روش ANP
روش ANP یکی از روش های تصمیم گیری چند شاخصه (MADM) است که همانند روش AHP می باشد اما در آن معیارها یا زیرمعیارها و یا گزینه ها دارای وابستگی یا رابطه هستند در واقع روش AHP را می توان یک حالت خاص از تکنیک شبکه ای دانست. اگر مسئله ای وجود داشته باشید که در آن معیارها دارای رابطه باهم باشند و یا زیرمعیارها دارای روابط داخلی باشند دیگر این نوع مسئله از طریق روش AHP قابل انجام نیست زیرا دیگر مسئله از حالت سلسله مراتبی خارج می شود و یک حالت شبکه ای ایجاد میکند. در این حالت باید مسئله را از طریق روش ANP حل کرد. در واقع روش AHP را یک حالت خاص از روش ANP می دانند. فرایند تحلیل شبکه روش جامع و قدرتمندی را برای تصمیم گیری دقیق با استفاده از اطلاعات تجربی و یا قضاوت های شخصی هر تصمیم گیرنده در اختیار و با فراهم کردن ساختاری برای سازماندهی معیارهای متفاوت و ارزیابی اهمیت و ارجحیت هر یک از آن ها نسبت به گزینه ها، فرایند تصمیم گیری را آسان می کند. این روش قابلیت پیاده سازی در نرم افزار سوپر دسیژن و یا اکسل (EXCEL) را دارد.
ANP با استفاده از نرم افزار Super Decisions پیاده سازی می شود و در مورد تصمیمات متنوعی از جمله بازاریابی ، پزشکی ، سیاسی ، نظامی ، اجتماعی ، و پیش بینی و بسیاری موارد دیگر اعمال می شود (Saaty، 2005). روش ANP و کاربرد آن در زمینه های مختلف به خوبی در ادبیات تحقیق عملیاتی ثبت شده است (Saaty، 2003، 2005؛ Sarkis، 1998؛ Meade and Sarkis، 1999؛ Partovi and Corredoira، 2002؛ Bayazit، 2006).
در ویدیوی زیر توضیحات کامل روش ANP شامل تعریف های اولیه، مدل شبکه ای، مقایسات زوجی و … توضیح داده می شود. پیشنهاد می شود حتما این ویدیو را ببینید.
ویژگی های مدل:
- این روش در زمره روشهای جبرانی قرار می گیرد (روشهای جبرانی به تکنیک هایی گفته می شود که ضعف یک گزینه در یک معیار خاص توسط قوت معیار دیگر جبران می شود. به عنوان مثال فرض کنید قصد خرید خانه داشته باشید ممکن است قیمت خانه زیاد باشد ولی موقعیت خانه خوب باشد بنابراین معیار “موقعیت” به نحوی جبران کننده معیار “هزینه” است).
- شاخص ها مستقل یا وابسته به یکدیگر می باشند.
تفاوت روش AHP با ANP
اساس هر دو روش تحلیل شبکه (ANP) و تحلیل سلسله مراتبی (روش ahp) مقایسه زوجی است اما این دو روش تفاوت هایی زیر دارند که مهم ترین آن ها به شرح زیر است:
1- تفاوت عمده روش تحلیل شبکه و سلسله مراتبی در ساختار تعریف مدل و ارتباط بین عناصر آن است این ارتباط در روش تحلیل سلسله مراتبی تنها به صورت مستقل است در حالی که در روش ANP این ارتباط می تواند هم به صورت مستقل و هم به صورت وابسته باشد. می توان گفت روش سلسله مراتبی حالتی خاص از روش تحلیل شبکه را نشان می دهد زیرا روش تحلیل شبکه در حالت اسقلال داخل یک خوشه و بین چند خوشه نیز قابل استفاده است.
2- روش تحلیل شبکه دارای ساختار غیر خطی است در حالی که در روش تحلیل سلسله مراتبی خطی بوده و دارای یک هدف در سطح بالا و عوامل در سطح پایین است.
3- هنگام مقایسه زوجی در روش تحلیل سلسله مراتبی، این سوال مطرح می شود که بین دو گزینه کدام یک با اهمیت تر است؟ در حالی که در روش تحلیل شبکه هدف از انجام مقایسه های زوجی، بررسی میزان تاثیر پارامترها بر یکدیگر است
شکل زیر تفاوت ساختارها بین سلسله مراتب و شبکه را نشان می دهد. گره یک جزء (یا خوشه) را با عناصر داخل آن نشان می دهد. یک خط مستقیم یا یک قوس تعامل بین دو مؤلفه را نشان می دهد. و یک حلقه نشانگر وابستگی درونی عناصر درون یک جزء است. هنگامی که عناصر Node1 به یک مؤلفه دیگر Node2 بستگی دارد، ما این رابطه را با پیکان از قسمت Node1 به Node2 نشان می دهیم. Supermatrix مربوطه از سلسله مراتب با سه سطح خوشه نیز نشان داده شده است: جایی که w21 یک بردار است که نشان دهنده تأثیر Node1 بر Node2 است. W32 ماتریسی است که تأثیر Node2 را در هر عنصر Node3 نشان می دهد. و I ماتریس همانی هست. همانطور که مشاهده می کنیم ، یک سلسله مراتب یک مورد ساده و خاص از یک شبکه است.
گام های روش ANP
جهت پیاده سازی و انجام روش ANP گام های زیر به ترتیب باید اجرا شوند:
- ساختن نمودار شبکه ای پژوهش: در این گام باید مساله را به سطوح معیار و در صورت وجود زیرمعیار و گزینه تقسیم کرد و روابط بین آنها را تعیین نمود. نکته بسیار مهم در این گام وجود روابط بین معیاری است این روابط را می توان از چند طریق مشخص کرد می توان با پرسش از خبرگان به روابط بین معیاری پی بردو یا با استفاده از روشهایی چون روش دیمتل و یا روش ISM به این روابط رسید.
- تشکیل ماتریس مقایسات زوجی: در این مرحله عناصر هر سطح نسبت به سایر عناصر مربوط خود در سطح بالاتر به صورت زوجی مقایسه شده و ماتریس های مقایسات زوجی تشکیل می شوند. همچنین در انتها باید مقایسه زوجی روابط درونی نیز تشکیل گردد. این مقایسات زوجی می بایست توسط طیف 9 تایی آقای ساعتی پاسخ داده شود که در زیر آورده شده است.
- محاسبه نرخ ناسازگاری: در این گام نرخ ناسازگاری ANP را محاسبه میکنیم. چنانچه این نرخ از 0.1 کمتر باشد نشان از سازگاری ماتریس است.
- تشکیل سوپر ماتریس اولیه: با استفاده از وزن مقایسات زوجی بدست آمده سوپر ماتریس اولیه را تشکیل می دهیم. سوپرماتریس اولیه، همان وزنهایی است که در مرحله 2 از مقایسات زوجی حاصل شد.
- ایجاد سوپر ماتریس موزون: بعد از ایجاد سوپر ماتریس اولیه، باید سوپر ماتریس موزون را ایجاد کرد.
- ایجاد سوپر ماتریس حدی: سوپر ماتریس موزون را باید به توان بی نهایت رساند تا هر سطر آن به عددی همگرا شود. و آن عدد وزن آن معیار یا زیرمعیار و یا گزینه است.
مراحل پیاده سازی ANP به صورت خلاصه در شکل زیر آورده شده است.
نکته: برای تشکیل یک مدل ANP تنها وجود معیار و زیرمعیار کفایت می کند یعنی اگر مساله شما گزینه نداشت با همان معیار یا زیرمعیار می توان مدل ANP را انجام داد.
مثال روش ANP
فرض کنید در پژوهشی 3 معیار اصلی و تعداد 17 زیرمعیار داریم هدف محاسبه وزن عوامل پژوهش با استفاده از روش ANP است که در این مثال ما از نرم افزار سوپر دسیژن استفاده کرده ایم. ابتدا مدل تحلیل شبکه ای (ANP) پژوهش را در نرم افزار سوپر دسیژن رسم می کنیم که در شکل زیر آورده شده است. همانطور که در شکل زیر مشاهده می کنید حلقه ای که در سطح معیارها نشان داده شده است نشان از روابط درونی است.
تشکیل مقایسات زوجی
به دلیل وجود روابط درونی بین معیارها جهت وزن دهی و رتبهبندی از روش تحلیل شبکهای ANP استفاده میشود. ابتدا مقایسات زوجی را ایجاد کرده و در اختیار 30 نفر از خبرگان قرار داده میشود بعد از جمع آوری مقایسات زوجی، نرخ ناسازگاری آنها محاسبه شد که همگی کمتر از 0.1 است و نشان دهنده سازگاری ماتریس مقایسات زوجی است سپس آنها را با روش میانگین هندسی ادغام میکنیم و جهت وزندهی و رتبهبندی وارد نرم افزار سوپردسیژن میکنیم. مدل ANP در نرم افزار سوپردسیژن ایجاد میشود و مقایسات زوجی ادغام شده در نرم افزار وارد میشود نتایج به صورت زیر میباشد.
جدول 2: مقایسه زوجی معیارها نسبت به هدف (نرخ ناسازگاری: 0.03)
C1 | C2 | C3 | وزن | ||
C1 | 1 | 0.551 | 0.506 | 0.207 | |
C2 | 1.815 | 1 | 1.552 | 0.448 | |
C3 | 1.976 | 0.644 | 1 | 0.344 |
جدول 3: مقایسه زوجی زیرمعیارهای C1 (نرخ ناسازگاری: 0.02)
S11 | S12 | S13 | S14 | S15 | S16 | وزن | ||
S11 | 1 | 2.878 | 0.575 | 2.08 | 1.439 | 0.504 | 0.173 | |
S12 | 0.347 | 1 | 0.333 | 0.500 | 0.321 | 0.354 | 0.065 | |
S13 | 1.739 | 3.003 | 1 | 2.153 | 1.740 | 1.047 | 0.245 | |
S14 | 0.480 | 2 | 0.464 | 1 | 0.475 | 0.4 | 0.099 | |
S15 | 0.695 | 3.115 | 0.575 | 2.105 | 1 | 0.453 | 0.154 | |
S16 | 1.984 | 2.825 | 0.955 | 2.500 | 2.208 | 1 | 0.263 |
جدول 4: مقایسه زوجی زیرمعیارهای C2 (نرخ ناسازگاری: 0.02)
S21 | S22 | S23 | S24 | وزن | ||
S21 | 1 | 0.616 | 0.396 | 0.552 | 0.141 | |
S22 | 1.623 | 1 | 0.411 | 0.444 | 0.171 | |
S23 | 2.525 | 2.433 | 1 | 0.86 | 0.348 | |
S24 | 1.812 | 2.252 | 1.163 | 1 | 0.341 |
جدول 5: مقایسه زوجی زیرمعیارهای C3 (نرخ ناسازگاری: 0.03)
S31 | S32 | S33 | S34 | S35 | S36 | S37 | وزن | ||
S31 | 1 | 0.846 | 2.188 | 0.64 | 0.711 | 1.101 | 1.177 | 0.137 | |
S32 | 1.182 | 1 | 1.512 | 1.146 | 0.953 | 2.582 | 1.072 | 0.173 | |
S33 | 0.457 | 0.661 | 1 | 0.627 | 0.372 | 1.137 | 0.398 | 0.085 | |
S34 | 1.558 | 0.8726 | 1.595 | 1 | 1.413 | 3.2 | 1.524 | 0.202 | |
S35 | 1.406 | 1.049 | 2.688 | 0.708 | 1 | 0.990 | 1.072 | 0.160 | |
S36 | 0.908 | 0.387 | 0.880 | 0.312 | 1.010 | 1 | 0.662 | 0.095 | |
S37 | 0.850 | 0.933 | 2.513 | 0.656 | 0.933 | 1.511 | 1 | 0.147 |
جدول 6: مقایسه زوجی معیارها نسبت به عامل C1 (نرخ ناسازگاری: 0.0000)
C2 | C3 | وزن | ||
C2 | 1 | 2.429 | 0.708 | |
C3 | 0.412 | 1 | 0.292 |
جدول 7: مقایسه زوجی معیارها نسبت به عامل C2 (نرخ ناسازگاری: 0.0000)
C1 | C3 | وزن | ||
C1 | 1 | 1.802 | 0.643 | |
C3 | 0.555 | 1 | 0.357 |
جدول 8: مقایسه زوجی معیارها نسبت به عامل C3 (نرخ ناسازگاری: 0.0000)
C1 | C2 | وزن | ||
C1 | 1 | 1.309 | 0.567 | |
C2 | 0.764 | 1 | 0.433 |
تشکیل سوپرماتریس اولیه
با استفاده از اوزان بدست آمده در مرحله قبل سوپرماتریس اولیه را تشکیل میدهیم.
جدول 9: سوپرماتریس اولیه
C1 | C2 | C3 | goal | |
C1 | 0 | 0.643 | 0.567 | 0.207 |
C2 | 0.708 | 0 | 0.433 | 0.448 |
C3 | 0.292 | 0.357 | 0 | 0.344 |
goal | 0 | 0 | 0 | 0 |
S11 | 0.173 | 0 | 0 | 0 |
S12 | 0.065 | 0 | 0 | 0 |
S13 | 0.245 | 0 | 0 | 0 |
S14 | 0.099 | 0 | 0 | 0 |
S15 | 0.154 | 0 | 0 | 0 |
S16 | 0.263 | 0 | 0 | 0 |
S21 | 0 | 0.141 | 0 | 0 |
S22 | 0 | 0.171 | 0 | 0 |
S23 | 0 | 0.348 | 0 | 0 |
S24 | 0 | 0.341 | 0 | 0 |
S31 | 0 | 0 | 0.137 | 0 |
S32 | 0 | 0 | 0.173 | 0 |
S33 | 0 | 0 | 0.085 | 0 |
S34 | 0 | 0 | 0.202 | 0 |
S35 | 0 | 0 | 0.160 | 0 |
S36 | 0 | 0 | 0.095 | 0 |
S37 | 0 | 0 | 0.147 | 0 |
تشکیل سوپرماتریس موزون
بعد از تشکیل سوپرماتریس اولیه، باید سوپرماتریس موزون ایجاد شود سوپر ماتریس موزون از نرمالسازی سوپرماتریس اولیه حاصل میشود.
جدول 10: سوپرماتریس موزون
C1 | C2 | C3 | goal | |
C1 | 0 | 0.322 | 0.283 | 0.207 |
C2 | 0.354 | 0 | 0.217 | 0.448 |
C3 | 0.146 | 0.178 | 0 | 0.344 |
goal | 0 | 0 | 0 | 0 |
S11 | 0.087 | 0 | 0 | 0 |
S12 | 0.033 | 0 | 0 | 0 |
S13 | 0.122 | 0 | 0 | 0 |
S14 | 0.049 | 0 | 0 | 0 |
S15 | 0.077 | 0 | 0 | 0 |
S16 | 0.132 | 0 | 0 | 0 |
S21 | 0 | 0.070 | 0 | 0 |
S22 | 0 | 0.085 | 0 | 0 |
S23 | 0 | 0.174 | 0 | 0 |
S24 | 0 | 0.170 | 0 | 0 |
S31 | 0 | 0 | 0.069 | 0 |
S32 | 0 | 0 | 0.087 | 0 |
S33 | 0 | 0 | 0.043 | 0 |
S34 | 0 | 0 | 0.101 | 0 |
S35 | 0 | 0 | 0.080 | 0 |
S36 | 0 | 0 | 0.047 | 0 |
S37 | 0 | 0 | 0.074 | 0 |
تشکیل سوپرماتریس حد دار
سوپر ماتریس وزندار را به توان بینهایت میرسانیم تا همگرا شود ماتریس همگرا شده سوپر ماتریس حددار است.
جدول 11: سوپرماتریس حددار
C1 | C2 | C3 | goal | |
C1 | 0.190 | 0.190 | 0.190 | 0.190 |
C2 | 0.188 | 0.188 | 0.188 | 0.188 |
C3 | 0.122 | 0.122 | 0.122 | 0.122 |
S11 | 0.033 | 0.033 | 0.033 | 0.033 |
S12 | 0.012 | 0.012 | 0.012 | 0.012 |
S13 | 0.047 | 0.047 | 0.047 | 0.047 |
S14 | 0.019 | 0.019 | 0.019 | 0.019 |
S15 | 0.029 | 0.029 | 0.029 | 0.029 |
S16 | 0.050 | 0.050 | 0.050 | 0.050 |
S21 | 0.026 | 0.026 | 0.026 | 0.026 |
S22 | 0.032 | 0.032 | 0.032 | 0.032 |
S23 | 0.065 | 0.065 | 0.065 | 0.065 |
S24 | 0.064 | 0.064 | 0.064 | 0.064 |
S31 | 0.017 | 0.017 | 0.017 | 0.017 |
S32 | 0.021 | 0.021 | 0.021 | 0.021 |
S33 | 0.010 | 0.010 | 0.010 | 0.010 |
S34 | 0.025 | 0.025 | 0.025 | 0.025 |
S35 | 0.020 | 0.020 | 0.020 | 0.020 |
S36 | 0.012 | 0.012 | 0.012 | 0.012 |
S37 | 0.018 | 0.018 | 0.018 | 0.018 |
در سوپر ماتریس حدی، اوزان نهایی عوامل پژوهش آورده شده است که می توان با نرمال سازی آن ها در هر بعد اوزان نرمال شده را نیز محاسبه نمود.
مزایای روش ANP
- ANP یک تکنیک جامع است که امکان درج همه معیارهای مربوطه را فراهم می آورد. ملموس و غیرمستقیم ، که تاثیری در روند تصمیم گیری دارد.
- AHP یک چارچوب تصمیم گیری را فرض می کند که فرضیه رابطه سلسله مراتبی یک جهته در بین سطوح تصمیم گیری است ، در حالی که ANP امکان ایجاد روابط پیچیده تری را در بین سطوح تصمیم گیری و ویژگی ها می دهد زیرا نیازی به یک ساختار سلسله مراتبی دقیق ندارد.
- در مسائل تصمیم گیری ، به دلیل ویژگی های وابستگی متقابل که در مسائل زندگی واقعی وجود دارد ، توجه به رابطه متقابل بین معیارها بسیار مهم است. روش ANP امکان بررسی وابستگی های متقابل بین سطح معیارها را فراهم می کند و بنابراین ابزاری جذاب برای تصمیم گیری چند معیاره است.
- روش ANP با توجه به خصوصیات کمی و کیفی که باید در نظر گرفته شود ، مفید است و همچنین رابطه متقابل غیر خطی در بین معیارها مورد توجه قرار می گیرد.
- ANP از این نظر بی نظیر است که امتیازهای ترکیبی را ارائه می دهد ، که این خود نشانگر رتبه بندی نسبی گزینه های مختلف در دسترس تصمیم گیرنده است.
معایب روش ANP
- شناسایی ویژگی های مربوط به مسئله و تعیین اهمیت نسبی آنها در فرآیند تصمیم گیری مستلزم بحث های گسترده و جلسات طوفان مغزی است. همچنین، جمع آوری داده ها یک فرایند بسیار طولانی برای روش ANP است.
- ANP به محاسبات بیشتری نیاز دارد و تشکیل ماتریس های مقایسات زوجی اضافی نسبت به فرآیند AHP را دارد. بنابراین، یک ردیابی دقیق از ماتریس ها و مقایسات زوجی از معیارها ضروری است.
- مقایسات زوجی از ویژگی های مورد نظر فقط می تواند به صورت ذهنی انجام شود و از این رو صحت نتایج آنها بستگی به دانش تخصص کاربر در منطقه مورد نظر دارد.
تمامی مراحل روش ANP به صورت خودکار توسط نرم افزار سوپر دسیژن (super decision) انجام می گیرد و نیاز به هیچ محاسبه دستی از جانب محقق نیست. پس پیشنهاد ما این است حتما آموزش این نرم افزار را از لینک زیر مطالعه کنید.
اگر نیازمند مشاوره رایگان و یا انجام پروژه های خود در این زمینه هستید با ما تماس بگیرید 09338859181
فایل زیر یک مثال از روش ANP می باشد
دوستان عزیز علاوه بر پروژه بالا تعدادی پروژه کامل AHP و ANP در سایت قرار داده شده است برای ورود به صفحه مربوطه اینجا را کلیک کنید.
مطالب مشابه و مرتبط
منظور از روش ISM (آی اس ام ) همان LSM ] List Square Method ) هست؟ آیا اشتباه گفته شده؟ یا درسته؟ اگر درسته میشه رفرنس بدید برای شناخت روش؟
این روش از حروف اول عبارت Interpretive Structural Modelling گرفته شده است. روش مدلسازی ساختاری تفسیری
با سلام و وقت بخیر. بنده میخوام روش دیمتل و تحلیل شبکه رو با هم ترکیب کنم. ۸ معیار دارم و هر کروم از معیار ها هم چند تا زیرمعیار دارند. ساختار به این صورت هست که معیارها با هم روابط درونی دارند که با دیمتل انجام شده و همچنین نسبت به هدف مقایسه زوجی صورت گرفته و وزن ها مشخص شده اند. معیارهای هر زیرمعیار فقط با خودشان روابط درونی دارند و هرکدام نسبت به معیار مربوط به خود مقایسه زوجی شده است. سوپرماتریس اولیه تشکیل و سپس به روش خطی نرمال شده است. مشکل اینجاست که سوپرماتریس همگرا نمیشود. اما زمانی که در سطر هدف بالای زیرمعیارها عدد یک قرار میدهیم همگرا میشود که در این صورت سطرهای مربوط به معیارها صفرنمیشود اما همگرا میشود. خودم فکر میکنم مشکل مربوط به ماتریس I هست. که نمیدونم باید کجای سوپر ماتریس قرار بگیره. چون که ماتریس W33 رو با دیمتل به دست آوردم اما چون همه زیرمعیارها با هم روابط درونی ندارند بیشتر بخش های اون صفر هست و زمانی که سوپرماتریس اولیه رو نرمال میکنیم هیچ تغییری نمیکنند درصورتی که ستونهای زیرمعیاها تقسیم بر جمع ستونها که برابر با ۲ هست میشه و نصف میشن. ضمنا چون تعداد زیرمعیارها زیادن با کسل انجام دادم. سوپردسیژن برای وارد کردن وزن های درونی که با دیمتل محاسبه شدن خیلی وقت گیره. ممنون میشم راهنمایی کنید. با تشکر
سلام با استفاده از نرم افزار سوپردسیژن مشکل شما حل می شود
سلام،منم متوجه نشدم چطور باید میانگین هندسی از داده های 30 تا پرسشنامم بگیرم.امکانش هست راهنمایی کنید؟؟
سلام. توی اکسل با استفاده از تابع geomean
سلام و درود وقت شما بخیر
بنده پرسشنامه ANP دارم که پس از توزیع، توسط افراد مختلف پایخ داده شده. سوال بنده این هستش که چگونه جواب های مختلف این پرسشنامه ها رو باید یکی کرد و در نرم افزار Super Decision وارد کرد؟
سلام وقت بخیر. در اکسل باید میانگین هندسی بگیرید. بعد وارد سوپردسیژن کنید
سلام وقت بخیر ممکنه در مورد ANPفازی هم مطلبی رو ارایه بدید؟
توی سایت مطلب در موردش هست. سرچ کنید
باعرض سلام و خسته نباشید.
بنده درحال کار روی مقاله ای با عنوان ((پیش بینی مصرف بنزین با استفاده از شبکه های عصبی با توجه به معیارهای توسعه پایدار)) هستم،خواستم نظرتون رو راجع به استفاده از تحلیل شبکه ای ANP و ترکیب اون با شبکه های عصبی برای یافتن ارتباط بین شاخص ها رو بدونم؟آیا این کار ممکن هست؟آیا انجام این کار رو مناسب میبینید؟
متشکرم
سلام وقت بخیر در زمینه شبکه عصبی کار نکردم دوست عزیز