تصمیم گیری چند ملاکه

انجام پایان نامه

روش تصمیم گیری چند ملاکه بهترین-بدترین

جعفر رضایی استادیار مدیریت تدارکات و بهره برداری دانشگاه تکنولوژی دلفت هلند است، که در آن جا PHD هم گرفته است. یکی از مهم ترین زمینه های تحقیقاتی ایشان در عرصه تحلیل تصمیم گیری چند ملاکه MCDM می باشد. مقالات متعددی در مجلات آکادمیک داشته، منجمله ژورنال بین المللی تولید اقتصادی، ژورنال ملی دانش سیستم، مدریت بازاریابی صنعتی ، سیستم های تخصصی با کاربردهایشان، نرما افزارهای محاسباتی کابردی، مدل سازی ریاضی کاربردی، و ژورنال اروپایی تحقیقات کاربردی.

خلاصه– در این مقاله، یک روش جدید، که روش بهترین-بدترین BWM نامیده می شود برای حل مسائل تصمیم گیری چند معیاره MCDM به کار رفته است. در یک مسئله MCDM، تعدادی از گزینه ها به نسبت معیارها به منظور انتخاب بهترین گزینه ها وجود دارد. انجام پایان نامه مطابق با BWM، بهترین و بدترین ملاک در ابتدا توسط تصمیم گیرنده مشخص می شوند. سپس مقایسه های دوبه دو بین این ملاک ها و دیگر ملاک ها انجام می شود (بهترین و بدترین). سپس یک مسئله حداکثری برای تعیین وزن ملاک های مختلف فرموله و حل می شود. وزن گزینه ها با توجه به ملاک های مختلف با استفاده از پروسه ای مشابه به دست می آید. امتیازات نهایی گزینه ها از مجموع وزن آن ها در گروه های مختلف برپایه انتخاب بهترین ها به دست می آید. یک نرخ پایداری برای BWM پیشنهاد شده تا قابلیت اطمینان مقایسات چک گردد. برای نمایش روش پیشنهادی و ارزیابی عملکرد آن، ما از مثال های عددی استفاده کرده ایم و یک مسئله تصمیم گیری واقعی را حل کرده ایم. (انتخاب گوشی موبایل). برای انجام مقایسه، ما AHP ( پروسه رتبه بندی تحلیلی) را انتخاب کردیم، که این یک روش مقایسه جفت به جفت است. نتایج آماری نشان می دهد که BWM مشخصاً بهتر از AHP عمل می کند با توجه به نرخ پایداری آن، و ملاک ارزیابی دیگر: حداقل خطا، انحراف کلی، و مطابقت. جنبه های برجسته روش پیشنهاد شده، در مقایسه با روش های MCDM موجود، به این شرح اند: ۱-اطلاعات مقایسه ای کمتری لازم دارد. ۲- مقایسه های پایدارتری را به دست می دهد، که به این معنی است که نتایج قابل اطمینان تری دارد.

لغات کلیدی: چند ملاکه – تصمیم گیری – چند ویژگی – تصمیم گیری – نرخ پایداری – مقایسه دو به دو

۱-مقدمه

تصمیم گیری چند معیاره MCDM یکی از مهم ترین شاخه های تئوری تصمیم گیری می باشد. مسائل MCDM عموماً به دو دسته با توجه به فضای حل مسئله تقسیم می شوند: گسسته و پیوسته. برای حل مسائل پیوسته، روش های تصمیم گیری چند ملاکه MODM استفاده می شوند. مسائل گسسته، از دیگر سو، با استفاده از روش های تصمیم گیری چند صفتی MADM حل شده اند، که در این مقاله روی آن ها تمرکز شده است. به هرحال در این مقاله، از MCDM برای تشریح MCDM گسسته  استفاده شده، که دلیل استفاده از آن در مقاله هم همین می باشد.

یک مسئله گسسته MCDM ( از این پس، برای ساده سازی، MCDM) عموماً به صورت یک ماتریس نشان داده می شود، به صورت زیر:

در این جا،  مجموعه ای از گزینه های عملی (واقعی وساختگی) هستند،  دسته ای از معیارهای تصمیم گیری هستند، و  امتیاز گزینه i با توجه به تکرار j می باشد. هدف انتخاب بهترین گزینه (خواستنی ترین، مهم ترین) است، به دیگر سخن یک گزینه با بهترین مقادیر کلی می باشد. مقدار کلی گزینه i، Vi را ازروش های مختلف می توان به دست آورد. در یک فرم کلی، اگر وزن تکرار را j را  در نظر بگیریم، سپس می توان Vi را از یک تابع ساده وزنی اضافه شونده به دست آورد، که یک مدل اساسی برای بیشتر روش های MCDM است، به شرح زیر:

چیزی که اینجا مهم است، و انگیزه تعدادی از روش های MCDM در ده های اخیر بوده است، روش به دست آمدن وزن های تکرار یا بردار  می باشد.

در طول ده های اخیر، روش های متعدد WCDM پیشنهاد شده اند، محبوبترین آن ها AHP است، ANP(شبکه پردازش تحلیلی)، TOPSIS ( تکنیکی برای چیدن عملکرد از راه حل ساده به راه حل ایده آل)، ELECTRE( حذف ؟؟؟) (حذف و انتخاب بیان واقعیت)، VIKOR ( بهینه سازی ؟؟؟)، و PROMETHEE ( رده بندی عملکرد روش بهینه سازی برای ارزیابی های غنی سازی). برای برخی از پیشرفت های اخیر با ما به روش پیشرفته SIR مراجعه می کنیم، ارزیابی تدریجی نرخ تحلیل SWARA، روش وزن دهی مورد نظر از مقیاس وقفه پیوسته استفاده می کند، از بین این همه ارزیابی چند وجهی از تخمین های غیر دقیق وزنی IMP استفاده می کند. برای مطالعه و مقایسه روش های مختلف MCDM به بخش ۲۳-۲۷ مراجعه کنید.

روش مقایسه دو به دو که در ابتدا توسط تورستون معرفی گردید تحت قانون قضاوت تطبیقی که در واقع در قوانین وبر و فچنر در نظر گرفته شده است، یک راه ساخته شده برای ساختن ماتریس تصمیم گیری است. مقایسه های دوبه دو (که توسط متخصص یا تیمی از متخصصین ارائه می شود) برای نشان دادن عملکرد نسبی محرک m یا حرکت ها در شرایطی که برای تخمین امتیاز برای محرک  یم حرکت ها در تکرار غیرعملی یا بی معنی است، می باشد. برای مثال، با روش نرخ-اندازه، در AHP، وزن ها از مقایسه های دوبه دو در تکرار به دست می آیند و امتیازات از مقایسه های دوبه دوی گزینه ها در تکرار به دست می آیند، که بعد از تابعی مشابه با معادله ۲ برای محاسبه مقدار کلی گزینه ها استفاده شده است. چالش خیلی مهم در روش مقایسه دوبه دو ازنبود پایداری در ماتریس های مقایسه دوبه دو که معمولاً در عمل رخ می دهد ناشی می شوند.انجام پایان نامه

ماتریس مقایسه دوبه دوی  پایدار فرض شده اگر، برای هر i و j،  باشد. متاسفانه، با این حال، به دلایل متعدد (مثلاً نبودن تمرکز) ناپایداری دوباره ای در ماتریس های مقایسه جفتی وجود دارد. وقتی یک ماتریس مقایسه ناپایدار است، مسیر حرکت پیشنهاد شده، بازبینی مقایسه به گونه ای است که ماتریس پایدار شود. اگرچه این یک تقریب خیلی معمول است، معلوم شده که راه موفقی نیست. به نظر ما، دلیل اصلی ناپایداری بالا یک راه ساختارنیافته در تنجام مقایسه ها است.