دانلود ترجمه مقاله رویکرد EDAS تعمیم داده شده در راستای تصمیم گیری فازی

مقدمه:
مسائل تصمیم‌گیری جهان واقعی معمولا بسیار پیچیده هستند و نمی‌توانند به عنوان مسائل تک-معیار در نظر گرفته شوند. به عبارت دیگر، استفاده از تنها یک بعد برای فرایند تصمیم‌گیری می‌تواند منجر به یک تصمیم‌گیری غیرواقع‌بینانه شود [7، 9، 10، 33، 34]. برای به دست آوردن مدل‌های جامع‌تر، ما نیاز به شامل کردن فاکتورها یا معیارهای چندگانه داریم. تصمیم‌گیری چندمعیاری (MCDM) شامل روش‌ها و تکنیک‌های کارامد برای پرداختن به مسائلی است که شامل بیش از یک معیار در فرایند تصمیم‌گیری هستند [4، 13، 19، 25، 35]. اطلاعات درباره‌ی مسائل جهان واقعی معمولا به درستی شناخته نمی‌شوند. نظریه‌ی مجموعه‌ی فازی توسط زاده [31] برای پرداختن به این نوع اطلاعات نادقیق و ذهنی ارائه شد. این نظریه، ابزار مدل‌بندی بسیار کارامدی برای مسائل MCDM در یک محیط نامشخص است. اصطلاحات زبانی تعریف شده توسط مجموعه‌های فازی معمولا برای نمایش اطلاعات غیرقطعی در فرایند تصمیم‌گیری فازی استفاده می‌شوند [18]. بسیاری از محققان، روش‌های MCDM فازی را در مسائل جهان واقعی اعمال کرده و توسعه داده‌اند [5، 26، 27]. نیتو-موروت و راز-ویلا [20]، یک رویکرد MCDM را بر اساس AHP فازی و اصطلاحات زبانی برای ارزیابی سیستم‌های ترکیبی سرمایش، گرمایش و تولید توان ارائه دادند. کاگری تولگا و همکاران [6]، یک رویکرد MCDM فازی را بر اساس فرایند شبکه‌ی تحلیلی برای مساله‌ی انتخاب محل خرده‌فروشی توسعه دادند. صداقت [23]، یک رویکرد MCDM فازی را بر اساس روش‌های AHP، TOPSIS، VIKOR، و SAW برای ارزیابی بهبود سودآوری بانک‌های خصوصی ارائه دادند.

Introduction:
Usually, the real-world decision-making problems are very complex and could not be considered as single-criterion problems. In other words, using only one dimension for the decision-making process could lead to an unrealistic decision [7], [9], [10], [33], [34]. To obtain more comprehensive models for these problems, we need to involve multiple factors or criteria. Multi-criteria decision-making (MCDM) comprises efficient methods and techniques to deal with problems that include more than one criterion in the decision-making process [4], [13] [19], [25], [35]. The information about the real-world problems is usually not known accurately. This uncertainty makes the decision-making process complex and challenging. Fuzzy set theory was proposed by Zadeh [31] to deal with this kind of subjective and imprecise information. This theory is a very efficient modeling tool for the MCDM problems in an uncertain environment. Linguistic terms defined by fuzzy sets are usually used to represent uncertain information in the fuzzy decision-making process [18]. Many researchers have applied and extended fuzzy MCDM methods in real-world problems [5], [26], [27]. Nieto-Morote and Ruz-Vila [20] proposed an MCDM approach based on the fuzzy AHP and linguistic terms to evaluate combined cooling, heat, and power production systems. Cagri Tolga et al. [6] developed a fuzzy MCDM approach based on the analytic network process for retail location selection problem. Sedaghat [23] presented a fuzzy MCDM approach based on AHP, TOPSIS, VIKOR and SAW methods for evaluation of productivity improvement of private banks.