توسعه و بهبود شاخص رتبه بندی در روش تاپسیس با داده‌های فازی تصویری
الموضوعات :
وحیده حجتی نجف آبادی
1
,
رضا مداحی
2
1 - گروه ریاضی، دانشکده کامپیوتر،واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران
2 - گروه ریاضی، دانشکده کامپیوتر، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران
الکلمات المفتاحية: تاپسیس, مجموعه فازی, مجموعه فازی شهودی, مجموعه فازی تصویری,
ملخص المقالة :
از زمانی که در سال ۱۹۶۵، پروفسور لطفی عسگر‌زاده مجموعه‌ی فازی را به جهان معرفی نمود، نظریه‌های جدید زیادی در مورد عدم دقت و عدم قطعیت به وجود آمدند. برخی از این نظریه‌ها، به عنوان یک توسعه‌ی فرعی از نظریه مجموعه‌های فازی، مفهومی جدید به نام مجموعه فازی تصویری را مطرح کردند. از طرف دیگر، یکی از روش‌هایی که بسیار در تصمیم‌گیری‌های چندمعیاره مورد استفاده قرار می‌گیرد، روش تاپسیس نام دارد. در این مقاله، ابتدا روش تاپسیس در حضور داده‌های فازی تصویری، توضیح داده شده و سپس با استفاده از این روش، با هدف بهبود عملکرد آن، شاخصی جدید برای رتبه‌بندی، توسعه داده می‌شود. در ادامه، با استفاده از نرم‌افزار اکسل، جهت توضیح روش ارائه شده در این مقاله، مثالی حل می‌گردد. همچنین، با حل مثالی با اعداد فازی که در تعریف اعداد فازی تصویری دراین تحقیق ارائه شده است، تغییرات لازم با استفاده از نرم‌افزار اکسل انجام شده و فاصله تا حالت ایده‌آل و ضد ایده‌آل محاسبه می‌گردد. در نهایت، رتبه‌بندی جدیدی مشخص می‌شود.
A. De Luca, S. T. (1972). A definition of a nonprobabilistic entropy inthe setting of fuzzy sets theory. Inf. Control, 301-312.
Atanassov, K. T. (1986). Intuitionistic fuzzy sets. Fuzzy sets and Systems, 20, 87-96.
Atanassov, K. T. (1986). Intuitionistic Fuzzy Sets. Fuzzy Sets and Systems, 1-18.
C. L. Hwang, K. Y. (1981). Methods for multiple attribute decision making. Mult. attrib. Decis. Mak., 58-191, https://doi.org/10.1007/978-3-642-48318-9_3.
F. E. Boran, S. G. (2009). A multi-criteria intuitionistic fuzzy group decision making for supplier selection with TOPSIS method. Expert Systems with Applications, 36(8), 11363-11368, https://doi.org/10.1016/j.eswa.2009.03.039.
G. R. Jahanshahloo, F. H. (2006). Extension of the TOPSIS method for decision-making problems with fuzzy data. Applied Mathematics and Computation, 181(2), 1544-1551, https://doi.org/10.1016/j.amc.2006.02.057.
Gandotra, S. N. (2021). Use of (R,S)-Norm concept and TOPSIS approach under picture fuzzy environment for application in multi criteria decision making issues. Materials Today: Proceedings, 307, https://doi.org/10.10.16/j.matpr.2021.03.307.
Hwang, C. a. (1981). Multiple Attribute Decision Making: Methods and Applications - A State-of-the-Art Survey. New York: Springer-Verlag, https://doi.org/10.1007/978-3-642-48318-9_3.
Joshi, R. (2020). A nove decision-making method using R-Norm concept and VIKOR approach under picture fuzzy environment. Expert Syst. Appl., 147, https://doi.org/10.1016/j.eswa.2020.113228.
Kreinovich, B. C. (2013). Picture Fuzzy Sets-a new concept for conputational intelligence problems. Departmental Technical Reports, 809, 1-6, https://scholarworks.utep.edu/cs_techrep/809.
LA.Zadeh. (1965). Fuzzy sets. inf. control, 338-353, https://doi.org/10.1016/S0019-9958(65)90241-X.
R. Joshi, S. K. (2016). (R-S)- norm information measure and a relation between coding and questionnaire theory, open Syst. Inf. Dyn., 23, https://doi.org/10.1142/S1230161216500153.
S.A. Sadabadi, A. H.-V. (2022). An Improved Fuzzy TOPSIS Method With a New Ranking Index. World Scientific, 615-641, https://doi.org/10.1142/S0219622021500620.
Son, L. H. (2016). Generalized picture distance measure and applications to picture fuzzy clustering. ELSEVIER, 284-295, https://doi.org/10.1016/j.asoc.2016.05.009.
Tzou, G. H. (1983). Fuzzy Multiple Objective Decision Making: Methods and Applications. Fuzzy Sets and Systems, 11.
V.Kreinovich, B. (2014). Picture fuzzy sets. J. Comput Science and Cybernetics, 409-416, https://doi.org/10.15625/1813-
9663/30/4/5032. Wei, G. (2016). Peacture fuzzy cross-entropy for multiple attribute decision making problems. J. Bus. Econ. Manag, 15, 491-502, https://doi.org/10.3846/16111699.2016.1197147.
