روش ميانگين گيري وزني مرتب شده (OWA)
در بعضی از مطالعاتی که در حوزه تصمیم گیری گروهی انجام شده مطالعات صورت گرفته، بدون توجه به سازگاری و ناسازگار بودن نظرات، از این نظرات استفاده شده است. در تصمیم گیری های گروهی و تفاوت ان با تصمیم گیری فردی، بیشتر از انکه به تعداد افراد توجه شود، به سازگاری بین اهداف عالی و اولویت های گروه مبتنی است. در اینگونه مطالعات فرض شده که همه تصمیم گیرندگان در مورد موضوع اولویت ها نظر واحدی دارند که این در واقعیت غیر ممکن است یعنی این امکان وجود دارد که بعضی از افراد نظری داشته باشد که اگر با نظر سایر اعضا تلفیق شود ما به نتیجه بهینه ای نرسیم . همچنین برای تعیین اولویت های گروهی، از اولوییت های فردی میانگین گیری شده است و این در حالی است که اگر بین نظرات فردی اختلاف زیادی وجود داشته باشدف میانگین گیری از اولیت ها، نتیجه مطلوبی را بدنبال نخواهد داشت.
در يك مسأله تصميم گيري، افراد ريسک پذير بر روي خواص خوب يك گزينه و افراد ريسك گريز بر روي خواص بد يك گزينه تاكيد می کنند و آنرا ملاک انتخاب خود قرار می دهند. روش OWA قادر است میزان ریسک پذیری و ریسک گریزی افراد را مد نظر قرار دهد و آن را در رتبه بندی گزینه ها اعمال کند. این تکنیک اولین بار توسط یاگر (Yager) در سال 1988 معرفی شد.
ترکیب ارزیابی ها و قضاوت ها نقش مهمی در تصمیم گیری های چندمعیاره ایفا می کند. یاگر عملگر میانگین وزنی مرتب شده را تعریف کرد تا روشی را برای ترکیب معیارها در تصمیم گیری چندمعیاره فراهم کند. عبارت مرتب شده به طور ضمنی بیان می کند که عملگر OWA یک ترکیب غیرخطی از ورودی های مفروض را حساب می کند. از زمان ظهور این روش، عملگر OWA در محدوده وسیعی از کاربردها از جمله شبکه های عصبی، سیستم پایگاه داده، کنترل کننده های منطقی فازی، مسائل تصمیم گیری گروهی همراه با ارزیابی های زبانی، داده کاوی، مدیریت ورزشی، تصمیم گیری مالی، پیش بینی نرخ رشد سهام و تصمیم گیری با شاخص های فاصله استفاده شده است.
دلیل اصلی این امر قابیلت انعطاف بالای این روش برای مدل کردن بخش وسیعی از عملگرهای ترکیبی مورد استفاده می باشد زیرا این عملگر توسط یک پارامتر تعریف نمی شود بلکه توسط یک بردار وزن مشخص می گردد. با انتخاب مناسب بردار وزن می توان انواع مختلفی از روابط بین معیارهایی که قرار است ترکیب شوند را مدلسازی کرد.
ترکیب ارزیابی ها توسط عملگر OWA به طور کلی شامل 3 مرحله زیر می باشد:
1- مرتب سازی متغیرهای ورودی
2- تعیین وزن های مرتبط با عملگر OWA با استفاده از یک روش مناسب
3- بکارگیری عملگر OWA برای ترکیب آرگومان های مرتب شده
تاکنون مدل های زیاد برای تکنیک OWA ارائه شده است که دو مدل آن بسیار پر کاربرد می باشد یکی مدل اصلی یاگر و دیگری مدل اوگان در سال 1988 و دیگر مدل ماکزیمم آنتروپی یکنوای نوع دوم توسط کاپور و شرما (2002) است.
در اولین مدل ابتدا با استفاده از رابطه زیر درجه ریسک پذیری عملگر OWA را مشخص می کنیم. هر چه مقدار orness بیشتر باشد نشان دهنده خوشبینی و یا ریسک پذیری تصمیم گیر بیشتر خواهد بود و هر چه این مقدار کمتر باشد میزان بدبینی و یا ریسک گریز بودن تصمیم گیر بیشتر است.
معمولا مقدار OR ness بیشتر از 0.5 نشان دهنده تصمیم گیر ریسک پذیر ، برابر با 0.5 تصمیم گیر خنثی و کمتر از 0.5 نشان دهنده تصمیم گیر ریسک گریز است.
دومین مدل، مربوط به پژوهش اوگان (1988) است. این یک مدل غیر خطی است که در زیر آورده شده است. هدف از حل این مدل محاسبه Wi ها به ازای مقادیر مختلف آلفا است. که این مقادیر برای تصمیم گیرنده ریسک گریز تا ریسک پذیر متغیر است.
سومین مدل، مدل ماکزیمم آنتروپی یکنوای نوع دوم است با حل این مدل نیز مقادیر مختلف w حاصل می شود که می توان جهت رتبه بندی گزینه های پژوهش در مدل OWA از آن استفاده کرد.
تمامی مدل ها و محاسبات بالا رویکرد OWA در محیط قطعی بود برای پیاده سازی روش OWA در محیط فازی نیز جهت غلبه بر ابهامات کلامی پاسخ دهنده استفاده می شود.
فیلم آموزش روش OWA و OWA فازی تهیه شده است و در لینک زیر قرار داده شده است. جهت دانلود بر روی لینک زیر کلیک کنید.
سلام
آیا میشود این فرمول را در محیط ارک مپ وارد کرد و برای روی هم گذاری لایه ها استفاده کرد؟
سلام وقت بخیر بنده gis مسلط نیستم
با عرض سلام و خسته نباشید. آیا فیلم منتشر شده در سایت که مربوط به آموزش روش OWA می باشد توسط مهندس کبریایی آموزش داده شده است؟ یا متعلق به کس دیگری است؟
سلام
بله