تصمیم‌گیرندگان در انتخاب یک گزینه از میان گزینه‌های متعدد، غالباً چندین معیار را هم‌زمان در تصمیم‌گیری مدنظر قرار می‌دهند. معیارها گاه هم‌راستا و بعضاً متقابل و متضاد می‌باشند. مدل‌های کلاسیک تحقیق در عملیات مانند برنامه‌ریزی خطی، برنامه‌ریزی عدد صحیح، برنامه‌ریزی غیرخطی و مانند آن مدل‌های تصمیم‌گیری هستند که بهینه‌سازی را فقط بر اساس یک معیار به انجام می‌رسانند. لذا این مدل‌ها در زمره مدل‌های تک هدفه طبقه‌بندی می‌گردند. هدف انتخاب‌شده این‌گونه مدل‌ها عموماً اولی‌ترین و مهم‌ترین هدف بوده و سایر اهداف در سایه این هدف به فراموشی سپرده می‌شوند.
تصمیم‌گیری انتخاب یک گزینه از میان گزینه‌های مختلف است و این انتخاب هنگامی هوشیارانه و حساب‌شده است که بیش از یک معیار در گزینش آن به کار گرفته شود.  تصمیم‌گیری با یک معیار فرایندی ساده و یک‌بعدی است.
فرایند تصمیم‌گیری ، شامل ۳ مرحله است:
شناسایی و درک محیط
حالت‌های ممکن برای پاسخ به محیط

تبدیل کردن به یک مسئله قابل‌حل
زمانی که برای رسیدن به هدفی چندین راه مختلف را در نظر می‌گیریم، باید در هنگام بررسی این راه‌ها روابط متقابلی که بین آن‌ها است را در نظر بگیریم چون ممکن است کم یا زیادشدن عاملی بر عوامل دیگر تأثیرگذار باشد.
در نظریه تصمیم‌گیری ، راه‌های مختلف تصمیم‌گیری را، با توجه به روابط متقابل آن‌ها به یک مدل تبدیل می‌کنیم. به‌عنوان‌مثال ممکن است سهمیه‌بندی کردن بنزین موجب کاهش استفاده مردم از خودروهای شخصی شود اما از طرف دیگر سبب تورم در جامعه شود.
یکی از مهم‌ترین بخش‌ها تعریف یک مسئله، شناسایی متغیرهاست. ممکن است برای موضوعی خاص، متغیرهای مختلفی را بتوانیم تعریف کنیم اما باید ببینیم هدفمان چیست و سپس بر اساس آن هدف برای مسئله متغیر تعریف کنیم. سپس باید پیامدهای جواب‌های متغیرها را هم بررسی کنیم.
تصمیم‌گیری چند معیاره (MCDM) شامل تصمیم‌گیری چند شاخصه (MADM) و تصمیم‌گیری چندهدفه (MODM)  می‌شود(رجب زاده، ۱۳۷۷).
تصمیم‌گیری چند شاخصه با یک هدف (MADM):
مدل‌های تصمیم‌گیری با یک تابع هدف را ازنظر پارامترها و ضرایب می‌توانیم به ۳ قسمت تقسیم کنیم:
۱٫ حالت قطعیت: در این حالت تمام پارامترها و ضرایب مشخص و قطعی هستند

2. 2. حالت ریسک: در این حالت ضرایب مشخص و قطعی نیستند اما مقادیرشان از توابع توزیع احتمالی مشخصی پیروی می‌کنند؛ که به‌این‌ترتیب می‌توانیم مقدار آن‌ها را برآورد کنیم.

2. 2. حالت غیر قطعیت: در این حالت ضرایب مشخص و قطعی نیستند، ضمن آنکه از توزیع احتمالی آن‌ها نیز اطلاعی نداریم.در دو حالت ۲ و ۳ مفهوم یافتن جواب بهینه به این معناست که جواب‌هایی که بهینه نیستد را پیداکرده و از گزینه‌های قابل انتخاب حذف کنیم؛ بنابراین در این حالت به‌جای اینکه بگوییم چه جوابی خوب است می‌گوییم چه جواب‌هایی بد است و آن‌ها را حذف می‌کنیم (رجب زاده، ۱۳۷۷).

تصمیم‌گیری با چند هدف (MODM)
گاهی در تصمیم‌گیری‌ها چند تصمیم‌گیرنده داریم. چند تصمیم‌گیرنده داشتن با بیش از یک هدف داشتن در ارتباط است.  زمانی که چند تصمیم‌گیرنده وجود داشته باشد، هرکدام ممکن است دارای هدف‌های متناقضی با دیگر افراد باشند. ممکن است با سود بردن یکی دیگری ضرر کند و بالعکس. در این حالت باید طوری تصمیم‌گیری شود که همه راضی شوند
روش‌های حل در این مسائل به‌صورت زیر طبقه‌بندی می‌شوند:
روش‌های حل مدل با گرفتن اطلاعات اولیه از تصمیم‌گیرنده
شامل روش‌های:محدودیت توافقی، بهینه‌سازی تقدمی، برنامه‌ریزی آرمانی خطی و…
روش‌های حل مدل با گرفتن اطلاعات از تصمیم‌گیرنده هنگام حل شامل روش‌های جئوفرین، زیونتز والنیوس،  STEM, SEMOPS
روش‌های حل مدل با گرفتن اطلاعات از تصمیم‌گیرنده بعد از حل:شامل روش‌های: پارامتریک و سیمپلکس چند معیاره
روش‌های حل مدل بدون نیاز به کسب اطلاعات از تصمیم‌گیرنده:شامل روش‌های: معیار جامع، حداقل انحراف، برنامه‌ریزی تجدید پذیر(رجب زاده، ۱۳۷۷).
روش TOPSIS
واژه TOPSIS مخفف Technique for Order Preference by Similarity to Ideal Solution به معنی روش‌های ترجیح بر اساس مشابهت به راه‌حل ایدئال است. این مدل توسط هوانگ و یون در سال ۱۹۸۱ پیشنهاد شد. در این روش m گزینه به‌وسیله n شاخص ارزیابی می‌شود. منطق اصولی این مدل راه‌حل ایدئال (مثبت) و راه‌حل ایدئال منفی را تعریف می‌کند. راه‌حل ایدئال (مثبت) راه‌حلی است که معیار سود را افزایش و معیار هزینه را کاهش می‌دهد. گزینه بهینه، گزینه‌ای است که کمترین فاصله از راه‌حل ایدئال و درعین‌حال دورترین فاصله از راه‌حل ایدئال منفی دارد. به عبارتی در رتبه‌بندی گزینه‌ها به روش TOPSIS گزینه‌هایی که بیشترین تشابه را با راه‌حل ایدئال داشته باشند، رتبه بالاتری کسب می‌کنند.
فرض بر این است که مطلوبیت هر شخص به‌طور یکنواخت افزایش و یا کاهشی است. حل یک مسئله به روش TOPSIS شامل ۶ محله است که به شرح ذیل مشخص‌شده‌اند.
الگوریتم TOPSIS
ماتریس D را به کمک نرم اقلیدسی به یک ماتریس بی مقیاس شده تبدیل کنید.

ماتریس به‌دست‌آمده، ND نامیده می‌شود.
ماتریس بی مقیاس موزون را به دست آورید.

که در آن V ماتریس بی مقیاس موزون و W یک ماتریس قطری از وزن‌های به‌دست‌آمده برای شاخص‌ها است.
راه‌حل ایدئال مثبت و راه‌حل ایدئال منفی را مشخص نمایید

اندازه فاصله‌ها بر اساس نرم اقلیدسی به ازاء راه‌حل ایدئال منفی و گزینه مثبت و همین اندازه را به ازاء راه‌حل ایدئال مثبت و گزینه منفی به‌صورت زیر به دست آورید:

نزدیکی نسبی Ai به راه‌حل ایدئال به‌صورت زیر محاسبه می‌گردد.

چنانچه  باشد آنگاه  می‌شود درصورتی‌که  باشد آنگاه  خواهد شد بنابراین هر گزینه Ai به راه‌حل ایدئال نزدیک‌تر باشد مقدار Ci آن به یک نزدیک‌تر خواهد بود.
رتبه‌بندی گزینه‌ها در این مرحله انجام می‌گیرد و بر اساس ترتیب نزولی Ci را می‌توان گزینه‌های موجود را بر اساس بیشترین اهمیت رتبه‌بندی نمود (آذر، عادل، رجب‌زاده، علی، ۱۳۸۹).