پلیس به عنوان یک سازمان حاکمیتی بزرگ مانند هر سازمان دیگری، پیوسته با تصمیم گیری های متعدد و با سطوح مختلف روبرو است. از آن جایی که این تصمیمات غالبا از اهمیت و حساسیت بالایی برخوردارند و هم چنین به نتایج ملموس مثبت و یا تبعات جبران ناپذیری را می توانند منجر شوند، استفاده از روش های پیشرفته تصمیم گیری که با توجه به مطالعات گسترده در چنین موقعیت هایی نتایج مناسبی داشته اند ضروری می نماید.روش های پرامتی در مواردی که معیارهای تصمیم گیری در تضاد با یکدیگر قرار داشته و تصمیم گیران اطلاعات پایه در جداول تصمیم گیری را ناکافی می دانند، عملکرد مناسبی دارند. تصمیم گیری های پلیس با خصوصیاتی نظیر پیچیدگی، تضاد معیارها، تعدد معیارها و ... زمینه مناسبی را برای استفاده از روش های پرامتی فراهم می کنند.این مقاله مروری بر متدولوژی پرامتی در زمینه پشتیبانی تصمیم با معیارهای چندگانه(MCDA)  است. در ابتدا توضیحاتی در مورد مسایل چند معیاره ارایه شده و سپس این نکته را تشریح خواهیم نمود که مسایل چند معیاره، بدون در اختیار داشتن اطلاعات تکمیلی مرتبط با اولویت ها و ارجحیت های تصمیم گیران، نمی توانند مورد بررسی قرار گیرند. اطلاعات در خواستی در پرامتی و گایا برای تحلیل گران و تصمیم گیران بسیار واضح و خوش تعریف هستند. این اطلاعات شامل یک تابع ترجیحی مرتبط با هر معیار و هم چنین وزنهایی هستند که نشان دهنده ی اهمیت نسبی معیار مربوطه می باشد. روش پرامتی-1 و رتبه بندی کامل در پرامتی-2 به علاوه ماژول تعاملی تصویری گایا به تشریح و تفسیر این مسایل می پردازند.در این مقاله از ارایه ی تفصیلی دیگر روش های پرامتی، به خصوص گایا به علت گستردگی صرف نظر شده است.

متن کامل این مقاله به زبان انگلیسی می باشد، لطفا برای مشاهده متن کامل مقاله به بخش انگلیسی مراجعه فرمایید.   لطفا برای مشاهده متن کامل این مقاله اینجا را کلیک کنید.

ارزیابی و انتخاب تامین کنندگان از ارکان مهم مدیریت زنجیره تامین است. تاکنون پژوهشگران با اتکا به نظریه مجموعه های فازی، راهکارهایی را برای مواجهه با عدم اطمینان نشئت گرفته از شرایط مبهم و سربسته مساله چندمعیاره انتخاب تامین کنندگان ارائه داده اند. با وجود این، پیچیدگی محاسبات در روش های سنتی وزن دهی فازی یکی از ایرادهای وارد بر این روش ها بوده است. در این مقاله، برای پرهیز از این پیچیدگی ها، استفاده از روش اولویت بندی فازی پیشنهاد شده است. این روش به فازی زدایی اعداد فازی شده و استانداردسازی بردار وزن اهمیت شاخص ها نیازی ندارد و می تواند بدون اتکا به مقایسه های زوجی خبرگان و با استفاده از مدل بهینه سازی فازی، بهترین ماتریس وزن های اهمیت را ارائه دهد. ترکیب نتایج این روش با روش رتبه بندی پرومته، چارچوب اثربخشی را برای حل مسئله ارزیابی و انتخاب تامین کنندگان ارائه داده است. به کارگیری این چارچوب برای ارزیابی و انتخاب تامین کنندگان قطعات یکی از شرکت های خودروسازی ایران، موید این ادعا است.

تکنیک های تصمیم گیری معمولا برای انتخاب بهترین راه حل استفاده می شوند. به منظور ساده سازی فرآیند تصمیم گیری، روش های ریاضی بسیاری پیشنهاد شده اند که روش های رتبه بندی ترجیحی برای غنی سازی ارزیابی ها (PROMETHEE) و تکنیک برنامه ریزی خطی برای تحلیل چند بعدی ترجیحات (LINMAP) از پرکاربردترین روش های تصمیم گیری چندمعیاره هستند. در تکنیک های تصمیم گیری چند معیاره، همچون مطالعات مکان یابی، گزینه های تصمیم گیری گسسته بوده و هدف انتخاب و یا رتبه بندی گزینه ها با توجه به معیارهای چندگانه است. اما در برخی از مسائل مکان یابی مانند، احداث جایگاه سوخت در طول یک جاده، لازم است، با در نظر گرفتن معیارهای چندگانه و متضاد، مکان بهینه در طول یک پاره خط از اعداد حقیقی تعیین گردد. در پژوهش حاضر به بررسی مسائل تصمیم گیری چند معیاره در حالت گزینه پیوسته (گزینه های تصمیم در طول یک پاره خط) پرداخته شده و علاوه بر استفاده از تکنیک PROMETHEE-IV، تکنیک LINMAP نیز برای مسائل پیوسته توسعه داده شده و نتایج حاصل از دو تکنیک مقایسه گردیده است. نتایج تجزیه و تحلیل داده های مربوط به یک مثال عددی با استفاده از تکنیک IV-PROMETHEE وLINMAP ، به کمک نرم افزارهای اکسل و لینگو نشان دهنده کارایی این دو تکنیک در حل مسائل تصمیم گیری چند معیاره با گزینه های پیوسته است.

در این مقاله تلاش می شود که بهترین نقاط مرکزی توابع پایه شعاعی را با استفاده از تکنیک های تصمیم گیری چند معیاره (MCDM) انتخاب کنیم. دو روش مبتنی بر توابع پایه ای شعاعی برای حل معادلات دیفرانسیل با مشتقات جزئی مورد استفاده قرار می گیرد. روش اول مبتنی بر روش کانسا و روش دوم مبتنی بر درون یابی هرمیتی می باشند. علاوه بر این، با انتخاب پنج مجموعه از نقاط مرکزی: کارتزین، هم فاصله، چبیشف، لژاندر و لژاندر گاوس لوباتو به عنوان گزینه های تحقیق و متغیرهای: خطا، عدد حالت ماتریس درون یاب و زمان اجرا به عنوان معیارهای تاثیرگذار، گزینه ها با کمک تکنیک پرامیتی رتبه بندی گردیدند. در نهایت بهترین نقاط مرکزی بر اساس رتبه بدست آمده انتخاب گردید. این رتبه بندی نشان می دهد که روش درون یابی هرمیتی با استفاده از نقاط غیر یکنواخت به عنوان نقاط مرکزی مناسب تر از روش کانسا با هر نقطه مرکزی است.