توسعه تاپسیس با درنظر گرفتن پراکندگی بین شاخصهای هر گزینه

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشجوی دکترای مدیریت تحقیق در عملیات، دانشکده علوم اداری و افتصاد، دانشگاه فردوسی مشهد

2 استاد گروه مدیریت ، دانشکده علوم اداری و افتصاد، دانشگاه فردوسی مشهد

چکیده

تاپسیس که در گروه جبرانی روشهای تصمیمگیری قراردارد، بر این مفهوم که گزینه انتخابی باید کمترین فاصله را با
راه حل ایدهآل مثبت و بیشترین فاصله را با راه حل ایدهآل منفی داشته باشد، استوار است. وجود روند یکنواخت افزایشی
و کاهشی در شاخصهای مثبت و منفی از جمله ویژگیهای تاپسیس در تعیین نقاط ایدهآل مثبت و منفی است. این
درحالی است که میزان مطلوبیت اختصاص یافته به تصمیمگیرنده بعد از یک سطح مشخصی در هر شاخص چندان
ملموس نخواهد بود. بنابراین در رتبهبندی گزینهها علاوه بر مقدار هر گزینه در هر شاخص، مقدار توازن بین شاخصهای
هر گزینه باید درنظر گرفته شود تا یک گزینه که در یک شاخص مهم دارای جایگاه مناسب است ولی در سایر شاخصها
جایگاه مناسبی ندارد، شانس اول انتخاب نباشد. برای این منظور در این مقاله سعی شد با اضافه کردن بعد مجازی به
ماتریس تصمیم که از انحرافات میان شاخصهای هر گزینه حاصل میشود، ضعف ذکر شده تا حد ممکن جبران شود. به-
منظور ارزیابی روش ارائه شده، از سه مثال متفاوت استفاده شد. بدین ترتیب که ابتدا توسط روش پیشنهادی ، تاپسیس،
VIKOR ، Deng و SAW هریک از سه مثال ارائه شده حل و سپس با استفاده از ضریب همبستگی اسپیرمن تعداد
همبستگیهای معنی دار میان روش پیشنهادی و تاپسیس با سه روش دیگر مقایسه شد. در ادامه درصد مشابهت رتبه بندی
روش پیشنهادی و تاپسیس با VIKOR ، Deng و SAW مقایسه شد

کلیدواژه‌ها


عنوان مقاله [English]

Extension of the TOPSIS Considering the Dispersion among the Criteria of Each Alternative

نویسندگان [English]

  • Siamak Kheybari 1
  • Mostafa Kazemi 2
چکیده [English]

TOPSIS is located in compensatory decision-making methods. The basic principle is that the chosen alternative should have the shortest distance from the positive ideal solution and the longest distance from the negative ideal solution. The existence of incremental and decreasing uniform trend in positive and negative criteria is one of the TOPSIS characteristics in determining positive and negative ideal points. While the utility assigned to the decision maker after a certain level in each criterion will be less tangible. Therefore, in the ranking of alternatives in addition to the value of each alternative in each indicator, the balance among criteria of each alternative should be considered so the alternative that has an appropriate place in an important indicator, but does not have an appropriate place in other criteria, not to be the first chance for selecting. For this purpose, in this paper by adding virtual dimension to the decision matrix that comes from the deviations among criteria of each alternative, we have tried to compensate the mentioned weakness. To evaluate the proposed method, three different examples are presented. Thus, each of the three provided examples, solved by proposed method, TOPSIS, VIKOR, Deng and SAW and then by using the Spearman correlation coefficient the number of significant correlation relationships between the proposed method and TOPSIS with the other three methods were compared. Then, the rating similarity percentage of the proposed method and TOPSIS were compared with VIKOR, Deng and SAW.

کلیدواژه‌ها [English]

  • TOPSIS
  • Positive and Negative-Ideal Point
  • Dispersion among Criteria
  • Utility
-          Ashtiani, B., Haghighirad, F., Makui, A., & ali Montazer, G. (2009). »Extension of Fuzzy TOPSIS Method Based on Interval-Valued Fuzzy Sets«. Applied Soft Computing, 9(2), 457-461.
-          Behzadian, M., Otaghsara, S. K., Yazdani, M., & Ignatius, J. (2012). »A State-of the-Art Survey of TOPSIS Applications«. Expert Systems with Applications, 39(17), 13051-13069.
-          Chen, C.-T. »Extensions of the TOPSIS for Group Decision-making Under Fuzzy Environment«. Fuzzy sets and systems, 114 (2000) 1-9.
-          Deng, H. (2007, August). »A Similarity-Based Approach to Ranking Multicriteria Alternatives«. In International Conference on Intelligent Computing (pp. 253-262). Springer Berlin Heidelberg.
-          Hwang, C. L., & Yoon, K. (2012). »Multiple Attribute Decision Making: Methods and Applications a State-of-the-Art Survey« (Vol. 186). Springer Science & Business Media.
-          Jahanshahloo, G. R., Lotfi, F. H., & Davoodi, A. R. (2009). »Extension of TOPSIS for Decision-Making Problems with Interval Data: Interval Efficiency«. Mathematical and Computer Modelling, 49(5), 1137-1142.
-          Jahanshahloo, G. R., Lotfi, F. H., & Izadikhah, M. (2006). »Extension of the TOPSIS Method for Decision-making Problems with Fuzzy Data«. Applied Mathematics and Computation, 181(2), 1544-1551.
-          Kelemenis, A., & Askounis, D. (2010). »A New TOPSIS-Based Multi-Criteria Approach to Personnel Selection«. Expert systems with applications, 37(7), 4999-5008.
-          Opricovic, S., & Tzeng, G. H. (2004). »Compromise Solution by MCDM Methods: A Comparative Analysis of VIKOR and TOPSIS«. European journal of operational research, 156(2), 445-455.
-          Park, J. H., Park, I. Y., Kwun, Y. C., & Tan, X. (2011). »Extension of the TOPSIS Method for Decision Making Problems Under Interval-Valued Intuitionistic Fuzzy Environment«. Applied Mathematical Modelling, 35(5), 2544-2556.
-          Rao, R. V., & Davim, J. P. (2008). »A Decision-Making Framework Model for Material Selection Using a Combined Multiple Attribute Decision-Making Method«. The International Journal of Advanced Manufacturing Technology, 35(7), 751-760.
-          Sabaghi, M., Mascle, C., & Baptiste, P. (2015). »Application of DOE-TOPSIS Technique in Decision-Making Problems«. IFAC-PapersOnLine, 48(3), 773-777.
-          Wang, Y. J. (2008). »Applying FMCDM to Evaluate Financial Performance of Domestic Airlines in Taiwan«. Expert Systems with Applications, 34(3), 1837-1845.
-          Wang, Y. M., & Elhag, T. M. (2006). »Fuzzy TOPSIS Method Based on Alpha Level Sets with an Application to Bridge Risk Assessment«. Expert systems with applications, 31(2), 309-319.
-          Yue, Z. (2012). »Extension of TOPSIS to Determine Weight of Decision Maker for Group Decision Making Problems with Uncertain Information«. Expert Systems with Applications, 39(7), 6343-6350.