مقاله درباره تفکر و تصمیم گیری و مدل سلسله مراتبی

3- در مرحله سوم از فرایند مدل AHP، با استفاده از ماتریس مقایسات زوجی، وزن نسبی عوامل هر سطح محاسبه می‌شود. متدلوژی این محاسبه به شرح زیر است (Zahedi,1980;98-99).
اگر مقایسه‌گر می‌توانست وزن‌های واقعی n عامل مورد مقایسه را بداند، درآن صورت ماتریس مقایسات زوجی نسبی عوامل به شکل زیر بود:
در این وضعیت، وزن‌های نسبی به صورت بدیهی می‌تواند از هر کدام از n سطر ماتریس A محاسبه شود. به عبارت دیر ماتریس A دارای رتبه 1 بوده و رابطه زیر برقرار است:
A.W=n.W
که در آن W=[w1,w2,w3,…,wn] بردار وزن‌های واقعی و n تعداد عوامل یا عناصر است. در جبر ماتریسی، n،W در معادله (1) به ترتیب «مقدار ویژه آیگن» و «بردار آیگن سمت راست» ماتریس A نامیده می‌شوند.
در مدل AHP استدلال می‌شود که چون قضاوت کننده شناختی نسبت به بردار W ندارد (اجزاء این بردار یعنی W1،W2،…،Wn برای وی مشخص نیست) بنابراین قادر نیست که وزن‌های نسبی دو به دویی ماتریس A را با دقت صد در صد تعیین کند. بنابراین ماتریس A که حاصل قضاوت شخصی او می باشد منطقا ناسازگار است. تخمین یا برآورد بردار W که با نشان داده می‌شود، می‌تواند از رابطه زیر محاسبه شود:
(1)
که در آن عبارت است از مقایسه دو به دویی عوامل که از سوی تصمیم گیرنده (پاسخ دهنده) ارائه می‌شود. عبارت از بزرگترین «مقدار ویژه آیگن» ماتریس و «بردار آیگن سمت راست» ماتریس و تخمینی از مقدار واقعی بردار W است. علاوه براین مقدار را می‌توان تخمینی از n در نظر گرفت. پروفسور ساتی نشان داده است که پیوسته:
(2)
هرچقدر به n نزدیکتر باشد، در آن صورت درجه سازگاری ماتریس A بیشتر است که بر اساس این خاصیت، مقیاسی تحت عنوان CI یا «مقیاس یا درجه سازگاری» و CR یا «نسبت سازگاری» به شرح زیر محاسبه می گردد:
(3)
(4)
که در رابطه (4)، ACI متوسط درجه سازگاری متغیرهای تصادفی است (Satty, 1980).
به عنوان یک قانون تجربی چنانچه باشد در آن صورت ماتریس A (قضاوت تصمیم گیرنده درباره ترجیح عوامل مورد مقایسه) قابل قبول است و در غیر این صورت، مندرجات A بیش از آن ناسازگار است که منجر به نتایج قابل اعتماد گردد. در این حالت لازم است که مقایسات زوجی تا دستیابی به نسبت سازگاری قابل قبول (کمتر و یا مساوی 10%) از سوی تصمیم گیرنده تکرار گردد.
ساتی نشان می‌دهد که برآورد بردارW () ، از رابطه محاسبات تکراری قابل حصول است که این الگوریتم هم اکنون در نرم افزاری به نام Expert Choice و یا نرم افزارهای مشابه موجود است و بوسیله آن می‌توان درجه سازگاری ماتریس مقایسات زوجی را نیز محاسبه کرد (Satty,1990: 234-281). ضمنا باید توجه داشت که روش مقدار ویژه آیگن تنها یکی از روش‌های تخمین بردار است و روش‌های دیگری نیز وجود دارند، اما هیچکدام به اندازه این روش شناخته شده نیستند و به کار نرفته‌اند(Zahedi, P.99).
4- مرحله آخر فرآیند مدل ahp شامل تعیین اهمیت نسبی هر کدام از گزینه‌ای تصمیم‌گیری در رابطه با معیارها و هدف کلی مساله مورد نظر است. برای این منظور، وزن‌های نسبی عوامل در سطح kام در رابطه با سطح اول (هدف کلی مساله) از رابطهه زیر محاسبه می‌گردد (Zahedi, P.100):
(5)
که در آن بردار ترکیبی وزن‌های نسبی عوامل در سطح Kام در رابطه با عوامل سطح اول و Bi یک ماتریس است که در آن تشکیل بردارهای را می ‌دهند. ni بیانگر تعداد عوامل در سطح بوده و در واقع همان وضعیت n در معادله (1) را دارد و گذاشتن زیر نویس فقط به منظور نشان دادن سطح I است.
شایان ذکر است که روش AHP قابلیت استفاده در تصمیم گیری های گروهی، فازی و روش های برنامه ریزی خطی را نیز دارد و نشانگر این مطلب است که AHP تکنیک بسیار انعطاف پذیری است. در عمل همه پسند بودن AHP بعلت انعطاف پذیری و سهولت کاربرد می باشد. اما نکته با اهمیت تر قابلیت تلفیق روش با محیط GIS است. IDRISI مثال خوبی از تلفیق این روش با تحلیل چند معیاره تحت GIS فراهم می آورد. در روش AHP مکانی، نسبت های اولویت صفات بصورت وزن های اهمیت نسبی صفات(لایه های نفشه) بکار گرفته می شود. این وزن ها می توانند با روش وزن دهی افزودنی ساده تلفیق گردند. این وزن ها در امتیازات توصیفی استاندارد شده ضرب می شوند. قواعد تصمیم گیری افزودنی برای یک سطح منفرد از معیارها مناسب می باشند.
3=3=5 وزن دهی با استفاده از مدل تلفیقی Fuzzy AHP-OWA
اگرچه روش AHP یکی از متداولترین روشهای ارزیابی چند معیاره است که در بسیاری از مسائل تصمیم سازی مکانی برای گردآوری نظریات کارشناسان استفاده می شود. اما درAHP مرسوم شیوه تفکر و تصمیم گیری انسان بدرستی لحاظ نمی شود و درجه اطمینان تصمیم سازان و ریسک موجود در فرآیند تصمیم سازی در نظر گرفته نمی شود. تلفیق روش AHP با منطق فازی منجر به لحاظ شدن عدم قطعیت و عدم دقت موجود در مسائل به منظور تطابق بیشتر با واقعیت می شود.
AHP ابزاری کلی برای ایجاد مدل سلسله مراتبی مسائل تصمیم گیری مکانی، پردازش کلی فرایند و ارزیا بی هر کدام از فرایندهاست. فرایند ارزیابی درAHP از ترکیب خطی وزن دار ساده برای محاسبه ی مقادیر هرکدام از سلول های رسترها استفاده می کند. عملگرهای OWA نیز چارچوبی کلی برای انجام پردازش هایی مانند AHP فراهم می آورند. ماهیت و ساختار این دو الگوریتم به گونه ای است که از ترکیب آنها می توان برای ایجاد ابزار تصمیم گیری مکانی قدرتمند تر بهره برد ( . (yager ,1999
به کار گیری روش Fuzzy AHP-OWA امکان استفاده از دیدگاهها و سلایق گوناگون و برآیند نظریات در فعالیت های شهری و حل مسائل مربوط به آن همراه با توجه به عدم قطعیت ذاتی موجود در نظریات را فراهم می کند.
از طرف دیگر عملگر OWAمی تواند در بازه ی پیوسته ای که از کمیت سنج” همگی “تا کمیت سنج “حداقل یکی “حاصل می شود،قرار بگیرد. برای شناسایی محل عملگر OWA در این بازه می توان از دو مقدار Trade off و ORness استفاده کرد.( . (yager ,1996
Trade off برای اندازه گیری میزان جبران کنندگی معیارها استفاده می شود و نشان دهنده ی میزان جبران شوندگی معیار ی ناکارآمد با سایرمعیارهای در نظر گرفته شده است. اندازه Trade offمقداری بین صفر و یک است که” صفر “مبین عدم وجود جبران کنندگی میان معیارها و” یک “نشان دهنده جبران کنندگی کامل است. این مقدار را می توان به عنوان اندازه ای از میزان پراکندگی وزن های OWA تفسیر کرد (.(Malczewski, 2006
همچنین با استفا ده از معیار دیگری با نام ORness نیز می توان OWA را مورد بررسی قرار داد( ,yager .(1998 ,1996
این نوشته در علمی ارسال شده است. افزودن پیوند یکتا به علاقه‌مندی‌ها.