پایان نامه ها و مقالات

تصمیم‌گیری چندمعیاره

روش را از بین روش‌هایی که معیارهای الزامی را برآورده نموده‌اند، و از این طریق به نوعی اعتبارسنجی شده‌اند، پیشنهاد نماید. از آن‌جا که این مسئله خود یک مسئله تصمیم‌گیری چندمعیاره است، برای اعتبارسنجی روش مورد استفاده جهت حل این مسئله، کافی است که وضعیت معیارهای الزامی را درخصوص مسئله اخیر، به صورت مستقل از مسئله اصلی، مورد بررسی قرار داد. این موضوع، یعنی اعتبارسنجی روش مورد استفاده برای حل مسئله انتخاب، مورد توجه محققان قبلی قرار نگرفته و از آن غفلت شده است. لذا به نظر می‌رسد اعتبارسنجی روش مورد استفاده برای حل مسئله انتخاب می‌تواند اعتبار استفاده از رویکرد سوم را افزایش دهد. البته هر چند با انجام این کار نیز ممکن است مشکل ایجاد دور به طور کامل برطرف نگردد، اما باید در این خصوص به چند نکته توجه نمود:
– بررسی تامین معیارهای مسئله انتخاب توسط روش‌ها، یا همان اعتبارسنجی روش انتخاب، تنها کافی است یک بار انجام گیرد و پس از انتخاب یک روش، این روش را می‌توان همواره برای تمامی مسائل استفاده نمود.
– با توجه به ضعف‌های موجود در دو رویکرد دیگر، به نظر می‌رسد رویکرد سوم، البته به شرط اعتبارسنجی روش حل مسئله انتخاب، مناسب‌تر باشد.
از این‌رو در این تحقیق نیز از رویکرد سوم، یعنی استفاده از یک روش MCDM ، جهت حل مسئله انتخاب استفاده می‌گردد. از این رو نمودار ساختار وظیفه برای زیرسیستم پیشنهاد یا رتبه‌بندی روش‌ها به صورت زیر می‌باشد:
شکل ‏۴-۶. زیرسیستم پیشنهاد یا رتبه‌بندی روش‌ها
۴-۴ اکتساب دانش
پس از این که روش‌های مورد استفاده در سیستم خبره انتخاب مناسب‌ترین روش تعیین گردید، می‌بایست وضعیت هریک از این روش‌ها در معیارهای مشخص شده در بخش ‏۴-۲-۲ مورد بررسی قرارگیرد. در واقع این مرحله همان مرحله اکتساب دانش می‌باشد. بدین منظور لازم است تا مشخصات این روش‌ها در معیارهای موردنظر از ادبیات موضوع جمع‌آوری گردد. در این تحقیق مشخصات روش‌های انتخاب شده از بررسی بیش از ۴۰ کتاب و مقاله استخراج گردیده است. این منابع عموماً به مقایسه روش‌های تصمیم‌گیری چندمعیاره با رویکردها و دیدگاه‌های مختلف پرداخته‌اند. در ادامه مشخصات استخراج شده، به صورت دسته‌بندی شده مورد بررسی قرار می‌‌گیرد.
۴-۴-۱ فرضیات روش‌ها
الف) روش‌های امتیازدهی
روش جمع وزنی ساده(SAW)
فرضیات اصلی این روش که در ادبیات موضوع به آن‌ها اشاره شده‌است به شرح زیر می‌باشد:
* جمع‌پذیری مطلوبیت مشخصه‌ها. در استفاده از روش جمع وزنی ساده و همچنین سایر روش‌های امتیازدهی که دارای تابع ارزش جمعی هستند، فرض بر این است که ارزش(مطلوبیت) نهایی یک گزینه قابل تفکیک به ارزش آن گزینه در هر یک از مشخصه‌های مسئله می‌باشد[۳۶،۵۱،۶۹] . از آنجا که ارزش نهایی از ترکیب ارزش‌های حاشیه‌ای بدست می‌آید، این روش برای اکثر مسائل یک بعدی جواب‌های مناسبی ارائه می‌دهد، اما اگر از این روش در مسائل چندبعدی۸۵، که مشخصه‌ها از ابعاد مختلف هستند(نظیر هزینه، فاصله، وضعیت فرهنگی، و . . .)، استفاده ‌شود، ترکیب این ابعاد مختلف در قالب یک مقیاس واحد با مشکل مواجه می‌گردد[۵۱،۶۳] .
* استقلال ترجیحات. استقلال ترجیحات بدین معناست که مقادیر و آثار مشخصه‌ها می‌بایست مستقل از یکدیگر باشد. از آنجا که طبق فرض اول، ارزش‌های حاشیه‌ای مشخصه‌ها با یکدیگر جمع می‌شود، در صورتی که این مشخصه‌ها مستقل از یکدیگر نبوده و بین آن‌ها اثر تبادلی و تکمیلی۸۶ برقرار باشد، این روش ممکن است نتایج گمراه کننده‌ای به همراه داشته باشد[۳۶،۴۹،۶۹،۷۰] .
* قابل مقایسه بودن ترجیحات. روش‌های مبتنی بر تئوری ارزش چندمشخصه‌ای(MAVT) برخی فرضیات ضمنی مشترکی دارند، از جمله اینکه همه چیز قابل اندازه‌گیری و همچنین قابل مقایسه بوده(DM دانش کامل دارد)، و تصمیم‌گیرنده در قضاوت‌هایش سازگار است. یعنی از یک‌سو تصمیم‌گیرنده باید قادر باشد تا مقادیر عملکردی دقیقی را برای تمام گزینه‌ها و به ازای همه مشخصه‌های مسئله بیان نماید و از سوی دیگر باید بتواند این ترجیحات را به درستی با یکدیگر مقایسه نماید، چرا که مطابق فرض اول، مقادیر مشخصه‌ها بایستی در یکدیگر ترکیب شوند تا یک ارزش(مطلوبیت) نهایی برای یک گزینه بدست آید[۳۶،۲۵] .
* رویه کاملاً جبرانی. با توجه به ساختار این روش، قوت یک گزینه در برخی مشخصه‌ها می‌تواند به راحتی ضعف آن گزینه را در برخی دیگر از مشخصه‌ها بپوشاند. از این فرض به عنوان فرض جبرانی بودن معیارها نام برده می‌شود[۳۲،۳۶،۷۰] . اگرچه این فرض یک فرض کاملاً منطقی است، اما در بعضی موارد نیز ممکن است خوشایند تصمیم‌گیرنده نباشد. به عنوان مثال ممکن است برای تصمیم‌گیرنده قابل قبول نباشد که ضعفی جدی در یک مشخصه(مانند امنیت جانی) با اندکی قوت در سایر مشخصه‌ها جبران شود. البته لازم به ذکر است که اکثر روش‌های مشهور تصمیم‌گیری چندمعیاره رویه‌ای جبرانی دارند، اما در این میان رویه جبرانی روش‌های مبتنی بر تئوری ارزش جمعی قوی‌تر است.
* وزن‌های تبادلی. صرف‌نظر از این‌که اوزان مشخصه‌ها چگونه بدست آمده‌اند، آن‌ها باید قابل تفسیر به صورت مقادیر تبادلی بین معیارها باشند. یعنی اگر افزایش به اندازه در مشخصه i-ام با کاهش به اندازه در مشخصه j-ام جبران شود، پس باید:

که وبه ترتیب نشان دهنده اوزان مشخصه‌های i-ام و j-ام مسئله می‌باشد[۲۴،۳۳] .
* تغی
یرات خطی مطلوبیت ترجیحات. در روش جمع وزنی ساده این فرض به صورت ضمنی نهفته است که مطلوبیت(ارزش) یک واحد اضافی در یک مشخصه برای هر سطحی از آن مشخصه ثابت است. به عنوان مثال، طبق این فرض اضافه شدن ۱۰مترمربع به مساحت یک خانه همواره مطلوبیت یکسانی خواهد داشت، خواه این مقدار به یک خانه ۱۰۰ مترمربعی اضافه شود یا به یک خانه ۱۰۰۰۰ مترمربعی. این امر بدین دلیل است که مقدار ارزش نهایی یک گزینه در این روش، یک تابع خطی از مقادیر ترجیحی می‌باشد. بر این اساس نرخ تبادل بین مشخصه‌ها نیز ثابت بوده و وابسته به مقادیر وزن آن‌ها می‌باشد[۴۹،۶۹،۷۰] .
روش ضرب وزنی(WPM)
این روش مشابه روش جمع وزنی ساده است با این تفاوت اصلی که فرم جمعی آن به فرم ضربی تبدیل شده است. بر اساس این تغییر فرم، برخی از فرضیات آن نیز تغییر می‌یابد. مهمترین فرضیات این روش به شرح زیر است:
* ضرب‌پذیری مطلوبیت مشخصه‌ها. در این روش مشابه روش SAW، فرض شده است که مطلوبیت(ارزش) نهایی یک گزینه قابل تفکیک به مطلوبیت آن گزینه در تک تک مشخصه‌ها می‌باشد، با این تفاوت که مطلوبیت نهایی از ضرب مطلوبیت‌های مشخصه‌ها در یکدیگر بدست می‌آید.
* استقلال ترجیحات. مشابه روش SAW، در این روش نیز مشخصه‌های مسئله می‌بایست مستقل از یکدیگر باشند با این تفاوت که روش WPM به دلیل فرم ضربی آن، نیازمند فرضیات کمتری در خصوص استقلال ترجیحات می‌باشد[۶۹] .
* تغییرات غیرخطی مطلوبیت ترجیحات. در این روش، برخلاف روش SAW، فرض شده است که مطلوبیت یک واحد اضافی در یک مشخصه بستگی به سطوح مختلف آن مشخصه دارد و این مطلوبیت با افزایش سطح مشخصه کاهش می‌یابد. به عنوان مثال اضافه شدن ۱۰مترمربع به مساحت یک خانه ۱۰۰ مترمربعی مطلوبیت بیشتری از اضافه شدن همین مقدار به خانه‌ای با مساحت ۱۰۰۰۰ مترمربع دارد.
* تحلیل بدون بعد. از آنجا که در ساختار این روش واحد اندازه‌گیری حذف می‌گردد، لذا WPM می‌تواند در مسائل تصمیم‌گیری یک بعدی و چندبعدی، بدون نیاز به نرمال‌سازی ترجیحات، مورد استفاده قرارگیرد. از این رو به این روش “تحلیل بدون بعد” نیز ‌گفته می‌شود[۵۱] .
* بیان ترجیحات به صورت نسبی. در این روش به تصمیم‌گیرنده این امکان داده می‌شود تا بجای بیان مجزای ترجیحات گزینه‌ها، از مقادیر نسبی استفاده نماید[۵۱] . (به عنوان مثال بیان نسبت عملکرد گزینه K به L در مشخصه j-ام ( ) به جای بیان این مقادیر به صورت مجزا ). این نحوه گرفتن اطلاعات از تصمیم‌گیرندگان عموماً مورد استقبال آن‌ها قرار می‌گیرد، اما با توجه به این که سازگاری این مقایسات در این روش کنترل نمی‌شود، می‌توان گفت که پیش فرض این روش سازگار بودن تصمیم‌گیرنده در بیان مقادیر نسبی است.
فرآیند تحلیل سلسله‌مراتبی(AHP)
ساعتی، بنیانگذار این روش، چهار اصل زیر را به عنوان اصول فرآیند تحلیل سلسله‌مراتبی بیان نموده است[۶۱] :
* شرط معکوسی۸۷ . اگر ترجیح عنصرA بر عنصرB برابر n باشد، ترجیح عنصرB بر عنصرA برابر خواهد بود.
* اصل همگنی۸۸ . عنصرA با عنصرB باید همگن و قابل مقایسه باشند. به بیان دیگر برتری عنصرA بر عنصرB نمی‌تواند بی‌نهایت یا صفر باشد.
* وابستگی سلسله‌مراتبی. هر عنصر سلسله‌مراتب به عنصر سطح بالاتر خود می‌تواند وابسته باشد و به صورت خطی این وابستگی تا بالاترین سطح می‌تواند ادامه داشته باشد. یا به عبارت دیگر عناصر موجود در هر سطح از ساختار سلسله‌مراتبی باید مستقل از هم باشند و همچنین بازخور از سطوح پایین به بالا ممکن نیست.
* اصل انتظارات۸۹ . هرگاه تغییری در ساختار سلسله‌مراتبی رخ دهد، فرایند ارزیابی باید مجدداً انجام گیرد.
علاوه بر اصول فوق، فرضیات دیگری نیز برای این روش بیان شده است:
* از آنجا که روش AHP بر اساس یک تابع

92

دیدگاهتان را بنویسید