توسعه و بهبود شاخص رتبه‌بندی در روش تاپسیس با داده‌های فازی تصویری
محورهای موضوعی : مدیریت بازرگانی- بازرگانی
وحیده حجتی نجف آبادی
1
,
رضا مداحی
2
1 - دانشجوی کارشناسی ارشد گروه ریاضی، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران
2 - استادیار گروه ریاضی، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران
کلید واژه: تاپسیس, مجموعه فازی, مجموعه فازی شهودی, مجموعه فازی تصویری ,
چکیده مقاله :
از زمانی که در سال ۱۹۶۵، پروفسور لطفی عسگر‌زاده مجموعة 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 توسعة 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 در این تحقیق ارائه شده است، تغییرات لازم با استفاده از نرم‌افزار اکسل انجام شده و فاصله تا حالت ایدئال و ضد ایدئال محاسبه می‌گردد. در نهایت، رتبه‌بندی جدیدی مشخص می‌شود.
- Atanasoff, K.T. (1986). Intuitive Fuzzy Sets Fuzzy Sets and Systems, 20, 87-96.
- 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.
- 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, 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.
- 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.
- Joshi, R. (2020). A new decision making method using R-soft concept and VIKOR approach in fuzzy image environment. Expert System Appl., 147, https://doi.org/10.1016/j.eswa.2020.113228.
- Joshi, R., Kumar, S. (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.
- Krinovich, B. C. (2014) Visualize fuzzy sets. J. Comput Science and Cybernetics, 409-416, https://doi.org/10.15625/1813-9663/30/4/5032.
- Krinovich, B.C. (2013). New image-concept fuzzy sets for computational intelligence problems. Departmental Technical Reports, 809, 1-6, https://scholarworks.utep.edu/cs_techrep/809.
- Luca, S. T. (1972). A definition of a nonprobabilistic entropy in the setting of fuzzy sets theory. Inf. Control, 301-312.
- 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, (2016) Generalized Image Distance Measurement and Applications to Fuzzy Image 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.
- 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.
- Zadeh. (1965). Fuzzy sets. inf. control, 338-353, https://doi.org/10.1016/S0019-9958(65)90241-X.