منبع پایان نامه درباره سلسله مراتب

دانلود پایان نامه ارشد

گيرنده بدبين فرض مي نمايد كه كمترين بهره وري ( بدترين نتيجه ممكن) از انتخاب هر استراتژي به وقوع خواهد پيوست و سپس وي بهترين نتيجه را از بين اين بدترين نتايج انتخاب خواهد نمود.
در اين روش مقياس شاخص ها بايد با يكديگر قابل مقايسه باشد، لذا ابتدا با استفاده از روش هاي بي مقياسي كليه ارزشهاي شاخص ها را بي مقياس كنيم.
* روش ماكسي ماكس:
اين تكنيك توسط «هورويس» پيشنهاد شده است. اين تكنيك در مقابل روش ماكسي مين مي باشد؛ بدان معني كه يك تصميم گيرنده خوش بين در اينجا فرض مي نمايد كه بيشترين بهره وري (يا بهترين نتيجه ممكن) از انتخاب هر آلترناتيو به وقوع خواهد پيوست، وسپس وي بهترين نتيجه را از بين اين بهترين نتايج انتخاب خواهد كرد.
* روش ضريب خوش بيني:
اين تكنيك نيز توسط « هورويس» پيشنهاد شده است؛ و بر اين اصل مبتي است كه يك تصميم گيرنده منطقي نمي تواند خوش بين كامل و يا بد بين كامل باشد، بلكه درصد خوشبيني يك تصميم گيرنده ممكن است بيش از درصد بدبيني او باشد و بالعكس.
بطور مثال اگر درصد خوش بيني يك تصميم گيرنده براي حل يك مسئله برابر 60 باشد ( يعني درصد بدبيني او برابر 40 خواهد بود)، ابتدا اين درصدها را بترتيب به عنوان احتمال وقوع بهترين نتيجه و بدترين نتيجه حاصل از هر استراتژي موجود نسبت داده و سپس « ارزش مورد انتظار» ممكن را براي هر استراتژي به صورت زير محاسبه مي نمائيم:

به طوريكه معروف به ضريب خوش بيني است.
بمنظور محاسبه ضريب خوش بيني و ضريب بدبيني براي يك تصميم گيرنده مفروض، روش خاصي با استفاده از « بازي استاندارد» توسط « رايفا» ارائه شده است. به اين صورت كه:
دو استراتژي جهت انتخاب به DM ارائه مي شود.
استراتژي اول: به گونه ايست كه منجر به بهترين نتيجه موجود از ماتريس تصميم گيري و با مطلوبيت واحد و يا به بدترين نتيجه موجود از آن با مطلوبيت صفر مي گردد به طوريكه احتمال وقوع بهترين نتيجه برابر با P1 (ضريب خوش بيني) و احتمال وقوع آن استراتژي برابر با P2=1-P1 ( ضريب بدبيني) خواهد بود.
استراتژي دوم :نيز بر اين اساس پيشنهاد مي گردد كه منجر به بهره هاي مساوي، تحت شرايط كليه متغير هاي غير قابل كنترل خواهد شد. سپس با مساوي قرار دادن «مطلوبيت مورد انتظار» حاصل از دو استراتژي مزبور با يكديگر، به ازاي نقطه بي تفاوتي انتخاب براي DM ، مي توان ضريب خوش بيني (و در نتيجه ضريب بدبيني) را محاسبه نمود. اين روش نيز يك مثال ديگر از اندازه گيري مطلوبيت و ارزش ذهني بصورت كمي است.

* روش رضايت بخش شمول:
در اين روش حداقل سطوح استانداردي براي هر شاخص توسط DM تعيين مي شود و فرايند ارزيابي و انتخاب يك آلترناتيو به صورت مقايسه هر شاخص با حد استاندارد آن صورت مي گيرد. به طوريكه هر آلترناتيو براي مورد پذيرش قرار گرفتن بايد امتياز او براي هر شاخص پايين تر از سطح استاندارد مشخص شده نباشد.
* روش رضايت بخش خاص:
انتخاب يك آلترناتيو در اين روش بر اساس استثنايي بودن آن در يك شاخص صورت مي پذيرد، بدان معني كه چنانچه امتياز يك گزينه در سطح استاندارد از قبل تعيين شده يا بالاتر از آن براي يكي از شاخص ها باشد آنگاه انتخاب آن گزينه منفي است.
* روش لكسيكوگراف
در برخي از موقعيتهاي تصميم گيري ممكن است در جه اهميت شاخص ها به صورت رتبه بندي توسط DM مشخص شده باشد كه انتخاب گزينه بدين صورت بر اساس رتبه بندي موجود به انجام مي رسد. به طور مثال قيمت خريد يك كالا ممكن است عمده ترين شاخص از بين ساير شاخص ها ( مانند كيفيت، بسته بندي، …) براي يك خريدار باشد، از اين رو مقايسه گزينه ها از نظر خريدار ابتدا براساس قيمت خريد انجام مي پذيرد و چنانچه در مورد دو گزينه از نظر اين شاخص گره رخ دهد آنگاه DM با استفاده از شاخص در رتبه دوم به باز كردن گره مي پردازد و پروسه بدين طريق در صورت نياز به ازاي شاخص هاي ديگر به ترتيب اهميت آنها ادامه مي يابد. بنابراين در روش فوق نياز بر آن است كه شاخص ها ابتدا توسط DM رتبه بندي شوند.

* روش حذف:
در اين روش DM همچون روش « رضايت بخش شمول» سطوح حداقلي (استاندارد) را براي تامين هر يك از شاخص ها مشخص نموده، سپس يك شاخص را مد نظر قرار داده و كليه گزينه هايي كه استاندارد آن شاخص را تامين ننمايند حذف مي كند. سپس شاخص ديگري را مد نظر قرار داده و پروسه فوق ادامه مي يابد. اين روش مانند روش لكسيكوگراف در هر دفعه فقط يك شاخص را ارزيابي مي كند و مقايسات در بين گزينه ها صورت مي گيرد.
2- روش هاي جبراني:
روش هاي جبراني مشتمل بر روشهايي است كه اجازه مبادله در بين شاخص ها در آنها مجاز است، يعني مثلا تغييري (احتمالا كوچك) در يك شاخص مي تواند توسط تغييري مخالف در شاخص ( يا شاخص هاي) ديگر جبران شود.
به طور كلي در روشهاي جبراني از الگوريتم هاي پيچيده تري براي ارزيابي آلترناتيوها استفاده مي شود.
طبقه بندي زير در ادبيات براي روشهاي جبراني وجود دارد كه 3 طبقه اول را Hwang yoon(1981) مطرح كرده است.
الف – زير گروه نمره گزار:
انتخاب يك آلترناتيو در اين روش بر اساس مطلوبيت و نمره آن آلترناتيو مي باشد. مطلوبيت و نمره براي بيان ترجيحات DM استفاده مي شوند و گزينه با بيشترين مطلوبيت برگزيده خواهد شد. در اين روش ارزش هر شاخص به عددي بين (0و1) تبديل مي شود. لذا مي توان شاخص هاي مختلف را با هم مقايسه كرد. يكي از روشهاي معمول در اين زير گروه روش SAW مي باشد. اين روش نمره كلي هر آلترناتيو را با جمع وزن دهي شده هر شاخص محاسبه مي كند. يكي ديگر از روشهاي معمول اين زير گروه، روش AHP مي باشد؛ اساس اين روش بر محاسبه نمره هر آلترناتيو به صورت مقايسات زوجي مي باشد. زير گروه سازشي مشتركاتي نسبت به روشهاي برنامه ريزي رياضي در MODM دارد. به طوريكه در اين روش آلترناتيو ارجح، آلترناتيوي است كه كوتاهترين فاصله رياضي را از آلترناتيو مطلوب و بهينه داشته باشد.
* روش مجموع ساده وزين (SAW) :
اين روش يكي از قديمي ترين روشهاي به كار گرفته شده در MADM ميباشد؛ به طوريكه با مفروض بودن بردار W ( اوزان اهميت از شاخص ها و اهداف)، جواب بهينه به صورت زير مي باشد:

اين روش نياز به مقياس هاي مشابه و يا اندازه گيري هاي «بي مقياس شده» دارد كه بتوان آلترناتيو ها را با هم مقايسه كرد.
فرضيات اين مدل :
1- فرض به كار گيري روش فوق بر استقلال ارجحيت و مجزا بودن آثار شاخص ها از يكديگر مي باشد.
2- مطلوبيت كلي از شاخص ها قابل تفكيك به مطلوبيت موجود از هر يك از شاخص ها فرض شده و بدين صورت از مدل جمع پذير استفاده مي شود.
3- اگر شاخص ها از نظر ارجحيت مستقل از يكديگر نبوده و آثار مكملي يا جايگزيني بر روي يكديگر داشته باشند (مثلا امتياز عالي از يك شاخص ممكن است موجب كاهش مطلوبيت از داشتن امتياز عالي براي شاخص ديگر بشود و بالعكس) آنگاه مشكل بتوان از فرم جمع پذير و تفكيك پذير استفاده نمود بلكه حداقل بايد از فرم تركيب هاي خطي چند گانه بهره مند شد.
4- استفاده از SAW براي مواردي مناسب است كه نرخ تبادل در بين شاخص ها ثابت و برابر واحد باشد.
* روش رتبه بندي جمع پذير (SAR) :
يكي از روشهاي ساده در MADM ، روش SAR مي باشد، كه مبتني بر رتبه بندي آلترناتيوها بر اساس هر شاخص مي باشد. به طوري كه داريم:

Wk : بردار وزندهي معيارها T : تعداد آلترناتيوها Rk : رتبه آلترناتيوها براي هر معيار
در اين روش نرمالسازي لازم نمي باشد. در صورتيكه معيار مورد نظر از جنس سود باشد رتبه 1 به بيشترين rij(ارزش آلترناتيو i ام از معيار j ام) و در صورتيكه معيار مورد نظر از جنس هزينه باشد، رتبه يك به كمترين rij داده خواهد شد.
* روش حاصلضرب وزندهي شده:
در اين روش ارزش هر آلترناتيو با استفاده از رابطه زير بدست مي آيد:

در اين روش به علت وجود خاصيت ضربي، كليه xij ها بايد بزرگتر از يك باشد. (اگر كوچكتر از يك بودند، همه را در m10 ضرب مي كنيم).
ب- زير گروه سازشي:
اين روش آلترناتيوي را انتخاب مي كندكه به راه حل ايده آل نزديكتر باشد؛ روشهايي مانند:MDS,MRS, Topsis, Linamp از اين گروهند.

* روش Topsis :
به طور كلي MADM در رابطه با انتخاب گزينه (يا گزينه هاي) بهينه از ميان مجموعه اي از آلترناتيوها مي باشد. فرض مي كنيم در يك مسئله MADM ، ما N شاخص و K آلترناتيو داشته باشيم. در اين مسئله، ارزش هر شاخص را براي هر آلترناتيو به صورت نشان مي دهيم. بنابراين بردار

بيانگر مقادير آلترناتيوها به ازاي شاخص n ام مي باشد.
به طور كلي شاخص ها به 2 گروه قابل تقسيم هستند: گروه اول «وروديها» هستند كه داراي طبيعتي از نوع هزينه مي باشند، در نتيجه هرچه ارزش اين شاخصها كوچكتر باشد مطلوبتر است.
گروه دوم «خروجيها» هستند كه داراي طبيعتي از نوع سود مي باشند. لذا هر چه ارزش اين شاخص ها بيشتر باشد مطلوبتر است. به منظور راحتي در بيان مسئله، فرض مي شود X1,…,Xn شاخص هاي ورودي، و Xm+1,…,Xn شاخص هاي خروجي باشند. همچنين بردار آلترناتيوها نيز به صورت زير مي باشد:

تقريبا كليه روشهاي MADM نيازمند اطلاعات مشخص در مورد اهميت نسبي شاخص ها مي باشند كه به صورت يك بردار نرماليزه شده نشان داده مي شوند.

روش Topsis توسط Hwang,Yoon در سال 1981 توسعه داده شده است، كه اساس اين روش بر در نظر گرفتن فاصله يك گزينه هم از نقطه ايده آل و هم از نقطه ايده آل منفي است.
به اين صورت كه آلترناتيوي در نهايت انتخاب خواهد شد كه از بين آلترناتيوهاي موجود داراي كمترين فاصله تا نقطه ايده آل و بيشترين فاصله تا ايده آل منفي باشد.
اطلاعات ورودي به اين روش شامل بردار اوزان (W) براي شاخص ها بوده و خروجي آن به صورت رتبه بندي گزينه ها مي باشد.
فرض Topsis بر اين است كه مطلوبيت شاخص ها بطور يكنواخت افزايشي ( يا كاهشي) مي باشد.
گامهاي روش Topsis به اختصار در ادامه آورده شده است:
تبديل ماتريس تصميم گيري موجود به يك ماتريس «بي مقياس شده» به صورت زير:

n=1,…,N
به طوري كه:
n= 1,…,N
تعیین راه حل ایده آل مثبت و راه حل ایده آل ایده منفی:
]بردار بهترین مقادیر هر شاخص ماتریس [v= راه حل ایده آل مثبت (V_j^+ )
]بردار بهترین مقادیر هر شاخص ماتریس [v= راه حل ایده آل منفی (Vj-)

بدست آوردن کمترین میزان فاصله ی هر گزینه تا ایده آل های مثبت و منفی:
فاصله هر گزینه تا ایده آل مثبت و منفی بر اساس فرمول ذیل محاسبه می گردد.
√(∑_(j=1)^n▒(V_ij-V_j^+ ) ) 2, i=1,2,…,m=d_i^+

√(∑_(j=1)^n▒(V_ij-V_j^- ) ) 2, i=1,2,…,m=d_i^-

تعیین نزدیکی نسبی (CL*) یک گزینه به راه حل ایده آل:
CL_I^*=(d_i^-)/(d_i^-+d_i^+ )
تعیین رتبه های گزینه ها:
هر گزینه ای که cl+آن بزرگتر باشد بهتر است.
* روش Topsis تغيير يافته:
روش Topsis سنتي، براي تبديل و بي مقياسي مقادير شاخص ها از تبديل اقليدسي استفاده مي كند و براي اندازه گيري فاصله هر گزينه از نقطه ايده آل و ايده آل منفي نيز از فاصله اقليدسي استفاده مي كند. طبعا مي توان از ديگر فاكتورها و روشهاي موجود رياضي براي بي مقياسي و اندازه گيري فاصله نقاط استفاده كرد.
در روش Topsisتغيير يافته از مينيمم مقدار هر شاخص براي بي مقياسي و از فاصله بلوكي براي اندازه گيري فاصله نقاط استفاده مي شود.
اين بيانگر اين است كه جمع فاصله هر آلترناتيو از ايده آل مثبت و ايده آل منفي، مقدار ثابت است و اين مقدار ثابت همان فاصله دو نقطه ايده آل و ايده آل منفي است.
در روش Topsis استفاده از روشهاي مختلف تبديل بي مقياسي و استفاده از فاصله نقاط به روشهاي مختلف منجر به حصول نتايج مختلفي در ترتيب آلترناتيوها خواهد شد.

فرآيند تحليل سلسله مراتبي15(AHP)
AHP بعنوان يكي از روشهاي تصميم گيري چند معياره بصورت گسترده در بسياري از فرآيندهاي تصميم گيري بكار رفته است. اين روش توسط ساعتي16(1980) معرفي شد. اين روش عليرغم سادگي از متدولوژي قوي براي ارزيابي آلترناتيوها برخوردار است. به منظور بكارگيري روش AHP، تصميم گيرنده بايد

پایان نامه
Previous Entries منبع پایان نامه درباره نیروی انسانی، ریسک عملیاتی، چند شاخصه، انواع ریسک Next Entries منبع پایان نامه درباره سلسله مراتب، مدیریت ریسک، رتبه بندی، ریسک مالی