آموزش تصمیم‌گیری چند معیاره (MCDM) با استفاده از متلب و اکسل - آخرین آپدیت

دانلود Multi-Criteria Decision Making (MCDM) Using Matlab and Excel

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:

یادگیری روش‌های تصمیم‌گیری چندمعیاره (MCDM) با اکسل و متلب

با این دوره جامع، تخصص خود را در تصمیم‌گیری چندمعیاره (MCDM) ارتقا دهید. یاد بگیرید چگونه از مایکروسافت اکسل و زبان برنامه‌نویسی متلب برای حل مسائل واقعی MCDM استفاده کنید. این دوره برای دانشجویان، پژوهشگران و متخصصان صنعت طراحی شده است تا شکاف بین دانش نظری و کاربرد عملی را پر کند.

با این دوره چه چیزهایی یاد می‌گیرید:

  • آشنایی با فرآیند تصمیم‌گیری چندمعیاره (MCDM): درک عمیقی از اصول و اهمیت MCDM در حوزه‌های مختلف کسب کنید.
  • پیاده‌سازی عملی MCDM با اکسل: از سطوح پایه تا پیشرفته، مهارت‌های لازم برای حل مسائل MCDM با استفاده از اکسل را کسب کنید.
  • کاربرد متلب در MCDM: متلب را به عنوان ابزاری قدرتمند برای مواجهه با سناریوهای MCDM، از راه‌اندازی مسائل تصمیم‌گیری تا حل موارد پیچیده، بیاموزید.
  • برنامه‌نویسی تکنیک‌های MCDM: قابلیت برنامه‌نویسی و سفارشی‌سازی تکنیک‌های مختلف MCDM را برای انعطاف‌پذیری در حل مسئله به دست آورید.
  • تسلط بر آخرین متدها: با جدیدترین روش‌ها و تکنیک‌های MCDM آشنا شوید و در خط مقدم این رشته قرار بگیرید.

پیش‌نیازهای دوره:

  • درک پایه از فرآیندها و اصول تصمیم‌گیری.
  • آشنایی با مفهوم MCDM و کاربردهای آن.
  • مهارت‌های پایه در مایکروسافت اکسل، شامل توابع و سازماندهی داده‌ها.
  • دانش مقدماتی از متلب، شامل رابط کاربری و دستورات پایه.
  • درک ابتدایی از جبر خطی، ماتریس‌ها و بهینه‌سازی ریاضی.
  • دانش پایه آمار، به‌ویژه در زمینه تحلیل داده‌ها.

محتوای کلیدی دوره شامل موارد زیر است:

  • مبانی تصمیم‌گیری چندمعیاره (MCDM)
  • روش وزن‌دهی جمع ساده (SAW)
  • فرآیند سلسله‌مراتبی تحلیلی (AHP)
  • فرآیند شبکه‌ای تحلیلی (ANP)
  • تکنیک ترتیب ترجیحات و شباهت به راه‌حل ایده‌آل (TOPSIS)
  • الیمیناسیون انتخاب ترجمه واقعیت (ELECTRE)
  • روش سازماندهی رتبه‌بندی ترجیحات برای ارزیابی غنی‌سازی (PROMETHEE)
  • بهینه‌سازی چندمعیاره بر مبنای تحلیل نسبت (MOORA)
  • ارزیابی نسبت وزنی تجمعی (WASPAS)
  • و بسیاری روش‌های دیگر مانند VIKOR، DEMATEL، GRA، COPRAS، ARAS، SWARA، CODAS، EDAS، MARCOS، CRITIC و روش وزن‌دهی آنتروپی.

این دوره با ارائه آموزش‌های کدنویسی فراوان، فرصت‌های بی‌شماری را برای تثبیت درک شما از طریق کاربرد عملی فراهم می‌کند. پس از اتمام دوره، شما توانایی استفاده ماهرانه از اکسل و متلب برای مواجهه با چالش‌های مختلف MCDM را خواهید داشت و پایه‌ای قوی برای تسلط بر تکنیک‌های اضافی MCDM بنا خواهید کرد.


سرفصل ها و درس ها

پیش‌زمینه MCDMs Background of MCDMs

  • پیش‌زمینه MCDMs1 Background of MCDMs1

وزن‌دهی افزایشی ساده (SAW) Simple Additive Weightage (SAW)

  • مقدمه‌ای بر SAW An Introduction to SAW

  • مثال ۱ Example 1

  • مثال ۲ Example 2

  • مثال ۳ Example 3

فرایند سلسله مراتبی تحلیلی (AHP) Analytic Hierarchy Process (AHP)

  • مقدمه‌ای بر AHP An Introduction to AHP

  • مثال ۱ Example 1

  • یک چارچوب برای AHP A framework for AHP

  • کدنویسی AHP Coding AHP

  • مثال ۰۲ Example 02

  • مثال ۰۳ Example 03

فرایند شبکه تحلیلی (ANP) Analytic Network Process (ANP)

  • مقدمه‌ای بر ANP An Introduction to ANP

  • استفاده از سوپرماتریکس در AHP Using Supermatrix in AHP

  • استفاده از سوپرماتریکس در AHP-مثال ۰۲ Using Supermatrix in AHP-Example02

  • ANP-مثال ۰۱ ANP-Example01

  • ANP-مثال ۰۲ ANP-Example02

تکنیک اولویت‌بندی ترجیحی و شباهت به راه‌حل ایده‌آل (TOPSIS) Technique for Order Preference and Similarity to Ideal Solution (TOPSIS)

  • مقدمه‌ای بر TOPSIS An Introduction to TOPSIS

  • پیاده‌سازی TOPSIS در اکسل Implementation of TOPSIS in Excel

  • پیاده‌سازی TOPSIS در متلب Implementation of TOPSIS in Matlab

روش حذف و انتخاب ترجمه واقعیت (ELECTRE) Elimination Et Choice Translating Reality (ELECTRE)

  • مقدمه‌ای بر ELECTRE An Intropduction to ELECTRE

  • پیاده‌سازی ELECTRE در اکسل Implementation of ELECTRE in Excel

  • پیاده‌سازی ELECTRE در متلب Implementation of ELECTRE in Matlab

روش رتبه‌بندی ترجیحی برای ارزیابی‌های غنی‌سازی (PROMETHEE) Preference Ranking Organization Method for Enrichment Evaluations (PROMETHEE)

  • مقدمه‌ای بر PROMETHEE An Intropduction to PROMETHEE

  • پیاده‌سازی PROMETHEE در اکسل Implementation of PROMETHEE in Excel

  • پیاده‌سازی PROMETHEE در متلب Implementation of PROMETHEE in Matlab

بهینه‌سازی چندمعیاری و راه‌حل مصالحه (VIKOR) VIseKriterijumska Optimizacija I Kompromisno Resenje (VIKOR)

  • مقدمه‌ای بر VIKOR An Intropduction to VIKOR

  • پیاده‌سازی VIKOR در اکسل Implementation of VIKOR in Excel

  • پیاده‌سازی VIKOR در متلب Implementation of VIKOR in Matlab

آزمایش و ارزیابی تصمیم‌گیری در آزمایشگاه (DEMATEL) Decision-Making Trial and Evaluation Laboratory (DEMATEL)

  • مقدمه‌ای بر DEMATEL An Intropduction to DEMATEL

  • پیاده‌سازی DEMATEL در اکسل Implementation of DEMATEL in Excel

  • پیاده‌سازی DEMATEL در متلب Implementation of DEMATEL in Matlab

تحلیل روابط خاکستری (GRA) Grey Relational Analysis (GRA)

  • مقدمه‌ای بر GRA An Intropduction to GRA

  • پیاده‌سازی GRA در اکسل Implementation of GRA in Excel

  • پیاده‌سازی GRA در متلب Implementation of GRA in Matlab

روش بهینه‌سازی چندهدفه بر اساس تحلیل نسبت (MOORA) Multi-objective Optimization on the Basis of Ratio Analysis Method (MOORA)

  • مقدمه‌ای بر MOORA Introduction to MOORA

  • پیاده‌سازی MOORA در اکسل Implementation of MOORA in Excel

  • پیاده‌سازی MOORA در متلب Implementation of MOORA in Matlab

روش ارزیابی نسبت پیچیده (COPRAS) Complex Proportion Assessment Method (COPRAS)

  • مقدمه‌ای بر COPRAS Introduction to COPRAS

  • پیاده‌سازی COPRAS در اکسل Implementation of COPRAS in Excel

  • پیاده‌سازی COPRAS در متلب Implementation of COPRAS in Matlab

روش ارزیابی نسبت افزایشی (ARAS) Additive Ratio Assessment Method (ARM-ARAS)

  • مقدمه‌ای بر ARAS Introduction to ARAS

  • پیاده‌سازی ARAS در اکسل Implementiation of ARAS in Excel

  • پیاده‌سازی ARAS در متلب Implementiation of ARAS in Matlab

ارزیابی مجموع وزنی ضرب (WASPAS) Weighted Aggregated Sum Product Assessment (WASPAS)

  • مقدمه‌ای بر WASPAS Introduction to WASPAS

  • پیاده‌سازی WASPAS در اکسل Implementation of WASPAS in Excel

  • پیاده‌سازی WASPAS در متلب Implementation of WASPAS in Matlab

روش تحلیل نسبت گام به گام (SWARA) Stepwise Weight Assessment Ratio Analysis (SWARA)

  • مقدمه‌ای بر SWARA Introduction to SWARA

  • پیاده‌سازی SWARA در اکسل Implementation of SWARA in Excel

  • پیاده‌سازی SWARA در متلب Implementation of SWARA in Matlab

ارزیابی مبتنی بر فاصله ترکیبی (CODAS) COmbinative Distance-based ASsessment (CODAS)

  • مقدمه‌ای بر CODAS Introduction to CODAS

  • پیاده‌سازی CODAS در اکسل Implementation of CODAS in Excel

  • پیاده‌سازی CODAS در متلب Implementation of CODAS in Matlab

ارزیابی مبتنی بر فاصله از راه‌حل میانگین (EDAS) Evaluation Based on Distance from Average Solution (EDAS)

  • مقدمه‌ای بر EDAS Introduction to EDAS

  • پیاده‌سازی EDAS در اکسل Implementation of EDAS in Excel

  • پیاده‌سازی EDAS در متلب Implementation of EDAS in Matlab

اندازه‌گیری جایگزین‌ها و رتبه‌بندی بر اساس راه‌حل مصالحه (MARCOS) Measurement Alternatives and Ranking according to COmpromise Solution (MARCOS

  • مقدمه‌ای بر MARCOS Introduction to MARCOS

  • پیاده‌سازی MARCOS در اکسل Implementation of MARCOS in Excel

  • پیاده‌سازی MARCOS در متلب Implementation of MARCOS in Matlab

CRITIC CRITIC

  • مقدمه‌ای بر CRITIC Introduction to CRITIC

  • پیاده‌سازی CRITIC در اکسل Implementation of CRITIC in Excel

  • پیاده‌سازی CRITIC در متلب Implementation of CRITIC in Matlab

آنتروپی Entropy

  • مقدمه‌ای بر آنتروپی Introduction to Entropy

  • پیاده‌سازی آنتروپی در اکسل Implementation of Entropy in Excel

  • پیاده‌سازی آنتروپی در متلب Implementation of Entropy in Matlab

راه‌حل مصالحه ترکیبی (CoCoSo) Combined Compromise Solution (CoCoSo)

  • مقدمه‌ای بر CoCoSo Introduction to CoCoSo

  • پیاده‌سازی CoCoSo در اکسل Implementation of CoCoSo in Excel

  • پیاده‌سازی CoCoSo در متلب Implementation of CoCoSo in Matlab

FuzzyAHP-Chang FuzzyAHP-Chang

  • مقدمه‌ای بر روش Chang An Introduction to Chang method

  • پیاده‌سازی روش Chang در اکسل Implementing Chang method in Excel

  • پیاده‌سازی روش Chang در متلب Implementing Chang method in Matlab

  • مقدمه‌ای بر مقدار انتگرال فازی Introduction to Fuzzy Integral Value

  • پیاده‌سازی مقدار انتگرال فازی در اکسل Implementing Fuzzy Integral Value in Excel

  • پیاده‌سازی مقدار انتگرال فازی در متلب Implementing Fuzzy Integral Value in Matlab

نمایش نظرات

آموزش تصمیم‌گیری چند معیاره (MCDM) با استفاده از متلب و اکسل
جزییات دوره
13 hours
73
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
291
4.1 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Easy Learning Academy Easy Learning Academy

خانواده ای از یادگیری