پاورپوینت تکنیک تاپسیس (pptx) 16 اسلاید
دسته بندی : پاورپوینت
نوع فایل : PowerPoint (.pptx) ( قابل ویرایش و آماده پرینت )
تعداد اسلاید: 16 اسلاید
قسمتی از متن PowerPoint (.pptx) :
TOPSIS
(یکی از روشهای تصمیم گیری چند شاخصه)
تکنیک تاپسیس
Technique of Order Preference by Similarity to Ideal Solution
اولویت بندی بر اساس شباهت به راه حل ایده آل،
که نخستین بار بوسیله ونگ و یون در سال 1981 معرفی شد، یکی از روش های تصمیم گیری چند معیاره مانند AHP است. از این تکنیک می توان برای رتبه بندی و مقایسه گزینه های مختلف و انتخاب بهترین گزینه و تعیین فواصل بین گزینه ها و گروه بندی آنها استفاده نمود.
در این روش m گزینه به وسیله n شاخص(معیار) مورد ارزیابی قرار میگیرند و هر مساله را می توان به عنوان یک سیستم شامل m نقطه در یک فضای n بعدی در نظر گرفت.
TOPSIS بر این مفهوم استوار است که گزینه انتخابی باید کمترین فاصله را با راه حل ایده آل مثبت و بیشترین فاصله را با راه حل ایده آل منفی داشته باشد.
این روش دارای 6 گام است:
گام صفر: به دست آوردن ماتریس تصمیم
در این روش ماتریس تصمیمی ارزیابی میشود که شامل m گزینه و n شاخص است.
در این ماتریس شاخصی که دارا ی مطلوبیت مثبت است، شاخص سود و شاخصی که دارای مطلوبیت منفی ست ، شاخص هزینه می باشد.
گام اول: نرمالایز کردن ماتریس تصمیم
در این گام مقیاسهای موجود در ماتریس تصمیم را بدون مقیاس می کنیم.به این ترتیب که هر کدام از مقادیر بر اندازه بردار مربوط به همان شاخص تقسیم می شود.
در نتیجه هر درایه rij از رابطه زیر به دست می آید:
گام دوم: وزن دهی به ماتریس نرمالایز شده:
ماتریس تصمیم در واقع پارامتری است و لازم است کمی شود ،به این منظور تصمیم گیرنده برای هر شاخص وزنی را معین میکند.
مجموعه وزنها((w در ماتریس نرمالایز شده(R) ضرب میشود.
با توجه به اینکه ماتریسWn*1 قابل ضرب در ماتریس تصمیم نرمالایز شده(n*n) نیست، قبل از ضرب باید ماتریس وزن را به یک ماتریس قطری Wn*n تبدیل نمود.(وزنها روی قطر اصلی)
گا م سوم: تعیین راه حل ایده آل و راه حل ایده آل منفی:
دو گزینه مجازی A* و A- را به صورتهای زیر تعریف می کنیم:
دو گزینه مجازی ایجاد شده در واقع بدترین و بهترین راه حل هستند.
گام چهارم: به دست آوردن اندازه فاصله ها
فاصله بین هر گزینه n بعدی را از روش اقلیدسی می سنجیم.یعنی فاصله گزینه i را از گزینه های ایده آل مثبت و منفی می یابیم.
گام پنجم : محاسبه نزدیکی نسبی به راه حل ایده آل
این معیار از طریق فرمول زیر به دست می آید:
مشخص است که هر چه فاصله گزینه Ai از راه حل ایده آل کمتر باشد نزدیکی نسبی به 1 نزدیکتر خواهد بود.