پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 161 |
| تعداد شماره‌ها | 6,532 |
| تعداد مقالات | 70,500 |
| تعداد مشاهده مقاله | 124,084,056 |
| تعداد دریافت فایل اصل مقاله | 97,188,523 |
A Hybrid Artificial Neural Network for Selecting Product Investment Solution | ||
| Advances in Industrial Engineering | ||
| مقاله 5، دوره 48، شماره 1، تیر 2014، صفحه 51-65 اصل مقاله (1.61 M) | ||
| نوع مقاله: Research Paper | ||
| شناسه دیجیتال (DOI): 10.22059/jieng.2014.51149 | ||
| نویسندگان | ||
| S. Pourreza؛ H. Akbaripour؛ M.R. Amin-Naseri* | ||
| چکیده | ||
| In today’s business competitive world, decision makers of companies try to employ standard, efficient, theoretical and operational proven methods as a competitive advantage for making their critical strategic business decisions in order to survive in their industry. In this paper, a hybrid model based on Fuzzy Analytic Hierarchy Process (FAHP) and Artificial Neural Network (ANN) is presented. This model can be used as a Decision Support System (DSS) to capture and represent the decision makers’ preferences, without their direct or interference, in order to represent them the ability to select the best product among candidates. The priority of products is determined by the factors elicited from interviews and surveys. Firstly, the weight of each factor is determined by the means of FAHP technic. Then, the priority of products will be determined by weighing each of them with respect to the factors. But, the output of FAHP is just a possible answer. The topology of the neural network model is developed to train the model and give the decision makers the best possible answer. In fact, neural network is used to learn the relation among criteria and alternatives and rank the alternatives. A method based on AHP is developed and used as the MCDM method, and Multi level perceptron is used as our selected kind of artificial neural network. A case study is discussed and developed through the paper. The comparison of the real investment data of the studying case and the results of the model proves the effectiveness of the proposed model. | ||
| کلیدواژه‌ها | ||
| Product candidates؛ Multi Criteria Decision Making؛ Fuzzy logic؛ Analytic Hierarchy Process؛ Artificial Neural Network | ||
| عنوان مقاله [English] | ||
| توسعه شبکه عصبی مصنوعی ترکیبی به منظور انتخاب سبد محصولات در سازمانها | ||
| نویسندگان [English] | ||
| سهراب پوررضا؛ حسین اکبری پور؛ محمدرضا امین ناصری | ||
| چکیده [English] | ||
| دنیای امروز شاهد رقابت فشرده سازمانها درحوزههای متنوع است و تصمیمگیری صحیح و بهینه،بخصوص در امور راهبردی مزیت رقابتی را برای هر سازمان به ارمغان میآورد. در این مقاله، مدلی برای یاری مدیران ارشد سازمان در اتخاذ تصمیمات راهبردی توسعه داده شده است. این مدل با استفاده از ترکیب رویکرد تصمیمگیری چندمعیاره فازی و شبکه عصبی مصنوعی ارائه‌شده و امکان شناسایی بهترین سبد محصولات برای سرمایهگذاری را برای مدیران ارشد و بدون دخالت مستقیم آنان در تصمیمگیری، فراهم میآورد. در مدل پیشنهادی، اولویتبندیمحصولات بر اساس معیارهای مورد نظر سازمان انجام میگیرد، به این نحو که ابتدا از دادههای سالیان گذشته و با استفاده از فرآیند تحلیل سلسه مراتبی فازی، ارزش یا وزنی اولیه برای هر یک از معیارهای انتخاب کالا و هر یک از محصولات کاندید محاسبه می‌شود. از آنجایی که اوزان به دست آمده لزوماً بهینه و یا نزدیک به بهینه نیستند، در گام پایانی، شبکه عصبی مصنوعی به کار گرفته شده است تا با اعمال فرآیند یادگیری و با بهرهگیری از نتایج به دست آمده، از فرآیند تحلیل سلسله مراتبی، مقادیر وزنها بیش از پیش بهبود یافته و جواب قابل قبولتری توسط مدل ارائه شود. مدل پیشنهادی به صورت مطالعه موردی در یک سازمان دارویی نمونه مورد بررسی قرار گرفته است و مقایسه خروجی آن با نتایج واقعی سرمایهگذاری انجام شده توسط سازمان، حکایت از ارائه نتایج قابل قبول توسط مدل توسعه یافته در این مقاله دارد. | ||
| کلیدواژه‌ها [English] | ||
| سبد محصولات, تصمیمگیری چندمعیاره, منطق فازی, فرآیند تحلیل سلسله مراتبی, شبکه‌های عصبی مصنوعی | ||
|
آمار تعداد مشاهده مقاله: 2,389 تعداد دریافت فایل اصل مقاله: 1,782 |
||