تصمیم گیری ( مقدماتی )

در این مقاله به تصمیم گیری چیست و چگونه میتوان تصمم درستی داشت می مپردازیم .
با ما همراه باشید …
در ابتدا نظریه های معروف که در تمامی سایتهای مطرح وجود دارند را بررسی میکنیم و سپس به تدریس استاد زرین می پردازیم .
تصمیم گیری چند معیاره
معنی کلمه تصمیم گیری به معنای قطع کردن می باشد و مفهوم عام آن قطعی کردن قصد و نیت است تا به نتیجه رساندن و حل می باشد.
معنی دیگر تصمیم گیری به عنوان انتخاب یک راهکار از میان چندین راهکار تعریف می شود.
تا کنون از نظر کارشناسان و نظریه پردازان نظریه ها و روشهای مختلفی برای تصمیم گیری در مسائل پژوهشگران ارائه شده است.
اما از دوران نهضت صنعتی در جهان و بخصوص از زمان جنگ جهانی دوم، مدلهای بهینه سازی مورد توجه بسیاری از ریاضی دانان و دست اندرکاران صنعت و حوزه موفقیت در تربیت های مختلف بوده است.
تأکید اصلی بر مدلهای کلاسیک بهینه سازی، داشتن یک معیار (یا یک تابع هدف) می باشد، به طوریکه مدل گفته شده میتواند درسه حالت مجموع به صورت خطی، غیر خطی، و یا مخلوط باشد.
اما توجه پژوهشگران در دهه های اخیر معطوف به مدلهای چند معیاره برای سنجش تصمیم گیریهای پیچیده گردیده است.
روشهای تصمیم گیری چند معیاره (MCDM) به دو دسته تصمیم گیری چند هدفه و تصمیم گیری چند شاخصه تقسیم می شوند.
هدف از تصمیم گیری انتخاب بهترین گزینه یا وزن دهی به عوامل تصمیم گیری است.
هر روش تصمیم گیری وظیفه خاصی دارد یکی هدف وزن دهی به معیارها، یکی هدفش رتبه بندی گزینه ها و دیگری هدف ارزیابی معیارها می باشد.
که در این مقاله به توضیح پر کاربردترین روش های تصمیم گیری چند شاخصه خواهیم پرداخت.
به طور کلی مدل های تصمیم گیری چند معیاره را به دو دسته جبرانی و غیر جبرانی دسته بندی کرد. بر این اساس مدلهای جبرانی تصمیم گیرنده حاضر به تبادل بین معیارها و شاخص ها وجود دارد.
تغییر در یک شاخص توسط تغییری مخالف در شاخص یا شاخص های دیگر جبران می شود.
اما در مدلهای غیر جبرانی تصمیم گیرنده حاضر به تبادل بین معیارها نمی باشد نقطه ضعف موجود در یک شاخص توسط مزین موجود در یک شاخص دیگر جبران نمی شود هر شاخص جدا از سایر شاخص ها مبنای ارزیابی گزینه های رقیب قرار می گیرد.
مدل های غیر جبرانی نیز خود به چند دسته تقسیم می شوند از جمله روشهای عام، لکسیکوگرافی، رضایت بخش و روش پرموتاسیون (جایگشت) تقسیم می شود.
روشهای عام به دو دسته روش خوشبینانه و بدبینانه تقسیم می شود.
روش لکسیکوگرافی به روش نیمه رتبه ای تقسیم می شود.
روشهای رضایت بخش به شمول و خاص تقسیم می شوند.
این روشها در مقالات و پروژه های تصمیم گیری چند معیاره چندان مورد استفاده قرار نمیگیرد و بیشتر جنبه تمرینی دارند.زیرا یکی از ویژگی های مهم از جمله تبادل بین شاخص ها در آن ها وجود ندارد.
روشهای غیر جبرانی
در این مدل ها، معیارها مستقل از هم در فرایند تصمیم گیری بررسی می شوند.
مدل های غیر جبرانی، به طور عمده به سه گروه قابل طبقه بندی اند:
هیچ نوع اطلاعاتی در مورد اهمیت معیارها در دسترس نیست (مانند روش های تسلط، بیشترین کمینه، بیشترین بیشینه و …)
اهمیت معیارها به صورت ترتیبی موجود است (مانند روشهای الکزیکوگرافی، جایگشت، حذفی و …
اطلاعات مربوط به حدود استاندارد و قابل قبول هر معیار در دسترس است (مانند روش های روش رضایت بخش عطفی و روش رضایت بخش خاص
نکته:
روشهای جبرانی جدیدا در پژوهش ها و مقالات مورد استفاده قرار نمی گیرند زیرا الگوریتم ساده و غیر انعطاف پذیری دارند.
روش تسلط (Dominance)
در این روش گزینه برتر آن است که در تمام معیارها برتر از سایر گزینه ها باشد. در این روش به غیر از ماتریس تصمیم گیری لازم نیست هیچ تغییری صورت گیرد.
روش تسلط dominance
این روش به طور عملی چندان کارآمد نیست، مگر در شرایط خاص برای فیلترینگ گزینه ها.
روش بیشترین کمینه (MAXI MIN)
در این روش، نقاط ضعف گزینه ها با هم مقایسه می شوند؛ به عبارت دیگر برای انتخاب محکم ترین زنجیر کافی است ضعیف ترین حلقه یک زنجیر، محکم تر از ضعیف ترین حلقه زنجیر دیگر باشد؛ این روش در عین حال غیرجبرانی است زیرا حلقه ها، ضعف همدیگر را جبران نمی کنند.
قدم های لازم در بیشترین کمینه عبارت اند از:
تبدیل معیارهای کیفی به کمی
نرمالیزه کردن ماتریس تصمیم با استفاده از نرم بینهایت
روش بیشترین بیشینه (MAXI MAX)
در این روش، نقاط قوت گزینه ها با هم مقایسه می شوند.
ماکزیمم مقدار هر گزینه مشخص شده و بیشترین آن به عنوان شاخص اثرگذار انتخاب می شوند.
برای نمونه در انتخاب نخبگان از روش بیشترین بیشینه استفاده می شود. قهرمان قهرمانان نقطه قوت یک گزینه نسبت به نقاط قوت گزینه های دیگر قوی تر است).
برای نمونه در انتخاب بازیکن فوتبال فرض کنید می خواهیم با توجه به معیارهای استقامت، حمله، دفاع، دروازه بانی، تحرک و تجربه از بین پنج نفر، یک نفر را انتخاب کنیم؛ در این شرایط نیز ممکن است یک مربی از روش بیشترین بیشینه استفاده کند
روش لکزیکوگرافی (Lexicography)
در این روش، ابتدا معیارها براساس نظر DM رتبه بندی می شوند، سپس گزینه ها براساس معیارها اما به ترتیب اهمیت مورد مقایسه قرار می گیرند. (نیازی به نرمال سازی نیست زیرا در هر گام از الگوریتم، گزینه ها نسبت به یک معیار مقایسه می شوند). اساس کار این روش بدین صورت است که ابتدا معیار اول (بالاترین اولویت در نظر – گرفته می شود و ضمن مقایسه، گزینه برتر انتخاب می شود؛ اگر در معیار اول، دو گزینه هم ارزش در رتبه نخست قرار بگیرند، به سراغ معیار بعدی از نظر اهمیت رفته، آن دو گزینه را نسبت به معیار بعدی رتبه بندی می کنیم.
روش رضایت بخش عطفی
در این روش برای هر معیار، یک حد پذیرش توسط DM تعریف می شود. اگر گزینه ای، حتی در یکی از معیارها از حد پذیرش کمتر باشد، رد می شود. DM برای پذیرش تعدادی گزینه (به قدر کافی) ابتدا باید س طح متعادلی از استانداردها را تعیین کند، سپس می تواند برای کاهش گزینه ها حداقل سطوح استاندارد را به طور متوالی افزایش دهد.
روش رضایت بخش خاص
در این روش، حداکثر مطلوب برای هر معیار مشخص است؛ اگر گزینه ای تنها در یکی از معیارهایش به این حد مطلوب برسد یا از آن بگذرد آن را انتخاب می کنیم. نمونه ای از کاربرد این روش: یک مربی قصد دارد بازیکن انتخاب کند؛ اگر بازیکنی، فقط در یک پست توانایی های بی نظیری داشته باشد، مربی او را نسبت به بازیکنی که سطحی متوسط از توانایی های چندگانه را دارد، ترجیح می دهد.
روش حذف (Elimination)یا صفر و یک
در این روش، گزینه یا دارای یک معیار می باشد یا نمی باشد (پس است در این روش یک سری معیارها اولویت بندی می شوند. سپس بررسی می شوند که کدام گزینه اولویت اول را دارد. در نتیجه آنهایی که اولویت اول را ندارند حذف می شوند. از بین گزینه های باقیمانده کدام یک اولویت دوم را دارند. در نتیجه سایرین حذف میشوند. این روند تا باقی ماندن یکی از گزینه ها ادامه می یابد. باید توجه داشت که معیارها به نحوی می باشند که جواب بله یا خیر است. در صورت عددی بودن معیارها بایستی به صفر و یک تبدیل گردند. مثلا تا۱۵۰۰ را صفر و بیش از آن را یک لحاظ میکنیم.
روش های جبرانی
روش های جبرانی نیز به سه دوسته روشهای امتیاز دهی، روشهای سازشی و روشهای غیر رتبه ای تقسیم می شوند.
روش های امتیاز دهی (Scoring): گزینه ارجح بیشترین امتیاز را دارد. در این روشها با استفاده از الگوریتم های مختلف گزینه ای برتر است که بیشترین امتیاز را کسب کند.
روش های سازشی (Compromising): گزینه ارجح بیشترین نزدیکی و شباهت را با گزینه ایده آل دارد.
روش های غیر رتبه ای (Outranking): گزینه ارجح از منظر یك شاخص هماهنگ تعریف شده بهترین وضعیت را دارد.
روش AHP یا فرایند تحلیل سلسله مراتبی : یکی از تکنیک های قدرتمند تصمیم گیری می باشد.
در سال ۱۹۸۰ توسط آقای ساعتی ارائه شد.
از مزایای ممتاز این روش میزان سازگاری و ناسازگاری تصمیم می باشد.
در این روش مساله به سطوح مختلف هدف، معیارها، زیر معیارها و گزینه ها تقسیم می شود تا تصمیم گیرنده بتواند به راحتی در کوچکترین تصمیم گیری دقت کند. همان طور که از نام این روش پیداست به صورت سلسله مراتبی یا از بالا به پایین بررسی می شود.
روش بهبود یافته AHP: یکی از محدودیت های بزرگ روش AHP این است که هنگامی عوامل زیاد باشد مقایسات زوجی بسیار زیاد شده و باعث دشواری در تکمیل مقایسات و نرخ ناسازگاری بالا می شود در سال ۲۰۱۳ آقای لی و همکاران روشی را ارئه کردند که برای تشکیل مقایسه زوجی راه حلی جدید ارائه کردند که آن را AHP بهبود یافته یا Improve AHP نامیدند.
روش ANP یا فرایند تحلیل شبکه ای: این روش همانند روش AHP می باشد با این تفاوت که بین معیارهای تصمیم و گزینه های تصمیم روابط و همبستگی های متقابل وجود دارد.
در واقع روش AHP یک حالت خاص از روش ANP می باشد.
این روش نیز توسط آقای توماس ساعتی ارائه شد.
روش تحلیل شبکه به تصمیم گیرنده اجازه ساخت یک شبکه به جای سلسله مراتب را می دهد این امر امکان بررسی ارتباط داخلی بین عناصر را نیز ممکن می سازد گره های موجود در این شبکه، معادل با معیارها و گزینه ها می باشند و شاخه هایی که این گره ها را به هم متصل می کنند نیز معادل با درجه وابستگی آن ها به همدیگر می باشند.
تعیین روابط موجود در ساختار شبکه ای یا تعیین درجه وابستگی متقابل بین معیارها با هم و گزینه ها، مهم ترین کار رو تحلیل شبکه است.
روش تحلیل شبکه (ANP) یکی از بهترین و کاملترین روشهای تصمیم گیری چند معیاره است در صورت وجود ارتباط داخلی بین عناصر تشکیل دهنده ساختار شبکه، این روش پاسخ هایی به مراتب بهتر و دقیق تر از سایر روشهای تصمیم گیری چند معیاره عرضه می کند.
تکنیک جدید merec :
هدف این روش تعیین وزن معیارها در مدلهای گزینه محور (ماتریس تصمیم) می باشد ابتدا ماتریس تصمیم تشکیل شده سپس نرمال سازی انجام می شود. تفاوت این روش با روشهایی نظیر آنتروپی در این است که در این تکنیک وزن بر اساس حذف اثرات معیارها انجام می شود.
گام های تصمیم گیری چند معیاره
در دو مدل قبل هدف وزن دهی به معیارهای پژوهش بود حال مدلهایی دیگر را بررسی خواهیم کرد که هدفشان رتبه بندی گزینه های پژوهش است. مراحل کلی این مدل از تکنیک ها به صورت زیر می باشد:
تشکیل ماتریس تصمیم گیری
بی مقیاس سازی
محاسبه وزن شاخص ها
انتخاب مدل و پیاده سازیگام های تصمیم گیری چند معیاره
تشکیل ماتریس تصمیم گیری
برای تشکیل ماتریس تصمیم گیری مراحل زیر باید پیاده شوند:
شناسایی آلترناتیوها/ گزینه ها: این مرحله با استفاده از روش دلفی و یا دلفی فازی نیز قابل احصاء است.
شناسایی شاخص ها (معیارها): در این گام باید شاخص های تاثیرگذار بر هدف مساله استخراج شوند این گام نیز با استفاده از روش دلفی (دلفی فازی) و یا پیشینه پژوهش و مقالات مشابه قابل دستیابی است.
تعیین نوع شاخص ها (مثبت و منفی): در این گام باید شاخص ها را از نظر مثبت و منفی بودن تعیین کرد شاخص هایی که جنبه سود دارند از نوع مثبت هستند و شاخص هایی که جنبه هزینه دارند از نوع منفی هستند. ویا یک راه ساده تر این است که این سوال را از خود بکنیم که آیا مثلا فلان معیار اگر افزایش یابد برای سیستم بهتر است یا اگر کاهش یابد برای سیستم بهتر است. حال اگر هر چقدر معیار افزایش یابد برای سیستم بهتر باشد از نوع مثبت است مثل کیفیت محصول . واگر آن معیار هر چقدر کمتر شود برای سیستم بهتر باشد آن معیار از نوع منفی است مثل سختی کار.
ارزیابی هر آلترناتیو بر اساس هر شاخص: در این گام اگر معیار از نوع کمی باشد باید امتیاز واقعی گزینه نسبت به آن معیار اختصاص یابد و اگر معیار جنبه کیفی داشته باشد باید بر اساس یک طیف امتیاز داده شود.
تبدیل ارزیابی های کیفی و زبانی به کمی: در این گام اگر امتیازهای معیاری از نوع کیفی باشد باید بر اساس یک طیف استاندارد آن عبارات کیفی را به کمی تبدیل کرد.
تکمیل و نهایی سازی ماتریس تصمیم گیری
بی مقیاس سازی
بی مقیاس سازی یکی از گام های مهم در تصمیم گیری چند معیاره است و برای بی بعد کردن ماتریس تصمیم استفاده می شود. روش های مختلفی برای بی مقیاس سازی استفاده می شود که در شکل زیر آورده شده است.
روش های بی مقیاس سازی mcdm
نرخ خطی
مزیت این شیوه علاوه بر سادگی، آن است كه مجموع عناصر بی مقیاس شده هر معیار برابر یك شده و مقایسه اعداد را ساده تر می سازد. ضمن آن كه نسبت ترجیح گزینه ها بر یكدیگر، قبل و بعد از بی مقیاس سازی ثابت باقی می ماند. این روش با استفاده از رابطه زیر انجام می شود.
روش نرم خطی
نرم اقلیدسی
مشكل عمده این روش آن است كه طول مقیاس اندازه گیری در حالت قبل و بعد از بی مقیاس سازی ثابت باقی نمی ماند. در واقع حداقل و حداكثر مقادیر بی مقیاس شده هر شاخص برابر نبوده و مقایسه شاخص ها با یكدیگر همچنان خالی از اشكال نخواهد بود.
روش نرم اقلیدسی با استفاده از رابطه زیر انجام می شود.
روش بی مقیاس سازی اقلیدسی
بی مقیاس سازی خطی
مزیت این شیوه آن است كه تبدیلات در یك مقیاس خطی انجام شده و نسبت امتیاز عناصر درشاخص ها به یكدیگر، قبل و بعد از بی مقیاس سازی ثابت باقی می ماند. این روش بی مقیاس سازی با استفاده از رابطه زیر صورت می گیرد.
روش بی مقیاس خطی
روشهای وزن دهی mcdm
تعیین اوزان شاخص ها
روش bwm (بهترین بدترین): این روش از روش های تصمیم گیری چند معیاره است که از تکنیک های نوین تصمیم گیری چند شاخصه است که اولین بار در سال ۲۰۱۵ توسط دکتر جعفر رضایی ارائه شد و هدف آن وزن دهی به معیارها و زیرمعیارها است. این روش در مقایسه با روش AHP از مقایسات زوجی کمتری برخوردار است. این روش ابتدا با مقایسات زوجی با اهمیت ترین معیار و دیگر معیارها و دیگر معیارها با کم اهمیت ترین معیار، مدل بهینه سازی غیر خطی را ایجاد می کند و سپس با حل آن مدل در نرم افزارهایی مثل لینگو، اوزان معیارها محاسبه می شود. در مقاله ۲۰۱۶ آقای رضایی یک مدل خطی برای تکنیک bwm ارائه شده است که به مراتب بهتر و دقیق تر از مدل غیر خطی ۲۰۱۵ است.
روش SWARA: این روش از روش های تصمیم گیری چند معیاره در سال ۲۰۱۰ توسط آقای زاوادسکاس و همکاران ارائه شد هدف این روش نیز محاسبه وزن معیارها می باشد. این روش مبتنی بر نظرات خبرگان است. روش سوارا نیز جدیدا در بسیاری از مقالات داخلی و خارجی مورد استفاده قرار می گیرد و به عنوان یک روش مشهور و مفید شناخته شده است. در این روش هر معیار با معیار مهمتر از خود به صورت زوجی مقایسه می شود.
تکنیک CRITIC : این تکنیک از روشهای کلاسیک تصمیم گیری چند معیاره است که بر اساس ماتریس تصمیم به محاسبه وزن معیارهای مساله تصمیم گیری می پردازد و کلیه عملیات وزن دهی را بر اساس انحراف معیار و یا همبستگی بین معیارها انجام می دهد.
تکنیک FARE : این تکنیک در زمره روشهای وزن دهی بر اساس مقایسه ارتباطات معیارها قرار می گیرد این روش در مواقعی که تعداد معیارها زیاد باشد کارایی خوبی نشان می دهد. این تکنیک در سال ۲۰۱۱ ارائه شد.
انتخاب مدل و پیاده سازی
روش وزن دهی ساده (SAW): ساده ترین روش تصمیم گیری چند معیاره است. این روش با نام روش ترکیب خطی وزن دار نیز شناخته می شود. این روش توسط هوانگ و یون در سال ۱۹۸۱ ارائه شد. در این روش بعد از بی مقیاس سازی و وزن دار کردن، می توان گزینه های پژوهش را رتبه بندی نمود.
روش برنامه ریزی توافقی: یکی دیگر از روش های تصمیم گیری چند معیاره است. در این روش فاصله گزینه ها، از نقطه ایده آل تعیین می شود و نزدیک بودن یا دور بودن گزینه ها نسبت به نقطه ایده آل مورد بررسی قرار میگیرد. روش برنامه ریزی توافقی در سال ۱۹۷۳ توسط زلنی ارائه شد در این روش گزینه ای بهینه است که حداقل فاصله را نسبت به یک جواب ایده آل داشته باشد.
روش ویکور (VIKOR): این روش که مبتنی بر برنامه ریزی توافقی مسائل تصمیم گیری چندمعیاره است، مسائلی با معیارهای نامتناسب و ناسازگار را مورد ارزیابی قرار میدهد. ویکور در شرایطی که فرد تصمیم گیرنده قادر به شناسایی و بیان برتری های یک مساله در زمان شروع و طراحی آن نیست، این روش می تواند به عنوان ابزاری موثر برای تصمیم گیری مطرح شود.
روش شباهت به گزینه ایده آل (TOPSIS): در این روش از روش های تصمیم گیری چند معیاره، گزینه ها بر اساس شباهت به حل ایده آل رتبه بندی می شوند به طوریکه هر چه یک گزینه به حل ایده آل شبیه تر باشد رتبه بیشتری دارد. این روش تصمیم گیری از پشتوانه ریاضی قوی برخوردار است.
مزایای روش تاپسیس عبارتند از:
۱- تصمیم گیری در صورت وجود معیارهای مثبت و معیارهای منفی (حتی توام با هم در یک مساله تصمیم گیری) امکان پذیر است.
۲- برای تعیین بهترین گزینه می توان تعداد قابل توجهی معیار مورد بررسی قرار داد در حالی که در روشی مانند AHP عملا در این زمینه محدودیت هایی وجود دارد
۳- این روش ساده و دارای سرعت مناسب است و برای تعداد زیادی گزینه و معیار به خوبی پاسخگو است.
۴- در این روش به راحتی می توان معیارهای کیفی را کمی کرد و تصمیم گیری با وجود معیارهای کیفی و کمی میسر است.
۵- این امکان وجود دارد که بتوان تاثیر ضریب اهمیت معیارها را بر روی رتبه بندی گزینه ها به صورت عددی مشاهده کرد.
روش تسلط تقریبی (ELECTRE): در این روش از مفهوم تسلط به صورت ضمنی استفاده می شود. در این روش گزینه ها به صورت زوجی با یکدیگر مقایسه می شوند و گزینه های مسلط و ضعیف شناسایی شده و سپس گزینه های ضعیف و مغلوب حذف می شوند.
روش دیمتل (DEMATEL): این روش به بررسی تاثیر معیارها بر روی هم می پردازد و روابط بین معیارها را تعیین میکند عموما از این روش به عنوان تعیین کننده روابط بین معیارها یا زیرمعیارها بکار گرفته می شود و به همراه روش ANP می آید. روش دیمتل به عنوان یک روش کمکی برای تعیین شبکه بین معیارها مورد استفاده قرار می گیرد. این روش با یک ماتریس اولیه که تاثیرگذاری معیارها روی هم را بررسی می کند شروع می شود.
روش مدلسازی ساختاری تفسیری (ISM): این روش توسط اقای سیج ارائه شد و تکنیک مشابه روش دیمتل می باشد در واقع این روش به سطح بندی عوامل پژوهش می پردازد و معیارهای مساله را در سطوح مختلف تاثیرگذار و تاثیرپذیر تقسیم می کند. همچنین با استفاده از ماتریس این روش می توان نمودار قدرت نفوذ-وابستگی (نمودار میک مک) را ایجاد کرد.
روش کمیرا (KEMIRA): علاوه بر روش های متعدد در راستای وزن دهی معیارها و رتبه بندی گزینه ها، روش جدید KEMIRA توسط A.Krylovas.et.al پیشنهاد شده است (۲۰۱۴) ماهیت روش نظریه رای گیری. برای انتخاب بهترین گزینه می باشد.
گام ۱: در گام اول بعد از تعیین هدف مساله باید ماتریس تصمیم ساخته شود این ماتریس تصمیم یک ماتریس معیار-گزینه است حال اگر مدل دارای زیرمعیار باشد این ماتریس تصمیم زیرمعیار-گزینه است. یعنی ماتریسی که ستون¬های آن زیرمعیارها و سطرهای آن گزینه¬ های پژوهش هستند.
گام ۲: در گام دوم بر اساس نظرات خبرگان زیرمعیارهای پژوهش را در دسته خود رتبه¬ بندی می¬کنیم. به عنوان مثال اگر معیار A دارای ۳ زیرمعیار باشد این زیرمعیارها از رتبه ۱ تا ۳ رتبه¬بندی می¬شوند. و سپس به سراغ رتبه¬بندی زیرمعیارهای معیار B می¬رویم.
گام ۳: در این بخش باید ماتریس تصمیم اولیه را تکمیل کرد. به همین منظور پرسشنامه ای تهیه گردید و از خبرگان خواسته شد تا بر اساس طیف پنج تایی لیکرت (خیلی کم=۱، کم=۲، متوسط=۳، زیاد=۴ و خیلی زیاد=۵) به ارزیابی هریک از گزینه‌های تحقیق بر اساس معیارهای چند گانه بپردازند که و در نهایت میانگین حسابی نظرات تمامی خبرگان به عنوان ماتریس نهایی انتخاب خواهد شد.
روش ماباک (MABAC): این روش در سال ۲۰۱۵ جهت رتبه بندی آلترناتیوهای پژوهش ارائه شد در این روش رتبه بندی بر اساس فاصله از میانگین هندسی گزینه ها صورت می گیرد.
روش SAR: روش رتبه بندی تجمعی ساده (Simple Addition Ranking) یکی از روشهای تصمیم گیری چند معیاره است که مبتنی بر رتبه بندی گزینه ها با توجه به شاخص های تاثیرگذار بر هر یک از آن ها است.
روش ارسته (ORESTE): تکنیک ORESTE (ارسته) در سال ۱۹۷۹ در یک کنفرانس مربوط به مباحث تصمیم گیری چند شاخصه توسط مارک روبنز استاد دانشگاه پلی تکنیک بلژیک مطرح شد و در سال ۱۹۸۲ این تکنیک توسط خود او به صورت مقاله منتشر شد. هدف این روش نیز رتبه بندی آلترناتیوهای پژوهش بر اساس تعدادی شاخص می باشد.
روش SECA (اولویت بندی معیارها و رتبه بندی گزینه ها به صورت همزمان): این روش از جدیدترین تکنیک های تصمیم گیری چند معیاره است که طی پژوهشی در سال ۲۰۱۸ ارائه شد همانطور که از نام این روش پیداست این تکنیک جهت وزن دهی و رتبه بندی به معیارها و گزینه ها به صورت همزمان و با استفاده از ماتریس تصمیم استفاده می شود. در این روش ابتدا بر اساس ماتریس تصمیم نرمال شده یک مدل بهینه سازی غیر خطی تشکیل می شود و سپس توسط نرم افزار لینگو و یا گمز حل شده و جواب های حاصل وزن معیارها و امتیاز نهایی گزینه ها است.
تکنیک MAIRCA یکی از تکنیک های گزینه محور تصمیم گیری چند معیاره می باشد که توسط توسط مرکز تحقیقات لجستیک دانشگاه دفاع در بلگراد توسعه یافت در سال ۲۰۱۴ ارائه شد. این روش دارای شش گام می باشد که در نهایت رتبه بندی گزینه ها حاصل می شود. از جمله ورودی های این روش ماتریس تصمیم، وزن معیارها و نوع معیارها می باشد. در این روش از تعارفی چون شکاف، وزن واقعی، وزن نظری استفاده می شود که در رتبه بندی دخیل هستند. در واقع در این تکنیک بهترین گزینه، موردی می باشد که کمترین شکاف را داشته باشد.
روش OPA از روشهای جدید تصمیم گیری چند معیاره می باشد که در سال ۲۰۲۱ ارائه شده است این روش بی نیاز از هر گونه نرمال سازی، ادغام نتایج، تشکیل ماتریس های مقایسات زوجی و… است. هدف این روش وزن دهی به معیارها و رتبه بندی گزینه ها بر اساس مدل بهینه سازی خطی است
تکنیک مارکوس (MARCOS) : این تکنیک از جدیدترین روشهای رتبه بندی آلترناتیوهای مساله تصمیم گیری چند معیاره است که در سال ۲۰۲۰ ارائه شد. این تکنیک همانند دیگر روشهای هم خانواده اش مثل آراس، تاپسیس و … با تشکیل ماتریس تصمیم به رتبه بندی آلترناتیوها می پردازد این روش نیز به تنهایی قادر به محاسبه وزن معیارها نمی باشد و به عنوان روش کمکی با دیگر تکنیک ها از جمله AHP آورده می شود.
عدم قطعیت در تصمیم گیری چند معیاره
در تصمیم گیری عدم قطعیت بسیار مورد استفاده قرار می گیرد این عدم قطعیت به علت وجود ابهامات در تصمیم گیری است که توسط پاسخ دهندگان و یا داده های مساله ایجاد می شود. مثلا ممکن است یک معیار قیمت در نظر بگیرید و قیمت یک کالا را به صورت دقیق ندانیم ممکن است بازه ای از قیمت تعریف کنیم. به این حالت که مقدار دقیق یک معیار را ندانیم حالت عدم قطعیت ایجاد می شود. حتی در معیارهایی که جنبه کیفی دارند این عدم قطعیت با استفاده از طیف های مختلف استفاده می شود.
عدم قطعیت تصمیم گیری چند معیاره
تصمیم گیری چند معیاره در محیط فازی
در مدل های قطعی معیارهایی همچون کیفیت خیلی مطلوب یا قیمت پایین به صورت عباراتی مبهم و غیر دقیق بیان می شوند که به آسانی این عبارات مبهم را نمی توان مورد محاسبه قرار داد، در این موارد تئوری مجموعه های فازی بهترین ابزار برای شرایط غیر قطعی است و تکنیک تصمیم گیری چندمعیاره، تصمیم گیرندگان را در ارزیابی یک مجموعه از گزینه ها یاری می کنند. در شرایطی که پیچیدگی زیاد بوده و داده های کافی موجود نیست یا اطلاعات مبهم و غیرصریح، وجود دارد می توان از این روش استفاده کرد. در حل مسائلی که درک آنها مشکل است منطق فازی ابزار توانمندی به شمار می آید. منطق فازی در قیاس با مجموعه های کلاسیک و بوسیله مفهوم درجه عضویت قابل تشریح است. به طورکلی تئوری فازی برای مدل سازی دو نوع اصلی نبود قطعیت به کار می رود. نوع اول، عدم قطعیت در رابطه با ضعف دانش و ابزار بشری در شناخت پیچیدگی های یک پدیده می باشد. نوع دوم عدم قطعیت مربوط به عدم شفافیت مربوط به یک پدیده یا ویژگی خاص می باشد. یعنی یک پدیده ممکن است به طور ذاتی غیرصریح و وابسته به قضاوت افراد باشد. چنانچه این تئوری بر پایه ریاضیات پیشرفته و پیچیده ای قرار دارد، یادگیری آن بسیار آسان است. از نظر تئوری هر سیستمی که توسط این منطق طراحی شده با سایر تکنیک ها پیاده سازی مرسوم نیز قابل پیاده سازی است، اما ممکن است این شیوه ها نسبت به منطق فازی پیچیده تر و مشکل تر باشند.
محیط فازی اولین بار توسط آقای لطفعلی زاده ارائه شد و برای غلبه بر ابهامات موجود در تصمیم گیری بیان شد. ابهامات موجود در تصمیم گیری منظور همان عبارت کلامی در مقایسات است عباراتی که از خیلی زیاد، خیلی کم و … تشکیل شده است. در محیط فازی با اعداد فازی در رابطه هستیم عدد فازی دو مدل هستند یکی عدد فازی مثلثی و دیگری عدد فازی ذوزنقه ای . تفاوت این دو عدد در بیان ابهامات است . عدد فازی مثلثی دارای ۳ درایه و عدد فازی ذوزنقه ای دارای ۴ درایه است. البته در پژوهش ها و مقالات بیشتر از عدد فازی مثلثی استفاده شده است.
عدد فازی مثلثی
تمامی تکنیک هایی که در بالا به آن ها اشاره شد قابلیت پیاده سازی در محیط فازی را دارند مانند AHP فازی، ANP فازی، تاپسیس فازی و …

چنانچه نیازمند مشاوره  یا انجام پروژه های خود با تمامی روشهای تصمیم گیری چند معیاره را دارید با ما تماس بگیرید

شما میتوانید با دعوت از کارشناسان موسسه در نمایندگی استان و شهر خودتان از دوره ها و محتوا های ارائه شده بهره ببرید