طراحی یک سیستم خبره به منظور انتخاب مناسب‌ترین روش تصمیم‌گیری چندمعیاره با توجه …

  • توانایی ارتباط با مسائل چندبعدی. همان‌گونه که در فرضیات روش جمع وزنی ساده(SAW) اشاره شد، در مسائل چندبعدی که مشخصه‌ها از ابعاد مختلف( و گاهی متفاوت) هستند، ترکیب ابعاد مختلف در قالب یک مقیاس واحد، همان‌طور که در مدل‌های ارزش جمعی عمل می‌شود، به راحتی امکان‌پذیر نمی‌باشد. در این مواقع استفاده از روش‌های هماهنگی که نیاز چندانی به ادغام ابعاد مختلف در هم ندارند، پیشنهاد می‌شود[۶۳] .
  • پارامترهای فراوان در ELECTRE. یکی از انتقاداتی که از روش ELECTRE (به خصوص نسخه‌های II و III آن) می‌شود، پارامترهای زیادی است که در فرآیند حل، می‌بایست تعیین گردند(نظیر حداقل هماهنگی و حداکثر ناهماهنگی قابل قبول، آستانه‌های ترجیح، بی‌تفاوتی و رد). از آنجا که مقادیری که برای این پارامترها انتخاب می‌شود از یک‌سو تاثیر زیادی در نتایج نهایی روش دارد و از سوی دیگر هیچ راهکار جامعی برای تعیین این پارامترها وجود ندارد، فرآیند تصمیم‌گیری کمی مشکل شده و تصمیم‌گیرندگان ممکن است در استفاده از این روش‌ها دچار تردید گردند[۳۶،[۱۷۴]] .
  • تبعیض‌گذاری ELECTRE در قبال توزیع‌های عملکرد. نشان داده شده است که روش ELECTRE ممکن است در قبال توزیع‌های عملکردی مشخصی تبعیض قائل شود. به عنوان مثال، عبارتی که برای محاسبه میزان ناهماهنگی در ELECTRE-I و ELECTRE-II استفاده می‌شود تنها بر روی بزرگترین اختلاف بین دو گزینه تمرکز داشته و لذا به‌صورت ناعادلانه‌ای با آن گزینه‌هایی که امتیازات در آن‌ها به صورت یکنواختی توزیع شده است، بیش از آن‌هایی که توزیع نسبتاً غیریکنواختی از امتیازات دارند، رفتار می‌شود[۲۵] .
  • مشکل در تحلیل ضرائب هماهنگی و ناهماهنگی. ضرائب هماهنگی و ناهماهنگی در روش ELECTRE نشان‌دهنده توابع ریاضی نسبتاً پیچیده‌ای از امتیازات می‌باشند و مقادیر مشخصی که این توابع تحت آن قابل قبول و یا غیرقابل قبول شوند، وجود ندارد. به‌علاوه فهم این توابع برای DM مشکل است و از این‌رو تعیین و تنظیم محدوده‌های معنادار برای آن‌ها نیز مشکل خواهد بود[۲۵] .
  • GAIA ابزاری جهت کمک به یادگیری تصمیم‌گیرندگان. بخش فرعی نرم افزار مربوط به PROMETHEE با نام GAIA ابزاری جذاب است که می‌تواند به صورت دیداری فرآیند یادگیری را پشتیبانی نماید. در آغاز مقادیر اهمیت وزنی مشخصه‌ها و گزینه‌های مسئله بر روی نموداری نشان داده می‌شود و سپس تصمیم‌گیرنده می‌تواند تاثیر تغییر اوزان مشخصه‌ها را در محیطی پویا بر روی صفحه نمایش ملاحظه کند[۷۸]. از آن‌جا که مقادیر اوزان مشخصه‌ها عموماً مقادیر ثابت و دقیقی نیست، استفاده از این ابزار می‌تواند یک راهکار مناسب جهت تحلیل حساسیت مسئله نسبت به مقادیر اوزان مشخصه‌ها باشد.
  • روش‌های هماهنگی را از نقطه نظر نتایج خروجی می‌توان به دو دسته تقسیم نمود:

    • روش‌های رتبه‌بندی کامل. مانند روش‌های: تخصیص خطی، ELECTRE-II و PROMETHEE-II.
    • روش‌های رتبه‌بندی جزئی. مانند روش‌های: ELECTRE-I، ELECTRE-III و PROMETHEE-I.

    برخی از ویژگی‌های روش‌های هماهنگی که رتبه‌بندی جزئی از گزینه‌ها تولید می‌کنند، به شرح زیر است:

    • توصیف روابط بین گزینه‌ها. یکی از مزایای این روش‌ها نمودار خروجی آن‌هاست که به صورت توصیفی روابط بین گزینه‌ها را به نمایش می‌گذارد. این نمودار ساده می‌تواند در جلب توجه DM به موضوعات حیاتی و ارائه بینشی درخصوص ساختارهای ترجیحی‌شان موثر واقع شود[۲۴] .
    • گزینه‌های غیرقابل مقایسه. همان‌گونه که در فرضیات روش‌های هماهنگی نیز اشاره شد، در نتایج خروجی روش‌هایی که رتبه‌بندی جزئی ارائه می‌کنند، ممکن است برخی از گزینه‌ها قابل مقایسه با یکدیگر نباشند. هر چند این فرض می‌تواند در ارائه بینشی صحیح به DM درخصوص روابط بین گزینه‌ها مفید واقع شود، اما درصورتی که تعداد گزینه‌های غیرقابل مقایسه زیاد باشد، استفاده از این روش‌ها اطلاعات چندانی به DM نخواهد داد. استوارت معتقد است استفاده از روش‌هایی که رتبه‌بندی جزئی ارائه می‌دهند به‌خصوص وقتی ارزشمند است که گزینه‌های باقیمانده تحت بررسی(گزینه‌های غیرقابل مقایسه) شش و یا کمتر باشد[۲۴].
    • امکان ایجاد دور[۱۷۵] . گاهی اوقات ممکن است در روابط برتری بین گزینه‌ها حالت دور اتفاق بیفتد. یعنی گزینه A برتر از B و گزینه B نیز برتر از Aشناخته شود. این حالت عموماً وقتی اتفاق می‌افتد که دو گزینه در برخی مشخصه‌ها عملکرد مساوی داشته باشند[۷۸،۲۵] . در روش ELECTRE-I همه فعالیت‌هایی که تشکیل یک حلقه می‌دهند بی‌تفاوت درنظر گرفته می‌شود که ممکن است این عمل مورد انتقاد قرار گیرد[۶۳] .
    • غربال اولیه گزینه‌ها. این روش‌ها اغلب منجر به نتایج انتقالی[۱۷۶] نمی‌شوند. به عنوان مثال ممکن است گزینه a برتر از b و گزینه b برتر از c بوده، اما گزینه aبرتر از c نباشد. این موضوع را نمی‌توان به عنوان یک نقطه ضعف نگریست بلکه می‌بایست آن را انعکاس صادقانه ترجیحات تصمیم‌گیرنده دانست. تشخیص صریح این‌که برخی گزینه‌ها غیرقابل مقایسه‌اند، ممکن است بخش مهمی از اطلاعات برای DM باشد[۷۰] . از این‌رو آن دسته از روش‌های هماهنگی که رتبه‌بندی جزئی را تبدیل به رتبه‌بندی کامل می‌کنند(مانند ELECTRE-IIو PROMETHEE-II) به حذف برخی از اطلاعات مسئله متهم می‌شوند[۶۳] . برخی بر این عقیده‌اند که روش‌های رتبه‌بندی جزئی برای فرآیند غربال اولیه گزینه‌ها(تقسم‌بندی گزینه‌ها به دو دسته قابل قبول و غیرقابل قبول) مناسب هستند، نه برای انتخاب نهایی[۷۵] .
    نوشته ای دیگر :
    تحقیق دانشگاهی - بررسی رابطه ی بین مؤلفه های دینی با تفکر انتقادی در بین دانشجویان ...

    همچنین برخی دیگر از ویژگی‌های روش تخصیص خطی به شرح زیر است:

    • کمی اطلاعات موردنیاز. این روش برای حل یک مسئله تصمیم‌گیری، به غیر از اوزان مشخصه‌ها تنها به یک رتبه‌بندی ساده از گزینه‌ها در هر یک از مشخصه‌ها نیازمند است. از این‌رو کمی اطلاعات موردنیاز این روش برای بسیاری تصمیم‌گیران جذاب می‌باشد.
    • توانایی ارتباط با مشخصه‌های کیفی و کمی. در این روش نیازی به کمی کردن عبارت‌های ترجیحی وجود ندارد، چرا که بر اساس عبارت‌های ترجیحی بیان شده درخصوص مشخصه‌های کیفی، می‌توان یک رتبه‌بندی از گزینه‌ها تهیه نمود.
    • عدم نیاز به یکسان‌سازی مقیاس‌ها. همان‌طور که پیش از این نیز اشاره شد، ترکیب ابعاد مختلف در قالب یک مقیاس واحد با مشکلاتی همراه است. در روش تخصیص خطی از آنجا که از یک مقیاس رتبه‌ای برای کلیه مشخصه‌ها استفاده می‌شود، لذا دیگر نیازی به یکسان‌سازی مقیاس‌ها نیست. از این‌رو این روش را می‌توان با اطمینان کامل در مسائل چندبعدی بکار برد.
    • مناسب برای تحلیل پرسش‌نامه. این روش را می‌توان برای تجزیه و تحلیل سوالات موجود از یک مقیاس رتبه‌ای، در یک پرسش‌نامه، بکار برد[۶۹] .

    داده‌های موردنیاز

    هر یک از روش‌های تصمیم‌گیری چندمعیاره متناسب با فرضیات و ساختار خود نیازمند داده‌های خاصی هستند که می‌بایست برای حل یک مسئله، توسط تصمیم‌گیرنده تامین شود. داده‌های عملکردی که برای گزینه‌ها در خصوص مشخصه‌های مختلف مسئله دریافت می‌شود ممکن است کیفی و یا کمی باشند. برخی مشخصه‌ها ذاتاً جنبه کیفی دارند و جمع آوری اطلاعات کمی در مورد آن‌ها مشکل است(مثل امنیت، رضایتمندی و …). از سوی دیگر برخی روش‌ها فقط می‌توانند با مقادیر کمی کار کنند. لذا برای استفاده از این روش‌ها می‌بایست داده‌های کیفی تبدیل به کمی شوند. تبدیل داده‌های کیفی به کمی باید بگونه‌ای باشد که ترجیحات واقعی تصمیم‌گیرنده دچار تغییر نشود. از این‌رو فرآیند کمی‌سازی داده‌های کیفی باید به دقت انجام شود. همچنین داده‌های کمی نیز به دو صورت می‌تواند وارد شود، یکی به صورت عددی و دیگری به صورت ترتیبی . در حالت ترجیحات ترتیبی نیازی به بیان مقدار دقیق ترجیحات نیست، بلکه تنها کافی است که تصمیم‌گیرنده در مشخصه‌های موردنیاز، اولویت گزینه‌های مختلف را نسبت به یکدیگر تعیین کند و لذا در مواقعی که اطلاعات چندان دقیقی در دسترس نمی‌باشد، مورد توجه بیشتری قرار می‌گیرند. ترجیحات عددی نیز به دو صورت قابل بیان است، یکی به صورت امتیازدهی مستقیم و دیگری به صورت مقایسه زوجی. این ترجیحات در مقایسه با ترجیحات ترتیبی حاوی اطلاعات بیشتری می‌باشد، اما در مقابل کار با ترجیحات ترتیبی ساده‌تر است.
    همچنین برای حل یک مسئله تصمیم‌گیری می‌بایست وزن تک‌تک مشخصه‌ها تعیین شود. اغلب روش‌های تصمیم‌گیری چندمعیاره بگونه‌ای طراحی شده‌اند که وزن مشخصه‌ها می‌بایست قبل از استفاده از روش تعیین گردد اما در برخی دیگر، تعیین وزن مشخصه‌ها بخشی از فرآیند حل است(نظیرAHP).
    در جدول ‏۴-۱ داده‌های موردنیاز روش‌های مورد استفاده در این تحقیق، و همچنین نحوه دریافت آن‌ها از تصمیم‌گیرنده مشخص گردیده است.

    تبادل موردنیاز با کاربر

    میزان تبادل موردنیاز روش(یا تحلیل‌گر) با کاربر یکی از مشخصه‌های تاثیرگذار در انتخاب یک روش تصمیم‌گیری است که ارتباط مستقیمی با میزان داده‌های موردنیاز روش و نحوه دریافت این داده‌ها دارد. از این‌رو کاربرانی که به دلایلی تمایل چندانی به تبادل اطلاعات ندارند، بهتر است از روش‌هایی که نیازمند ارائه داده‌های چندانی نیستند( نظیر SAW، WPM، TOPSIS و تخصیص خطی) استفاده نمایند. روش‌های نظیر AHP و ANP که مستلزم انجام قضاوت‌های زوجی هستند، بسته به ابعاد مسئله، نیازمند صرف زمان بیشتری توسط تصمیم‌گیرندگان می‌باشند.

    حساسیت روش به تغییر مقادیر داده‌های ورودی

    یکی دیگر از موضوعات حائز اهمیت برای یک تصمیم‌گیرنده در استفاده از یک روش تصمیم‌گیری این است که نتایج روش موردنظر تا چه حد نسبت به تغییر در داده‌های ورودی روش، مانند مقادیر وزن مشخصه‌ها و مقادیر ترجیحی گزینه‌ها، حساس می‌باشد. بهترین راه برای بررسی حساسیت نتایج، حل مسئله تصمیم‌گیری با استفاده از روش موردنظر و سپس تحلیل حساسیت نتایج آن با تغییر در مقادیر داده‌های ورودی است. لذا معمولاً پیشنهاد می‌شود که تصمیم‌گیرندگان تنها به نتایج خروجی روش‌ها اکتفا نکنند و در کنار آن فواصل یا بازه‌هایی از مقادیر داده‌های ورودی مسئله که به ازای آن نتایج حاصل معتبر می‌باشد را نیز بدست آورند[۵۱، ۲۵] . این اطلاعات می‌تواند تاثیری مثبتی در تحلیل‌های یک تصمیم‌گیرنده داشته باشد.
    جدول ‏۴-۱٫ داده‌های موردنیاز برخی روش‌های تصمیم‌گیری و نحوه دریافت آن‌ها

    نام روش داده‌های موردنیاز نحوه دریافت
    SAW و TOPSIS وزن مشخصه‌ها، مقادیر عملکردی امتیازدهی مستقیم
    برای دانلود متن کامل این فایل به سایت torsa.ir مراجعه نمایید.