ScholarGate
دستیار

مقایسهٔ روش‌ها

روش‌های انتخابی خود را کنار هم مرور کنید؛ ردیف‌های متفاوت برجسته شده‌اند.

وزن‌دهی تحلیل مؤلفه‌های اصلی×ارزیابی ترکیبی مبتنی بر فاصله×
حوزهتصمیم‌گیریتصمیم‌گیری
خانوادهMCDMMCDM
سال پیدایش19012016
پدیدآورPearson, K.Keshavarz Ghorabaee, M., Zavadskas, E. K., Turskis, Z., Antucheviciene, J.
نوعWeight_Objective (PCA variance explained, eigenvector-based)Distance from anti-ideal (Euclidean + Taxicab)
منبع بنیادینPearson, K. (1901). On lines and planes of closest fit to systems of points in space. Philosophical Magazine DOI ↗Keshavarz Ghorabaee, M., Zavadskas, E. K., Turskis, Z., Antucheviciene, J. (2016). A new combinative distance-based assessment (CODAS) method for multi-criteria decision-making. Economic Computation and Economic Cybernetics Studies and Research link ↗
نام‌های دیگر
مرتبط88
خلاصهPCA-WEIGHT (PCA Weighting — Principal Component Analysis based objective weighting) is a weight objective multi-criteria decision-making (MCDM) method introduced by Pearson, K. in 1901. It turns a decision matrix of alternatives scored on multiple criteria into a structured, reproducible result.CODAS (Combinative Distance-Based Assessment) is a ranking multi-criteria decision-making (MCDM) method introduced by Keshavarz Ghorabaee, M., Zavadskas, E. K., Turskis, Z., Antucheviciene, J. in 2016. It turns a decision matrix of alternatives scored on multiple criteria into a structured, reproducible result.
ScholarGateمجموعه‌داده
  1. v1
  2. 1 منابع
  3. PUBLISHED
  1. v1
  2. 1 منابع
  3. PUBLISHED

رفتن به جست‌وجو دریافت اسلایدها

ScholarGateمقایسهٔ روش‌ها: PCA-WEIGHT · CODAS. بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/compare