مقدمه
انتخاب یک روش تصمیم گیری چند ویژگی مناسب (MADM) برای ارائه راه حلی برای یک مشکل MADM معین، همیشه تلاشی چالش برانگیز است.
چالش برای شرایطی که برای یک مشکل MADM خاص چندین روش MADM با درجه مناسبی مشابه وجود دارد، حتی بیشتر است.
تکنیک اولویت سفارش بر اساس شباهت به راه حل ایده آل (TOPSIS) و نوع غالب آن روش های اصلاح شده TOPSIS دو روش بسیار مشابه هستند که برای یک نوع از مسائل MADM قابل استفاده هستند.
تصمیم گیری چندمعیاره
انتخاب یک روش تصمیم گیری چند ویژگی مناسب (MADM) برای یک مسئله MADM معین، همیشه یک کار چالش برانگیز است.
نیاز به مقایسه مقایسه ای برای روش ها در طول انتخاب در مطالعات برجسته شده است.
در حوزه MADM، تکنیک اولویت سفارش بر اساس شباهت به راه حل ایده آل (TOPSIS) به دلیل سادگی و مفهوم اساسی آن که بهترین راه حل نزدیک به راه حل ایده آل مثبت و دورتر از روش MADM بسیار مورد توجه، اعمال و اتخاذ شده است.
تکنیک تاسیس
راه حل ایده آل منفی گونه‌ای از TOPSIS به نام TOPSIS اصلاح‌شده با فرآیند استخراج وزن هدف مبتنی بر آنتروپی
با این استدلال که وزن ذهنی ممکن است همیشه امکان‌پذیر نباشد و
وزن ویژگی متفاوت از TOPSIS در هنگام حل مشکلات MADM به کار گرفته شود، توسعه یافت.
هم TOPSIS و هم TOPSIS اصلاح شده برای حل مسئله MADM توسط محققان و پزشکان مختلف استفاده شده است.
TOPSIS به طور گسترده با بیش از 13000 نقل قول برای مسئله MADM عملی به دلیل پایه ریاضی صحیح، سادگی و سهولت کاربرد آن استفاده شده است.
TOPSIS با الهام از روش های جدید و تحلیل تطبیقی بر اساس آن، به عنوان یکی از روش های اساسی MADM به شمار می رود.
TOPSIS به طور گسترده در زمینه هایی مانند:
- تصمیم گیری خرید و انتخاب ارائه دهنده برون سپاری
- تصمیم گیری تولید
- تجزیه و تحلیل عملکرد مالی
- ارزیابی کیفیت خدمات
- برنامه های کاربردی انتخاب آموزشی
- انتخاب فناوری
- انتخاب مواد
- انتخاب محصول
- ارزیابی استراتژی و
- برنامه ریزی ماموریت حیاتی
استفاده شده است.
تکنیک ترتیب اولویت بر اساس شباهت به راه حل ایده آل (TOPSIS) یک روش تجزیه و تحلیل تصمیم گیری چند معیاره است که در ابتدا توسط چینگ لای هوانگ و یون در سال 1981 با پیشرفت های بیشتر توسط یون در سال 1987 و هوانگ، لای و لیو توسعه یافت.
در سال 1993. TOPSIS بر این مفهوم استوار است که جایگزین انتخاب شده باید:
کوتاه ترین فاصله هندسی را از راه حل ایده آل مثبت (PIS) و طولانی ترین فاصله هندسی را از راه حل ایده آل منفی (NIS) داشته باشد.
شرح تکنیک تاپسیس
این یک روش تجمیع جبرانی است که مجموعه‌ای از گزینه‌ها را با هم مقایسه می‌کند
امتیازات را برای هر معیار عادی می‌کند و فاصله هندسی بین هر جایگزین و جایگزین ایده‌آل را که بهترین امتیاز در هر معیار است، محاسبه می‌کند.
وزن معیارها در روش TOPSIS را می توان با استفاده از رویکرد اولویت ترتیبی، فرآیند تحلیل سلسله مراتبی و غیره محاسبه کرد.
فرض TOPSIS این است که معیارها به طور یکنواخت افزایش یا کاهش می یابند.
عادی سازی معمولاً مورد نیاز است زیرا پارامترها یا معیارها اغلب دارای ابعاد نامتجانس در مسائل چند معیاره هستند.
روش‌های جبرانی مانند TOPSIS امکان داد و ستد بین معیارها را فراهم می‌کند، جایی که نتیجه ضعیف در یک معیار را می‌توان با یک نتیجه خوب در معیار دیگر نفی کرد.
این شکل واقعی‌تر مدل‌سازی را نسبت به روش‌های غیر جبرانی، که شامل یا حذف راه‌حل‌های جایگزین مبتنی بر برش‌های سخت است، ارائه می‌کند.
عادی سازی
دو روش نرمال سازی که برای مقابله با ابعاد معیارهای نامتجانس استفاده شده است، نرمال سازی خطی و نرمال سازی برداری است.
نرمال سازی خطی را می توان مانند مرحله 2 فرآیند TOPSIS در بالا محاسبه کرد.
نرمال سازی برداری با توسعه اصلی روش TOPSIS گنجانده شد.