توسعه مدل مطلوبیت جمع‌پذیر (uta) تصادفی با توجه به امکان وابستگی میان معیار‎ها

هدف: یکی از روش‎های مطرح در حوزه تصمیم‎گیری چندشاخصه مبتنی بر تئوری مطلوبیت، مدل مطلوبیت جمع‎پذیر (uta) است که طی زمان با رفع نواقص بسیار توسعه یافته است. از مهم‎ترین مشکلات این روش‎ها عدم توجه به عدم اطمینان مقادیر معیارها و عدم توجه به امکان وجود وابستگی میان معیارهای مختلف است. درباره مشکل عدم اطمینان از انواع مختلف فازی و احتمالی، به‌ترتیب در توسعه‎های مختلف شامل مدل‎های فازی و تصادفی بحث و تبادل نظر شده است. با این‎ حال از مفروضات اصلی تمامی این مدل‎ها استقلال معیارها از یکدیگر است، در حالی ‎که در مسائل دنیای واقعی این امر تا حدی بعید به ‎نظر می‎رسد. از این رو، هدف از این پژوهش توسعه مدل مدل مطلوبیت جمع‎پذیر تصادفی به‌نحوی است که مشکل عدم توجه به وابستگی میان مقادیر گزینه‎ها در شاخص‎های مختلف را مد نظر قرار دهد. روش: در این پژوهش از مفهوم احتمال شرطی برای توسعه مدل مطلوبیت جمع‎پذیر تصادفی بهره گرفته شده است، به‎طوری‎ که احتمال ارزش هر مقدار در هر شاخص با توجه به ارزش‎های محتمل در سایر شاخص‎ها مد نظر قرار می‎گیرد. یافته‎ها: مدل توسعه‌یافته در قالب دوازده گام ارائه شده و قابلیت کاربرد آن با استفاده از یک مثال واقعی و بر اساس داده‎های مربوط به سه معیار اصلی در سرمایه‎گذاری سهام برای سه شرکت در حوزه پتروشیمی نشان داده شده است. نتیجه‎گیری: مدل پیشنهادی حاصل مشکل عدم توجه به وابستگی محتمل میان شاخص‎ها در مدل مطلوبیت جمع‎پذیر تصادفی را برطرف می‎کند و شکاف تحقیقاتی مطرح‌شده توسط محققان پیشین را پوشش می‎دهد.

Developing Stochastic Additive Utility Method (UTA) Considering the Possible Dependency among Criteria

Objective: One of the wellknown methods as to Multi Attribute Utility Theory (MAUT) in the field of decision making is Utility Additive Method (UTA), which has been developed over time. Two main deficiencies of such methods are first, ignoring the uncertainty embedded in the values of different criteria and second, disregarding the possibility of dependencies among various criteria. The uncertainty problem, either fuzzy or stochastic, has been discussed in various developments including, fuzzy UTA and stochastic UTA models, respectively. Although it seems unlikely to apply in real world problems, the criteria independency is the primary assumption of all these models. Thus, this paper is aimed at developing stochastic UTA model so as to consider the possibility of dependency among different criteria. Methods: In this paper, conditional probability is applied in developing the UTA model, so that the probability of values of each criterion is considered with respect to probable values of other criteria. Results: The developed model is presented in 12 steps, and its applicability in practice is shown using a real example based upon the data extracted from three main criteria of stock investments for three petrochemical companies. Conclusion: The proposed model addresses the deficiency of ignoring the probable dependencies among criteria in stochastic UTA model, and covers the research gap posed by previous researchers.