---
title: "Decision-making matrix model — مدل ماتریسی تصمیم‌گیری"
source: "https://systems-analysis.info/int/Decision-making_matrix_model_%E2%80%94_%D9%85%D8%AF%D9%84_%D9%85%D8%A7%D8%AA%D8%B1%DB%8C%D8%B3%DB%8C_%D8%AA%D8%B5%D9%85%DB%8C%D9%85%E2%80%8C%DA%AF%DB%8C%D8%B1%DB%8C"
wiki: "systems-analysis.info/int"
article: "Decision-making_matrix_model_—_مدل_ماتریسی_تصمیم‌گیری"
language: "fa"
categories:
  - "Category:Decision theory"
  - "Category:Decision-making"
  - "Category:Modeling"
  - "Category:Persian"
revision_id: 1431
wiki_created_at: 2026-09-06T22:48:39Z
wiki_modified_at: 2026-09-06T22:48:39Z
downloaded_at: 2026-09-07T22:46:04Z
---

# Decision-making matrix model — مدل ماتریسی تصمیم‌گیری

# مدل ماتریسی تصمیم‌گیری

**مدل ماتریسی تصمیم‌گیری** — نمایش رسمی‌شده‌ی مسئله‌ی انتخاب به صورت یک جدول (ماتریس) است که در آن وابستگی‌های میان گزینه‌های ممکن و شرایط بیرونی مؤثر بر نتیجه‌ی انتخاب نشان داده می‌شوند. این مدل در تحلیل تصمیم‌ها در شرایط **عدم‌قطعیت**، **ریسک** و **چندمعیاری بودن** به کار می‌رود.

## ساختار ماتریس

مدل بر پایه‌ی اجزای زیر ساخته می‌شود:

- **گزینه‌ها (راه‌حل‌های ممکن)** — A₁, A₂, ..., Aₘ — سطرهای ماتریس.
- **حالت‌های محیط (سناریوها)** — E₁, E₂, ..., E_d — ستون‌های ماتریس.
- **اثربخشی جزئی** — Yᵢⱼ = fⱼ(Aᵢ)، نتیجه برای ترکیب Aᵢ و Eⱼ.

چنین جدولی **ماتریس اثربخشی جزئی** نامیده می‌شود و ابعاد m × d دارد، که در آن هر خانه حاوی ارزیابی نتیجه برای جفت متناظر «گزینه–حالت» است.

## تفسیر اثربخشی جزئی

مقادیر Yᵢⱼ به صورت زیر تفسیر می‌شوند:

- درآمد یا سود،
- میزان دستیابی به هدف،
- مطلوبیت یا ارجحیت نتیجه.

اگر ارزیابی‌ها ماهیت متفاوتی داشته باشند، می‌توان آن‌ها را به یک مقیاس واحد، مثلاً از ۰ تا ۱، نرمال کرد.

## هدف و مزایای مدل

مدل ماتریسی به عنوان پایه‌ای برای موارد زیر به کار می‌رود:

- اعمال معیارهای انتخاب (والد، سویج، لاپلاس، هورویتز و دیگران)،
- تحلیل رفتار تصمیم‌گیرنده بدون آگاهی از احتمالات،
- توجیه تصمیم‌های پایدار،
- گذار به ساخت درخت‌های تصمیم و سناریوها.

**مزایا:**

- وضوح و ساختارمندی؛
- مناسب بودن برای پردازش رایانه‌ای؛
- همه‌کاره بودن.

## نمونه‌ای از ساختار ماتریس

| گزینه | حالت E₁ | حالت E₂ | ... | حالت E_d |
|-------|---------|---------|-----|----------|
| A₁    | Y₁₁     | Y₁₂     | ... | Y₁d      |
| A₂    | Y₂₁     | Y₂₂     | ... | Y₂d      |
| ...   | ...     | ...     | ... | ...      |
| Aₘ    | Yₘ₁     | Yₘ₂     | ... | Yₘd      |

## کاربرد در تصمیم‌گیری

مدل ماتریسی در موارد زیر به کار می‌رود:

- در شرایط عدم‌قطعیت — با معیارهای قطعی‌گرایانه؛
- در شرایط ریسک — هنگامی که احتمالات داده شده باشند؛
- در تحلیل چندمعیاره — به عنوان پایه‌ای برای تجمیع؛
- در سیستم‌های پشتیبانی تصمیم‌گیری.

## همچنین ببینید

- تصمیم‌گیری در شرایط عدم‌قطعیت
- تحلیل چندمعیاره‌ی تصمیم‌ها
- درخت تصمیم