انواع روش­های MADM

انواع روشهای تصمیم­گیری MADM در شکل زیر مشخص شده­اند.بر طبق این شکل اگر هیچگونه اطلاعاتی در مورد شاخص در دسترس نباشد، بهتر است از روی تسلط استفاده شود. اگر اطلاعات موجود در مورد محیط باشد، یعنی درباره ی شاخص­ها اطلاعاتی موجود نباشد بلکه فضای تصمیم­گیری مشخص شده باشد، استفاده از روش ماکسی مین و مینی ماکس (به ترتیب برای اطلاعات بدست آمده بر اساس دیدگاه بدبینانه و خوش­بینانه) پیشنهاد می­شود. اگر اطلاعات در مورد شاخص، ارائه شده باشد آنگاه اطلاعات یا در سطح استاندارد است، یعنی میزان قابل قبول شاخص مربوطه را بیان می­کند و یا وزن شاخص­ها را بیان می­کند که ممکن است با داده­های برخوردار از مقیاس ترتیبی یا اصلی، اندازه­گیری شده باشد.مدل­های MADM از دیدگاه دیگر نیز قابل بررسی هستند و آن رویکرد، فنون مختلف MADM در پردازش اطلاعات بر مبنای شاخص­های ارائه شده توسط تصمیم­گیرنده است.( آذر ،رجب زاده ، ۱۳۸۷)

در این ارتباط، داده­های MADM به دو بخش کلی تقسیم می­شوند.

 ۲-۶-۱ مدلهای جبرانی^[۱]

۲- ۶-۲ مدلهای غیر جبرانی^[۲]

آن دسته از مدل­های MADM را شامل می­شوند که در آنها تبادل بین شاخص­ها صورت می­گیرد. بدین معنی که تغییر در یک شاخص، توسط تغییری مخالف (در جهت عکس) در شاخص یا شاخص­های دیگر، جبران می­شود.

روش جبرانی، روش­هایی مانند میانگین وزنی ساده، TOPSIS،  ELECTRE، تخصیص خطی، AHP و… است. این روش­ها مطابق شکل زیر، دسته­بندی شده­اند. (اصغر پور،۱۳۸۹ )

۲-۶-۲ مدل­های غیر جبرانی

مدل­هایی از MADM را شامل می­شوند که در آنها تبادل بین شاخص­ها صورت نمی­گیرد. بدین معنی که نقطه ضعف موجود در یک شاخص، توسط مزیت موجود در شاخص دیگر، جبران نمی­شود بلکه هر شاخص، جدا از دیگر شاخص­ها مبنای ارزیابی گزینه­های رقیب قرار می­گیرد. مزیت مهم این مدل­ها، سادگی آنهاست که با رفتار تصمیم­گیرنده و محدود بودن اطلاعات او مطابقت دارد. روش غیر جبرانی، شامل روش­هایی مانند روش تسلط، لکسیکوگراف، حذف، ماکسی­مین، مینی ماکس، رضایت بخش خاص و شمول است. (اصغر پور،۱۳۸۹ )

[۱] – Compensatory Methods

[۲] – Non Compensatory Methods

 متن فوق تکه ای از این پایان نامه بود

برای دیدن جزئیات بیشتر ، خرید و دانلود آنی فایل متن کامل می توانید به لینک زیر مراجعه نمایید:

متن کامل

ابرماتریس

آقای ساعتی بنیاد تئوریکANP را بر اساس ابزار قدرتمندی به نام ابرماتریس،برای سیستم هایی با وابستگی متقابل و بازخورد بنیان نهاد.ابر ماتریس،ماتریس جزء بندی شده‌ای است که در آن هر زیر ماتریس^[۱] از مجموعه‌ای از روابط میان دو خوشه تشکیل می‌شود(ساعتی ۲۰۰۴) ،ابر ماتریس یک ماتریس دو در دوی عناصر در عناصر است. لذا برای هر عنصر،یک ابر ماتریس تشکیل می‌شود که بردارهای حق تقدم که از مقایسه‌ی زوجی حاصل شده‌اند،در ستون مناسبی به عنوان زیر ستون ظاهر می‌شوند. آقای ساعتی فرمول ابرماتریس خود را به صورت زیر بیان نموده است.

سیستم تصمیم گیری موجود با ساختار غیر سلسله مراتبی را به N زیر مجموعه تقسیم نمائید. فرض کنید که نشان دهنده‌ی تعداد عناصر زیر مجموعه‌ی  و بوده بیانگر وزن عنصرKام از زیر مجموعه‌یi ام در مقایسه با عنصر اول از زیر مجموعه‌یi ام باشد،آنگاه ماتریس مقایسات از عناصر زیر گروهi ام در رابطه با عناصر موجود در زیر گروهi ام به قرار زیر است:

و سرانجام ماتریس نهایی برای مقایسات از کلیه‌ی زیر مجموعه‌ها با هر یک از اعضای زیرمجموعه‌های دیگر که به ابرماتریس معروف است،به قرار زیر خواهد بود.

و در پایان ،ارجحیت نهایی برای هر عنصر از هر زیر گروه ، بر اساس فرآیند مارکوف به صورت زیر به دست می‌آید. (ساعتی ، ۲۰۰۴)

منطق فازی

۲-۱۱ پیشینه منطق فازی

تئوری مجموعه های فازی و منطق فازی را پرفسور لطفی زاده در رساله ای به نام مجموعه های فازی ، اطلاعات و کنترل در سال ۱۹۶۵ معرفی نمود. هدف اولیه او در آن زمان ، توسعه مدلی کار آمدتر برای توصیف فرآیند پردازش زبان های طبیعی بود . او مفاهیم و اصطلاحاتی همچون مجموعه های فازی ، رویدادهای فازی ، اعداد فازی  و فازی سازی را وارد علوم ریاضیات و مهندسی نمود. از آن زمان تا کنون ، پرفسور لطفی زاده به دلیل معرفی نظریه بدیع و سودمند منطق فازی و تلاش هایش در این زمینه ، به کسب جوایز بین المللی متعددی شده است .  پس از معرفی منطق فازی به دنیای علم، در ابتدا مقاومت های بسیاری در برابر این نظریه  صورت گرفت . بخشی از  این مقاومت ها، چنان که ذکر شد ، ناشی از برداشت های نادرست از منطق فازی و کارایی آن بود. جالب این که، منطق فازی در سال های نخست تولدش بیشتر در دنیای مشرق زمین، به ویژه کشور ژاپن با استقبال رو به رو شد ، اما استیلای اندیشه کلاسیک صفر  و یک در کشور های مغرب زمین ، اجازه رشد اندکی  به  این نظریه داد. با این حال به تدریج که این علم کاربردهایی پیدا کرد و وسایل الکترونیکی  و دیجیتالی جدیدی وارد بازار شدند که بر اساس منطق فازی کار می کردند، مخالفت ها نیز اندک اندک کاهش یافتند.

در ژاپن استقبال از منطق فازی ، عمدتاً به کاربرد آن در رباتیک و هوش مصنوعی مربوط می شود . موضوعی که یکی از نیروهای اصلی پیش برنده این علم طی چهل سال گذشته بوده است . در  حقیقت می توان گفت بخش بزرگی از تاریخچه دانش هوش مصنوعی با تاریخچه های منطق فازی همراه و هم داستان است. (آذر ، ۱۳۸۷)

۲-۱۲ متغیرهای زبانی

در زبان طبیعی و استدلال انسانی اغلب از متغیرهایی استفاده می شود که مقادیر آنها نا دقیق و مبهم است مثلاً برای متغیر وزن مقادیری مثل” کم وزن”،”سنگین وزن”و”خیلی سنگین وزن”و برای متغیر درستی مقادیری مثل ” کاملاً درست”،”درست”، “تقریباً درست”و” تقریباً نادرست”،” نادرست”،” کاملاً نادرست” در نظر گرفته می شود.  مقادیر متغیرهای زبانی کلمات یا جملاتی هستند که در زبان طبیعی وجود دارند و به طور کلی با استفاده از قیدها می توان مقادیر آنها را شکل داد   .

متغیر زبانی متغیری است که مقادیرش کلمات و جملات یک زبان طبیعی و یا مصنوعی باشد. برای مثال سن یک فرد را در نظر بگیرید اگر سن این فرد را با اعدادی مثل۱۰۰…۱،۲،۳ نشان دهیم متغیر سن یک متغیر معمولی است اما اگر مقادیری را که سن اختیار می کند با کلماتی مثل نونهالی ، نوجوانی ، خیلی جوان ، جوان ، مسن ، پیر نشان دهیم متغیر سن یک متغیرزبانی است. (پرهیزکار، ۱۳۸۷)

۲-۱۳ روشهای علم مدیریت فازی

روش های علم مدیریت کلاسیک برگرفته از ریاضیات قطعی  و منطق دو ارزشی و چند ارزشی است   که خواهان داده های دقیق و کمی هستند در این روشها داده های مبهم  و بیان احساسات آدمی )  متغیرهای زبانی ( جایی در مدلسازی ندارند. که این امر نیز به نوبه خود موجب عدم انعطاف پذیری و عدم دقت در مدلهای ریاضی می شود . امروزه علم مدیریت فازی با استفاده ازتئوری سیستمهای فازی  می تواند رویکردی نوین برای حل مشکل و پا سخ به ابهامات مطرح شده در سیستم های مدیریتی باشد. تئوری سیستم های فازی با به کارگیری تئوری منطق فاز و اندازه های  فازی  می تواند پارامترهایی از قبیل دانش، تجربه ، قضاوت و تصمیم گیری انسان را وارد مدل نموده ، و ضمن ایجاد انعطاف پذیری در مدل تصویری خاکستری از جهان خاکستری ارائه نماید.  روشن است نتایج چنین مدلهایی به دلیل لحاظ کردن شرایط واقعی در مدل ، دقیق تر و کاربردی تر خواهد بود.

20. Submatrix

21.  متن فوق تکه ای از این پایان نامه بود

    برای دیدن جزئیات بیشتر ، خرید و دانلود آنی فایل متن کامل می توانید به لینک زیر مراجعه نمایید:

     

    متن کامل

گام های فرایند تحلیل شبکه

برای طراحی یک مدل شبکه‌ای ، مراحلی در نظر گرفته شده است که محقق را قادر خواهند ساخت مدل مورد نظر خود را با کمک نرم افزار طراحی نماید.اگرچه برخی از این مراحل شبیه تکنیکAHP است لکن شرح مختصر آن برای حفظ تمامیت الگو ضروری می‌باشد.

1. تعریف هدف مسأله‌ی تصمیم
2. تشخیص لزوم وجود هر یک از عناصر استراتژیک: منظور این است که محقق،عناصر استراتژیک مورد نیاز خود را برای طراحی شبکه‌ی مورد نظر تشخیص دهد. ممکن است هر چهار عنصر یا یکی از آنها انتخاب شده و یا هیچ یک از آنها مورد نیاز نباشد.

۳٫ایجاد سلسله مراتب کنترل برای هر یک از عناصر: هر یک از عناصر استراتژیک دارای یک زیر شبکه است که این زیر شبکه،خودش نیز می‌تواند زیر شبکه‌ی دیگری داشته باشد.لذا لازم است محقق برای هر یک از عناصر چهارگانه،زیر شبکه‌ای تعریف نماید.این زیر شبکه، می‌تواند به دو صورت طراحی شود.

شبکه‌ی تصمیم: در حالتی است که زیر شبکه‌ی مورد نظر، آخرین لایه‌ی شبکه بوده و خوشه‌ی گزینه‌ها در آن قرار داشته باشد. در این حالت کل مدل دارای دو لایه است که لایه‌ی اول با وجود عناصر استراتژیک،لایه‌ی اصلی و لایه‌ی دوم با حضور خوشه‌ی گزینه‌ها ،لایه‌ی تصمیم نامیده می‌شود.

شبکه‌ی کنترل : در حالتی است که زیر شبکه‌ی مورد نظر،آخرین لایه‌ی شبکه نبوده و خوشه‌ی گزینه‌ها(که می بایست در آخرین لایه‌ی شبکه قرارداده شود)در این لایه وجود ندارد.در این لایه،خوشه‌ها و عناصری وجود دارند که خود آنها دارای زیر شبکه می‌باشند و خوشه‌ی گزینه‌ها در آن زیر شبکه‌ها قراردارد. لایه‌هایی از شبکه‌،که واسط بین لایه‌ی اصلی و لایه‌ی تصمیم هستند،لایه‌ی کنترل نامیده می‌شوند. باید توجه داشت که یک شبکه‌ می‌تواند یک لایه‌ی اصلی،یک لایه ی تصمیم و تعداد ی لایه‌ی کنترل داشته باشد.

4. برقراری ارتباط مورد نیاز میان عناصر مورد نظر: برای پیشگیری از اشتباه،ابتدا برای هر خوشه، جدولی با سه ستون طراحی نموده و نام آن را در ستون وسط قرار می‌دهند. سپس خوشه‌های موثر را در سمت چپ،و خوشه‌های متأثر را در ستون سمت راست، در یک سطر می‌آورند. همچنین می‌توان به هریک از این جداول، سطرهایی اضافه نمود و نام عناصر مرتبط به هم را در آن‌ها قرار داد.
5. انجام مقایسه‌های زوجی میان عناصر مرتبط: مقایسات زوجی در خصوص هر یک از عناصر داخل خوشه‌ها ،بر حسب تأثیر آن بر روی هر عنصر در خوشه‌ی دیگر و یا عناصری در خوشه‌ی خودش انجام می‌گیرد. هنگام مقایسه‌ی عناصر در هر یک از زیر شبکه‌های عناصر هزینه‌ها و تهدیدات بایستی سؤال مقایسه به صورت مثبت مطرح شود به این ترتیب که، کدامیک از دو عنصر مورد مقایسه بر حسب معیار مورد نظر، دارای بیشترین هزینه یا بیشترین تهدید می‌باشند؟در این حالت عنصر پرهزینه یا تهدیدزا ارجحیت بیشتری به خود اختصاص خواهد داد.نرم افزار به گونه‌ای طراحی شده است که در سنتز نهایی خود از تقسیم(حاصل ضرب منافع و فرصت‌ها)بر(حاصل ضرب مخارج و ریسک‌ها)استفاده می‌ نماید (ساعتی ، ۱۹۹۹). در این حالت اعداد بزرگتر برای عناصر هزینه و ریسک مطلوبیت کمتری را در نتیجه‌ی نهایی منجر خواهد شد. همچنین ممکن است،افراد برای چهارچوب بندی سوالات،هنگام انجام مقایسه‌های زوجی،یا تأثیر عوامل و یا تأثر آنها را مدنظر قرار دهند. آقای ساعتی معتقد است که در هر مدل، باید از یک نوع سوال برای مقایسه‌های زوجی استفاده نمود.(ساعتی ۲۰۰۴) برای هر نمونه سه عنصرC, B, A را در نظر بگیرید که قرار است دو به دو با هم بر اساس معیارX مقایسه شوند. در مقایسه‌ی اول، سؤال می‌شود که کدامیک از عناصرB,A بیشترین تأثیر را بر معیارX دارند؟و در مقایسه‌ی دوم، سؤال می‌شود که کدامیک از عناصرA,C بیشترین تأثر را از معیارX می‌پذیرند؟به عقیده‌ی آقای ساعتی این گونه طرح سؤال در یک مدل، ممکن است بر نتایج قضاوت‌ها تأثیر منفی بگذارد لذا بهتر است در یک مدل، همواره یکی از سؤالات فوق برای مقایسه‌ی زوجی مورد استفاده قرار گیرد.

6.  متن فوق تکه ای از این پایان نامه بود

   برای دیدن جزئیات بیشتر ، خرید و دانلود آنی فایل متن کامل می توانید به لینک زیر مراجعه نمایید:

    

   متن کامل