی فازی کامل تا حد ممکن بالاتر باشد.
کلید واژه ها:تصمیم گیری گروهی ،اطلاعات ناقص ،سازگاری ،روابط ترجیحی فازی ،دانه بندی اطلاعات
۱.مقدمه
تصمیم گیری گروهی به عنوان وضعیتی توصیف می شود که افراد ، از بین مجموعه گزینه های ممکن ، به طور گروهی گزینه هایی را انتخاب کنند [۱–۵] ، که در اینجا دیگر قابل انتساب به هیچ یک از افراد نیست بلکه منتسب به کل گروه است زیرا همه آنها در نتیجه نقش دارند. در چنین شرایطی ، به طور سنتی اغلب رویکردهای موجود تصور می کردند که همه افراد دانش لازم را در مورد مسئله مورد نظر دارند تا بتوانند گزینه مناسب تر در بین سایر گزینه ها را انتخاب کنند [۶،۷]. با این حال ، شواهد زیادی وجود دارد که این فرض ممکن است ایده آلیستی باشد. در مطالعه [۸] ثابت شد که “با افزایش میزان تعارض در مقایسه های چند معیاری، احتمال این که تصمیم گیرندگان دو گزینه را غیرقابل مقایسه بدانند ، افزایش می یابد”، که منجر به ایجاد اطلاعات ناقص می شود. به طور خاص ، در مسائل تصمیم گیری گروهی که تعداد قابل توجهی از افراد و گزینه ها را برای انتخاب از منابع اطلاعاتی پویا و متناقض درگیر می کند [۹] ، به عنوان مثال ، محیط های شبکه اجتماعی [۱۰–۱۳] ، بسیار معمول است که برخی از افراد یا حتی همه آنها ، تمام اطلاعات مورد نیاز را ارائه نمی دهند. بنابراین ، ایجاد رویکردهایی برای پرداختن به وجود اطلاعات ناقص ضروری بوده است [۱۴ ، ۱۵]…
۵.نتیجه گیری نهایی
این مطالعه مسئله تخمین مقادیر ناقص را از طریق روابط ترجیحی فازی ناقص فرموله و حل کرده است، به طوری که درجه سازگاری به دست آمده از روابط ترجیحی فازی کامل ، تا حد ممکن بالاتر باشد.
این تحقیق در راستای یک موقعیت کلی می باشد که با اصول اطلاعات دانه ای و ماهیت دانه های اطلاعاتی مطابقت دارد. با شروع مجموعه ای از روابط ترجیحی فازی ناقص، یک چارچوب الگوریتم جامع ارائه کرده ایم که برای برآورد مقادیر ناقص با روابط ترجیحی دانه ای ارائه شده اند. ما بر انگیزه و نیازی که در پس دانه های اطلاعاتی وجود دارد، تأکید کرده ایم تا مقادیر ناقص برای بدست آوردن رابطه اولویت فازی با سازگاری بالاتری برآورد شود.
Abstract
A general assumption in group decision making scenarios is that of all individuals possess accurate knowledge of the entire problem under study, including the abilities to make a distinction of the degree up to which an alternative is better than other one. However, in many real world scenarios, this may be unrealistic, particularly those involving numerous individuals and options to choose from conflicting and dynamics information sources. To manage such a situation, estimation methods of incomplete information, which use own assessments provided by the individuals and consistency criteria to avoid discrepancy, have been widely employed under fuzzy preference relations. In this study, we introduce the information granularity concept to estimate missing values supporting the objective of obtaining complete fuzzy preference relations with higher consistency levels. We use the concept of granular preference relations to form each missing value as a granule of information in place of a crisp number. This offers the flexibility that is required to estimate the missing information so that the consistency levels related to the complete fuzzy preference relations are as higher as possible.
Keywords: Group decision making, Incomplete information, Consistency, Fuzzy preference relation, Information granularity
۱.Introduction
Group decision making is characterized as a situation when individuals, from a set of possible options, make a choice collectively [1–۵], which is here no longer attributable to any single individual but the whole group because all of them contribute to the outcome. In such a situation, most of the existing approaches have traditionally supposed that all the individuals have the necessary knowledge of the problem at hand to make a distinction of the preference degree up to which an option is more suitable than other [6,7]. However, there exist many problems where this assumption may be idealistic. In [8], it was proved that ‘‘increasing the intensity of conflict in a multicriteria comparison increases the likelihood that decision makers consider two alternatives as incomparable’’, resulting in incomplete information. In particular, in group decision making problems implicating a considerable amount of individuals and options to select from dynamic and contradictory information sources [9], as, for instance, the social network environments [10–۱۳], it is very common that some of the individuals, even all of them, do not offer all the information required. Therefore, it has been necessary the development of approaches addressing the existence of incomplete information [14, 15]…
۵.Concluding remarks
This study has formulated, motivated, and solved the problem of estimating missing values of incomplete fuzzy preference relations so that the consistency degree related to the complete fuzzy preference relations obtained are as higher as possible.
This investigation is in line of a general position aligned with the principles of information granularity and the very nature of the resulting information granules. By starting with a collection of incomplete fuzzy preference relations, we have presented a comprehensive algorithm framework that comes up with granular preference relations (in particular, intervals) to estimate the missing values. We have emphasized the motivation and need behind engaging information granules so that the missing values have been estimated to obtain fuzzy preference relations of higher consistency…
| مقالات مرتبط با این موضوع |
|
دانلود رایگان مقالات انگلیسی رشته مدیریت دانلود رایگان مقاله انگلیسی مهندسی صنایع با ترجمه دانلود رایگان مقاله انگلیسی درباره تصمیم گیری با ترجمه |