تصمیمگیری چندمعیاره (MCDM) با استفاده از Matlab و Excel
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- درک اساسی از فرآیند تصمیمگیری چندمعیاره (MCDM) و اهمیت آن در حوزههای مختلف
- شناخت عمیق جدیدترین متدها و تکنیکهای MCDM، به گونهای که دانشجویان در خط مقدم این رشته باقی بمانند.
- کسب مهارت در استفاده از Excel برای مقابله با مسائل MCDM، از سطح پایه تا پیشرفته
- یادگیری استفاده از Matlab به عنوان ابزاری قدرتمند برای پرداختن به سناریوهای MCDM، از تنظیم مسئله تصمیمگیری تا حل موارد پیچیده
- مجهز شدن به توانایی برنامهنویسی و سفارشیسازی تکنیکهای مختلف MCDM، برای ایجاد انعطافپذیری و سازگاری در حل مسئله
توضیحات دوره
تصمیمگیری چندمعیاره (MCDM) به عنوان یکی از جنبههای محوری تحقیق در عملیات تکامل یافته است. این حوزه بر ایجاد ابزارهای محاسباتی و ریاضی متمرکز است تا به تصمیمگیرندگان در ارزیابی ذهنی معیارهای عملکرد کمک کند.
برای نخستین بار در Udemy، دورهای جامع ارائه میشود که به شکلی عمیق به انواع متدولوژی های MCDM میپردازد. این دوره کاربردی به گونهای طراحی شده که پاسخگوی نیاز دانشجویان، پژوهشگران و متخصصان این حوزه باشد.
رویکرد مدرس به هر متدولوژی MCDM سه مرحله دارد:
ابتدا با معرفی تئوری اساسی آن روش آغاز میکند.
سپس پیادهسازی عملی با استفاده از Microsoft Excel ارائه میدهد.
در نهایت، به برنامهنویسی آن روش با زبان Matlab میپردازد.
سرفصل دوره:
- مقدمهای بر MCDM
- روش وزندهی افزودنی ساده (SAW)
- فرآیند سلسلهمراتبی تحلیلی (AHP)
- فرآیند شبکه تحلیلی (ANP)
- تکنیک ترجیح رتبهبندی و شباهت به راهکار ایدهآل (TOPSIS)
- روش حذف و انتخاب ترجمهکننده واقعیت (ELECTRE)
- متد سازمان رتبهبندی ترجیحی برای ارزیابیهای غنیسازی (PROMETHEE)
- روش بهینهسازی چندمعیاره و راهکار مصالحهای (VIKOR)
- آزمایشگاه آزمون و ارزیابی تصمیمگیری (DEMATEL)
- تحلیل رابطه خاکستری (GRA)
- بهینهسازی چندهدفه بر اساس روش تحلیل نسبت (MOORA)
- متد ارزیابی نسبت پیچیده (COPRAS)
- متد ارزیابی نسبت افزودنی (ARAS)
- ارزیابی حاصل جمع وزنی تجمعی (WASPAS)
- تحلیل نسبت ارزیابی وزن گامبهگام (SWARA)
- ارزیابی ترکیبی مبتنی بر فاصله (CODAS)
- ارزیابی بر اساس فاصله از راهکار میانگین (EDAS)
- اندازهگیری گزینهها و رتبهبندی طبق راهکار مصالحهای (MARCOS)
- روش اهمیت معیارها از طریق همبستگی بین معیاری (CRITIC)
- تکنیک وزندهی آنتروپی
علاوه بر این، این دوره با مجموعه گستردهای از آموزشهای برنامهنویسی غنی شده است تا دانشجویان فرصت کافی برای تثبیت درک نظری خود از طریق تمرینهای عملی داشته باشند.
پس از اتمام موفقیتآمیز این دوره، شرکتکنندگان به خوبی مجهز خواهند شد تا Excel و Matlab را در مواجهه با طیف گستردهای از چالشهای MCDM به کار گیرند. این پایه، راه را برای بررسی و تسلط به سایر راهبردهای MCDM نیز هموار میکند.
این دوره برای چه کسانی مناسب است؟
- افرادی که در رشتههای تحقیق در عملیات، علوم مدیریت، مهندسی، تحلیل کسبوکار یا هر حوزه دیگری که فرآیندهای تصمیمگیری در آن حیاتی است، تحصیل میکنند.
- مهندسان، تحلیلگران داده، مدیران عملیات و سایر افرادی که نیاز به اتخاذ تصمیمات آگاهانه با در نظر گرفتن چندین معیار دارند.
- متخصصانی که به کسبوکارها در مورد راهبردهای تصمیمگیری مشاوره میدهند و به ابزارهایی برای تحلیل همزمان عوامل تصمیمگیری متعدد نیاز دارند.
- اساتید و مربیانی که مایلند متدولوژی های MCDM را در برنامه درسی یا پژوهش خود بگنجانند.
- افراد مشتاق یادگیری نحوه پیادهسازی تکنیکهای MCDM با استفاده از ابزارهای نرمافزاری پرکاربرد مانند MATLAB و Excel.
- مدیران ارشد، مدیران یا هر کسی که تسک اتخاذ تصمیمات پیچیدهای را بر عهده دارد که در آن عوامل متعدد باید سنجیده و مورد توجه قرار گیرند.
- کسانی که ذهن کنجکاوی در مورد فرآیندهای تصمیمگیری ساختاریافته دارند و میخواهند بدانند نرمافزار چگونه میتواند در چنین تسک هایی کمک کند.
تصمیمگیری چندمعیاره (MCDM) با استفاده از Matlab و Excel
-
پیشزمینه MCDM ها - بخش 1 21:04
-
مقدمهای بر SAW 04:49
-
مثال 1 09:03
-
مثال 2 08:43
-
مثال 3 10:54
-
مقدمهای بر AHP 09:58
-
مثال 1 10:38
-
یک چارچوب برای AHP 14:45
-
برنامهنویسی AHP 10:49
-
مثال 02 08:36
-
مثال 03 16:02
-
مقدمهای بر ANP 14:29
-
استفاده از سوپر ماتریس در AHP 05:56
-
استفاده از سوپر ماتریس در AHP - مثال 02 06:18
-
ANP - مثال 01 06:44
-
ANP - مثال 02 06:48
-
مقدمهای بر TOPSIS 06:05
-
پیادهسازی TOPSIS در Excel 09:34
-
پیادهسازی TOPSIS در Matlab 16:27
-
مقدمهای بر ELECTRE 09:03
-
پیادهسازی ELECTRE در Excel 35:08
-
پیادهسازی ELECTRE در Matlab 31:40
-
مقدمهای بر PROMETHEE 06:51
-
پیادهسازی PROMETHEE در Excel 15:23
-
پیادهسازی PROMETHEE در Matlab 21:25
-
مقدمهای بر VIKOR 06:20
-
پیادهسازی VIKOR در Excel 15:34
-
پیادهسازی VIKOR در Matlab 13:33
-
مقدمهای بر DEMATEL 06:19
-
پیادهسازی DEMATEL در Excel 14:47
-
پیادهسازی DEMATEL در Matlab 09:08
-
مقدمهای بر GRA 06:49
-
پیادهسازی GRA در Excel 12:00
-
پیادهسازی GRA در Matlab 13:02
-
مقدمهای بر MOORA 04:49
-
پیادهسازی MOORA در Excel 08:16
-
پیادهسازی MOORA در Matlab 15:07
-
مقدمهای بر COPRAS 05:26
-
پیادهسازی COPRAS در Excel 08:22
-
پیادهسازی COPRAS در Matlab 11:43
-
مقدمهای بر ARAS 06:30
-
پیادهسازی ARAS در Excel 06:29
-
پیادهسازی ARAS در Matlab 11:30
-
مقدمهای بر WASPAS 05:29
-
پیادهسازی WASPAS در Excel 10:05
-
پیادهسازی WASPAS در Matlab 24:42
-
مقدمهای بر SWARA 04:17
-
پیادهسازی SWARA در Excel 04:32
-
پیادهسازی SWARA در Matlab 06:38
-
مقدمهای بر CODAS 04:41
-
پیادهسازی CODAS در Excel 13:44
-
پیادهسازی CODAS در Matlab 14:17
-
مقدمهای بر EDAS 04:44
-
پیادهسازی EDAS در Excel 10:53
-
پیادهسازی EDAS در Matlab 14:27
-
مقدمهای بر MARCOS 04:21
-
پیادهسازی MARCOS در Excel 12:07
-
پیادهسازی MARCOS در Matlab 16:10
-
مقدمهای بر CRITIC 04:03
-
پیادهسازی CRITIC در Excel 11:33
-
پیادهسازی CRITIC در Matlab 09:37
-
مقدمهای بر آنتروپی 02:59
-
پیادهسازی آنتروپی در Excel 05:56
-
پیادهسازی آنتروپی در Matlab 04:38
-
مقدمهای بر CoCoSo 05:06
-
پیادهسازی CoCoSo در Excel 11:39
-
پیادهسازی CoCoSo در Matlab 13:03
-
مقدمهای بر روش Chang 07:44
-
پیادهسازی روش Chang در Excel 14:33
-
پیادهسازی روش Chang در Matlab 16:11
-
مقدمهای بر مقدار انتگرال فازی 10:19
-
پیادهسازی مقدار انتگرال فازی در Excel 07:16
-
پیادهسازی مقدار انتگرال فازی در Matlab 12:29
مشخصات آموزش
تصمیمگیری چندمعیاره (MCDM) با استفاده از Matlab و Excel
- تاریخ به روز رسانی: 1404/12/10
- سطح دوره:همه سطوح
- تعداد درس:73
- مدت زمان :13:01:09
- حجم :6.08GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy