Metoda SAW z przedziałowymi danymi i wagami uzyskanymi za pomocą przedziałowej entropii Shannona

• Autorzy: Dariusz Kacprzak

Warianty tytułu

The SAW Method with Interval Data and the Weights Obtained Using the Interval Shannon's Entropy

• Języki publikacji: PL

Abstrakty

Celem artykułu jest rozszerzenie metody SAW na problemy podejmowania decyzji z danymi przedziałowymi. Pozwala to na modelowanie problemów rzeczywistych, w których nie można dokładnie zmierzyć danych. Zaproponowana metoda wykorzystuje entropię Shannona, która jest jedną z metod wyznaczania obiektywnych wag kryteriów. Pozwala to uniknąć subiektywizmu i nieprecyzyjności spowodowanej niekompletną wiedzą, osądami, opiniami i preferencjami decydentów. (abstrakt oryginalny)

EN

The aim of the paper is to extend the SAW method for decision-making problems with interval data. This allows modeling real life problems in which data cannot be measured precisely. Moreover, proposed method uses Shannon's entropy which is one of the methods for finding objective weights of criteria. It allows to avoid subjectivity and imprecision caused by incomplete knowledge, judgments, opinions and preferences of decision makers. (original abstract)

Słowa kluczowe

PL

Entropia; Podejmowanie decyzji

EN

Entropy; Decision making

• Czasopismo: Studia Ekonomiczne / Uniwersytet Ekonomiczny w Katowicach. Zarządzanie
• Rocznik: 2018
• Tom: 13
• Numer: nr 348
• Strony: 144--155

Twórcy

autor

Dariusz Kacprzak

• Politechnika Białostocka

Bibliografia

• Abdullah L., Adawiyah C.W.R. (2014), Simple Additive Weighting Methods of Multicriteria Decision Making and Applications: A Decade Review, "International Journal of Information Processing and Management", 5/1, s. 39-49.
• Abdullah L., Jamal N.J. (2010), Determination of Weights for Health Related Quality of Life Indicators Among Kidney Patients: A Fuzzy Decision Making Method, "Applied Research in Quality of Life", 6(4), s. 349-361.
• Chen C.T. (2000), Extension of the TOPSIS for Group Decision Making Under Fuzzy Environment, "Fuzzy Sets and Systems", 114(1), s. 1-9.
• Churchman C.W., Ackoff R.L. (1954), An Approximate Measure of Value, "Journal of Operations Research Society of America", 2(1), s. 172-187.
• Gupta S., Gupta A. (2012), A Fuzzy Multi Criteria Decision Making Approach for Vendor Evaluation in a Supply Chain, "Interscience Management Review", 2(3), s. 10-16.
• Hu B.Q., Wang S. (2006), A Novel Approach in Uncertain Programming Part I: New Arithmetic and Order Relation for Interval Numbers, "Journal of Industrial and Management Optimization", 2(4), s. 351-371.
• Hwang C.L., Yoon K. (1981), Multiple Attribute Decision Making, Lecture Notes in Economics and Mathematical Systems, Springer.
• Jahanshahloo G.R., Lotfi F.H., Izadikhah M. (2006), An Algorithmic Method to Extend TOPSIS for Decision-making Problems with Interval Data, "Applied Mathematics and Computation", 175, s. 1375-1384.
• Kacprzak D. (2017), Objective Weights Based on Ordered Fuzzy Numbers for Fuzzy Multiple Criteria Decision Making Methods, "Entropy", 19, s. 373.
• Kobryń A. (2014), Wielokryterialne wspomaganie decyzji w gospodarowaniu przestrzenią, Difin, Warszawa.
• Lin H.Y., Liao C.J., Chang Y.H. (2010), Applying Fuzzy Simple Additive Weighting System to Health Examination Institution Location Selection, "IEEE International Conference on Industrial Engineering and Engineering Management", s. 646-650.
• Lotfi F.H., Fallahnejad R. (2010), Imprecise Shannon's Entropy and Multi Attribute Decision Making, "Entropy", 12, s. 53-62.
• Moore R.E., Kearfott R.B., Cloud M.J. (2009), Introduction to Interval Analysis, SIAM.
• Rajaie H., Hazrati A., Rashidi A. (2010), Evaluation of Construction Contractors in Developing Countries Using Fuzzy SAW Method, "Proceedings of the International Conference on Computing Civil and Building Engineering", s. 283-293.
• Roszkowska E., Kacprzak D. (2016), The Fuzzy SAW and Fuzzy TOPSIS Procedures Based on Ordered Fuzzy Numbers, "Information Sciences", 369, s. 564-584.
• Rudnik K., Kacprzak D. (2017), Fuzzy TOPSIS Method with Ordered Fuzzy Numbers for Flow Control in a Manufacturing System, "Applied Soft Computing", 52, s. 1020-1041.