تعیین وزن شاخص ها
در مسائل تصميم گيري چند معياره و بخصوص مسائل تصميم گيري چند شاخصه، داشتن و دانستن اوزان نسبي شاخص هاي موجود، گام مؤثري در فرايند حل مسئله بوده و مورد نياز است. از جمله روش هاي تعيين وزن هاي شاخص ها، مي توان به روش هاي استفاده از پاسخ خبرگان، روش لينمپ، روش كمترين مجذورات، تكنيك بردار ويژه، آنتروپي شانون، روش CRITIC و… اشاره كرد.
در تصمیم گیری همیشه یکسری شاخص و گزینه دخیل هستند اهمیت شاخص ها قطعا در تصمیم گیری برابر نیست مثلا فرض کنید قصد انتخاب یک وسیله نقلیه را داشته باشید شاخص های زیادی از جمله قیمت، زیبایی و… دخیل هستند و قطعا اهمیت تمامی معیارها با هم برابر نیست در یکچنین مواقعی باید اهمیت این شاخص ها کشف شود و دانستن ضریب اهمیت یا وزن هر یک از این شاخص ها در تصمیم گیری ضروری است. وزن هر شاخص، اهمیت نسبی آن را نسبت به شاخص های دیگر بیان میکند. انتخاب آگاهانه و صحیح وزنها کمک بزرگی در جهت رسیدن به هدف مورد نظر می نماید. در چنین مواقعی تکنیک آنتروپی شانون وظیفه وزن دهی را به عهده می گیرد.
فرآیند تصمیم گیری چندمعیاره
قبل از پرداختن به روش آنتروپی، ویدیوی زیر را حتما مشاهده کنید در این ویدیو مقدمات این روش و همچنین موارد استفاده از آن ذکر شده است.
روش های مختلفی برای وزن دهی به معیارها به سه روش ذیل قابل انجام است:
1- استفاده از دانش کارشناسی
در این روش با استفاده از تجربه و دانش کارشناسان متخصص در زمینه مورد نظر و با در نظر گرفتن خصوصیات محدوده مطالعاتی، فاکتورهای مناسب تعیین و وزن دهی می شوند. از مزایای این روش ساده و مستند بودن آن است. اما این روش دارای معایبی مانند، احتمال اشتباه کردن کارشناس در تعیین وزن و مشکل استانداردسازی واحدهای اندازه گیری ذهنی آنها، می باشد. در این روش اصولا افراد متخصص می توانند بر اساس یک طیف و یا بر اساس درصد اهمیت عوامل را مشخص کنند.
٢. استفاده از دانش داده ای
دانش داده ای متکی بر اطلاعات موجود در مورد جواب مسأله می باشد. در این روش با استفاده از جواب های موجود در مسأله و محاسبه میزان وابستگی هر یک از فاکتورها به جواب، می توان وزن مربوط به هر فاکتور را تعیین کرد. در روش دانش داده ای، احتمال به وجود آمدن اشتباه کمتر است ولی درستی عملکرد آن بستگی به میزان صحت و دقت جواب های اولیه موجود دارد.
٣. استفاده از دانش کارشناسی و داده ای به صورت توام
در این روش با توجه به نتایج حاصل از دانش و تجربیات کارشناسان و استفاده از اطلاعات موجود، به هر یک از فاکتورها وزن تعلق می گیرد. بدین نحو که ابتدا وزنها از طریق دانش کارشناسی و داده ای به صورت مجزا محاسبه می شوند، سپس وزن مطلوب با مقایسه مقادیر به دست آمده تعیین می شود. در نتیجه احتمال وقوع اشتباه کاهش یافته و وزنها به واقعیت نزدیک تر خواهند شد
روش آنتروپی شانون برای وزن دهی شاخص ها (معیارها)
معمولا به هر یک از شاخص ها یک وزن نسبت داده می شود. به طوری که مجموع وزن شاخص ها برابر ۱ باشد. برای تعیین وزن شاخص ها نیز روش های گوناگونی وجود دارد که روش آنتروپی، روش Linmap، روش بردار ویژه و روش کمترین مربعات مهم ترین روش های تعیین وزن شاخص ها می باشند. در این جا روش آنتروپی شرح داده می شود.
روش آنتروپی (Entropy) یکی از روشهای تصمیم گیری چند معیاره برای محاسبه وزن معیارها می باشد. در این روش نیازمند به ماتریس معیار-گزینه می باشد. این روش در سال 1974 توسط شانون و ویور ارائه شد آنتروپی بیان کننده مقدار عدم اطمینان در یک توزیع احتمال پیوسته است. ایده اصلی این روش آن است که هر چه پراکندگی در مقادیر یک شاخص بیشتر باشد آن شاخص از اهمیت بیشتری برخوردار است.
شانون نشان داد که وقایع با احتمال وقوع زیاد اطالعات کمتری در اختیار می گذارند و برعکس هرچقدر احتمال وقوع یک رخداد کمتر باشد، اطلاعات حاصل از آن بیشتر است. با به دست آوردن اطلاعات جدید، درواقع عدم قطعیت ها کاهش یافته و ارزش اطلاعات جدید برابر با مقداری است که از عدم قطعیت کاسته شده است. درنتیجه عدم قطعیت و اطلاعات پارامترهایی وابسته به هم هستند.
پرسشنامه روش آنتروپی شانون نیز همانند ماتریس آن می باشد. گام های این روش مطابق زیر می باشد:
گام های روش آنتروپی شانون
از روش آنتروپي شانون به عنوان يكي از معروفترين روش هاي محاسبه اوزان شاخص ها استفاده شده است. مفهوم آنتروپی شانون (شانون ، 1948) نقش مهمی در نظریه اطلاعات دارد. این مفهوم در زمینه های مختلف علمی ، از جمله فیزیک ، علوم اجتماعی و غیره توسعه یافته است. در تئوری اطلاعات ، آنتروپی اندازه گیری مقدار اطلاعات مورد نیاز برای توصیف متغیر تصادفی است.
گام اول: ابتدا ماتریس تصمیم را تشکیل می دهیم. برای تشکیل این ماتریس تصمیم کافیست اگر معیارها کیفی هستند از عبارات کلامی ارزیابی هر گزینه را نسبت به هر معیار بدست آوریم و اگر معیارها کمی هستند عدد واقعی آن ارزیابی را قرار دهیم. در شکل زیر که ماتریس تصمیم می باشد ستون ها معیار و سطرهای گزینه ها هستند. به عنوان مثال درایه x12 امتیاز گزینه اول نسبت به معیار دوم است.
گام دوم: ماتریس بالا را نرمال می کنیم و هر درایه نرمال شده را pij می نامیم. نرمال شدن به این صورت می باشد که درایه هر ستون را بر مجموع ستون تقسیم می کنیم.
گام سوم: محاسبه آنتروپی هر شاخص: آنتروپی Ej به صورت زیر محاسبه می گردد و k به عنوان مقدار ثابت مقدار Ej را بین 0 و 1 نگه می دارد.
که در آن p (x) توزیع احتمال متغیر تصادفی X است. افزایش در آنتروپی شانون باعث افزایش عدم اطمینان و کاهش اطلاعات در مورد دانش متغیر تصادفی می شود. جنبه جالب دیگر آنتروپی شانون ویژگی حداکثر آنتروپی آن برای توزیع یکنواخت است.
گام چهارم: در ادامه مقدار dj (درجه انحراف) محاسبه می شود که بیان می کند شاخص مربوطه (dj) چه میزان اطلاعات مفید برای تصمیم گیری در اختیار تصمیم گیرنده قرار می دهد .هر چه مقادیر اندازه گیری شده شاخصی به هم نزدیک باشند نشان دهنده آنست که گزینه های رقیب از نظر آن شاخص تفاوت چندانی با یکدیگر ندارند.
dj=1-Ej
لذا نقش آن شاخص در تصمیم گیری باید به همان اندازه کاهش یابد.
گام پنجم: سپس مقدار وزن Wj محاسبه می گردد. در واقع وزن معیار برابر با هر dj تقسیم بر مجموع dj ها می باشد.
wj=dj/∑dj
مثال روش آنتروپی شانون
مثال:ماتریس تصمیم گیری زیر را با 4 گزینه و 6 معیار در نظر بگیرید:
Pij ها (ماتریس نرمال) به صورت زیر به دست می آیند:
مقادیر Ej و dj و wj را بدست می آوریم.
با توجه به جدول بالا وزن معیار اول 0.0854، وزن معیار دوم 0.2706، وزن معیار سوم 0.0174، وزن معیار چهارم 0.1092، وزن معیار پنجم 0.4699و وزن معیار ششم 0.0475می باشد.
فیلم آموزش روش آنتروپی شانون در اکسل تهیه شده است که به صورت کاملا ساده بیان شده و قابلیت پیاده سازی برای هر مساله با هر ابعادی را دارد از طریق این لینک می توانید وارد صفحه این آموزش شوید.
مطالب مشابه و مرتبط:
سلام، آیا برای رتبه بندی صندوقهای سرمایه گذاری میتوان از روش آنتروپی شانون استفاده کرد؟ 6 تا شاخص دارم.
برای وزن دهی به معیارها می توان از آنتروپی شانون استفاده کرد
سلام
سوالی در ارشد مطرح شده که از ما می خواهد آنتروپی مجموعه اعداد {2345678} را به دست بیاوریم روش حل چگونه است
سلام به احتمال زیاد این آنتروپی مد نظر سوال با آنتروپی شانون ما تفاوت دارد.
سلام
ببخشید من ۷ شاخص دارم و هر شاخص هم تعدادی زیادی مولفه دارند و گزینه ندارم آیا برای دریافت وزن هر شاخص میتونم از این روش آنتروپی شانون استفاده کنم و یا کدام روش دگری را پیشنهاد می کنید؟
سلام وقت بخیر. آنتروپی برای مسائلی است که گزینه داشته باشن. مدل شما از نوع معیار زیرمعیاری است چون تعداد زیرمعیارها هم زیاد هست پس روش سوارا مناسب کارتونه.
مگر نباید در ستون (شاخص با جنبه منفی) قبل از نرمال کردن کوچکترین مقدار گزینه ها در صورت و عدد هر گزینه در مخرج باشد؟
خیر. روش آنتروپی نیازی به نرمال سازی به این شیوه ندارد
شاخص هایی که جنبه منفی دارند رو چطور نرمالایز کنیم؟
هزینه منفی
ظرفیت مثبت
سلام. در روش آنتروپی شانون برای نرمال سازی کاری به معیار مثبت و منفی نداریم. بلکه همه داده ها بر جمع ستونشان تقسیم می شوند.
سلام ببخشید از کجا بفهمیم پراکندگی افزایش یافته و وزن کاهش پیدا کرده؟
پراکندگی یعنی بین امتیازات داده شده در ماتریس اولیه فاصله وجود داشته باشه. مثلا فرض کنید قصد خرید خانه را دارید قیمت یک خانه 10 میلیون تومان و قیمت یک خانه 1 میلیون تومان شود چون پراکندگی بین داده ها زیاد شد وزن معیار قیمت افزایش پیدا میکنه.