۹/۹۵

T

با سطح اطمینان ۹۵ % ناحیه بحرانی برابر با w(t ≤ −۱/۹۶,t ≥۱/۹۶) است، چون t محاسبه شده در ناحیه بحرانی قرار می گیرد. بنابراین H0 رد می شود. در نتیجه می توان گفت بین نتایج حاصل از نوبت اول و دوم همبستگی وجود دارد

۳-۷ معرفی نرم افزار Expert Choice
نرم افزارهای پشتیبان متعددی برای فرایند تحلیل سلسله مراتبی توسعه داده شده اند که مطرح ترین آنها به نام نرم افزار Expert Choice توسط دکتر ساعتی و همکارانش ایجاد شده است. نرم‌افزار (EC) یک ابزار پشتیبان تصمیم‌گیری چند معیاره بر اساس روش AHP می‌باشد. این نرم‌افزار بهترین و کاربردی‌ترین نرم‌افزار حل مسائل AHP این نرم‌افزار است. بوسیله این نرم‌افزار این امکان فراهم است تا انواع مسائلی را که می‌توان در قالب یک مساله AHP مدلسازی کرد حل نمود.
۳-۸ معرفی تکنیک TOPSIS
TOPSIS مخفف عبارت (Technique for Order Preference by Similarity to Ideal Solution) است. مدل TOPSIS توسط هوانگ و یون در سال ۱۹۸۱ پیشنهاد شد. این مدل یکی از بهترین مدلهای تصمیم گیری چند شاخصه می باشد. اساس این تکنیک بر این مفهوم استوار است که گزینه انتخابی بایستی کمترین فاصله را با راه حل ایده آل مثبت (بهترین حالت ممکن) و بیشترین فاصله را با ایده آل منفی (بدترین حالت ممکن) داشته باشد.
در این بخش تکنیک تاپسیس فازی که توسط چن و هوانگ برای یک مساله تصمیمگیری چندمعیاره با n معیار و mگزینه ارائه شد ه است را به صورت مرحله به مرحله توضیح داده میشود:
قدم ۱) تشکیل ماتریس تصمیم:
با توجه به n معیار و m گزینه و ارزیابی همه ی گزینه ها برای همه ی معیارهای مختلف، ماتریس تصمیم به صورت زیر تشکیل میشود

در صورتی که در مساله از اعداد فازی مثلثی استفاده شود در این صورت Xij=(aij , bij , cij) می باشد اگر ارزیابی گزینه ها برمبنای معیارها، بوسیلهی نظرخواهی از یک گروه دارای K عضو انجام گیرد و ارزیابی فازی k امین تصمیم گیرنده Xijk=(aijk , باشد با توجه به معیارهای رتبهبندی فازی ترکیبی، گزینه ها را میتوان براساس روابط زیر در نظر گرفت
.
قدم ۲) تعیین ماتریس وزن معیارها:
در این صورت ضریب اهمیت معیارهای مختلف به صورت زیر است:
که در صورتی که از اعداد فازی مثلثی استفاده شود هر یک از مولفه های W به صورت Wij=(Wj1 , Wj2 , WJ به تعریف می شود. در صورتی که وزن معیارها از گروه خبرگان بدست آید برای میانگین گیری نظر گروه میتوان از روابط زیر استفاده می شود

قدم ۳) بی مقیاس کردن ماتریس تصمیم فازی:
در این روش، برای بی مقیاس کردن مقادیر ماتریس تصمیم فازی، از تغییر مقیاس خطی برای تبدیل معیارهای مختلف نیز فازی rij ها به صورت فازی هستند مسلما Xij مقیاس قابل مقایسه استفاده میشود. در این صورت با توجه به اینکه خواهد بود. اگر اعداد فازی به صورت مثلثی باشند درایههای ماتریس تصمیم برای معیارهای مثبت و منفی به ترتیب از روابط زیر محاسبه میشود.

قدم ۴) تعیین ماتریس تصمیم فازی وزن دار:
با توجه به وزن معیارهای مختلف، ماتریس تصمیم فازی وزندار از ضرب کردن ضریب اهمیت مربوط به هر معیار در ماتریس
بیمقیاس شده فازی به صورت زیر بدست میآید.
که در این رابطه w1 بیان کننده ی اهمیت معیار cj می باشد.
بنابراین ماتریس تصمیم وزن دار به صورت زیر خواهد بود:

اگر اعداد فازی به صورت مثلمی باشد برای معیارهای با جنبه مثبت و منفی به ترتیب داریم:

قدم ۵) یافتن گزینه ایده آل و گزینه ضد ایده آل

چن برای محاسبهی مقدار گزینه ایدهآل فازی و مقدار گزینه ضدایدهآل فازی مقادیر ثابت زیر را ارائه کرد:

قدم۶) محاسبه فاصله از گزینه ایده آل و ضد ایده آل فازی:
در این مرحله فاصله ی هر گزینه از ایده آل و ضدایده آل فازی بدست میآید

قدم ۷) محاسبه شاخص شباهت
شاخص شباهت از رابطه زیر محاسبه میشود

قدم ۸) رتبه بندی گزینه ها:
در این مرحله با توجه به مقدار شاخص شباهت گزینه ها رتبه بندی میشوند به طوری که گزینه هایی که شاخص شباهت بیشتری دارند رتبه بالاتری بدست میآورند.
فصل چهارم
یافته های تحقیق
.
۴ـ۱ مقدمه