روش کارای یادگیری ترجیحات مبتنی بر مدل ELECTRE TRI بهمنظور طبقه بندی چندمعیاره موجودی
Publish place: Industrial Management Journal، Vol: 8، Issue: 2
Publish Year: 1395
نوع سند: مقاله ژورنالی
زبان: Persian
View: 237
This Paper With 26 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IMJT-8-2_004
تاریخ نمایه سازی: 25 بهمن 1400
Abstract:
آنالیز چندمعیاره ABC روش شناختهشدهای برای طبقه بندی موجودی هاست که اغلب رویکرد جبرانی را برای تجمیع معیارها لحاظ میکند، یعنی ضعف موجودی در یک معیار با عملکرد خوب آن در معیارهای دیگر جبران میشود. تا جایی که میدانیم رویکرد غیرجبرانی این مسئله بهطور کافی مطالعه نشده است. مدل ELECTRE TRI از مدلهای مبتنی بر روابط برتری است که این رویکرد را در محاسبات لحاظ می کند، ولی با توجه به پیچیدگی و هزینه بربودن، این مدل در تعیین مقادیر ترجیحات تصمیم گیرندگان (پارامترها)، از اقبال خوبی برخوردار نبوده است. بدین منظور در این مقاله روشی ارائه میشود که با استفاده از الگوریتم بهینه سازی تراکم ذرات (PSO)، مقادیر تمام پارامترها را از داده های آموزشی شامل تصمیمات قبلی تصمیمگیرندگان یاد میگیرد و در طبقه بندی موجودی های جدید بهکار میبرد. روش پیشنهادی برخلاف مدل های استاندارد داده کاوی که طبقه بندی را به صورت اسمی انجام می دهند، متناسب با روش ABC اقلام موجودی را به صورت رتبه ای طبقهبندی میکند. نتایج بهدست آمده از آنالیز تجربی روش پیشنهادی روی دیتاست های موجودی، کارایی و قابلیت رقابت آن را در مقایسه با سایر مدل های طبقه بندی نشان می دهد.
Keywords:
آنالیز ABC , الگوریتمهای ازدحامی , بهینه سازی تراکم ذرات (PSO) , طبقهبندی چندشاخصه موجودی , ELECTRE TRI
Authors
مسعود زرین صدف
دانشجوی کارشناسی ارشد گروه مدیریت صنعتی، دانشگاه آزاد اسلامی، واحد الکترونیکی، تهران، ایران
امیر دانشور
استادیار گروه مدیریت صنعتی، دانشگاه آزاد اسلامی، واحد الکترونیکی، تهران، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :