الگوریتمی برای تجمیع نظرات کارشناسان و افراد خبره در فرآیند تحلیل سلسله‌مراتبی گروهی با استفاده از مدل رای‌گیری

چگونگی به دست آوردن یک بردار اولویت از یک ماتریس مقایسه‌ی زوجی، موضوع مهمی در فرآیند تحلیل سلسله‌مراتبی بوده است. تصمیم‌گیری گروهی بخش مهمی از تصمیم‌گیری چند معیاره در فرآیند تحلیل سلسله‌مراتبی است. در تصمیم‌گیری گروهی که در آن همه افراد خبره به‌عنوان یک واحد کار می کنند، فرآیند تحلیل سلسله مراتبی معمولاً از یکی از رویکردهای سنتی تجمیع قضاوت‌های فردی و تجمیع اولویت‌های فردی پیروی می‌کند. در این مقاله یک الگوریتمی جهت تجمیع نظرات کارشناسان و افراد خبره با استفاده از مدل رای‌گیری ارائه‌ شده است. در مدل رای گیری با استفاده از رای افراد در خصوص جایگاه معیارها بدون استفاده از ماتریس مقایسه زوجی به رتبه بندی معیارها می پردازند. مدل رای گیری در مواردی که تعداد کارشناسان بسیار زیاد باشد پیشنهاد شده است. در مواردی که تعداد کارشناسان محدود باشد، می توان با استفاده از مدل sbm وزن‌های محلی را بر اساس ماتریس مقایسه زوجی هر یک از افراد خبره تعیین کرد، با استفاده از آن رتبه هر یک از معیارها تعیین می‌شود. رتبه به‌دست‌آمده از مدل sbm را می‌توان به‌عنوان رای افراد خبره در نظر گرفت که از سوگیری ذهنی افراد خبره در ارائه رای جلوگیری به عمل می آورد. بنابراین می توان با استفاده از مدل رای‌گیری به تجمیع نظرات افراد خبره پرداخت. در ادامه یک مثال عددی جهت نشان دادن پتانسیل بالقوه این الگوریتم ارائه‌ شده است. نتایج نشان می‌دهد که رتبه‌های به‌دست‌آمده از این الگوریتم در حالت ارزیابی متقابل خیرخواهانه با رتبه‌بندی به روش بردار ویژه مطابقت دارد.

an algorithm for aggregating the opinions of experts in the group analysis hierarchical process using a voting model

how to obtain a priority vector from a pairwise comparison matrix has been an important issue in the analysis hierarchical process. group decision making is an important part of multi-criteria decision making in the sis analysis hierarchical process. in group decision-making in which all the experts work as a unit, analysis hierarchical process usually follows one of the traditional approaches of aggregating individual judgments and aggregating individual priorities. in this paper, an algorithm for aggregating the opinions of experts using the voting model is presented. in the voting model, using the votes of individuals regarding the position of the criteria, they rank the criteria without using a pairwise comparison matrix. the voting model is proposed in cases where the number of experts is very large. in cases where the number of experts is limited, the local weights can be determined using the sbm model based on the pairwise comparison matrix of each expert, using which the rank of each criterion is determined .the rank obtained from the sbm model can be considered as the vote of experts, which prevents the mental bias of experts in voting. therefore, it is possible to aggregate the opinions of experts using the voting model. the following is a numerical example to illustrate the potential of this algorithm. the results show that the ratings obtained from this algorithm in the mode of benevolent cross-evaluation correspond to the ranking using the eigenvector method.