مقدمه
هیچ تصمیمی نمیتواند بدون ارجاع به فرآیند تصمیمگیری مورد بررسی قرار گیرد. تصمیمگیری به عنوان یک فرآیند ذهنی پیچیده، یک برنامه حل مسئله است که هدف آن تعیین نتیجهی مطلوب با در نظر گرفتن جنبههای مختلف است. این فرآیند میتواند منطقی یا غیر منطقی باشد و به علاوه، ممکن است از فرضیات ضمنی یا صریحی استفاده کند که تحت تأثیر چندین عامل مانند فیزیولوژی، زیستشناسی، فرهنگی، اجتماعی و غیره قرار میگیرد. تمامی این جنبهها به همراه سطح اختیار و ریسک، میتواند بر سطح پیچیدگی یک فرآیند تصمیمگیری تأثیر بگذارد. در حال حاضر، مسائل پیچیده تصمیمگیری میتوانند با استفاده از معادلات ریاضی، آمارهای متنوع، نظریههای اقتصادی و دستگاههای کامپیوتری حل شوند که به حساب آوردن و برآورد حل مسئلههای تصمیمگیری به صورت خودکار کمک میکنند.
تصمیمگیری چندمعیاره (MCDM) یا تحلیل تصمیمگیری چندمعیاره (MCDA)، یکی از دقیقترین روشهای تصمیمگیری است و میتوان آن را به عنوان یک انقلاب در این حوزه دانست. یکی از اولین مطالعات تحقیقی در زمینه تصمیمگیری چندمعیاره توسط بنجامین فرانکلین انجام شد و او تحقیق خود در مورد مفهوم جبر اخلاقی منتشر کرد. از دهه 1950 به بعد، چندین دانشمند در عرصه تجربی و نظری بر روی روشهای MCDM کار کردهاند تا قابلیت مدلسازی ریاضی این روشها را بررسی کنند و یک چارچوب ارائه دهند که به ساختاردهی مسائل تصمیمگیری کمک کند و گزینه ی ترجیحی تولید کنند. MCDM شامل روشهای مختلفی است که در جنبههای مختلف از یکدیگر متفاوت هستند که در بخشهای بعدی بررسی خواهند شد.
این روش، معیارهای کیفی و کمی مختلفی را برای پیدا کردن بهترین راهحل در نظر می گیرد. به عنوان مثال، هزینه یا قیمت و کیفیت فرآیندها از معیارهای رایج در بسیاری از مسائل تصمیمگیری هستند. علاوه بر این، در اینگونه مسائل، گروههای تخصصی برای معیارها وزنهای مختلفی را بر اساس اهمیت هر معیار در آن مورد خاص ارائه میدهند.
روش MCDM در مسائل روزمره زندگی انسان قابل استفاده است. با این حال، در صورتی که مسئله بر اساس موضوعات مهمتری مانند سطوح سرمایهای مبتنی باشد، ارزیابی معیارها مسئله مهمی است. به همین دلیل، در این شرایط، تصمیمگیری باید بر اساس ساختاردهی مناسب و ارزیابی صریح تمامی معیارها با استفاده از نرمافزار و ابزارهای مناسب باشد. در عمل، روش MCDM برای مدیریت ساختاردهی، تصمیمگیری و برنامهریزی در مواقعی استفاده میشود که دامنه مسئله دارای معیارهای متعددی برای رسیدن به یک راهحل بهینه بر اساس ترجیحات تصمیمگیرندگان است.
چند روش از MCDDM توسط نویسندگان مختلف در دهههای گذشته توسعه یافته یا بهبود داده شدهاند. اصلیترین تفاوتهای بین این روشها مربوط به سطح پیچیدگی الگوریتمها، روشهای وزندهی برای معیارها، نحوه نمایش معیارهای ارزیابی ترجیحات، امکان دادههای نامعین و در نهایت نوع تجمیع دادههاست.
علاوه بر این، همه انواع MCDM دارای مزایا و معایب خاص و متفاوتی هستند که انتظار میرود بر اساس روشها به طور خاص توضیح داده شود. به عنوان مثال، فرایند سلسله مراتبی تحلیلی (AHP) دارای قابلیت استفاده آسان است و مسائل مرتبط با هم وابستگی بین معیارها و گزینهها را پوشش می دهد. از سوی دیگر، در نظریه مجموعه فازی (FST) استفاده از ورودی نامعین امکانپذیر است؛ با این حال، این روش قابلیت توسعه ندارد. به طور کلی، تمام روشهای MCDM از مزیت در نظر گرفتن تأثیرات نامتناسب و تضاد تصمیمها برخوردار هستند. اما در سوی دیگر نکته منفی این است که راهحلهایی که توسط این روشها تولید میشوند، یک توافق بین چندین هدف هستند و به دلیل ماهیت مسئله، به دست آوردن نقطه بهینه امکانپذیر نیست.
تصمیم گیری چند معیاره
کلمه تصمیم گیری به معنای قطع کردن می باشد و مفهوم عام آن قطعی کردن قصد و نیت و به نتیجه رساندن و حل می باشد تصمیم گیری به عنوان انتخاب یک راهکار از میان چندین راهکار تعریف می شود. تا کنون نظریه ها و روشهای مختلفی برای تصمیمگیری در مسائل پژوهشگران ارائه شده است. اما از دوران نهضت صنعتی در جهان و بخصوص از زمان جنگ جهانی دوم، مدلهای بهینهسازی مورد توجه بسیاری از ریاضیدانان و دست اندرکاران صنعت بوده است. تأکید اصلی بر مدلهای کلاسیک بهینه سازی، داشتن یک معیار (یا یک تابع هدف) می باشد، به طوریکه مدل مذکور میتواند در مجموع به صورت خطی، غیر خطی، و یا مخلوط باشد. اما توجه پژوهشگران در دهه های اخیر معطوف به مدلهای چندمعیاره برای سنجش تصمیم گیریهای پیچیده گردیده است.
روشهای تصمیم گیری چند معیاره (MCDM) به دو دسته تصمیم گیری چند هدفه (MODM) و تصمیم گیری چند شاخصه (MADM) تقسیم می شوند. هدف از تصمیم گیری انتخاب بهترین گزینه یا وزن دهی به عوامل تصمیم گیری است. هر روش تصمیم گیری وظیفه خاصی دارد یکی هدف وزن دهی به معیارها، یکی هدفش رتبه بندی گزینه ها و دیگری هدف ارزیابی معیارها می باشد. که در اینجا به توضیح پرکاربردترین روش های تصمیم گیری چند شاخصه خواهیم پرداخت. اگر بخواهیم طبقه بندی از مدلهای تصمیم گیری چند معیاره داشته باشیم به شکل زیر اشاره می شود.
در حالت دیگر می توان مدل های تصمیم گیری چند معیاره را به دو دسته جبرانی و غیر جبرانی دسته بندی کرد. بر این اساس مدلهای جبرانی تصمیم گیرنده حاضر به تبادل بین معیارها و شاخص ها وجود دارد. تغییر در یک شاخص توسط تغییری مخالف در شاخص یا شاخص های دیگر جبران می شود. اما در مدلهای غیر جبرانی تصمیم گیرنده حاضر به تبادل بین معیارها نمی باشد. نقطه ضعف موجود در یک شاخص توسط مزین موجود در یک شاخص دیگر جبران نمی شود. هر شاخص جدا از سایر شاخص ها مبنای ارزیابی گزینه های رقیب قرار می گیرد.
مدل های غیر جبرانی نیز خود به چند دسته تقسیم می شوند از جمله روشهای عام، لکسیکوگرافی، رضایت بخش و روش پرموتاسیون (جایگشت) تقسیم می شود. روشهای عام به دو دسته روش خوشبینانه و بدبینانه تقسیم می شود. روش لکسیکوگرافی به روش نیمه رتبه ای تقسیم می شود. روشهای رضایت بخش به شمول و خاص تقسیم می شوند. این روشها در مقالات و پروژه های تصمیم گیری چند معیاره چندان مورد استفاده قرار نمیگیرد و بیشتر جنبه تمرینی دارند. زیرا یکی از ویژگی های مهم از جمله تبادل بین شاخص ها در آن ها وجود ندارد.
در ویدیوی زیر توضیحات کاملی در رابطه با انواع روشهای تصمیم گیری چند معیاره، و انواع محیط های پیاده سازی اشاره شده است.
راههای مختلفی برای تفسیر حل مسئله MCDM وجود دارد. این فرایند میتواند به عنوان انتخاب بهترین (پر ترجیحترین) گزینه از مجموعه گزینهها در نظر گرفته شود. همچنین میتوان آن را به عنوان گروهبندی گزینهان (با مجموعههای ترجیحی متنوع) توضیح داد و سپس از بین آنها یک مجموعه کوچک انتخاب کرد. علاوه بر این، هدف این مسائل تعریف گزینهانی که غیر حاکم یا کارآمدند دارند. راهی برای انتقال از یک راهحل غیر حاکم به راهحل دیگر وجود ندارد بدون اینکه حداقل یکی از معیارهای موجود قربانی شود و این نقطه میتواند به تصمیمگیران کمک کند تا یک مجموعه راهحل از مجموعه راهحلهای غیر حاکم را انتخاب کنند. به صورت ریاضی، یک مسئله MCDM به شکل زیر تعریف میشود:
A = {Ai | i = 1, 2, . . . , m}
اینجا A یک مجموعه متمایز و متناهی از گزینههاست و m تعداد آنها را نشان میدهد.
C = {Cj | j = 1, 2, . . . , n}
اینجا C یک مجموعه از معیارهای مشخص است که برای ارزیابی A استفاده میشوند و n تعداد آنها را نشان میدهد. گزینهان به طور طبیعی همگن هستند، اما این نکته برای معیارها ضروری نیست. به عبارت دیگر، معیارها میتوانند با واحدهای مختلف و بدون هیچ ارتباطی با یکدیگر و با اهداف متعارض مختلف (کمینه کردن اهداف در برخی از آنها و بیشینه کردن آنها در دیگران) داشته باشند.
W ={ wj | j = 1, 2, . . . , n}
اینجا W یک مجموعه از وزنهای نرمال شده است که به هر معیار بر اساس اهمیت آنها اختصاص داده میشود. فرم ریاضی مجموعههایی که در بالا بحث شد، یک روش ساده برای تعریف یک مسئله MCDM است و اطلاعات بهدستآمده بهصورت معمول بهصورت فرم ماتریسی سازماندهی میشوند که در جدول ۲ نشان داده شده است.
جدول 2: ماتریس MCDM
ماتریس MCDM |
C1 |
C2 |
… |
Cn |
A1 |
X11 |
X12 |
… |
X1n |
A2 |
X21 |
X22 |
… |
X2n |
… |
… |
… |
Xij |
… |
Am |
Xm1 |
Xm2 |
… |
Xmn |
در این ماتریس، xij مقدار Ai مربوط به Cj را نشان میدهد و ماتریس (M) و بردار وزنها
(W = {w1, w2, wn})
ورودیهای اصلی برای مسائل MCDM هستند. در واقع، MCDM امتیاز گزینهان را محاسبه کرده و آنها را بر اساس بهترین تا بدترین مرتب میکند. مراحل اصلی تمام مسائل MCDM در شکل ۱ نشان داده شده است.
طبقه بندی مدلهای تصمیم گیری چند معیاره
رویکردهای جبرانی، غیر جبرانی و جبرانی جزئی: MCDM میتواند به عنوان رویکردهای جبرانی، غیر جبرانی و جبرانی جزئی طبقهبندی شود. این رویکرد بر اساس قابلیت اعمال معیارهای منفی بر روی ویژگیها وقتی که توسط مثبتها جبران میشود، استوار است.
تصمیمگیری فردی یا گروهی: رویکرد سادهای برای تمایز روشهای MCDM بر اساس این است که آیا تصمیمگیری توسط فرد یا گروهی صورت میگیرد که تعداد تصمیمگیرندگان را در نظر میگیرد .
اطلاعات کیفی/کمی یا قطعی/نامطمئن: نوع اطلاعات کیفی/کمی یا قطعی/نامطمئن میتواند به عنوان نوع دیگری از طبقهبندی در نظر گرفته شود.
روشهای مبتنی بر تعادل و غیرمبتنی بر تعادل: همچنین، انواع روشهای وزندهی که به طور کلی به دو نوع روشهای مبتنی بر تعادل و غیرمبتنی بر تعادل تقسیم میشوند، روش دیگری برای تمایز انواع مسائل MCDM هستند .
MODM یا MADM: در یکی از روش های مرسوم، معیارها به عنوان دو نوع (1) ویژگیها و (2) اهداف در نظر گرفته میشوند.
علاوه بر این هوانگ و یون مسائل MCDM را بر اساس تعداد گزینهان به دو دستهی اصلی تقسیم کرد. بنابراین، مسائل MCDM به دو زیرگروه عمومی تصمیمگیری چند معیاره (MADM) و تصمیمگیری چند هدفه (MODM) تقسیم میشوند. زیرگروهها میتوانند همچنین به شکل نامحدود (با پاسخهای مجاز بینهایت) و قابل شمارش (با پاسخهای مجاز محدود) نامگذاری شوند. در پاراگرافهای زیر، این زیرگروهها به صورت دقیقتر تعریف شدهاند.
MODM: MODM بر روی فضاهای تصمیمگیری پیوسته با تعداد بینهایت گزینهان تمرکز دارد و همچنین به عنوان مسائل پیوسته تصمیمگیری شناخته میشود. در اینجا، یک منطقه قابل اجرا (جایی که گزینهان قرار دارند) به عنوان راه حل مسئله تصمیمگیری در نظر گرفته میشود. این یک مسئله بهینهسازی بدون یک گزینه خاص و مستقیم به عنوان راه حل انتخاب شده است. در این نوع مسائل، معیارها به عنوان اهداف و ویژگیها به صورت ضمنی در نظر گرفته میشوند. اگرچه هدف و گزینهای واضح نیست، اما محدودیتها واضح هستند و تصمیمگیرندگان دارای سطح بالایی از تعامل هستند.
MADM: MADM نیز به عنوان مسائل گسسته شناخته میشود و بر روی مسائلی با گزینهان تصمیمگیری با شمارش محدود تمرکز دارد. این یک مسئله ارزیابی است که بین تعداد محدودی از گزینهان راه حل را انتخاب میکند. در این نوع MCDM، اهداف، ویژگیها (که معیارها هستند) و گزینهها واضح هستند؛ با این حال، محدودیتها واضح نیستند و سطح تعامل بین تصمیمگیرندگان محدود است
روشهای غیر جبرانی
در این مدل ها، معیارها مستقل از هم در فرایند تصمیم گیری بررسی می شوند. مدل های غیر جبرانی، به طور عمده به سه گروه قابل طبقه بندی اند:
- هیچ نوع اطلاعاتی در مورد اهمیت معیارها در دسترس نیست (مانند روش های تسلط، بیشترین کمینه، بیشترین بیشینه و …)
- اهمیت معیارها به صورت ترتیبی موجود است (مانند روشهای الکزیکوگرافی، جایگشت، حذفی و …
- اطلاعات مربوط به حدود استاندارد و قابل قبول هر معیار در دسترس است (مانند روش های روش رضایت بخش عطفی و روش رضایت بخش خاص
نکته: روشهای جبرانی جدیدا در پژوهش ها و مقالات مورد استفاده قرار نمی گیرند زیرا الگوریتم ساده و غیر انعطاف پذیری دارند.
روش تسلط (Dominance)
در این روش گزینه برتر آن است که در تمام معیارها برتر از سایر گزینه ها باشد. در این روش به غیر از ماتریس تصمیم گیری لازم نیست هیچ تغییری صورت گیرد.
این روش به طور عملی چندان کارآمد نیست، مگر در شرایط خاص برای فیلترینگ گزینه ها. برای نمونه در ماتریس تصمیم گیری بالا می توان گزینه A را از تحلیل خارج کرد زیرا به طور کامل تحت سلطه گزینه A قراردارد.
روش بیشترین کمینه (MAXI MIN)
در این روش، نقاط ضعف گزینه ها با هم مقایسه می شوند؛ به عبارت دیگر برای انتخاب محکم ترین زنجیر کافی است ضعیف ترین حلقه یک زنجیر، محکم تر از ضعیف ترین حلقه زنجیر دیگر باشد؛ این روش در عین حال غیرجبرانی است زیرا حلقه ها، ضعف همدیگر را جبران نمی کنند.
قدم های لازم در بیشترین کمینه عبارت اند از:
- تبدیل معیارهای کیفی به کمی
- نرمالیزه کردن ماتریس تصمیم با استفاده از نرم بینهایت
مثال
نیروی هوایی یک کشور در حال بررسی برای انتخاب یک جنگنده جدید است. چهار هواپیما برای این موضوع انتخاب شده اند. معیارهای مورد نظر تحلیل گران نیروی هوایی عبارت اند از:
X6 | X5 | X4 | X3 | X2 | X1 | |
very High | Mediaum | 5/5 | 20.000 | 1500 | 2 | A1 |
Mediaum | Low | 6/5 | 18.000 | 2700 | 2/5 | A2 |
High | High | 4/5 | 21.000 | 2000 | 1/8 | A3 |
Mediaum | Mediaum | 5 | 20.000 | 1800 | 2/2 | A4 |
X1= حداکثر سرعت (ماخ)
X2= مقدار برد هواپیما (کیلومتر)
X3= وزن مهمات قابل حمل (پوند)
X4= قیمت (میلیون دلار)
X5= قابلیت اطمینان
X6= قابلیت مانور
روش بیشترین بیشینه (MAXI MAX)
در این روش، نقاط قوت گزینه ها با هم مقایسه می شوند. ماکزیمم مقدار هر گزینه مشخص شده و بیشترین آن به عنوان شاخص اثرگذار انتخاب می شوند. برای نمونه در انتخاب نخبگان از روش بیشترین بیشینه استفاده می شود. قهرمان قهرمانان نقطه قوت یک گزینه نسبت به نقاط قوت گزینه های دیگر قوی تر است). در نمونه زیر با اینکه گزینه اول در شاخص اول بسیار ضعیف است ولی از دیدگاه روش بیشترین بیشینه به دلیل داشتن بهترین نقطه قوت انتخاب می شود. پس A1 بهتر از A2 است. نیاز به نرمال سازی در این روش نیست.
شاخص 2 | شاخص 1 | |
18 | 1 | A1 |
16 | 17 | A2 |
برای نمونه در انتخاب بازیکن فوتبال فرض کنید می خواهیم با توجه به معیارهای استقامت، حمله، دفاع، دروازه بانی، تحرک و تجربه از بین پنج نفر، یک نفر را انتخاب کنیم؛ در این شرایط نیز ممکن است یک مربی از روش بیشترین بیشینه استفاده کند
روش لکزیکوگرافی (Lexicography)
در این روش، ابتدا معیارها براساس نظر DM رتبه بندی می شوند، سپس گزینه ها براساس معیارها اما به ترتیب اهمیت مورد مقایسه قرار می گیرند. (نیازی به نرمال سازی نیست زیرا در هر گام از الگوریتم، گزینه ها نسبت به یک معیار مقایسه مسی۔ شوند). اساس کار این روش بدین صورت است که ابتدا معیار اول (بالاترین اولویت در نظر – گرفته می شود و ضمن مقایسه، گزینه برتر انتخاب می شود؛ اگر در معیار اول، دو گزینه هم ارزش در رتبه نخست قرار بگیرند، به سراغ معیار بعدی از نظر اهمیت رفته، آن دو گزینه را نسبت به معیار بعدی رتبه بندی می کنیم. در مثال هواپیما اگر بردار ترتیب اولویت معیارهابرابر X2,X5,X3,X1,X6,X4. ابتدا با در نظر گرفتن شاخص دوم، یعنی برد هواپیما گزینه ها را مقایسه می کنیم که در نتیجه، گزینه دوم در مقام گزینه برتر انتخاب می شود. این مراحل تا زمان انتخاب گزینه برتر ادامه می یابد. در این روش، ماتریس تصمیم گیری و رتبه بندی معیارها نیاز است.
روش رضایت بخش عطفی
در این روش برای هر معیار، یک حد پذیرش توسط DM تعریف می شود. اگر گزینه ای، حتی در یکی از معیارها از حد پذیرش کمتر باشد، رد می شود. DM برای پذیرش تعدادی گزینه (به قدر کافی) ابتدا باید س طح متعادلی از استانداردها را تعیین کند، سپس می تواند برای کاهش گزینه ها حداقل سطوح استاندارد را به طور متوالی افزایش دهد. در مثال انتخاب هواپیما، حدود پذیرش برابر است با: (5 و 5 و6 و 20000 و 1500 و2)
در معیار X1
A1 | A2 | A3 | A4 |
2=2 | 2/5>2 | 1/8<2 | 2/2>2 |
پس گزینه سوم در بررسی این معیار از جریان بررسی خاج میشود.
در معیار X2
A1 | A2 | A4 |
1500=1500 | 2700>1500 | 1800>1500 |
در معیار X3
A1 | A2 | A4 |
20000=20000 | 20000>18000 |
-20000 20000 |
پس گزینه دوم در بررسی این معیار از جریان بررسی خارج میشود.
در معیار X4( دقت شود جهت این معیار منفی است )
A1 | A4 |
6>5/5 | 6>5 |
در معیار X5
A1 | A4 |
5=5 | 5=5 |
در معیار X6
A1 | A4 |
5<9 | 5=5 |
پس در نهایت می بینیم که A1 و A4 حد نصاب را دارند.
مزیت روش یادشده ، این است که فضای تصمیم را برای تصمیم گیری بهتر، کوچکتر میکند.
روش رضایت بخش خاص
در این روش، حداکثر مطلوب برای هر معیار مشخص است؛ اگر گزینه ای تنها در یکی از معیارهایش به این حد مطلوب برسد یا از آن بگذرد آن را انتخاب می کنیم. نمونه ای از کاربرد این روش: یک مربی قصد دارد بازیکن انتخاب کند؛ اگر بازیکنی، فقط در یک پست توانایی های بی نظیری داشته باشد، مربی او را نسبت به بازیکنی که سطحی متوسط از توانایی های چندگانه را دارد، ترجیح می دهد.
روش حذف (Elimination)یا صفر و یک
در این روش، گزینه یا دارای یک معیار می باشد یا نمی باشد (پس است در این روش یک سری معیارها اولویت بندی می شوند. سپس بررسی می شوند که کدام گزینه اولویت اول را دارد. در نتیجه آنهایی که اولویت اول را ندارند حذف می شوند. از بین گزینه های باقیمانده کدام یک اولویت دوم را دارند. در نتیجه سایرین حذف میشوند. این روند تا باقی ماندن یکی از گزینه ها ادامه می یابد. باید توجه داشت که معیارها به نحوی می باشند که جواب بله یا خیر است. در صورت عددی بودن معیارها بایستی به صفر و یک تبدیل گردند. مثلا تا1500 را صفر و بیش از آن را یک لحاظ میکنیم.
این روش ترکیب دو روش رضایت بخش شمول و لکسیکوگراف است .
هزینه | استحکام | وجه ملی | ظرفیت | سختی کار | |
A1 | 3 | 5 | 9 | 24000 | 1 |
A2 | 1.2 | 7 | 5 | 25000 | 3 |
A3 | 1.3 | 9 | 3 | 32000 | 7 |
- ابتدا شاخص ها را رتبه بندی می کنیم
(1-هزینه 2-استهکام 3- سختی کار 4- ظرفیت 5- وجه ملی )
- تعیین سطوح استاندارد برای روش رضایت بخش شمول :
B=(1.3, 5, 5, 24000, 3)
روش های جبرانی
روش های جبرانی نیز به سه دوسته روشهای امتیاز دهی، روشهای سازشی و روشهای غیر رتبه ای تقسیم می شوند.
روش های امتیاز دهی (Scoring): گزینه ارجح بیشترین امتیاز را دارد. در این روشها با استفاده از الگوریتم های مختلف گزینه ای برتر است که بیشترین امتیاز را کسب کند.
روش های سازشی (Compromising): گزینه ارجح بیشترین نزدیکی و شباهت را با گزینه ایده آل دارد.
روش های غیر رتبه ای (Outranking): گزینه ارجح از منظر یك شاخص هماهنگ تعریف شده بهترین وضعیت را دارد.
روش AHP یا فرایند تحلیل سلسله مراتبی: یکی از تکنیک های قدرتمند تصمیم گیری می باشد. در سال 1980 توسط آقای ساعتی ارائه شد.از مزایای ممتاز این روش میزان سازگاری و ناسازگاری تصمیم می باشد. در این روش مساله به سطوح مختلف هدف، معیارها، زیر معیارها و گزینه ها تقسیم می شود تا تصمیم گیرنده بتواند به راحتی در کوچکترین تصمیم گیری دقت کند. همان طور که از نام این روش پیداست به صورت سلسله مراتبی یا از بالا به پایین بررسی می شود. به عنوان مثال در شکل زیر نمایی از مدل AHP است.
روش بهبود یافته AHP: یکی از محدودیت های بزرگ روش AHP این است که هنگامی عوامل زیاد باشد مقایسات زوجی بسیار زیاد شده و باعث دشواری در تکمیل مقایسات و نرخ ناسازگاری بالا می شود در سال 2013 آقای لی و همکاران روشی را ارئه کردند که برای تشکیل مقایسه زوجی راه حلی جدید ارائه کردند که آن را AHP بهبود یافته یا Improve AHP نامیدند.
روش ANP یا فرایند تحلیل شبکه ای: این روش همانند روش AHP می باشد با این تفاوت که بین معیارهای تصمیم و گزینه های تصمیم روابط و همبستگی های متقابل وجود دارد. در واقع روش AHP یک حالت خاص از روش ANP می باشد. این روش نیز توسط آقای توماس ساعتی ارائه شد. روش تحلیل شبکه به تصمیم گیرنده اجازه ساخت یک شبکه به جای سلسله مراتب را می دهد این امر امکان بررسی ارتباط داخلی بین عناصر را نیز ممکن می سازد گره های موجود در این شبکه، معادل با معیارها و گزینه ها می باشند و شاخه هایی که این گره ها را به هم متصل می کنند نیز معادل با درجه وابستگی آن ها به همدیگر می باشند. تعیین روابط موجود در ساختار شبکه ای یا تعیین درجه وابستگی متقابل بین معیارها با هم و گزینه ها، مهم ترین کار رو تحلیل شبکه است. روش تحلیل شبکه (ANP) یکی از بهترین و کاملترین روشهای تصمیم گیری چند معیاره است در صورت وجود ارتباط داخلی بین عناصر تشکیل دهنده ساختار شبکه، این روش پاسخ هایی به مراتب بهتر و دقیق تر از سایر روشهای تصمیم گیری چند معیاره عرضه می کند.
تکنیک جدید merec : هدف این روش تعیین وزن معیارها در مدلهای گزینه محور (ماتریس تصمیم) می باشد ابتدا ماتریس تصمیم تشکیل شده سپس نرمال سازی انجام می شود. تفاوت این روش با روشهایی نظیر آنتروپی در این است که در این تکنیک وزن بر اساس حذف اثرات معیارها انجام می شود.
گام های تصمیم گیری چند معیاره
در دو مدل قبل هدف وزن دهی به معیارهای پژوهش بود حال مدلهایی دیگر را بررسی خواهیم کرد که هدفشان رتبه بندی گزینه های پژوهش است. مراحل کلی این مدل از تکنیک ها به صورت زیر می باشد:
- تشکیل ماتریس تصمیم گیری
- بی مقیاس سازی
- محاسبه وزن شاخص ها
- انتخاب مدل و پیاده سازی
همانطور که در شکل بالا نیز نشان داده شده است مراحل 4 گانه تصمیم گیری چند معیاره بیان شده است. حال به توضیح گام های این مراحل می پردازیم.
تشکیل ماتریس تصمیم گیری
برای تشکیل ماتریس تصمیم گیری مراحل زیر باید پیاده شوند:
- شناسایی آلترناتیوها/ گزینه ها: این مرحله با استفاده از روش دلفی و یا دلفی فازی نیز قابل احصاء است.
- شناسایی شاخص ها (معیارها): در این گام باید شاخص های تاثیرگذار بر هدف مساله استخراج شوند این گام نیز با استفاده از روش دلفی (دلفی فازی) و یا پیشینه پژوهش و مقالات مشابه قابل دستیابی است.
- تعیین نوع شاخص ها (مثبت و منفی): در این گام باید شاخص ها را از نظر مثبت و منفی بودن تعیین کرد شاخص هایی که جنبه سود دارند از نوع مثبت هستند و شاخص هایی که جنبه هزینه دارند از نوع منفی هستند. ویا یک راه ساده تر این است که این سوال را از خود بکنیم که آیا مثلا فلان معیار اگر افزایش یابد برای سیستم بهتر است یا اگر کاهش یابد برای سیستم بهتر است. حال اگر هر چقدر معیار افزایش یابد برای سیستم بهتر باشد از نوع مثبت است مثل کیفیت محصول . واگر آن معیار هر چقدر کمتر شود برای سیستم بهتر باشد آن معیار از نوع منفی است مثل سختی کار.
- ارزیابی هر آلترناتیو بر اساس هر شاخص: در این گام اگر معیار از نوع کمی باشد باید امتیاز واقعی گزینه نسبت به آن معیار اختصاص یابد و اگر معیار جنبه کیفی داشته باشد باید بر اساس یک طیف امتیاز داده شود.
- تبدیل ارزیابی های کیفی و زبانی به کمی: در این گام اگر امتیازهای معیاری از نوع کیفی باشد باید بر اساس یک طیف استاندارد آن عبارات کیفی را به کمی تبدیل کرد.
- تکمیل و نهایی سازی ماتریس تصمیم گیری
بی مقیاس سازی
بی مقیاس سازی یکی از گام های مهم در تصمیم گیری چند معیاره است و برای بی بعد کردن ماتریس تصمیم استفاده می شود. روش های مختلفی برای بی مقیاس سازی استفاده می شود که در شکل زیر آورده شده است.
با توجه به شکل بالا سه مدل بی مقیاس سازی شامل نرم خطی، نرم اقلیدسی و بی مقیاس سازی خطی در تصمیم گیری چند معیاره مورد استفاده قرار می گیرد.
نرخ خطی
مزیت این شیوه علاوه بر سادگی، آن است كه مجموع عناصر بی مقیاس شده هر معیار برابر یك شده و مقایسه اعداد را ساده تر می سازد. ضمن آن كه نسبت ترجیح گزینه ها بر یكدیگر، قبل و بعد از بی مقیاس سازی ثابت باقی می ماند. این روش با استفاده از رابطه زیر انجام می شود.
نرم اقلیدسی
مشكل عمده این روش آن است كه طول مقیاس اندازه گیری در حالت قبل و بعد از بی مقیاس سازی ثابت باقی نمی ماند. در واقع حداقل و حداكثر مقادیر بی مقیاس شده هر شاخص برابر نبوده و مقایسه شاخص ها با یكدیگر همچنان خالی از اشكال نخواهد بود. روش نرم اقلیدسی با استفاده از رابطه زیر انجام می شود.
بی مقیاس سازی خطی
مزیت این شیوه آن است كه تبدیلات در یك مقیاس خطی انجام شده و نسبت امتیاز عناصر درشاخص ها به یكدیگر، قبل و بعد از بی مقیاس سازی ثابت باقی می ماند. این روش بی مقیاس سازی با استفاده از رابطه زیر صورت می گیرد.
تعیین اوزان شاخص ها
در این گام باید وزن معیارها را با استفاد از روشهای مختلف محاسبه کرد که در شکل زیر نیز آورده شده است.
روش bwm (بهترین بدترین): این روش از روش های تصمیم گیری چند معیاره است که از تکنیک های نوین تصمیم گیری چند شاخصه است که اولین بار در سال 2015 توسط دکتر جعفر رضایی ارائه شد و هدف آن وزن دهی به معیارها و زیرمعیارها است. این روش در مقایسه با روش AHP از مقایسات زوجی کمتری برخوردار است. این روش ابتدا با مقایسات زوجی با اهمیت ترین معیار و دیگر معیارها و دیگر معیارها با کم اهمیت ترین معیار، مدل بهینه سازی غیر خطی را ایجاد می کند و سپس با حل آن مدل در نرم افزارهایی مثل لینگو، اوزان معیارها محاسبه می شود. در مقاله 2016 آقای رضایی یک مدل خطی برای تکنیک bwm ارائه شده است که به مراتب بهتر و دقیق تر از مدل غیر خطی 2015 است.
روش فوکام: این تکنیک در سال 2018 ارائه شد این روش با الگو گرفتن از تکنیک bwm، تعداد مقایسات زوجی را کاهش داده است و یک روش همیشه سازگار می باشد. این تکنیک نیز برای وزن دهی به معیارها و زیرمعیارهای پژوهش مورد استفاده قرار می گیرد.
روش SWARA: این روش از روش های تصمیم گیری چند معیاره در سال 2010 توسط آقای زاوادسکاس و همکاران ارائه شد هدف این روش نیز محاسبه وزن معیارها می باشد. این روش مبتنی بر نظرات خبرگان است. روش سوارا نیز جدیدا در بسیاری از مقالات داخلی و خارجی مورد استفاده قرار می گیرد و به عنوان یک روش مشهور و مفید شناخته شده است. در این روش هر معیار با معیار مهمتر از خود به صورت زوجی مقایسه می شود.
تکنیک CRITIC : این تکنیک از روشهای کلاسیک تصمیم گیری چند معیاره است که بر اساس ماتریس تصمیم به محاسبه وزن معیارهای مساله تصمیم گیری می پردازد و کلیه عملیات وزن دهی را بر اساس انحراف معیار و یا همبستگی بین معیارها انجام می دهد.
تکنیک FARE : این تکنیک در زمره روشهای وزن دهی بر اساس مقایسه ارتباطات معیارها قرار می گیرد این روش در مواقعی که تعداد معیارها زیاد باشد کارایی خوبی نشان می دهد. این تکنیک در سال 2011 ارائه شد.
انتخاب مدل و پیاده سازی
در این بخش با استفاده از مدل های زیر می توان گزینه های پژوهش را رتبه بندی نمود.
روش وزن دهی ساده (SAW): ساده ترین روش تصمیم گیری چند معیاره است. این روش با نام روش ترکیب خطی وزن دار نیز شناخته می شود. این روش توسط هوانگ و یون در سال 1981 ارائه شد. در این روش بعد از بی مقیاس سازی و وزن دار کردن، می توان گزینه های پژوهش را رتبه بندی نمود.
روش برنامه ریزی توافقی: یکی دیگر از روش های تصمیم گیری چند معیاره است. در این روش فاصله گزینه ها، از نقطه ایده آل تعیین می شود و نزدیک بودن یا دور بودن گزینه ها نسبت به نقطه ایده آل مورد بررسی قرار میگیرد. روش برنامه ریزی توافقی در سال 1973 توسط زلنی ارائه شد در این روش گزینه ای بهینه است که حداقل فاصله را نسبت به یک جواب ایده آل داشته باشد.
روش ویکور (VIKOR): این روش که مبتنی بر برنامه ریزی توافقی مسائل تصمیم گیری چندمعیاره است، مسائلی با معیارهای نامتناسب و ناسازگار را مورد ارزیابی قرار میدهد. ویکور در شرایطی که فرد تصمیم گیرنده قادر به شناسایی و بیان برتری های یک مساله در زمان شروع و طراحی آن نیست، این روش می تواند به عنوان ابزاری موثر برای تصمیم گیری مطرح شود.
روش شباهت به گزینه ایده آل (TOPSIS): در این روش از روش های تصمیم گیری چند معیاره، گزینه ها بر اساس شباهت به حل ایده آل رتبه بندی می شوند به طوریکه هر چه یک گزینه به حل ایده آل شبیه تر باشد رتبه بیشتری دارد. این روش تصمیم گیری از پشتوانه ریاضی قوی برخوردار است.
مزایای روش تاپسیس عبارتند از:
1- تصمیم گیری در صورت وجود معیارهای مثبت و معیارهای منفی (حتی توام با هم در یک مساله تصمیم گیری) امکان پذیر است.
2- برای تعیین بهترین گزینه می توان تعداد قابل توجهی معیار مورد بررسی قرار داد در حالی که در روشی مانند AHP عملا در این زمینه محدودیت هایی وجود دارد
3- این روش ساده و دارای سرعت مناسب است و برای تعداد زیادی گزینه و معیار به خوبی پاسخگو است.
4- در این روش به راحتی می توان معیارهای کیفی را کمی کرد و تصمیم گیری با وجود معیارهای کیفی و کمی میسر است.
5- این امکان وجود دارد که بتوان تاثیر ضریب اهمیت معیارها را بر روی رتبه بندی گزینه ها به صورت عددی مشاهده کرد.
روش تسلط تقریبی (ELECTRE): در این روش از مفهوم تسلط به صورت ضمنی استفاده می شود. در این روش گزینه ها به صورت زوجی با یکدیگر مقایسه می شوند و گزینه های مسلط و ضعیف شناسایی شده و سپس گزینه های ضعیف و مغلوب حذف می شوند.
روش دیمتل (DEMATEL): این روش به بررسی تاثیر معیارها بر روی هم می پردازد و روابط بین معیارها را تعیین میکند عموما از این روش به عنوان تعیین کننده روابط بین معیارها یا زیرمعیارها بکار گرفته می شود و به همراه روش ANP می آید. روش دیمتل به عنوان یک روش کمکی برای تعیین شبکه بین معیارها مورد استفاده قرار می گیرد. این روش با یک ماتریس اولیه که تاثیرگذاری معیارها روی هم را بررسی می کند شروع می شود.
روش مدلسازی ساختاری تفسیری (ISM): این روش توسط اقای سیج ارائه شد و تکنیک مشابه روش دیمتل می باشد در واقع این روش به سطح بندی عوامل پژوهش می پردازد و معیارهای مساله را در سطوح مختلف تاثیرگذار و تاثیرپذیر تقسیم می کند. همچنین با استفاده از ماتریس این روش می توان نمودار قدرت نفوذ-وابستگی (نمودار میک مک) را ایجاد کرد.
روش FCM (نقشه شناخت فازی): در این روش هدف ایجاد یک نقشه روابط از معیارهای پژوهش بر اساس شدت تاثیراتی که بر روی یکدیگر می گذارند می باشد همچنین بر اساس شدت تاثیر و تاثیرگذاری و مرکزیت می توان به ایجاد سناریو برای معیارها پرداخت.
روش کمیرا (KEMIRA): علاوه بر روش های متعدد در راستای وزن دهی معیارها و رتبه بندی گزینه ها، روش جدید KEMIRA توسط A.Krylovas.et.al پیشنهاد شده است (2014) ماهیت روش نظریه رای گیری. برای انتخاب بهترین گزینه می باشد.
گام 1: در گام اول بعد از تعیین هدف مساله باید ماتریس تصمیم ساخته شود این ماتریس تصمیم یک ماتریس معیار-گزینه است حال اگر مدل دارای زیرمعیار باشد این ماتریس تصمیم زیرمعیار-گزینه است. یعنی ماتریسی که ستونهای آن زیرمعیارها و سطرهای آن گزینه های پژوهش هستند.
گام 2: در گام دوم بر اساس نظرات خبرگان زیرمعیارهای پژوهش را در دسته خود رتبه بندی میکنیم. به عنوان مثال اگر معیار A دارای 3 زیرمعیار باشد این زیرمعیارها از رتبه 1 تا 3 رتبهبندی میشوند. و سپس به سراغ رتبهبندی زیرمعیارهای معیار B میرویم.
گام 3: در این بخش باید ماتریس تصمیم اولیه را تکمیل کرد. به همین منظور پرسشنامه ای تهیه گردید و از خبرگان خواسته شد تا بر اساس طیف پنج تایی لیکرت (خیلی کم=1، کم=2، متوسط=3، زیاد=4 و خیلی زیاد=5) به ارزیابی هریک از گزینههای تحقیق بر اساس معیارهای چند گانه بپردازند که و در نهایت میانگین حسابی نظرات تمامی خبرگان به عنوان ماتریس نهایی انتخاب خواهد شد.
روش ماباک (MABAC): این روش در سال 2015 جهت رتبه بندی آلترناتیوهای پژوهش ارائه شد در این روش رتبه بندی بر اساس فاصله از میانگین هندسی گزینه ها صورت می گیرد.
روش SAR: روش رتبه بندی تجمعی ساده (Simple Addition Ranking) یکی از روشهای تصمیم گیری چند معیاره است که مبتنی بر رتبه بندی گزینه ها با توجه به شاخص های تاثیرگذار بر هر یک از آن ها است.
روش ارسته (ORESTE): تکنیک ORESTE (ارسته) در سال ۱۹۷۹ در یک کنفرانس مربوط به مباحث تصمیم گیری چند شاخصه توسط مارک روبنز استاد دانشگاه پلی تکنیک بلژیک مطرح شد و در سال ۱۹۸۲ این تکنیک توسط خود او به صورت مقاله منتشر شد. هدف این روش نیز رتبه بندی آلترناتیوهای پژوهش بر اساس تعدادی شاخص می باشد.
روش SECA (اولویت بندی معیارها و رتبه بندی گزینه ها به صورت همزمان): این روش از جدیدترین تکنیک های تصمیم گیری چند معیاره است که طی پژوهشی در سال 2018 ارائه شد همانطور که از نام این روش پیداست این تکنیک جهت وزن دهی و رتبه بندی به معیارها و گزینه ها به صورت همزمان و با استفاده از ماتریس تصمیم استفاده می شود. در این روش ابتدا بر اساس ماتریس تصمیم نرمال شده یک مدل بهینه سازی غیر خطی تشکیل می شود و سپس توسط نرم افزار لینگو و یا گمز حل شده و جواب های حاصل وزن معیارها و امتیاز نهایی گزینه ها است.
تکنیک MAIRCA یکی از تکنیک های گزینه محور تصمیم گیری چند معیاره می باشد که توسط توسط مرکز تحقیقات لجستیک دانشگاه دفاع در بلگراد توسعه یافت در سال 2014 ارائه شد. این روش دارای شش گام می باشد که در نهایت رتبه بندی گزینه ها حاصل می شود. از جمله ورودی های این روش ماتریس تصمیم، وزن معیارها و نوع معیارها می باشد. در این روش از تعارفی چون شکاف، وزن واقعی، وزن نظری استفاده می شود که در رتبه بندی دخیل هستند. در واقع در این تکنیک بهترین گزینه، موردی می باشد که کمترین شکاف را داشته باشد.
روش OPA از روشهای جدید تصمیم گیری چند معیاره می باشد که در سال 2021 ارائه شده است این روش بی نیاز از هر گونه نرمال سازی، ادغام نتایج، تشکیل ماتریس های مقایسات زوجی و… است. هدف این روش وزن دهی به معیارها و رتبه بندی گزینه ها بر اساس مدل بهینه سازی خطی است
تکنیک مارکوس (MARCOS) : این تکنیک از جدیدترین روشهای رتبه بندی آلترناتیوهای مساله تصمیم گیری چند معیاره است که در سال 2020 ارائه شد. این تکنیک همانند دیگر روشهای هم خانواده اش مثل آراس، تاپسیس و … با تشکیل ماتریس تصمیم به رتبه بندی آلترناتیوها می پردازد این روش نیز به تنهایی قادر به محاسبه وزن معیارها نمی باشد و به عنوان روش کمکی با دیگر تکنیک ها از جمله AHP آورده می شود.
کاربرد تکنیک های تصمیم گیری چند معیاره در دنیای واقعی
تکنیک های تصمیم گیری چند معیاره (MCDM) در بسیاری از زمینه ها مورد استفاده قرار میگیرند.
1. انتخاب مکان برای ساخت یک پروژه: در این حوزه، تکنیک های MCDM میتوانند برای تعیین مکان مناسب برای ساخت یک پروژه استفاده شوند. عوامل مختلفی مانند هزینه ها، دسترسی به منابع، تاثیرات زیست محیطی و … در این تصمیم نقش دارند.
2. انتخاب تأمین کننده: در صنایع مختلف، انتخاب تأمین کننده مناسب برای تأمین مواد اولیه یا خدمات بسیار مهم است. تکنیک های MCDM میتوانند در اینجا به شما کمک کنند تا با استفاده از معیارهای مختلف مانند قیمت، کیفیت، زمان تحویل و … تأمین کننده مناسب را انتخاب کنید.
3. انتخاب استراتژی تولید: در محیط های صنعتی، تصمیم گیری در مورد استراتژی تولید بسیار مهم است. تکنیک های MCDM میتوانند به شما کمک کنند تا با استفاده از معیارهای مختلف مانند هزینه، کیفیت، زمان و … استراتژی مناسب را برای تولید انتخاب کنید.
4. انتخاب پروژه های سرمایه گذاری: در حوزه سرمایه گذاری، تصمیم گیری در مورد انتخاب پروژه های مناسب برای سرمایه گذاری بسیار پیچیده است. تکنیک های MCDM میتوانند به شما کمک کنند تا با استفاده از معیارهای مختلف مانند بازده، ریسک، پایداری و … پروژه مناسب را انتخاب کنید.
5. انتخاب محصول برتر: در صنایع مختلف، تصمیم گیری در مورد انتخاب محصول برتر و موفق بسیار مهم است. تکنیک های MCDM میتوانند به شما کمک کنند تا با استفاده از معیارهای مختلف مانند قیمت، کیفیت، نوآوری و … محصول برتر را انتخاب کنید.
عدم قطعیت در تصمیم گیری چند معیاره
در تصمیم گیری عدم قطعیت بسیار مورد استفاده قرار می گیرد این عدم قطعیت به علت وجود ابهامات در تصمیم گیری است که توسط پاسخ دهندگان و یا داده های مساله ایجاد می شود. مثلا ممکن است یک معیار قیمت در نظر بگیرید و قیمت یک کالا را به صورت دقیق ندانیم ممکن است بازه ای از قیمت تعریف کنیم. به این حالت که مقدار دقیق یک معیار را ندانیم حالت عدم قطعیت ایجاد می شود. حتی در معیارهایی که جنبه کیفی دارند این عدم قطعیت با استفاده از طیف های مختلف استفاده می شود. درشکل زیر این دسته بندی آورده شده است.
تصمیم گیری چند معیاره در محیط فازی
در مدل های قطعی معیارهایی همچون کیفیت خیلی مطلوب یا قیمت پایین به صورت عباراتی مبهم و غیر دقیق بیان می شوند که به آسانی این عبارات مبهم را نمی توان مورد محاسبه قرار داد، در این موارد تئوری مجموعه های فازی بهترین ابزار برای شرایط غیر قطعی است و تکنیک تصمیم گیری چندمعیاره، تصمیم گیرندگان را در ارزیابی یک مجموعه از گزینه ها یاری می کنند. در شرایطی که پیچیدگی زیاد بوده و داده های کافی موجود نیست یا اطلاعات مبهم و غیرصریح، وجود دارد می توان از این روش استفاده کرد. در حل مسائلی که درک آنها مشکل است منطق فازی ابزار توانمندی به شمار می آید. منطق فازی در قیاس با مجموعه های کلاسیک و بوسیله مفهوم درجه عضویت قابل تشریح است. به طورکلی تئوری فازی برای مدل سازی دو نوع اصلی نبود قطعیت به کار می رود. نوع اول، عدم قطعیت در رابطه با ضعف دانش و ابزار بشری در شناخت پیچیدگی های یک پدیده می باشد. نوع دوم عدم قطعیت مربوط به عدم شفافیت مربوط به یک پدیده یا ویژگی خاص می باشد. یعنی یک پدیده ممکن است به طور ذاتی غیرصریح و وابسته به قضاوت افراد باشد. چنانچه این تئوری بر پایه ریاضیات پیشرفته و پیچیده ای قرار دارد، یادگیری آن بسیار آسان است. از نظر تئوری هر سیستمی که توسط این منطق طراحی شده با سایر تکنیک ها پیاده سازی مرسوم نیز قابل پیاده سازی است، اما ممکن است این شیوه ها نسبت به منطق فازی پیچیده تر و مشکل تر باشند.
محیط فازی اولین بار توسط آقای لطفعلی زاده ارائه شد و برای غلبه بر ابهامات موجود در تصمیم گیری بیان شد. ابهامات موجود در تصمیم گیری منظور همان عبارت کلامی در مقایسات است عباراتی که از خیلی زیاد، خیلی کم و … تشکیل شده است. در محیط فازی با اعداد فازی در رابطه هستیم عدد فازی دو مدل هستند یکی عدد فازی مثلثی و دیگری عدد فازی ذوزنقه ای . تفاوت این دو عدد در بیان ابهامات است . عدد فازی مثلثی دارای 3 درایه و عدد فازی ذوزنقه ای دارای 4 درایه است. البته در پژوهش ها و مقالات بیشتر از عدد فازی مثلثی استفاده شده است. شکل زیر نمایی از عدد فازی مثلثی می باشد.
تمامی تکنیک هایی که در بالا به آن ها اشاره شد قابلیت پیاده سازی در محیط فازی را دارند مانند AHP فازی، ANP فازی، تاپسیس فازی و …
آخرین محیط فازی که توسط لطفعلی زاده در سال 2011 ارائه شد فازی z می باشد که بر اساس اعداد فازی z می باشد این اعداد دارای دو بخش میزان اهمیت و درجه قطعیت می باشد. یعنی دارای دو تارع ارجحیت است. پیاده سازی روشهای مختلف تصمیم گیری چند معیاره در محیط Z نیز باعث دقت در نتایج می شود.
چنانچه نیازمند مشاوره رایگان و یا انجام پروژه های خود با تمامی روشهای تصمیم گیری چند معیاره را دارید با ما تماس بگیرید
مطالب مشابه و پیشنهادی:
سلام وقت بخیر ببخشید موضوع پایان نامه من تعیین میزان پایداری آبخوان هست با استفاده از وزن دهی به شاخص هاست شما استفاده از کدام یک از روش ها را پیشنهاد می کنید؟؟
سلام. صرفا بر اساس موضوع نمیشه روش وزن دهی پیشنهاد داد. شما در ایتا یا تل.گرام به شماره 09338859181 پیام بدید اطلاعات کارتون رو بفرستید راهنماییتون میکنم که دقیقا چه روشی رو انتخاب کنید
چشم . ممنونم
سلام تشکر بابت مطالب مفیدتون
جسارتا برای رفرنس دادن به مطالبتون چه چیزی باید بنوسیم؟
سلام. مشابه این مطالب در تمامی کتاب های تصمیم گیری معیارها موجود است. البته متن این سایت از برداشت ها و تجربیات مدیر سایت می باشد
خیلی کمک کرد که دید کلی بگیرم . تشکر . در صورت امکان تفاوت روشها، محل کاربرد ، مزایا یا معایب هر کدام را هم بنویسید.
بی نظیر بود توضیحات تون. پایدار باشید
راجبه روش fr(frequncy ratio) جزوه یا مطلبی دارید پیشنهاد کنید؟
سلام. خیر دوست عزیز مطلبی ندارم