یک رویکرد مبتنی بر تحلیل پوششی داده‌ها با مرز دوگانه برای تعیین اولویت و به دست آوردن وزن در فرآیند تحلیل سلسله‌مراتبی

نویسندگان

1 گروه ریاضی، واحد پارس‌آباد مغان، دانشگاه آزاد اسلامی، پارس‌آباد مغان، ایران

doi
10.22105/dmor.2023.350085.1630
چکیده

هدف: فرآیند تحلیل سلسله‌مراتبی یک روش تصمیم‌گیری چندمعیاره است که در عرصه‌های مختلفی به‌صورت گسترده مورد استفاده قرار گرفته است. به دست آوردن اولویت‌های معیارها یا گزینه‌های تصمیم از ‏ماتریس‌های مقایسه زوجی در AHP به‌صورت گسترده‌ای مورد مطالعه قرار گرفته است. این مقاله رویکرد «DEA با مرز دوگانه» را برای تعیین اولویت در AHP پیشنهاد می‌کند. در این رویکرد جدید، از دو مدل DEA خوش‌بینانه و بد‌بینانه برای به دست آوردن بهترین اولویت‌های محلی از یک ماتریس مقایسه‌ زوجی، صرف نظر از این‌که کاملا سازگار باشد یا نباشد، استفاده می‌شود.روش‌شناسی پژوهش: یکی از روش‌های تعیین اولویت، تحلیل پوششی داده‌ها است که در ترکیب با AHP، روش DEAHP را برای به دست آوردن و تجمیع وزن‌ها در AHP ایجاد می‌کند. بررسی‌ها نشان می‌دهد که روش DEAHP برای به دست آوردن و تجمیع وزن‌ها در AHP، معیوب است و گاه برای ماتریس‌های مقایسه‌ زوجی ناسازگار، بردارهای اولویت مخالف با شهود ایجاد می‌کند که موجب محدودیت کاربرد آن می‌شود. در این مقاله، یک رویکرد مبتنی بر «DEA با مرز دوگانه» را برای غلبه بر مشکلات DEAHP ارایه می‌کنیم.یافته‌ها: به خاطر نیاز به توسعه‌ نظریه‌ DEAHP و روش‌های آن و هم کاربردهای واقعی آن، مدل DEAHP ‏بد‌بینانه‌ جدیدی را پیشنهاد کردیم که یک معیار یا گزینه تصمیم را از دیدگاه بد‌بینانه ارزیابی می‌کند. سپس با استفاده از یک شاخص، وزن‌های به دست آمده از دیدگاه‌های خوش‌بینانه و بد‌بینانه را تلفیق کردیم تا یک ارزیابی کلی از معیارها یا گزینه‌های تصمیم به دست آید. چند مثال عددی، ازجمله یک کاربرد واقعی از AHP برای انتخاب یک تیم نوآوری برای یک دانشگاه ارایه شدند، نتایج نشان‌دهنده‌ مزایای رویکرد پیشنهادی و کاربردهای بالقوه‌ آن می‌باشند.اصالت/ارزش افزوده علمی: رویکرد DEA با مرز دوگانه برای ماتریس‌های مقایسه‌ زوجی کاملا سازگار وزن‌های حقیقی تولید می‌کند و برای ماتریس‌های مقایسه‌ زوجی ناسازگار، بهترین اولویت‌های محلی را ایجاد می‌کند که منطقی و متناسب با قضاوت‌های ذهنی تصمیم گیرندگان هستند.