Η παρούσα διπλωματική εργασία πραγματεύεται τον σχεδιασμό και την υλοποίηση μιας διαδικτυακής εφαρμογής διαχείρισης μισθώσεων ακινήτων για μεσιτικά γραφεία, η οποία ενσωματώνει πολυκριτήρια μεθοδολογία λήψης αποφάσεων για την υποστήριξη της διαδικασίας αναζήτησης και επιλογής κατοικίας προς ενοικίαση. Στόχος της εφαρμογής είναι η παροχή εξατομικευμένων και τεκμηριωμένων προτάσεων προς υποψήφιους ενοικιαστές, λαμβάνοντας υπόψη πολλαπλά και συχνά αντικρουόμενα κριτήρια αξιολόγησης, σε αντίθεση με τις συμβατικές πλατφόρμες που περιορίζονται σε απλή φιλτραρισμένη αναζήτηση.

Η μεθοδολογία της εργασίας συνδυάζει ανάλυση απαιτήσεων, σχεδίαση με UML, υλοποίηση full-stack (React frontend, FastAPI backend, σχεσιακή βάση δεδομένων) και αναπαραγώγιμη εκτέλεση μέσω Docker. Για τον πυρήνα των συστάσεων αξιοποιούνται διαδοχικά οι μέθοδοι Analytic Hierarchy Process (AHP) και Technique for Order of Preference by Similarity to Ideal Solution (TOPSIS): η AHP υπολογίζει τα βάρη τεσσάρων κριτηρίων (κόστος, εμβαδόν, τύπος ακινήτου, ποιότητα περιοχής) από τις δηλωμένες προτιμήσεις του χρήστη, ενώ η TOPSIS παράγει την τελική κατάταξη των διαθέσιμων ακινήτων. Οι προτιμήσεις συλλέγονται μέσω συγκρίσεων κατά ζεύγη ή ισοδύναμων sliders, με έλεγχο συνέπειας (Consistency Ratio, CR < 0,10) πριν την αποδοχή των βαρών.

Η υλοποίηση περιλαμβάνει διαχείριση ακινήτων και μισθώσεων, ρόλους χρηστών (ιδιοκτήτης, ενοικιαστής, διαχειριστής), REST API και μηχανισμούς επεξήγησης των συστάσεων (βάρη κριτηρίων, CR, συνεισφορά κατάταξης ανά ακίνητο). Η ορθή λειτουργία επαληθεύτηκε με 132 αυτοματοποιημένους ελέγχους backend (pytest), καλύπτοντας αυθεντικοποίηση, διαχείριση οντοτήτων και το πολυκριτήριο σύστημα συστάσεων.

Τα κύρια αποτελέσματα της αξιολόγησης δείχνουν ότι το σύστημα παράγει συνεπή και ερμηνεύσιμα αποτελέσματα: σε ενδεικτικό σενάριο τεσσάρων ακινήτων, με έμφαση στο κόστος και στην ποιότητα περιοχής, προέκυψαν αποδεκτά βάρη (CR ≈ 0,005) και κατάταξη όπου το ακίνητο με το χαμηλότερο ενοίκιο κατέλαβε την πρώτη θέση (συντελεστής εγγύτητας C ≈ 0,65). Η συγκριτική αποτίμηση με την απλή αναζήτηση (UC-03) καταδεικνύει ότι η φιλτραρισμένη προσέγγιση είναι κατάλληλη για αρχικό περιορισμό επιλογών, ενώ η πολυκριτήρια προσέγγιση (UC-04) ενισχύει ουσιαστικά τη λήψη απόφασης όταν απαιτείται ισορροπία μεταξύ αντικειμενικών δεδομένων και υποκειμενικών προτεραιοτήτων.

Συνολικά, η εργασία καταδεικνύει την πρακτική εφαρμοσιμότητα των μεθόδων AHP και TOPSIS σε ρεαλιστικό σενάριο αναζήτησης κατοικίας, συνδέοντας θεωρητική τεκμηρίωση με λειτουργικό πληροφοριακό σύστημα που προσφέρει διαφάνεια, επεκτασιμότητα και υποστήριξη λήψης απόφασης.

This thesis addresses the design and implementation of a web-based rental property management application for real estate agencies, integrating a multi-criteria decision-making approach to support the search and selection of housing for rent. The application aims to provide personalized and well-founded recommendations to prospective tenants by considering multiple, often conflicting evaluation criteria, in contrast to conventional platforms limited to simple filtered search.

The methodology combines requirements analysis, UML-based design, full-stack implementation (React frontend, FastAPI backend, relational database), and reproducible deployment using Docker. The recommendation core employs the Analytic Hierarchy Process (AHP) and the Technique for Order of Preference by Similarity to Ideal Solution (TOPSIS) in sequence: AHP derives the weights of four criteria (rent cost, floor area, property type, and area quality) from user-stated preferences, while TOPSIS produces the final ranking of available properties. Preferences are collected through pairwise comparisons or equivalent sliders, with consistency checking (Consistency Ratio, CR < 0.10) before weights are accepted.

The implementation includes property and lease management, user roles (owner, tenant, administrator), a REST API, and explainability mechanisms for recommendations (criterion weights, CR, and per-property ranking contributions). Correct operation was verified through 132 automated backend tests (pytest), covering authentication, entity management, and the multi-criteria recommendation subsystem.

The main evaluation results show that the system produces consistent and interpretable outcomes. In an indicative scenario with four properties, emphasizing rent cost and area quality, acceptable weights were obtained (CR ≈ 0.005) and a ranking in which the lowest-rent property ranked first (closeness coefficient C ≈ 0.65). Comparative assessment against simple search (UC-03) indicates that filtered search is suitable for initial narrowing of options, whereas the multi-criteria approach (UC-04) substantially strengthens decision-making when balancing objective property data with subjective user priorities.

Overall, the thesis demonstrates the practical applicability of AHP and TOPSIS in a realistic housing search scenario, bridging theoretical analysis with a functional information system that offers transparency, extensibility, and decision support.