MADM Techniques(2) TOPSIS

Slides:



Advertisements
Similar presentations
سازگاري فرايندهاي يادگيري Consistency of Learning Processes ارائه دهنده : الهام باوفای حقیقی استاد درس : آقای دکتر شيري دانشگاه امير كبير دانشكده ‌ مهندسي.
Advertisements

آزمايشگاه سيستم‌هاي هوشمند1 برنامه ريزي و نظاره پروژه درس مهندسي نرم‌افزار 2 فصل 24 دكتر احمد عبداله زاده بارفروش تهيه كننده : پويا جافريان.
Definition. قانون بیز P(b|a) = P(a|b)P(b)/P(a) P(b|a) = P(a|b)P(b)/P(a) این قانون برای استنتاج آماری استفاده می شود. این قانون برای استنتاج آماری استفاده.
Decision Tree.
Ali Karimpour Associate Professor Ferdowsi University of Mashhad ADVANCED CONTROL Reference: Chi-Tsong Chen, “Linear System Theory and Design”, 1999.
تعميم در يادگيري مبتني بر نمونه ها
Solving problems by searching Chapter 3 Modified by Vali Derhami.
روابط مجموعه ها سلیمی. دکتر سلیمانی. نظریه فازی در سال 1965 بوسیله یک دانشمند ایرانی بنام پروفسور لطفی زاده معرفی گردید. گرچه این نظریه در ابتدا با.
Support Vector Machine-Linearwww.mecharithm.com. Support Vector Machine: Separable case Min f(x) s.t. g(x)
Department of Computer Eng. & IT Amirkabir University of Technology (Tehran Polytechnic) Data Structures Lecturer: Abbas Sarraf Order.
1 فصل سوم سينماتيك مستقيم. 2 محتواي فصل   تعريف مجموعه فازي   تابع عضويت   نمايش مجموعه هاي فازي   برش آلفا   متغيرهاي زباني   ساخت مجموعه.
آشنايي با سيستم اعداد.
AHP فرایند تحلیل سلسله مراتبی. پیشگفتار یکی از کارآمد ترین تکنیک های تصمیم گیری فرایند تحلیل سلسله مراتبی ( Analytical Hierarchy process-AHP ) که اولین.
تفاوت داده و اطلاعات در روزهاي آفتابي خورشيد پشت ابر نيست
پنل های خورشیدی ساختار وانواع مختلف. عبارتند از قطعات نیمه رسانا یی که انرژی خورشید را به انرژی الکتریکی تبدیل می کنند. رسانایی این مواد به طور کلی به.
Information Retrieval
[c.
فرآيند تحليل سلسله مراتبي Analytical Hierarchy Process (AHP)
1 قانون تشابه. 2 مشخصه هاي يك پمپ سانتريفوژ شامل هد، دبي، راندمان و توان با رابطه زير به هم مربوطند : كه در اين رابطه H هد پمپ، Q دبي، g شتاب جاذبه و.
نظریه رفتار برنامه ريزي شده Theory of Planned Behavior
( Project Operation Management )
هیدروگراف(Hydrograph) تهیه : دکتر محمد مهدی احمدی
Ali Karimpour Associate Professor Ferdowsi University of Mashhad
بنام خدا زبان برنامه نویسی C (21814( Lecture 12 Selected Topics
آرايه ها.
ANOVA: Analysis Of Variance
ساختمان داده‌ها الگوریتمهای کوتاهترین مسیر
ANOVA: Analysis Of Variance
نمايش معادلات فضاي حالت توسط فرمهاي كانوليكال
آزمایشگاه پایگاه داده ها قیود در جداول یک پایگاه داده در SQL Server
Odd-even merge sort مرتب سازی.
Quick Sort مرتب سازي سريع.
(برای دوره کارشناسی ارشد مکانیک سنگ) Finite Element Procedures
چگونه بفهمیم آیا ژورنالی ISI است؟ ایمپکت فاکتور دارد یا خیر؟
به نام خدا.
مدیریت مالی و اقتصاد مدیریت موضوع : نقطه سر به سر زمستان 93
تجزیه و تحلیل تصمیم گیری
Route configuration for 5400W ADSL Router
تکنیک دیماتل DEMATEL: decision making trial and evaluation laboratory.
QUANTITATIVE STRATEGIC PLANNING MATRIX
نمايش اعداد در کامپيوتر چهار عمل اصلي
1.
Similarity transformation
نرم افزار گمبيت Gambit Software Features
کوئیز از جلسه قبل) کارخانه ای در حال خرید قطعه‌ای برای یکی از ماشین‌آلات خود می باشد اگر نرخ بهره 10% برای محاسبات فرض شود، دو مدل از قطعه ماشین در دسترس.
به نام خدا برنامه ارزيابي خارجي کيفيت (هماتولوژی- سرولوژی)
آموزش نرم افزار EndNote
دانشگاه صنعتی امیرکبیر Instructor : Saeed Shiry &
اصطکاک Designed By: Soheil Soorghali.
هیدرولیک جریان در کانالهای باز
تهیه و تنظیم: فاطمه قاسمی دانشگاه صنعتی شریف – پاییز 86
فيلتر كالمن معرفي : فيلتر كالمن تخمين بهينه حالت‌ها است كه براي سيستم‌هاي ديناميكي با اختلال تصادفي در سال 1960 بزاي سيستم‌هاي گسسته و در سال 1961 براي.
بنام خدا زبان برنامه نویسی C (21814( Lecture 3 Chapter 4
SY604 NAT PPPoE Configuration
نظریه رفتار برنامه ريزي شده Theory of Planned Behavior
وبلاگ جامع مهندسی برق و الکترونیک
Related group and college Shiraz University of Medical Sciences
به نام خدا برنامه ارزيابي خارجي کيفيت (هماتولوژی- سرولوژی)
نام طرح.
بسم الله الرحمن الرحیم هرس درخت تصمیم Dr.vahidipour Zahra bayat
IN THE NAME OF GOD MATH SABA KARBALAEI
فصل ششم مدارهای ترتیبی.
مدلسازي تجربي – تخمين پارامتر
مثال : فلوچارتي رسم كنيد كه دو عدد از ورودي دريافت كرده بزرگترين عدد
توزیع میانگین نمونه سعید موسوی.
برنامه ریزی خطی پیشرفته (21715( Advanced Linear Programming Lecture 7
مباني كامپيوتر و برنامه سازي Basics of Computer and Programming
مباني كامپيوتر و برنامه سازي Basics of Computer and Programming
بسم الله الرحمن الرحيم.
تخمين پارامترها - ادامه
Presentation transcript:

MADM Techniques(2) TOPSIS Narges Imanipour n.imanipour@ent.ut.ac.ir Fall 1387 n.imanipour,2008

TOPSIS: Technique for Order Preference by Similarity to Ideal Solution Developed by Hwang and Yoon(1981) TOPSIS is based on the concept that the chosen alternative should have the shortest distance from the positive ideal solution and the longest distance from the negative ideal solution n.imanipour,2008

C1 C2 A1 Positive Ideal Solution Negative Ideal Solution

مراحل TOPSIS 1- كمّي كردن و بي‌مقياس سازي ماتريس تصميم (N) : براي بي‌مقياس‌سازي، از بي‌مقياس‌سازي نورم 2 استفاده مي‌شود. 2- به دست آوردن ماتريس بي‌مقياس موزون (V) : ماتريس بي‌مقياس شده (N) را در ماتريس قطري وزن‌ها ضرب مي‌كنيم، يعني: n.imanipour,2008

مراحل TOPSIS 3 تعيين راه‌حل ايده‌آل مثبت و راه‌حل ايده‌آل منفي: راه‌حل ايده‌آل مثبت و ايده‌آل منفي، به صورت زير تعريف مي‌شوند: [بردار بهترين مقادير هر شاخص ماتريس V]= راه‌حل ايده‌آل مثبت : [بردار بدترين مقادير هر شاخص ماتريس V] = راه‌حل ايده‌آل منفي: «بهترين مقدار» براي شاخص‌هاي مثبت، بزرگ‌ترين مقدار تخصیص یافته به آن شاخص به ازای گزینه های مختلف در ماتریس بی مقیاس موزون است و براي شاخص‌هاي منفي، كوچك‌ترين مقدار تخصیص یافته است. به هنگام تعیین راه حل ابده آل منفی این رابطه برعکس می شود. n.imanipour,2008

مراحل TOPSIS 4- به دست آوردن ميزان فاصله‌ي هرگزينه تا ايده‌آل‌هاي مثبت و منفي: برای محاسبه فاصله می توان از فاصله اقلیدسی یا متعامد استفاده کرد. فاصله‌ي اقليدسي هر گزينه تا ايده‌آل مثبت و فاصله‌ي هر گزينه تا ايده‌آل منفي ، براساس فرمول‌هاي زير حساب مي‌شود. n.imanipour,2008

مراحل TOPSIS 5- تعيين مشابهت نسبي (CL*) يك گزينه به راه‌حل ايده‌آل: n.imanipour,2008

مثال: انتخاب دانشجوي دكتري 0.3 0.2 0.15 َ GRE GPA College Rating Recommendation Rating Interview Rating A 690 3.1 9 7 4 B 590 3.9 6 10 C 600 3.6 8 D 620 3.8 E 700 2.8 F 650 4.0

ماتريس تصميم بي مقياس شده با نرم 2 C1 C2 C3 C4 C5 A 0.4381 0.3555 0.4623 0.3763 0.2306 B 0.3746 0.4472 0.3596 0.3226 0.5764 C 0.3809 0.4128 0.4109 0.4301 0.4035 D 0.3936 0.4357 0.5376 0.3458 E 0.4444 0.3211 0.5137 0.2150 F 0.4127 0.4587 0.3082 0.4838 0.4611 n.imanipour,2008

ماتريس تصميم بي مقياس وزين C1 C2 C3 C4 C5 A 0.1314 0.0711 0.0925 0.0564 0.0348 B 0.1124 0.0894 0.0719 0.0484 0.0865 C 0.1143 0.0826 0.0822 0.0645 0.0605 D 0.1181 0.0871 0.0806 0.0519 E 0.1333 0.0642 0.1027 0.0323 F 0.1238 0.0917 0.0616 0.0726 0.0692 n.imanipour,2008

فاصله از راه حل ايده ال مثبت و منفي d+ d- A 0.0617 0.0441 B 0.0493 0.0608 C 0.0424 0.0498 D 0.0490 0.0575 E 0.0655 F 0.0463 0.0609 n.imanipour,2008

تعيين مشابهت نسبي و رتبه بندي گزينه ها CL Rank A 0.4167 6 B 0.5519 2 C 0.5396 4 D 0.5399 3 E 0.4291 5 F 0.5681 1 n.imanipour,2008

C1 C2 Positive Ideal Solution Negative Ideal Solution