روشهای تصمیم گیری چند معیاره

روش تصمیم‌گیری چند معیاره فرآیند یافتن بهترین گزینه از بین تمام گزینه های موجه است به طوری که همه گزینه ها قابلیت ارزیابی توسط تعدادی شاخص یا معیار را داشته باشند(تان و چن، ۲۰۱۰).روشهای تصمیم‌گیری چند معیاره اشاره به غربال، اولویت بندی، رتبه‌بندی و یا انتخاب یک مجموعه از گزینه ها تحت شاخصه‌های معمولا مستقل، غیر مرتبط یا متناقض دارد( هوانگ و یون، ۱۹۸۱).در طی سال ها، تعداد زیادی از روش های تصمیم‌گیری چند معیاره معرفی شده اند. به طور کلی تمام تکنیک های تصمیم‌گیری چند معیاره قابلیت ساختار بندی مسئله به صورت مشخص و سیستماتیک را دارند. یکی از روشهای مرسوم تصمیم گیری چند معیاره فرآیند تحلیل سلسله مراتبی [۱]است.این روش به صورت موفقیت آمیزی در مسائل عملی تصمیم سازی به کار رفته است.

فرآیند تحلیل سلسله مراتبی فازی

فرآیند تحلیل سلسله مراتبی به صورت گسترده ای برای حل مسائل تصمیم گیری چند شاخصه استفاده شده( چان و کومار، ۲۰۰۷).مدل فرآیند تحلیل سلسله مراتبی براساس تحلیل مغز انسان برای مسائل پیچیده و فازی پیشنهاد گردیده است.روش توسط محققی به نام ساعتی در دهه ۷۰ میلادی پیشنهاد گردید بطوریکه کاربردهای متعددی از آن زمان تا کنون برای این روش مورد بحث قرار گرفته اند (اصغر پور، ۱۳۷۷).اگرچه فرآیند تحلیل سلسله مراتبی قدیمی می تواند نظرات متخصصان را تامین کند و یک ارزیابی را بر اساس چند شاخص انجام دهد ولی با این حال، به طور کامل توانایی بازتاب قضاوت افراد را ندارد چون این روش از ارزش های عددی دقیق در ماتریس های مقایسه زوجی استفاده می کند.به دلیل اینکه بسیاری از معیارهای ارزیابی در طبیعت کیفی و ذهنی هستند؛ فرآیند تحلیل سلسله مراتبی فازی[۲] به عنوان یک جایگزین به منظور حذف نقص های فرآیند تحلیل سلسله مراتبی کلاسیک و سهولت تطبیق با مسائل واقعی زندگی بوجود آمد(کاهرمان و دیگران، ۲۰۰۳).

در اینجا از ماتریس مقایسات زوجی با رویکرد فازی برای تعیین اوزان شاخص ها به کار گرفته می‌شود و عمل رتبه‌بندی توسط روشهای دیگر تصمیم‌گیری چند معیاره فازی انجام خواهد شد.

در زیر به طور خلاصه، برخی از تعاریف اصلی رویکرد فازی که در این پایان نامه مورد استفاده قرار خواهد گرفت شرح داده می شود.

۲-۹ مجموعه فازی و اعداد فازی

مجموعه گردآیه ای معین از اشیا است به طوریکه در تعریف آن بر لفظ معین تأکید می‌شود. عسکرزاده بیان می‌کند، برای هر عدد از مجموعه ی اعداد حقیقی، عددی از بازه ی [۱و۰] به عنوان درجه نزدیکی آن عدد به ۱۰۰ نسبت دهیم، هرچه این عدد به ۱۰۰ نزدیکتر بود، عدد متناظر برای عضویت آن در گردآیه “اعداد حقیقی نزدیک به ۱۰۰ ” به یک نزدیکتر باشد و برعکس. بدین ترتیب بسیاری از مفاهیم ناخوش تعریف و بیگانه با مجموعه های قطعی وارد دنیای ریاضیات می‌شود و به تفکرات، زبان و منطق بشری در قالب یک ساختار ریاضی نظم و ترتیب می‌دهد و به این ساختار ریاضی، نظریه مجموعه های فازی می‌گویند(ارتگرل و دیگران، ۲۰۰۷).

اعداد فازی یک تعمیم طبیعی برای اعداد معمولی هستند، یک عدد معمولی مانند a را می توان با تابع عضویت زیر نشان داد:

همچنین ما می‌توانیم یک عدد A متعلق به R را بر یک فاصله اطمینان [a₁,a₂] به صورت زیر نشان دهیم.

یک فاصله اطمینان در R یک زیر مجموعه معمولی از R است که بیانگر نوعی عدم اطمینان است.(ما می‌دانیم که A نمی‌تواند کوچکتر از a₁ و بزرگتر از a₃ باشد)(ارتگرل و دیگران، ۲۰۰۷).

از آنجاکه استفاده از اعداد فازی مثلثی کاربرد بیشتری نسبت به بقیه دارد در این مقاله نیز مورد استفاده قرار   می‌دهیم.

اعداد فازی مثلثی را می‌توان به صورت (l,m,u) نشان داد. پارامترهای l،m و u به ترتیب نشانگر کمترین ارزش ممکن، محتمل‌ترین ارزش و بیشترین ارزش ممکن که یک رویداد فازی را توضیح می‌دهند.در شکل زیر یک عدد فازی مثلثی نشان داده شده است(دنگ، ۱۹۹۹).

شکل ۲-۲ عدد فازی مثلثی

عملیات متعددی روی اعداد فازی مثلثی صورت می‌پذیرد. سه عملیات مهم که در این مطالعه استفاده شده است به شرح ذیل است:

اگر ما دو عدد فازی مثبت مثلثی (l₁,m₁,u₁) و (l₂,m₂,u₂) را داشته باشیم، داریم:

(l₁, m₁, u₁) + (l₂, m₂, u₂) = (l₁+l₂, m₁+m₂, u₁+u₂)

(l₁, m₁, u₁) . (l₂, m₂, u₂)= (l₁.l₂, m₁.m₂, u₁.u₂)

(l₁,m₁,u₁)^-1 = (

[۱] Analytic hierarchy process

[۲] Fuzzy analytic hierarchy process

برای دانلود متن کامل اینجا کلیک کنید