متوسط

زیاد

خیلی زیاد

باید توجه داشت که ارزش هایی مثل ۸، ۶، ۴، ۲ ارزش های واسطه بین دو ارزش دیگر می باشند و ارزش های صفر و ده، کمتر مورد استفاده قرار می گیرد.
این نوع اندازه گیری، با سه فرض زیر انجام می شود:
۱- به طور مثال، فاصله بین خیلی کم و کم، برابر با فاصله بین زیاد و خیلی زیاد می باشد.
۲- فرض بر این است که امتیاز ۹، سه برابر، بیشتر از امتیاز ۳ است.
۳- ترکیب ارزش ها (جمع ، تفریق، ضرب و تقسیم) برای شاخص های مختلف، مجاز است؛ زیرا اختلاف بین هر دو ارزش مخصوص، برای هر شاخص مفروض، یکسان است. این سه فرض، مقیاس ترتیبی را به فاصله ای تبدیل می کند.

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

مفهوم بی مقیاس سازی :
نکته دیگر در شاخص های یک ماتریس تصمیم گیری ، وجود شاخص های مثبت و منفی با هم ، در یک ماتریس می باشد. در کنار این قضیه، شاخص های کمی ، دارای یک بعد خاص می باشد ، مثل ریال ، کیلوگرم ، متر ، و … . به منظور قابل مقایسه شدن مقیاس های مختلف اندازه گیری ، باید از “بی مقیاس سازی” استفاده کرد که به وسیله آن، مفادیر شاخص های مختلف، بدون بعد شده و جمع پذیر می شوند .
مدل های تصمیم گیری چند شاخصه
مدل های مختلفی برای تصمیم گیری چند شاخصه وجود دارد که معروف ترین آنها عبارتند از: ELECTRE, TOPSIS, SAW و AHP .
۲-۳-۳- روش AHP :
روش AHP^[27] توسط فردی عراقی الاصل به نام ساعتی(۱۹۸۰)^[۲۸]، پیشنهاد شد. این روش، مانند آنچه در مغز انسان انجام می شود، به تجزیه و تحلیل مسایل می پردازد. AHP تصمیم گیرندگان را قادر می سازد اثرات متقابل و همزمان بسیاری از وضعیت های پیچیده و نامعین را تعیین کنند. این فرایند، تصمیم گیرندگان را یاری می کند تا اولویت ها را بر اساس اهداف، دانش و تجربه خود تنظیم نمایند؛ به نحوی که احساسات و قضاوت های خود را به طور کامل در نظر گیرند. برای حل مسایل تصمیم گیری از طریق AHP باید مساله را به دقت و با همه جزییات، تعریف و تبیین کرد و جزییات آن را به صورت ساختار سلسله مراتبی ترسیم نمود. AHP بر اساس سه اصل زیر استوار است:
الف) اصل ترسیم درخت سلسله مراتبی
ب) اصل تدوین و تعیین اولویت ها
ج) اصل سازگاری منطقی قضاوت ها (قدسی پور۱۳۷۵)
اکنون هر یک از سه اصل زیر را شرح می دهیم.
الف) اصل ترسیم درخت سلسله مراتبی
بر اساس این اصل، درک یک مساله در حالت کلی و پیچیده، برای انسان کاری دشوار است و ممکن است ابعاد مختلف و مهم مساله مورد نظر، مورد توجه قرار نگیرد. از این رو تجزیه یک مساله کلی به چندین مساله جزیی تر، در درک مساله بسیار کارساز می باشد. در واقع، تجزیه یک مساله بزرگ تر به مسایل کوچکتر بیانگر روابط موجود بین عناصر کوچک تر است، به گونه ای که با انجام این عمل، روابط و مفاهیم مساله مورد تصمیم گیری و همچنین ارتباط هر عنصر با عناصر دیگر، به دقت درک می شود. با این کار، “درخت سلسله مراتبی تصمیم” به وجود می آید و در درک مساله، کمک قابل توجهی می کند. نمونه زیر یک موقعیت تصمیم گیری را به صورت درخت سلسله مراتبی تصمیم گیری نمایان می سازد. برای درک کامل فرایند تحلیل سلسله مراتبی، می توان مساله زیر را مورد توجه قرار داد. (اصغرپور۱۳۷۶)
ب) تعیین اولویت ها
انسان نمی تواند یک مساله را به طور کلی درک نماید. بنابراین آنها را به مسایل کوچک تر تجزیه می کند و با توجه به معیارهای مشخص بین آنها مقایسات زوجی انجام داده و برتری یک گزینه بر گزینه دیگر را مشخص می نماید. سپس این نتایج وارد مدل های مختلف تصمیم گیری شده تا درک بهتری از کل سیستم ارائه شود.
ج) سازگاری منطقی قضاوت ها
ذهن انسان می تواند به نحوی بین اجزا رابطه برقرار کند که بین آنها سازگاری و ثبات منطقی وجود داشته باشد. سازگاری در دو مفهوم به کار می رود:
۱- ایده ها و اشیاء مشابه با توجه به ارتباطشان، در یک گروه قرار می گیرند. برای نمونه یک انگور و یک مهره، از نظر معیار گردی، در یک گروه قرار می گیرند، ولی اگر معیار مورد نظر طعم باشد، بین این دو ارتباطی وجود ندارد.
۲- معیار دوم، میزان ارتباط بین ایده های مختلف، با توجه به معیار خاص آنهاست. برای مثال، اگر معیار مورد نظر ما شیرینی باشد و بخواهیم شیرینی عسل، شکر و شیره ملاس را با هم مقایسه کنیم و شیرینی عسل ۵ برابر شیرینی شکر باشد و شیرینی شکر ۲ برابر شیرینی شیره ملاس باشد در این صورت عسل ۱۰ بار از ملاس شیرین تر است. در این مثال اگر شیرینی عسل ۴ برابر شیرینی شیره ملاس باشد قضاوت ها با هم سازگاری ندارند. این ارتباطات تأثیر نسبی اجزای هر سطح را به اجزای سطوح بالاتر نشان می دهد.
الگوریتم AHP
در این مرحله با مدل AHP مساله را تجزیه و تحلیل کرده و آن را به چند قسمت ساده تر تجزیه می کنیم. پس از آن که گزینه ها و شاخص ها مشخص شد، بین شاخص ها مقایسات زوجی انجام می دهیم. در مرحله بعد، برای هر شاخص بین گزینه ها، مقایسات زوجی انجام می دهیم. سپس از الگوریتم زیر پیروی می کنیم:
الف) به هنجار ^[۲۹]کردن ماتریس مقایسات زوجی
ب) به دست آوردن میانگین حسابی هر سطر ماتریس به هنجار شده مقایسات زوجی (که به آن وزن های نسبی گفته می شود)
ج) ضرب وزن های نسبی شاخص ها در میانگین حسابی گزینه ها
د) رتبه بندی کردن گزینه ها .
بعد از این مرحله به سراغ” سنجش نرخ سازگاری” می رویم. به این منظور مراحل زیر را طی می کنیم:
گام ۱. محاسبه بردار مجموع وزنی (WSV) ^[۳۰]: ماتریس مقایسات زوجی (D) را در بردار وزن های نسبی ضرب کنید. به بردار حاصل،” بردار مجموع وزنی” گفته می شود.
WSV=D * W
گام ۲. محاسبه بردار سازگاری ^[۳۱](CV): عناصر بردار مجموع وزنی را بر بردار وزن های نسبی تقسیم کنید. به بردار حاصل،” بردار سازگاری” گفته می شود.
گام ۳. محاسبه بزرگترین مقدار ویژه ماتریس مقایسات زوجی^[۳۲]: برای محاسبه بزرگترین مقدار ویژه ماتریس مقایسات زوجی، میانگین عناصر بردار سازگار محاسبه می شود.
گام ۴. محاسبه شاخص ناسازگاری ^[۳۳](II): شاخص ناسازگاری به صورت زیر حساب می شود.
گام ۵. محاسبه نرخ ناسازگاری ^[۳۴](IR): به این منظور به ترتیب زیر عمل می شود:
در اینجا، IRI (شاخص ناسازگاری تصادفی^[۳۵]) مقداری است که از جدول مربوطه استخراج می شود. جدول شاخص ناسازگاری تصادفی، بر اساس شبیه سازی به دست آمده است و به صورت جدول ۲-۹- است :
جدول۲-۹. شاخص ناسازگاری تصادفی

۱۰

۹

۸