مقاله ترجمه شده برآورد اطلاعات ناقص در تصمیم گیری گروهی: چارچوبی از محاسبات دانه ای (گرانول)

سال نشر: ۲۰۲۰

نوع نگارش مقاله: علمی پژوهشی (Research articles)

تعداد صفحه انگلیسی:  ۱۱ صفحه PDF

تعداد صفحه ترجمه فارسی:  ۳۳  صفحه WORD

دانلود رایگان مقاله انگلیسی

کد محصول: M1174

نام ناشر (پایگاه داده): الزویر

نام مجله:   Applied Soft Computing Journal

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

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

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