افزایش دقت محاسبات و کاهش مقایسات زوجی مبتنی بر خوشه بندی معیارهای تصمیم و روش بهترین- بدترین فازی (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
در برخی از موارد با توجه به ابهام ناشی از قضاوت های کیفی، کثرت معیارهای تصمیم و درنتیجه افزایش محاسبات، محققین با روش های مختلف اقدام به حذف تعدادی از معیارها بر اساس نظرات کارفرما می نمایند. درصورتی که ممکن است در شرایط واقعی حذف برخی از معیارهای به ظاهر کم اهمیت، درنهایت به نتایج ضعیف در انتخاب بهترین گزینه منجر گردد. این مقاله درصدد است، ضمن رفع این کاستی ها، یک رویکرد ترکیبی جدید جهت افزایش دقت در محاسبات و کاهش مقایسات زوجی برای تعیین اوزان بهینه معیارهای تصمیم ارائه نماید. ازاین رو، ابتدا معیارهای تصمیم بر اساس تلفیق نظرات تصمیم گیرنده و روش آنتروپی شانون امتیازدهی و با روش K-means خوشه بندی می شوند. سپس، فرآیند وزن دهی معیارهای هر خوشه به صورت مجزا با روش بهترین- بدترین فازی انجام می گیرد. به منظور اطمینان از صحت نتایج، چند مثال عددی نیز ارائه شده است. نتایج نشان می دهد که رویکرد ترکیبی پیشنهادی علاوه بر جلوگیری از حذف برخی از معیارهای تصمیم، منجر به افزایش دقت در محاسبات و کاهش مقایسات زوجی بین معیارها نسبت به روش بهترین- بدترین می شود. به عبارت دیگر، نتایج این رویکرد ضمن نیاز به داده های مقایسه ای کمتر، جواب های قابل اطمینان تری را نیز در اختیار تصمیم گیرنده قرار می دهد.Increasing the Accuracy of Calculations and Reducing Pairwise Comparisons Based on Clustering Decision Criteria and the Fuzzy Best-worst Method
In some cases, due to the ambiguity caused by qualitative judgments, the multiplicity of decision criteria, and the resulting increase in calculations, researchers use different methods to eliminate a number of criteria based on the employer's opinions. However, in real conditions, eliminating some seemingly unimportant criteria may ultimately lead to poor results in selecting the best option. This article seeks to address these shortcomings and present a new combined approach to increase the accuracy of calculations and reduce pairwise comparisons to determine the optimal weights of decision criteria. Therefore, first, the decision criteria are scored based on the combination of the decision maker's opinions and the Shannon entropy method and clustered using the K-means method. Then, the weighting process of the criteria in each cluster is performed separately using the best-worst fuzzy method. In order to ensure the accuracy of the results, several numerical examples are also provided. The results show that the proposed hybrid approach, in addition to preventing the elimination of some decision criteria, leads to increased accuracy in calculations and reduced pairwise comparisons between criteria compared to the best-worst method. In other words, the results of this approach, while requiring less comparative data, also provide more reliable answers to the decision maker.
تبلیغات
