تصمیم گیری چند معیاره تکنیک ماباک

تصمیم گیری چند معیاره تکنیک ماباک

اسلاید 1: تصمیم گیری چند معیاره تکنیک ماباک ارائه:

اسلاید 2: روش ماباکروش ماباک (MABAC) از جدیدترین تکنیک های تصمیم گیری چند معیاره(MCDM) است.جهت رتبه بندی گزینه ها در مدل های تصمیم گیری چند معیاره استفاده می شود. این روش اولین بار توسطPauma & Cirovic(2015) ارائه شد.

اسلاید 3: مزایای استفاده از روش MABACدارای دستگاه ریاضی ساده و نتایج پایدار است.نتایج کاملی را می توان به راحتی با این روش بدست آورد زیرا ارزش های احتمالی سود و ضرر را در نظر می گیرد.ترکیب این روش با رویکردهای دیگر امکان پذیر است. از این رو ، روش MABAC این توانایی را دارد که نیازهای یک ابزار اولویت بندی معتبر را برآورده سازد.

اسلاید 4: 1. تعیین معیارها و گزینه های پژوهشاولین گام در این روش تعیین عوامل و گزینه های پژوهش است. در این قسمت می توان از مرور ادبیات و یا روش هایی همچون روش دلفی و یا دلفی فازی استفاده نمود تا عوامل پژوهش به درستی استخراج شوند.

اسلاید 5: 2. تشکیل ماتریس تصمیمدومین گام تشکیل ماتریس تصمیم است ماتریس تصمیم در این روش به صورت معیار-گزینه است یعنی یک ماتریس که ستون های آن را معیارهای مساله و سطرها را گزینه ها تشکیل می دهند و هر سلول نیز در واقع امتیاز هر گزینه نسبت به هر معیار است. این امتیاز می توان از طریق اعداد واقعی و یا از طریق طیف های کلامی داده شود.

اسلاید 6: 3. نرمال سازی ماتریس تصمیمدر این گام باید ماتریس تصمیم مرحله دوم را نرمال کرد نرمال سازی با استفاده از روابط زیر صورت می گیرد چنانچه معیارها جنبه مثبت داشته باشند از رابطه اول و چنانچه معیارها جنبه منفی داشته باشند از رابطه دوم استفاده می شود. 𝑛 𝑖𝑗 = 𝑋 𝑖𝑗 − 𝑋 𝑗 − 𝑋 𝑗 + − 𝑋 𝑗 − 𝑛 𝑖𝑗 = 𝑋 𝑖𝑗 − 𝑋 𝑗 + 𝑋 𝑗 − − 𝑋 𝑗 +

اسلاید 7: 4. وزن دار کردن ماتریس نرمالدر این گام با استفاده از رابطه زیر ماتریس نرمال را وزن دار می کنیم. که در آن nij عناصر ماتریس نرمال شده (N) را نشان می دهد ،wi ضرایب وزنی معیار را نشان می دهد. 𝑣 𝑖𝑗 = 𝑊 𝑖 .( 𝑛 𝑖𝑗 +1)

اسلاید 8: 5. تعیین مرز ناحیه شباهت ماتریس (g)در این بخش با استفاده از رابطه زیر برای هر معیار یک مرز ناحیه شباهت مشخص می شود در واقع باید از امتیازات هر معیار میانگین هندسی گرفته شود تا مرز ناحیه شباهت بدست آید.جایی که vij عناصر ماتریس وزنی (V) را نشان می دهد ، m تعداد کل گزینه های جایگزین را نشان می دهد. پس از محاسبه مقدار gi براساس معیارها ، یک ماتریس از مناطق تقریبی G در فرم n x 1 ایجاد می شود. 𝑔 𝑗 = 𝑖=1 𝑚 𝑣 𝑖𝑗 𝐶 1 𝐶 2 … 𝐶 𝑛 𝐺 = 𝑔 1 𝑔 2 … 𝑔 𝑛

اسلاید 9: 6. محاسبه فاصله گزینه ها تا مرز ناحیه شباهتدر این بخش با استفاده از رابطه زیر فاصله گزینه ها را تا ناحیه g بدست می آید. در واقع باید ماتریس وزن دار را از ماتریس g کم کرد. پس از مشخص شدن ماتریس Q، می توان با استفاده از حد بالایی مساحت (+G) و حد پایین مساحت (-G) وضعیت هر گزینه را مشخص کرد بر این اساس گزینه Ai متعلق به اجتماع مجموعه مذکور است که در شکل زیر نمایش داده شده است. بر این اساس حد بالای مساحت (+G) ناحیه ای است که گزینه ایده آل مثبت در آن قرار دارد و حد پایین مساحت (-G) ناحیه ای است که گزینه ضد ایده آل در آن قرار دارد.𝑄=𝑉−𝐺= 𝑣 11 ⋯ 𝑣 1𝑛 ⋮ ⋱ ⋮ 𝑣 𝑚1 ⋯ 𝑣 𝑚𝑛 − 𝑔 1 ⋯ 𝑔 𝑛 ⋮ ⋱ ⋮ 𝑔 1 ⋯ 𝑔 𝑛