مثال از تصمیم گیری چند معیاره

مثال تصمیم گیری چند معیاره

فرض کنید کارمند هستید و می‌خواهید از میان فرصت‌های شغلی موجود کاری را برگزینید. به طور خلاصه باید ۳ کار را انجام دهید تا به روش تصمیم گیری چند معیاره عمل کنید.

• برای ارزیابی و مقایسه فرصت‌های شغلی موجود چند معیار را در نظر بگیرید.
• به هرکدام از این معیارها با توجه به میزان اهمیت آن‌ها وزن بدهید.
• شغلی را انتخاب کنید که بیشترین وزن را با توجه به مجموع وزن معیارها به دست آورد.

در این مثال ساده اهمیت شناسایی معیارهای مرتبط مشخص است. بیشترین چالش در این موقعیت‌ها محاسبه وزن مناسب برای هر معیار براساس میزان اهمیت آن است. با انجام این فرایندها در نهایت در MCDM بهترین و بدترین فرصت‌های شغلی مشخص می‌شوند و می‌توانید به راحتی انتخاب کنید.

تصمیم گیری های چند شاخصه

تصمیم‌گیری چندشاخصه (MADM) رویکردی برای ارزیابی و انتخاب بهترین گزینه در میان گزینه‌های موجود براساس شاخص‌های متنوع، متفاوت و متعارض است. در بسیاری از مسائل تصمیم‌گیری باید از میان گزینه‌های موجود یک گزینه انتخاب شود. شاخص‌های مختلفی در این انتخاب دخیل هستند که کار تصمیم‌گیری را دشوار می‌کنند. روش‌های مختلفی برای این وضعیت پیشنهاد شده‌اند که با عنوان تصمیم‌گیری چندشاخصه شناخته می‌شوند.

تصمیم‌گیری چندشاخصه برگردان پارسی Multiple Attribute Decision Making است که به اختصار MADM نیز گفته می‌شود. در واقع این روش‌ها شاخه‌ای از تصمیم‌گیری چندمعیاره (MCDM) هستند که در حوزه تحقیق در عملیات دسته‌بندی می‌شوند.این شیوه تصمیم‌گیری شامل روش‌ها و الگوهایی است که خود به دو دسته جبرانی و غیرجبرانی تقسیم می‌گردد. در بسیاری مسائل تصمیم‌گیری در دنیای واقعی انواع مختلفی از معیارها با ویژگی‌های متنوع و واحدهای سنجش متفاوت وجود دارند. گاهی این معیارها باهم در تضاد و تعارض هستند. استفاده از مدل‌های تصمیم‌گیری چندمعیاره راه مناسبی برای حل این مسائل است. در این آموزش انواع روش‌های تصمیم‌گیری چندشاخصه تشریح شده است.

تکنیک های تشخیص جامعه

بخش دوم:

تکنیک های تشخیص جامعه

روش های تشخیص جامعه را می توان به طور کلی به دو نوع دسته بندی کرد. روشهای انباشتگی و روشهای تقسیمی. در روش‌های انباشته‌ای، یال‌ها یکی یکی به نموداری که فقط شامل گره‌ها است اضافه می‌شود. لبه ها از لبه قوی تر به لبه ضعیف تر اضافه می شوند. روش‌های تقسیم‌بندی برعکس روش‌های تجمعی پیروی می‌کنند. در آنجا، یال ها یکی یکی از یک نمودار کامل حذف می شوند.

 در یک شبکه معین می‌تواند هر تعداد اجتماع وجود داشته باشد و اندازه‌های آن‌ها متفاوت باشد. این ویژگی ها روند تشخیص جوامع را بسیار سخت می کند. با این حال، تکنیک های مختلفی در حوزه تشخیص جامعه پیشنهاد شده است. چهار الگوریتم تشخیص جامعه محبوب در زیر توضیح داده شده است. همه این الگوریتم های فهرست شده را می توان در کتابخانه cdlib پایتون پیدا کرد.