شناسائی و رتبه بندی عوامل ایجادکننده ریسک های اقتصادی در شرکت های پذیرفته شده …

* روش Topsis :
به طور کلی MADM در رابطه با انتخاب گزینه (یا گزینه های) بهینه از میان مجموعه ای از آلترناتیوها می باشد. فرض می کنیم در یک مسئله MADM ، ما N شاخص و K آلترناتیو داشته باشیم. در این مسئله، ارزش هر شاخص را برای هر آلترناتیو به صورت نشان می دهیم. بنابراین بردار
 
بیانگر مقادیر آلترناتیوها به ازای شاخص n ام می باشد.
به طور کلی شاخص ها به ۲ گروه قابل تقسیم هستند: گروه اول «ورودیها» هستند که دارای طبیعتی از نوع هزینه می باشند، در نتیجه هرچه ارزش این شاخصها کوچکتر باشد مطلوبتر است.
گروه دوم «خروجیها» هستند که دارای طبیعتی از نوع سود می باشند. لذا هر چه ارزش این شاخص ها بیشتر باشد مطلوبتر است. به منظور راحتی در بیان مسئله، فرض می شود X1,…,Xn شاخص های ورودی، و Xm+1,…,Xn شاخص های خروجی باشند. همچنین بردار آلترناتیوها نیز به صورت زیر می باشد:
 
تقریبا کلیه روشهای MADM نیازمند اطلاعات مشخص در مورد اهمیت نسبی شاخص ها می باشند که به صورت یک بردار نرمالیزه شده نشان داده می شوند.
 
روش Topsis توسط Hwang,Yoon در سال ۱۹۸۱ توسعه داده شده است، که اساس این روش بر در نظر گرفتن فاصله یک گزینه هم از نقطه ایده آل و هم از نقطه ایده آل منفی است.
به این صورت که آلترناتیوی در نهایت انتخاب خواهد شد که از بین آلترناتیوهای موجود دارای کمترین فاصله تا نقطه ایده آل و بیشترین فاصله تا ایده آل منفی باشد.
اطلاعات ورودی به این روش شامل بردار اوزان (W) برای شاخص ها بوده و خروجی آن به صورت رتبه بندی گزینه ها می باشد.
فرض Topsis بر این است که مطلوبیت شاخص ها بطور یکنواخت افزایشی ( یا کاهشی) می باشد.
گامهای روش Topsis به اختصار در ادامه آورده شده است:
تبدیل ماتریس تصمیم گیری موجود به یک ماتریس «بی مقیاس شده» به صورت زیر:
 
n=1,…,N
به طوری که:
n= 1,…,N
تعیین راه حل ایده آل مثبت و راه حل ایده آل ایده منفی:
]بردار بهترین مقادیر هر شاخص ماتریس [v= راه حل ایده آل مثبت
]بردار بهترین مقادیر هر شاخص ماتریس [v= راه حل ایده آل منفی (Vj-)
بدست آوردن کمترین میزان فاصله ی هر گزینه تا ایده آل های مثبت و منفی:
فاصله هر گزینه تا ایده آل مثبت و منفی بر اساس فرمول ذیل محاسبه می گردد.
=
=
تعیین نزدیکی نسبی (CL*) یک گزینه به راه حل ایده آل:
تعیین رتبه های گزینه ها:
هر گزینه ای که cl+آن بزرگتر باشد بهتر است.
* روش Topsis تغییر یافته:
روش Topsis سنتی، برای تبدیل و بی مقیاسی مقادیر شاخص ها از تبدیل اقلیدسی استفاده می کند و برای اندازه گیری فاصله هر گزینه از نقطه ایده آل و ایده آل منفی نیز از فاصله اقلیدسی استفاده می کند. طبعا می توان از دیگر فاکتورها و روشهای موجود ریاضی برای بی مقیاسی و اندازه گیری فاصله نقاط استفاده کرد.
در روش Topsisتغییر یافته از مینیمم مقدار هر شاخص برای بی مقیاسی و از فاصله بلوکی برای اندازه گیری فاصله نقاط استفاده می شود.
این بیانگر این است که جمع فاصله هر آلترناتیو از ایده آل مثبت و ایده آل منفی، مقدار ثابت است و این مقدار ثابت همان فاصله دو نقطه ایده آل و ایده آل منفی است.
در روش Topsis استفاده از روشهای مختلف تبدیل بی مقیاسی و استفاده از فاصله نقاط به روشهای مختلف منجر به حصول نتایج مختلفی در ترتیب آلترناتیوها خواهد شد.
فرآیند تحلیل سلسله مراتبی[۱۵](AHP)
AHP بعنوان یکی از روشهای تصمیم گیری چند معیاره بصورت گسترده در بسیاری از فرآیندهای تصمیم گیری بکار رفته است. این روش توسط ساعتی[۱۶](۱۹۸۰) معرفی شد. این روش علیرغم سادگی از متدولوژی قوی برای ارزیابی آلترناتیوها برخوردار است. به منظور بکارگیری روش AHP، تصمیم گیرنده باید ابتدا درخت تصمیم یا ساختار سلسله مراتبی را برای مساله مدنظر طراحی کند. براساس مقاله ی ساعتی (۱۹۸۰) مراحل اصلی AHP عبارتند از:

  1. تجزیه[۱۷]: در این مرحله باید مساله تصمیم بصورت ساختار سلسله مراتبی تجزیه شود.
  2. مقایسات زوجی[۱۸]: در این مرحله مقایسات زوجی ساختار سلسله مراتبی طراحی شده در گام قبلی بین معیارها، زیر معیارها و آلترناتیوها نسبت به معیارها بر اساس نظرات خبرگان انجام می گردد.
  3. تولید برداری اولیه: در این مرحله بردار اولیه برای هر یک از ماتریس های ایجاد شده با استفاده از روش بردار ویژه با روش های دیگر تولید می گردد.
  4. ترکیب[۱۹]: وزن نهایی هر یک از آلترتاتیو با استفاده از ترکیب وزن های بدست آمده حاصل می شود.
  5. منبع فایل کامل این پایان نامه این سایت pipaf.ir است