روش کارای یادگیری ترجیحات مبتنی بر مدل ELECTRE TRI به منظور طبقه بندی چندمعیاره موجودی (مقاله علمی وزارت علوم)

چکیده

آنالیز چندمعیاره ABC روش شناخته شده ای برای طبقه بندی موجودی هاست که اغلب رویکرد جبرانی را برای تجمیع معیارها لحاظ می کند، یعنی ضعف موجودی در یک معیار با عملکرد خوب آن در معیارهای دیگر جبران می شود. تا جایی که می دانیم رویکرد غیرجبرانی این مسئله به طور کافی مطالعه نشده است. مدل ELECTRE TRI از مدل های مبتنی بر روابط برتری است که این رویکرد را در محاسبات لحاظ می کند، ولی با توجه به پیچیدگی و هزینه بربودن، این مدل در تعیین مقادیر ترجیحات تصمیم گیرندگان (پارامترها)، از اقبال خوبی برخوردار نبوده است. بدین منظور در این مقاله روشی ارائه می شود که با استفاده از الگوریتم بهینه سازی تراکم ذرات (PSO)، مقادیر تمام پارامترها را از داده های آموزشی شامل تصمیمات قبلی تصمیم گیرندگان یاد می گیرد و در طبقه بندی موجودی های جدید به کار می برد. روش پیشنهادی برخلاف مدل های استاندارد داده کاوی که طبقه بندی را به صورت اسمی انجام می دهند، متناسب با روش ABC اقلام موجودی را به صورت رتبه ای طبقه بندی می کند. نتایج به دست آمده از آنالیز تجربی روش پیشنهادی روی دیتاست های موجودی، کارایی و قابلیت رقابت آن را در مقایسه با سایر مدل های طبقه بندی نشان می دهد.