طراحي مدل تصميم‌گيري در شرايط عدم اطمينان

Designing of Decision Making Model in Uncertainty Conditions

در اين مقاله مرور و مقايسه‌اي بر انواع متغيرهاي تعريف شده در بخش مدلسازي فرايند تحقيق در عمليات خواهيم داشت. از آن جايي كه در دنياي واقعي مسائل مربوط به تصميم‌گيري‌هاي مديريتي به‌دليل فاكتورهاي انساني و پيچيده اجتماعي، رواني، اقتصادي، سياسي و ... از عدم اطمينان بالايي برخوردارند؛ به نظر مي‌رسد انواع متغيرهاي موجود در ادبيات موضوع قادر به تبيين همه حالت‌هاي ممكن شرايط واقعي نيستند، بنابراين به معرفي متغيرهاي جديد مانند متغير تصادفي درجه دوم، عدم اطمينان تصادفي، فازي عدم اطمينان، عدم اطمينان فازي و متغير عدم اطمينان درجه دوم خواهيم پرداخت و تعميم تركيبات مختلف متغير به سطوح بالاتر مطرح خواهد گرديد. سپس بر‌اساس متغير عدم اطمينان درجه دوم، نسخه‌هاي جديدي از مدل برنامه‌ريزي خطي با عنوان مدل برنامه‌ريزي خطي عدم اطمينان درجه دوم و كاملاً نامطمئن ارائه خواهيم داد. در ادامه جهت تأييد مدل پيشنهادي مثالي عددي مربوط به مسئله انتخاب پورتفوليوهاي نامطمئن ارائه مي‌نماييم. پس از آن راه‌حل‌هاي بهينه نامطمئن با استفاده از نرم‌افزار برنامه‌ريزي محدب‌ساخت يافته به‌دست خواهند آمد.

In this article, we will review and compare all defined kinds of variables in modeling section of operations research process. Since in real world, problems related to managerial decision makings because of humanities and complex factors like social, psychological, economical, political and etc, have high degree of uncertainty. It seems that available kinds of variables in literature are unable to explain all possible states of real conditions; so we will introduce new variables such as second class random  variable, random uncertainty variable, uncertainty fuzzy variable, fuzzy uncertainty variable and second class uncertainty variable. Also, we will propose generalization of different combinations of variables to higher levels. Then, in base of second class uncertainty variable, we will provide new versions of linear programming model titled second class uncertainty and full uncertain linear programming models. In continue, we will present a numerical example from uncertain portfolio selection problem to verify proposed model. After that uncertain optimal solutions will attain by disciplined convex programming software