Περίληψη
Η παρούσα διδακτορική διατριβή πραγματεύεται την ανάπτυξη και εφαρμογή μίας οικογένειας καινοτόμων μοντέλων Πολυκριτηριακής Ανάλυσης με την Συνέργεια της Εντροπίας Πληροφορίας στη Λήψη Αποφάσεων [Entropy Synergy (ES)-MADM I και II]. Τα υπόψη πολυκριτηριακά μοντέλα αποτελούν ολοκληρωμένες αλγοριθμικές πλατφόρμες οι οποίες συμβάλουν στον μεγάλο κλάδο της Πολυκριτηριακής Ανάλυσης ενσωματώνοντας μεθοδολογίες και εργαλεία της Εντροπίας Πληροφορίας προκειμένου να αντιμετωπίσουν μία σειρά σημαντικών προκλήσεων στη διαδικασία λήψης απόφασης, όπως η εξασφάλιση-ενσωμάτωση αντικειμενικότητας στη βαθμονόμηση των κριτηρίων, η αξιολόγηση της ερμηνευτικής ικανότητας των κριτηρίων αναφορικά με τις εναλλακτικές, η σημαντικότητα των κριτηρίων και η δυναμική τους σε σχέση με το πρόβλημα απόφασης, η αξιολόγηση της ποιότητας των αποτελεσμάτων αλλά και η ερμηνευτική ποιότητα-ικανότητα των δεδομένων εισόδου του προβλήματος. Τα μοντέλα ES-MADM έχουν σχεδιαστεί με τέτοιο τρόπο ώστε να απαντούν στις παραπάνω π ...
Η παρούσα διδακτορική διατριβή πραγματεύεται την ανάπτυξη και εφαρμογή μίας οικογένειας καινοτόμων μοντέλων Πολυκριτηριακής Ανάλυσης με την Συνέργεια της Εντροπίας Πληροφορίας στη Λήψη Αποφάσεων [Entropy Synergy (ES)-MADM I και II]. Τα υπόψη πολυκριτηριακά μοντέλα αποτελούν ολοκληρωμένες αλγοριθμικές πλατφόρμες οι οποίες συμβάλουν στον μεγάλο κλάδο της Πολυκριτηριακής Ανάλυσης ενσωματώνοντας μεθοδολογίες και εργαλεία της Εντροπίας Πληροφορίας προκειμένου να αντιμετωπίσουν μία σειρά σημαντικών προκλήσεων στη διαδικασία λήψης απόφασης, όπως η εξασφάλιση-ενσωμάτωση αντικειμενικότητας στη βαθμονόμηση των κριτηρίων, η αξιολόγηση της ερμηνευτικής ικανότητας των κριτηρίων αναφορικά με τις εναλλακτικές, η σημαντικότητα των κριτηρίων και η δυναμική τους σε σχέση με το πρόβλημα απόφασης, η αξιολόγηση της ποιότητας των αποτελεσμάτων αλλά και η ερμηνευτική ποιότητα-ικανότητα των δεδομένων εισόδου του προβλήματος. Τα μοντέλα ES-MADM έχουν σχεδιαστεί με τέτοιο τρόπο ώστε να απαντούν στις παραπάνω προκλήσεις, ενισχύοντας την μεθοδολογική ακρίβεια στη διαδικασία λήψης απόφασης και επιτρέποντας στον λήπτη απόφασης να αξιολογήσει εις βάθος όχι μόνο τις εναλλακτικές του αλλά και την ποιότητα των δεδομένων και των κριτηρίων του. Αναλυτικότερα η δομή της παρούσας διατριβής διαρθρώνεται ως ακολούθως: •Κεφάλαιο 1: Αναλύεται το εννοιολογικό υπόβαθρο της λήψης αποφάσεων σε σύνθετα περιβάλλοντα και παρατίθενται οι δυνατότητες καθώς και οι περιορισμοί των παραδοσιακών προσεγγίσεων ανάλυσης των προβλημάτων απόφασης. •Κεφάλαια 2 και 3: Παρατίθεται το ιστορικό πλαίσιο εξέλιξης και οι θεωρητικές βάσεις της ανάλυσης SWOT καθώς και της Πολυκριτηριακής Ανάλυσης Λήψης Απόφασης (Multi Criteria Decision Making-MCDM). Αναλύονται βασικοί όροι, οι δυνατότητες αλλά και οι περιορισμοί των προσεγγίσεων αυτών. •Κεφάλαια 4 και 5: Παρατίθενται αναλυτικά τα πλέον σημαντικά μοντέλα Πολυκριτηριακής Ανάλυσης, οι δυνατότητες αλλά και οι περιορισμοί τους. Αναλύονται διεξοδικά οι μεθοδολογίες στάθμισης και βαθμονόμησης των κριτηρίων και αναδεικνύεται η σημασία τους στη διαδικασία λήψης απόφασης. •Κεφάλαιο 6: Παρουσιάζεται μία λεπτομερής βιβλιογραφική ανασκόπηση αναφορικά με εφαρμογές μοντέλων της πολυκριτηριακής ανάλυσης σε ένα ευρύ φάσμα επιστημονικών πεδίων. •Κεφάλαιο 7: Παρατίθεται αναλυτικά η δομή, η λειτουργία και οι υπολογιστικές δυνατότητες των μοντέλων ES-MADM I και ES-MADM II καθώς οι μεταξύ τους διαφορές. •Κεφάλαια 8 έως 10: Εφαρμογή του μοντέλου ES-MADM I σε συνολικά οκτώ υποδείγματα (Case Studies) τα οποία αφορούν σε ποικίλους τύπους προβλημάτων απόφασης και αξιολόγησης εναλλακτικών. •Κεφάλαιο 11: Εφαρμογή του αναβαθμισμένου μοντέλου ES-MADM ΙI σε υπόδειγμα που αφορά την αξιολόγηση και εξέλιξη του ανθρώπινου δυναμικού εντός των Ενόπλων Δυνάμεων (Case Study υπ’ αριθμόν εννέα). •Κεφάλαιο 12: Παρουσιάζεται συμπεριληπτικά η συνεισφορά της διατριβής στον επιστημονικό κλάδο της Πολυκριτηριακής Ανάλυσης και παρατίθενται συνοπτικά οι κατευθύνσεις που αφορούν στην μελλοντική έρευνα η οποία περιλαμβάνει την ενσωμάτωση παραμετροποίησης ασαφούς λογικής (fuzzy sets) ως προς τις εναλλακτικές και τη βαθμονόμηση των κριτηρίων, συγκριτικές μελέτες με άλλα μοντέλα MCDM και την επέκταση των μεθόδων ES-MADM σε νέους τομείς. Η παρούσα διατριβή αναδεικνύει την υπολογιστική ικανότητα των μοντέλων ES-MADM στο να γεφυρώνουν το χάσμα μεταξύ απόφασης και πληροφορίας. Η ενσωμάτωση της εγγενούς πληροφορίας των δεδομένων στην στάθμιση των κριτηρίων και η εισαγωγή κατάλληλων εντροπικών δεικτών παρέχει στους λήπτες αποφάσεων ισχυρά εργαλεία στη διαχείριση της πολυπλοκότητας και της αξιοπιστίας των δεδομένων, επιτρέποντας τους να εκτιμήσουν την ποιότητα των αποτελεσμάτων του μοντέλου καθώς και της ίδιας της διαδικασίας αξιολόγησης. Η συνεισφορά των μοντέλων ES-MADM επιδιώκει να επιτύχει μία ουσιαστική συνδρομή στον δυναμικό τομέα της Πολυκριτηριακής Ανάλυσης ανοίγοντας τον δρόμο για μελλοντικές καινοτομίες και εφαρμογές.
περισσότερα
Περίληψη σε άλλη γλώσσα
This doctoral thesis investigates the development and implementation of a family of innovative models for Multi-Attribute Decision Analysis that leverage the Synergy of Information Entropy in decision-making processes, namely the Entropy Synergy (ES)-MADM I and II. These models represent comprehensive algorithmic frameworks that significantly advance the discipline of Multi-Criteria Analysis (MCA) by incorporating methodologies and tools from Information Entropy to address pivotal challenges in the decision-making process. These challenges include the integration and assurance of objectivity in criteria calibration, the evaluation of the interpretative capacity of criteria concerning alternatives, the assessment of the significance and dynamic interactions of criteria within the decision context, and the appraisal of both the quality of the results and the interpretative adequacy of the input data. The ES-MADM models have been meticulously designed to address these challenges, enhancin ...
This doctoral thesis investigates the development and implementation of a family of innovative models for Multi-Attribute Decision Analysis that leverage the Synergy of Information Entropy in decision-making processes, namely the Entropy Synergy (ES)-MADM I and II. These models represent comprehensive algorithmic frameworks that significantly advance the discipline of Multi-Criteria Analysis (MCA) by incorporating methodologies and tools from Information Entropy to address pivotal challenges in the decision-making process. These challenges include the integration and assurance of objectivity in criteria calibration, the evaluation of the interpretative capacity of criteria concerning alternatives, the assessment of the significance and dynamic interactions of criteria within the decision context, and the appraisal of both the quality of the results and the interpretative adequacy of the input data. The ES-MADM models have been meticulously designed to address these challenges, enhancing methodological rigor and precision in decision-making processes. They empower decision-makers to perform an in-depth evaluation not only of the alternatives but also of the quality and reliability of the data and criteria involved. The structure of the thesis is meticulously articulated as follows:•Chapter 1: The conceptual framework of decision-making in complex environments is explored, with a comprehensive exposition of the capacities and limitations of traditional analytical approaches to decision problems. •Chapters 2 and 3: The historical evolution and theoretical foundations of SWOT analysis and Multi-Criteria Decision-Making (MCDM) are rigorously examined. Key concepts, potentialities, and constraints of these methodologies are critically analyzed, highlighting their foundational significance. •Chapters 4 and 5: A detailed presentation of the principal MCDM models is provided, accompanied by an in-depth discussion of their advantages and limitations. The methodologies for weighting and calibrating criteria are analyzed extensively, with particular emphasis on their pivotal role in ensuring robust and credible decision-making outcomes. •Chapter 6: A meticulous literature review is undertaken, presenting applications of multi-criteria analysis models across a broad spectrum of scientific domains, underscoring their versatility and practical relevance. •Chapter 7: The structure, operational mechanisms, and computational capabilities of the ES-MADM I and II models are elaborated in detail, accompanied by a critical assessment of their differences and respective contributions. •Chapters 8 through 10: The ES-MADM I model is applied to eight distinct case studies, encompassing a diverse array of decision-making and alternative evaluation challenges, thereby demonstrating its adaptability and robustness. •Chapter 11: The advanced ES-MADM II model is applied to a case study focusing on the evaluation and career progression of personnel within the Armed Forces (Case Study 9), highlighting its applicability in human resource management. •Chapter 12: A synthesis of the thesis contributions to the scientific discipline of MCA is presented, alongside prospective directions for future research. These include the integration of fuzzy logic parameterization in the calibration of criteria and alternatives, comparative analyses with other MCDM models, and the expansion of the ES-MADM methodologies to diverse application areas. This thesis underscores the computational sophistication and transformative potential of the ES-MADM models in bridging the gap between decision-making processes and data-driven insights. By integrating the inherent informational characteristics of the input data into criteria weighting and introducing advanced entropy-based indices, these models offer decision-makers robust and versatile tools for managing the complexity and reliability of decision inputs. This capability facilitates a nuanced evaluation of not only the quality of the decision outcomes but also the integrity and efficacy of the decision-making process itself. The contributions of the ES-MADM models aspire to deliver a substantive advancement in the dynamic and evolving domain of MCA, setting the stage for groundbreaking innovations and applications in the future.
περισσότερα