وبلاگ

SAWباکنش متقابل
ماکسی مین
LINMAP
مجموع وزین رده ای
رضایت بخش خاص
رضایت بخش عام
MDS
متدپرموتاسیون
نمودار ۲-۲ فنون MADMبراساس پردازش اطلاعات برمبنای شاخص ها
طبیعتاً سطح آنالیز ریاضی در روش‌های جبرانی بالاتر از روش‌های غیرجبرانی است. پیش‌فرض استفاده از فنون تصمیم‌گیری چند شاخصه به همگن بودن گزینه‌ها است. به‌کارگیری تکنیک‌هایی چون SAW ، TOPSIS و ELECTRE در صورتی معنی‌دار است که گزینه‌های مورد ارزیابی همگن باشند.
روش‌های مختلفی برای طبقه‌بندی گزینه‌ها وجود دارد که روش تاکسونومی^[۴۴] یکی از روش‌هایی است که برای این منظور استفاده می‌شود.

۳۳- روش SAW ^[۴۵]
در این روش پس از تعیین ضریب اهمیت شاخص ها با بهره گرفتن از میانگین موزون ضریب اهمیت هر یک از گزینه ها را بدست می آوریم و بزرگترین آن به عنوان گزینه بهینه مد نظر گرفته می شود (اصغرپور، ۱۳۸۳).
یعنی چنانچه بردار W (وزن اهمیت شاخصها ) مفروض باشد و مناسبترین گزینهA* باشد دراینصورت A* عبارتست از:

به عبارت دیگر مراحل این روش عبارت است از:
کمی کردن ماتریس تصمیم گیری (طیف دو قطبی )
بی مقیاس سازی خطی مقادیر ماتریس تصمیم گیری
ضرب ماتریس بی مقیاس شده در اوزان شاخص ها
انتخاب بهترین گزینه
۲-۳۴- روش TOPSIS ^[۴۶]
این روش د ر سال ١٩٨١ توسط هوانگ ویون^[۴۷] ارائه گردید در این روش m گزینه به n شاخص مورد ارزیابی قرار می گیرند. این مدل ، یکی از بهترین مدل های تصمیم گیری چند شاخصه است و از آن استفاده زیادی می شود. در این روش هر مساله را می توان به عنوان یک سیستم هندسی^[۴۸] شامل m نقطه در یک فضای n بعدی در نظر گرفت . این تکنیک بر این مفهوم بنا شده است که گزینه انتخابی باید کمترین فاصله را با راه حل ایده آل مثبت (بهترین حالت ممکن، Ai+ ) و بیشترین فاصله را با راه حل ایده آل ممکن (بدترین حالت ممکن، Ai-) داشته باشد.
حل یک مساله به روش TOPSIS شامل مراحل زیر است (چن و هوانگ^[۴۹]، ١٩٩٢):
١- ماتریسD را به کمک نرم اقلیدسی به یک ماتریس بی مقیاس شده ، تبدیل کنید.

٢- ماتریس به دست آمده (ND)را به ماتریس بی مقیاس موزون تبدیل کنید.

V ماتریس بی مقیاس موزون و W یک ماتریس قطر ی از وزنهای بدست آمده برای شاخص ها می باشد.
٣- راه حل ایده آل مثبت (Ai+) و راه حل ایده آل منفی(Ai-) را مشخص نمایید.

۴- فاصله اقلیدسی هر گزینه را از راه حل ایده آل مثبت و منفی به صورت زیر بدست آورید:

۵- نزدیکی نسبی Ai به راه حل ایده آل به صورت زیر محاسبه می گردد.

چنانچه Ai= Ai+ باشد ، آنگاه ۰= di+ ، ۱= Ci می شود و در صورتیکه Ai= Ai- باشد ، آنگاه۰=di- ، ۰= Ci خواهد شد، بنابر این هرگزینه Ai به راه حل ایده آل نزدیکتر باشد ، مقدارCi آن به یک نزدیکتر خواهد بود.
۶-رتبه بندی گزینه ها در این مرحله انجام می گیرد و براساس ترتیب نزولیCi می توان گزینه های موجود را براساس بیشترین اهمیت رتبه بندی نمود.

۲-۳۵- فرایند تحلیل سلسله مراتبی (AHP)

در میان روش های تصمیم گیری چند معیاره، فرایند تحلیل سلسله مراتبی^[۵۰] (AHP) یکی از روشهایی است که دارای کاربردهای فراوان در مسائل مختلف تصمیم گیری می باشد و از لحاظ نظری نیز دارای بنیان قوی است. فرایند تحلیل سلسله مراتبی یکی از متدولوژی های قدرتمند حل مسائل تصمیم گیری چند معیاره می باشد.که اساساً یک تئوری عمومی سنجش است که براساس پاره ای از اصول روانشناسی و ریاضی بنا شده که توانایی حل مسایل پیچیده را در زمینه های مختلف کمی و کیفی داراست.
این روش در سال ۱۹۸۰ توسط توماس ال ساعتی^[۵۱] مطرح گردید فرایند تحلیل سلسله مراتبی رابطه میان هدف مسأله، معیارهای انتخاب و گزینه ها را در یک ساختار سلسله مراتبی نشان می دهد و از طریق مقایسات جفتی عناصر موجود در ساختار مسأله به وزندهی نهایی گزینه ها می پردازد.
این متدولوژی امکان فرموله کردن مساله را به صورت سلسله مراتبی فراهم کرده شکل زیر و همچنین امکان در نظر گرفتن معیارهای کمی و کیفی را به صورت توام در مساله دارد. این فرایند گزینه های مختلف را در تصمیم گیری دخالت داده و امکان تحلیل حساسیت روی معیارها و زیر معیارها را فراهم می سازد. علاوه بر این بر مبنای مقایسه زوجی بنا نهاده شده که قضاوت و محاسبه را تسهیل می سازد. همچنین میزان سازگاری تصمیم را نشان می دهد این امر از مزایای ممتاز این متدولوژی در تصمیم گیری چند معیاره می باشد. به علاوه از یک مبنای تئوریک قوی برخوردار بوده و بر اساس اصول بدیهی بنا نهاده شده است.(باباپور، ۱۳۸۷) فرایند تحلیل سلسله مراتبی (AHP) در شکل ۲-۴ مشخص است.
یک حلقه نشان دهنده آن است که عناصر فقط با خودشان وابستگی دارند
گزینه ها
معیارها
هدف
عناصر
خوشه عناصر سطح