منابع پایان نامه با موضوع سلسله مراتب، روش ویکور، سلسله مراتبی، تحلیل سلسله مراتبی

دانلود پایان نامه ارشد

مقیاس ترتیبی یا اصلی هستند. وزن های مربوط به شاخصها می توانند مستقیماً توسط تصمیم گیرنده و یا به وسیله روش های علمی موجود به معیارها تخصیص داده شود. این وزن ها اهمیت نسبی هر شاخص را بیان می کنند.
2-3-4- تفاوت های مدلهای MADM و MODM
از جنبه های مختلف بین مدلهای MADM و MODM تفاوت وجود دارد که به شرح جدول زیر بیان شده اند :
جدول 2-1- مقایسه تکنیک های MODM و MADM
MODM
MADM
MCDM
موارد متفاوت
اهداف
شاخصها
معیارها
ضمنی بیان شده اند
به طور ضعیف بیان شده اند
صریح بیان شده اند
اهداف
به طور ضمنی بیان شده اند
صریح بیان شده اند
شاخص ها
کاملاً مشخص
غیر مشخص
(در داخل معیارها گنجانده شده اند)
محدودیت ها
تعداد نامحدود
تعدادمحدود، مشخص
گزینه ها
زیاد
کم
تعامل با تصمیم گیرنده
طراحی
در انتخاب و ارزیابی
نحوه استفاده

2-3-5-دسته بندي مدلهاي MADM
دو دسته عمده براي روشهاي MADM وجود دارد :
مدل هاي غير جبراني
مدل هاي جبراني
مدلهاي غير جبراني :مدلهائي از MADM را شامل مي شوند که در آنها تبادل بين شاخصها صورت نمي گيرد. بدين معني که نقطه ضعف موجود در يک شاخص توسط مزيت موجود در شاخص ديگر جبران نمي شود، بلکه هر شاخص جدا از ديگر شاخص ها مبناي ارزيابي گزينه هاي رقيب قرار مي گيرد. مزيت مهم اين مدلها سادگي آنهاست که با رفتار تصميم گيرنده و محدود بودن اطلاعات او مطابقت دارد. از مهمترين اين متدها مي توان به روش تسلط، ماکسي مين، رضايت بخش عام، رضايت بخش خاص، لکسيکوگراف اشاره کرد.
مدلهاي جبراني آن دسته از مدلهاي MADM را شامل مي شوند که در آنها تبادل بين شاخصها صورت ميگيرد. بدين معني که تغيير در يک شاخص توسط تغييري مخالف در شاخصي یا شاخصهاي ديگر جبران مي شود. اين مدلها خود به سه دسته کلي زير گروه هماهنگ، زير گروه سازشي، زير گروه نمره گذاري تقسيم مي شوند که هر يک از این دسته ها در برگيرنده متدهايي هستند.
مدلهاي MADM را با توجه به طبقه بندي جبراني و غير جبراني ميتوان به صورت نمودار زیر نشان داد.

شکل 2-1- طبقه بندي مدلهاي MADM از نظر جبراني و غير جبراني (آذر و رجب زاده، 1381، 122)

2-3-6- فرایند تحلیل سلسله مراتبی17
روش تحليل سلسله مراتبي (AHP) نخستين بار توسط ساعتي معرفي گرديد. اين روش يکي از پرکاربرد ترين روش هاي تصميمگیری چند معياره (MCDM) مي‎باشد.
در اين روش با تجزيه‎ي مساله‎ي تصمیم گیری به معيارهاي آن، مدل تصميم‎گيری به صورت سلسله‌مراتبي ساخته می‎شود. اهميت يا اولويت نسبي معيارهاي تصميم‌گيري با استفاده از مقايسات زوجي کيفي مشخص مي‎گردد.
يکي از مزاياي اصلي AHP امکان در نظر گرفتن همزمان قضاوت‌هاي ذهني با استفاده از معيارهاي کمي ملموس و معيارهاي کيفي غير ملموس مي‎باشد.
محاسبات رياضي ساده و قابل درک روش AHP را به تکنيکي ايده‎آل براي فرايند ارزيابي تبديل نموده است. در روش تحليل سلسله مراتبي سنتي، مقايسات زوجي اجزا در هر سطح با توجه به سطح بالايي سلسله مراتب تصميم گيري با استفاده از اعداد 1 تا 9 توسط تصميم‌گيرنده انجام مي‎گرفت.
استفاده از اينگونه مقايسات زوجي براي جمع‌آوري قضاوت‎هاي تصمیم گیرندگان مزاياي زيادي به دنبال دارد. اين فرايند به تصميم‌گيرنده اجازه مي‎دهد که تنها بر روي مقایسه دو جزء تمرکز نمايد، به اين صورت نتايج تا حد زيادي از اثرات غير مرتبط مستقل باقي مي‎ماند. علاوه بر اين اولويت‎هاي ذهنی، دانش خبرگان و اطلاعات عینی به صورت همزمان در تحليل تصميم در نظر گرفته مي‎شود. به خصوص زماني که اين فرايند شامل تصميم گيري گروهي باشد.
2-3-6-1- مشکلات AHP قطعي و لزوم استفاده از اعداد فازي
در روش تحليل سلسله مراتبي سنتي قضاوت‎هاي تصمیم گیرندگان به صورت اعداد قطعی نمایش داده مي‎شد. علیرغم مفهوم ساده و کاربرد وسیع، اين رويکرد نمي‎تواند به درستی فرایند تفکر انسانی را منعکس نمايد و همچنين اعداد قطعي نميتوانند عدم قطعيت همراه با ادراک انساني را به درستي در نظر بگيرند .
در بسياري از مسائل کاربردي به دليل عدم قطعيت موجود در اولويت‎هاي انسانی ممکن است نسبت دادن يک عدد قطعي براي مقايسات براي تصميم‌گيرنده دشوار باشد و اغلب استفاده از قضاوت‎هاي فاصله‎اي به جاي اعداد قطعی براي تصمیم گیرندگان راحت‎تر است.
براي غليه بر اين نقيصه، روش تحليل سلسله مراتبي فازي و توسعه‌هاي بعدي آن براي حل مسائل سلسله مراتبي و انتخاب گزينه‎ها ارائه گردید. با استفاده از تئوري مجموعه‌هاي فازي تصميم‌گيرندگان قادر خواهند بود اطلاعات غير قابل کمي شدن، اطلاعات غير قابل دسترسي و اطلاعات ناقص را در مدل تصميم‌گيري لحاظ نمايند. در نتيجه عليرغم دشواري‎هاي ریاضی، روش تحلیل سلسله مراتبی فازي ابزار مناسبی براي لحاظ نمودن عدم قطعیت‌ها و ابهامات موجود در مسائل دنياي واقعي مي‎باشد.
2-3-6-2- روش هاي مختلفِ AHP فازي
در ادبيات فرايند سلسله مراتبي فازي روش‎هاي حل متعددي توسط نویسندگان مختلف پيشنهاد شده است. نخستين مطالعه‌اي که از اصول منطق فازي در AHP استفاده نمود توسط لارهوون و پدريکز انجام گرفت. آنها روشي را براي فرآيند تحليل سلسله مراتبي پيشنهاد کردند که بر اساس روش حداقل مجذورات لگاريتمي بنا نهاده شده بود. پيچيدگي مراحل اين روش باعث شده اين روش چندان مورد استفاده قرار نگيرد.
باکلي روش AHP ساعتي را گسترش داد و براي نشان دادن ارزيابي‌هاي تصميم‌گيرندگان استفاده از اعداد ذوزنقه‎اي را پیشنهاد نمود. با اين حال اولويت بندي حاصل از اين روش پيچيده بوده و ممکن است به نتايج غير قابل اطمينان منجر شود.
چانگ براي مقايسات زوجي روش تحليل گسترش يافته18 با استفاده از اعداد فازي مثلثي را پيشنهاد نمود. اين روش به نسبت ساده بوده و در مقايسه با ساير روش‎ها از محاسبات ساده‎تري براي حل AHP فازي استفاده مي‎نماید.
چنگ، چن و لين روش آنتروپي را براي حل AHP فازي معرفي نمودند و از آن براي ارزيابي سيستم‎هاي تسليحاتي استفاده نمودند.
ميخايلوف براي دستيابي به بهينه‎ي قطعي، روش برنامه‌ريزي ترجيحات فازي19 را پيشنهاد نمود. علي‌رغم قابليت‎هايي که براي این روش ادعا میشد، در مقايسه با ساير روش‎هاي موجود اولویت گذاري فازي، پیچیدگی محاسباتی این روش منجر به محدود شدن عملیاتی گردیدن آن می‎شود.

2-3-7- تکنيک هاي بکار رفته جهت طراحي مدل تحقيق
در اين تحقيق به منظور طراحي الگوي شناسايي پروژه هاي موفق، از سه مورد از تکنيک هاي MCDM استفاده شده است که مولفه هاي ماتريس تصميم گيري و يا بردار اوزان اين تکنيک ها مي تواند به جاي قطعي20 بودن، فازي باشد. در ادامه به ارائه اين تکنيک ها پرداخته و نحوه استفاده از اين تکنيک ها که بر اساس ماهيتشان بصورت فازي و يا با داده هاي فازي عمل مي کنند در فصول بعد ذکر خواهيم کرد.
2-3-7-1- فرايند تحليل سلسله مراتبي فازي21 (آنایز توسعه ای)
در سال 1983 دو محقق هلندي به نامهاي لارهون و پدريک22 روشي را براي فرايند تحليل سلسله مراتبي فازي پيشنهاد کردند که بر اساس روش حداقل مجذورات لگاريتمي بنا شده بود. ميزان محاسبات و پيچيدگي هاي مراحل اين روش باعث شد که چندان مورد استفاده قرار نگيرد. در سال 1996 روش ديگري تحت عنوان روش تحليل توسعه اي توسط يک محقق چيني به نام يونگ چانگ23 ارائه گرديد. اعداد مورد استفاده در اين روش اعداد مثلثي فازي (جدول 2-2) هستند.
جدول 2-2- مقیاس های زبانی برای بیان درجه اهمیت (انوری و رستمی 1388)
ارزش مثلثی فازی
عدد فازی
مقادیر زبانی اهمیت
(9 , 9 , 9)
9 ̃
بی اندازه
(5 , 7 , 9)
7 ̃
بسیار زیاد
(3 , 5 , 7)
5 ̃
زیاد
(1 , 3 ,5)
3 ̃
کم
(1 , 1 , 1)
1 ̃
یکسان
روش تحلیل گسترش یافته بر اساس اعداد فازی مثلثی عمل می‏نماید. روش مذکور که در ادامه بررسي خواهد شد، بر مبناي تئوري مجموعه فازي استوار است.
دو عدد مثلثي فازي و را در نظر مي گيريم. آنگاه:

شکل 2-2- مقایسه دو عدد مثلثی فازی
در روش EA براي هر يک از سطرهاي ماتريس مقايسات زوجي، ارزش SK که خود يک عدد مثلثي فازي است، بصورت زير محاسبه مي شود:

که K بيانگر شماره سطر و i و j به ترتيب نشاندهنده گزينه ها و شاخص ها مي باشند
در اين روش پس از محاسبه SK بايد درجه بزرگي آنها را نسبت به هم بدست آورد. بطور کلي اگر M1 و M2 دو عد مثلثي فازي باشند، درجه بزرگي M1 بر M2 بصورت زير تعريف مي شود:

و بر اساس استدلال داريم:

ميزان بزرگي يک عدد مثلثي فازي از K عدد مثلثي فازي ديگر نيز از رابطه زير بدست مي آيد:

همچنين براي محاسبه وزن شاخصها در ماتريس مقايسات زوجي به صورت زير عمل مي شود:

بنابراين بردار وزن شاخصها بصورت زير خواهد بود:

که همان بردار ضرايب غير بهنجار FAHP است. براي بدست آوردن بردار ضرايب بهنجار، هر يک از عناصر بردار ضرايب را بر مجموع عناصر آن تقسيم مي کنيم.
2-3-7-2- تکنیک تاپسیس24
تاپسیس توسط هوانگ ويون25 در سال 1981 مطرح گرديد. در اين روش m گزينه بوسيله n شاخص مورد ارزيابي قرار مي گيرند، لذا هر مساله را مي توان به عنوان يک سيستم هندسي شامل m نقطه در يک فضاي n بعدي در نظر گرفت. اين تکنيک بر اين مفهوم بنا شده است که گزينه انتخابي بايد کمترين فاصله را با راه حل ايده آل مثبت (راه حلي که در ميان معيارهاي مثبت، بيشترين و در ميان معيارهاي منفي کمترين باشد: Ai+) و بيشترين فاصله را با با راه حل ايده آل منفي (راه حلي که در ميان معيارهاي منفي، بيشترين و در ميان معيارهاي مثبت کمترين باشد؛ باشد: -Ai ) داشته باشد.
فرض بر اين است که مطلوبيت هر شاخص بطور يکنواخت افزايشي و يا کاهشي است. حل مسائل به روش TOPSIS شامل مراحل زير است (آذر، رجب زاده، 1381):
تشکيل ماتريس نرمال تصميم گيري: در اين مرحله اعداد مثلثي فازي با استفاده از فنون قطعي سازي به اعداد قطعي تبديل شده و ماتريس تصميم گيري جهت ارزيابي گزينه ها بر مبناي شاخص ها حاصل مي گردد:

تشکيل ماتريس بي مقياس: ماتريس نرمال تصميم گيري به کمک نرم اقليدسي به يک ماتريس بي مقياس تبديل مي شود:

تشکيل ماتريس بي مقياس وزين: در اين مرحله وزن هر يک از شاخص ها که با استفاده از آنتروپي شانون بدست آمده است در هر يک از گزينه ها ضرب شده و ماتريس بي مقياس وزين بصورت اعداد قطعي دست مي آيد:

در معادله فوق، V ماتريس بي مقياس وزين و W ماتريسي قطري از وزنهاي بدست آمده براي شاخص ها مي باشد.
تعيين راه حل ايده آل مثبت و منفي: در اين مرحله راه حل ايده آل مثبت (Ai+) و منفي (Ai- ) تعيين مي گردد:

محاسبه ميزان دوري يا نزديکي: اندازه فاصله بر اساس نرم اقليدسي، به ازاء راه حل ايده آل منفي و گزينه مثبت و همين اندازه به ازاء راه حل ايده آل مثبت و گزينه منفي، بصورت زير بدست مي آيد:

محاسبه شاخص نزديکي نسبي: نزديکي نسبي Ai به راه حل ايده آل به صورت زير محاسبه مي گردد:

چنانچه باشد، آنگاه و مي شود و در صورتيکه باشد، آنگاه و خواهد شد، بنابراين هر گزينه به راه حل ايده آل نزديکتر باشد، مقدار آن به يک نزديک تر خواهد بود.
رتبه بندي گزينه ها: در اين مرحله بر اساس ترتيب نزولي مي توان گزينه هاي موجود را بر مبناي بيشترين اهميت رتبه بندي نمود.
2-3-7-3- تکنیک ویکور26
روش ویکور از مدل های پرکاربرد در تصمیم گیری و انتخاب گزینه برتر می باشد. روش ویکور در سال 1998 توسط اُپریکوویک ارائه شد که مبتنی بر یک تابع تراکمی Lp,j است. این روش بر مبنای روش توافق جمعی و با داشتن معیارهای متضاد تهیه شده و عموما برای حل مسائل گسسته کاربرد دارد. این روش براي بهينه سازي چند معياره سيستم هاي پيچيده توسعه يافته است. اين روش روي دسته بندي وانتخاب از يك مجموعه گزينه ها تمركز داشته و جواب هاي سازشي را براي يك مسأله با معيارهاي متضاد تعيين مي كند، به طوري كه قادر است تصميم گيرندگان را براي دستيابي به يك تصميم نهايي ياري دهد. در اينجا جواب سازشي نزديكترين جواب موجه به جواب ايده آل است كه كلمه سازش به يك توافق

پایان نامه
Previous Entries منابع پایان نامه با موضوع بورس اوراق بهادار، بورس اوراق بهادار تهران، بورس تهران، قیمت سهام Next Entries منابع پایان نامه با موضوع ارزش افزوده، بورس اوراق بهادار، سلسله مراتب، رتبه بندی