فازی با اعمال اصل گسترش زادهAHPارائه روشی برای
محورهای موضوعی : آمار
محمد علی جهان تیغی
1
(
گروه ریاضی، دانشکده علوم پایه، واحد زاهدان، دانشگاه آزاد اسلامی، زاهدان، ایران
)
رضا کارگر
2
(
گروه ریاضی، دانشکده علوم پایه، واحد قم، دانشگاه آزاد اسلامی، قم، ایران
)
کلید واژه: Fuzzy Logic, Analytical hierarchy process, Zygotic Fuzzy Matrix, Genetic algorithm, Principle of Spreading "Zadeh", Optimization,
چکیده مقاله :
فرایند تحلیل سلسله مراتبی یکی از جامع ترین سیستم های طراحی شده برای تصمیم گیری با معیارهای چندگانه است زیرا این تکنیک امکان فرموله کردن مساله را به صورت سلسله مراتبی فراهم میکند و همچنین امکان در نظر گرفتن معیار های مختلف کمی و کیفی را در مساله دارد این فرایندگزینه های مختلف را در تصمیم گیری دخالت داده و امکان تحلیل حساسیت روی معیار ها و زیرمعیار ها را دارد. علاوه بر این بر مبنای مقایسه زوجی بنا نهاده شده که قضاوت و محاسبات را تسهیل می نماید. این مدل با شناسایی و اولویت بندی عناصر تصمیم گیری شروع می شود. این عناصر شامل اهداف، معیارها و گزینه های احتمالی ، فرآیند شناسایی این عناصر و ارتباط بین آنها در نهایت منجر به ایجاد یک ساختار سلسله مراتبی می شود. اما در بسیاری از موارد برخی و یا تمام داده های مساله تصمیم گیری فازی می باشند پس لازم است در چنین مسایل عدم قطعیت را در مدل تصمیم گیری لحاظ کرد. این مقاله می کوشد که نگاهی تازه به مقوله تحلیل سلسله مراتبی فازی داشته باشد این نگاه متاثر از ایرادهای وارد در روشهای فازی و روشهای تصمیم گیری گروهی نظیر دلفی است.
The hierarchy analysis process is one of the most comprehensive systems designed for decision making with multiple criteria, since this technique provides the possibility of formulating the problem in a hierarchical manner, as well as the possibility of considering different quantitative and qualitative criteria. The process involves various options in decision making and the ability to analyze the sensitivity of the criteria and sub-criteria. In addition, it is based on a paired comparison that facilitates judgment and computation. This model starts with the identification and prioritization of decision elements. These elements include goals, criteria and possible options, the process of identifying these elements and the relationship between them ultimately leads to the creation of a hierarchical structure. But in many cases, some or all of the data are fuzzy decision making, so it is necessary to consider uncertainty in such a decision model in the decision model. This article tries to take a fresh look at the issue of fuzzy hierarchy analysis. This view is influenced by the flaws in the fuzzy methods and group decision-making methods such as Delphi.
[1] Vasudevan Ramanujam, Thomas L. Saaty, Technological choice in the less developed countries: An analytic hierarchy approach, Technological Forecasting and Social Change,Volume 19, Issue 1, February 1981, Pages 81–98.
[2] T.L. Saaty, Introduction to a modeling of social decision processes, Mathematics and Computers in Simulation, Volume 25, Issue 2, April 1983, Pages 105–107.
[3] Thomas L. Saaty, Exploring optimization through hierarchies and ratio scalesSocio-Economic Planning Sciences, Volume 20, Issue 6, 1986, Pages 355–360 “Special Issue the Analytic Hierarchy
Process”
[4] Thomas L. Saaty, The analytic hierarchy process—what it is and how it is used, Mathematical Modeling, Volume 9, Issues 3–5, 1987, Pages 161–176.
[5] Thomas L. Saaty , How to make a decision: The analytic hierarchy process, European Journal of Operational Research, Volume 48, Issue 1, 5 September 1990, Pages 9–26.
