تعیین اوزان در فرآیند تحلیل سلسله‌مراتبی با استفاده از رویکرد تحلیل مرز دوگانه

چگونگی به دست آوردن یک بردار اولویت از یک ماتریس مقایسه ی دو به دو، موضوع مهمی در فرآیند تحلیل سلسله مراتبی (ahp) بوده است و در مقالات ahp به طور گسترده ای مورد بررسی قرار گرفته است. همچنین، تحقیقاتی در زمینه ی استفاده از مدل های تحلیل پوششی داده ها (dea) برای ایجاد وزن های محلی گزینه ها در ahp انجام شده است. این مقاله برای تعیین اولویت در ahp، یک رویکرد تحلیل مرز دوگانه را پیشنهاد می کند. در رویکرد تحلیل مرز دوگانه، از دو مدل خاص dea برای به دست آوردن بهترین اولویت های محلی از یک ماتریس مقایسه ی دو به دو یا گروهی از ماتریس های مقایسه ی دو به دو، صرف نظر از این که کاملاً سازگار یا ناسازگارباشند، استفاده می شود. رویکرد پیشنهادی، برای ماتریس های مقایسه ای دو به دو سازگار، وزن های حقیقی می دهد و برای حالت ناسازگار این ماتریس ها، وزن های فراگیر منطقی ارایه می دهد. مثال عددی برای نشان دادن مزایای تکنیک معرفی شده آورده شده است. در نهایت یک مثال واقعی برای شرح روش پیشنهادی ارایه شده است.

Weight Derivation in Analytic Hierarchy Process Using Based on Double-Frontier Analysis

Obtaining the priority vector from a pairwise comparison matrix is an important subject in Analytic Hierarchy Process (AHP) and has been extensively addressed in studies on AHP. Furthermore, research has been conducted on employing DEA models for generating local weights of alternatives in AHP. This research proposes an approach based on double-frontier analysis for determining priorities in AHP. In this approach, two specific DEA models are used to obtain the best local priorities from one or a group of pairwise comparison matrices whether they are entirely consistent or not. The proposed method gives true weights for consistent mutual comparison matrices and yields general, but logical, weights for inconsistent ones. A numerical example is examined to demonstrate the advantages of the presented technique. Finally, a real-world example is presented to illustrate the proposed method.