که و
به ترتیب نشان دهنده اوزان مشخصه‌های i-ام و j-ام مسئله می‌باشد[۲۴،۳۳] .
- تغییرات 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 معکوسی[۱۵۷] . اگر ترجیح عنصرA بر عنصرB برابر n باشد، ترجیح عنصرB بر عنصرA برابر
خواهد بود.
- اصل همگنی[۱۵۸] . 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 انتظارات[۱۵۹] . 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 خطی و جمع پذیر برای ساختار رده‌ای مورد استفاده قرار می‌گیرد، لذا شرائط زیربنایی آن همانند جمع‌پذیری مطلوبیت مشخصه‌ها و رویه کاملاً جبرانی،که در فرضیات روشSAW به آن‌ها اشاره شد، باید مورد توجه قرارگیرد[۶۹] .
- این روش وابسته به این فرض است که افراد بر قضاوت‌های نسبی تواناترند تا قضاوت‌های مطلق[[۱۶۰]] .
فرآیند تحلیل شبکه(ANP)
فرضیات این روش مشابه فرضیات روش AHP است با این تفاوت که در فرآیند تحلیل شبکه، به دلیل حذف ساختار سلسله‌مراتبی و جایگزینی آن با شبکه، دیگر نیازی به درنظرگرفتن شرط وابستگی سلسله‌مراتبی نیست.
ب) روش‌های سازشی
روش TOPSIS
فرضیاتی از این روش که در ادبیات موضوع بدان اشاره شده است، به شرح زیر می‌باشد:
- تغییرات یکنوای مطلوبیت ترجیحات. ساختار روش TOPSIS بر این فرض استوار است که مطلوبیت هر مشخصه به‌طور یکنوا کاهش یا افزایش می‌یابد. هرچند این فرض در اکثر مسائل تصمیم‌گیری قابل قبول است، اما موارد نقضی نیز دارد. مثل تعداد اتاق‌های بهینه در یک خانه یا میزان قند خون در بدن انسان که در آن‌ها بهترین مطلوبیت جایی در میان محدوده مشخصه قرار دارد[۳۶] .
- کاهش وابستگی داخلی مشخصه‌ها. در روش‌های نقطه ایده‌آل همچون TOPSIS با یک گزینه به‌صورت دسته‌ای جداناپذیر از مشخصه‌ها رفتار می‌شود و لذا این روش‌ها از برخی سختی‌های مرتبط با فرض وابستگی داخلی مشخصه‌ها،که در روش‌هایی همچون SAW و AHP وجود دارد، اجتناب می‌کنند. از این‌رو متدولوژی نقطه ایده‌آل، روشی جذاب برای آن دسته از مسائلی است که بررسی و تست وابستگی بین مشخصه‌ها مشکل می‌باشد[۴۹،۵۰] .
ج) روش‌های هماهنگی
اصولاً روش‌های هماهنگی جهت برطرف نمودن برخی از ضعف‌های روش‌های امتیازدهی توسعه داده شده است. مهمترین انتقاداتی که در خصوص روش‌های امتیازدهی، به‌خصوص مدل‌های ارزش جمعی، بیان شده است را می‌توان در دو مورد زیر خلاصه کرد[۲۴،۳۲]:
- دقت و قطعیت داده‌ها. روش‌های امتیازدهی عمدتاً بر این فرض استوار هستند که تصمیم‌گیرنده قادر است اطلاعات عددی دقیق و مطمئن درخصوص تمامی مشخصه‌های مسئله ارائه نماید. از این‌رو مقادیر فاصله یا تفاوت‌ها نیز در این روش‌ها حائز اهمیت است.
- رویه‌های کاملاً جبرانی. این مدل‌ها این امکان را فراهم می‌سازند که یک ضعف بزرگ در یکی از مشخصه‌ها با مزیت‌های کوچک در تعدادی دیگر از مشخصه‌ها به راحتی جبران شود. یعنی تبادل بین مشخصه‌ها، بدون توجه به احتمال وجود آستانه‌های عملکردی قابل قبول برای برخی مشخصه‌ها، کاملاً مجاز می‌باشد.
روش‌های هماهنگی فرضیات زیر را، که عمدتاً جهت اصلاح فرضیات فوق است، درنظر می‌گیرند:
| برای دانلود فایل متن کامل پایان نامه به سایت 40y.ir مراجعه نمایید. |