مثال روش تاپسیس
TOPSIS یک مساله MADM با گزینه های m را به عنوان یک سیستم هندسی با نقاط m در فضای n بعدی مشاهده می کند. روش مبتنی بر این مفهوم است که گزینه جایگزین باید کمترین فاصله را از راه حل مثبت-ایده آل و طولانی ترین فاصله از راه حل منفی-ایده آل داشته باشد.
TOPSIS شاخصی به نام شباهت با راه حل مثبت- ایده آل و دوری از راه حل منفی-ایده آل را تعریف می کند. سپس روش جایگزین با حداکثر شباهت به راه حل مثبت-ایده آل را انتخاب می کند.
اگر گزینه ای شبیه به یک راه حل ایده آل باشد ، درجه بالاتری دارد. راه حل ایده آل یک راه حل است که از هر جنبه ای که به طور عملی وجود ندارد بهترین است و ما سعی می کنیم آن را تقریبی کنیم. اصولاً برای اندازه گیری شباهت یک طرح (یا گزینه) با سطح ایده آل و غیر ایده آل ، فاصله آن طرح را از راه حل ایده آل و غیر ایده آل در نظر می گیریم.
مثال روش تاپسیس
در این مثال می خواهیم از بین ۱۰ خیابان در یک محله، بهترین خیابان ها را برای استفاده دوچرخه سواران مشخص کنیم. (خیابان ها را اولویت بندی کنیم.)
گام اول: تشکیل ماتریس تصمیم
| شماره خیابان | حجم ترافیک عبوری | نسبت کاربری های غیر مسکونی به کل کاربریها | وضعیت فضای سبز | کیفیت کف سازی خیابان | تعداد چراغهای روشنایی در واحد طول |
| ID | volume | Non_Res | Green | Ground | L per D |
| 1 | 595 | 0.35 | 3 | 3 | 0.045 |
| 2 | 1119 | 0 | 3 | 3 | 0.059 |
| 3 | 311 | 0.27 | 7 | 3 | 0.021 |
| 4 | 311 | 0.16 | 7 | 3 | 0.032 |
| 5 | 520 | 0.04 | 3 | 5 | 0.024 |
| 6 | 905 | 0.2 | 3 | 5 | 0.032 |
| 7 | 2226 | 0.61 | 5 | 5 | 0.025 |
| 8 | 311 | 0.06 | 7 | 5 | 0.021 |
| 9 | 2576 | 1 | 5 | 7 | 0.024 |
| 10 | 514 | 0 | 5 | 7 | 0 |
مثال روش تاپسیس مثال روش تاپسیس مثال روش تاپسیس
گام دوم :کمی کردن و بی مقیاس سازی ماتریس تصمیم
| شماره خیابان | حجم ترافیک عبوری | نسبت کاربری های غیر مسکونی به کل کاربریها | وضعیت فضای سبز | کیفیت کف سازی خیابان | تعداد چراغهای روشنایی در واحد طول |
| ID | volume | Non_Res | Green | Ground | L per D |
| 1 | 0.15 | 0.27 | 0.19 | 0.20 | 0.45 |
| 2 | 0.29 | 0.00 | 0.19 | 0.20 | 0.58 |
| 3 | 0.08 | 0.21 | 0.44 | 0.20 | 0.21 |
| 4 | 0.08 | 0.13 | 0.44 | 0.20 | 0.32 |
| 5 | 0.13 | 0.03 | 0.19 | 0.33 | 0.24 |
| 6 | 0.23 | 0.16 | 0.19 | 0.33 | 0.32 |
| 7 | 0.58 | 0.48 | 0.31 | 0.33 | 0.25 |
| 8 | 0.08 | 0.05 | 0.44 | 0.33 | 0.21 |
| 9 | 0.67 | 0.78 | 0.31 | 0.46 | 0.24 |
| 10 | 0.13 | 0.00 | 0.31 | 0.46 | 0.00 |
گام سوم: وزن دهی به ماتریس نرمالایز شده
| حجم ترافیک عبوری | نسبت کاربری های غیر مسکونی به کل کاربریها | وضعیت فضای سبز | کیفیت کف سازی خیابان | تعداد چراغهای روشنایی در واحد طول | |
| volume | Non_Res | Green | Ground | L per D | |
| Wi | 0.41 | 0.23 | 0.11 | 0.11 | 0.14 |
| شماره خیابان | حجم ترافیک عبوری | نسبت کاربری های غیر مسکونی به کل کاربریها | وضعیت فضای سبز | کیفیت کف سازی خیابان | تعداد چراغهای روشنایی در واحد طول |
| ID | volume | Non_Res | Green | Ground | L per D |
| 1 | 0.06 | 0.06 | 0.02 | 0.02 | 0.06 |
| 2 | 0.12 | 0.00 | 0.02 | 0.02 | 0.08 |
| 3 | 0.03 | 0.05 | 0.05 | 0.02 | 0.03 |
| 4 | 0.03 | 0.03 | 0.05 | 0.02 | 0.04 |
| 5 | 0.06 | 0.01 | 0.02 | 0.04 | 0.03 |
| 6 | 0.10 | 0.04 | 0.02 | 0.04 | 0.04 |
| 7 | 0.24 | 0.11 | 0.03 | 0.04 | 0.03 |
| 8 | 0.03 | 0.01 | 0.05 | 0.04 | 0.03 |
| 9 | 0.27 | 0.18 | 0.03 | 0.05 | 0.03 |
| 10 | 0.05 | 0.00 | 0.03 | 0.05 | 0.00 |
بیشتر بدانیم:
گام چهارم: تعیین راه حل ایده آل مثبت و راه حل ایده آل منفی
| volume | Non_Res | Green | Ground | L per D | |
| Max | 0.27 | 0.18 | 0.05 | 0.05 | 0.08 |
| Min | 0.03 | 0.00 | 0.02 | 0.02 | 0.00 |
مثال روش تاپسیس مثال روش تاپسیس مثال روش تاپسیس مثال روش تاپسیس
گام پنجم: به دست آوردن میزان فاصله هر گزینه تا ایده آل های مثبت و منفی
| ID | di+ | di- |
| 1 | 0.13 | 0.23 |
| 2 | 0.20 | 0.18 |
| 3 | 0.14 | 0.25 |
| 4 | 0.16 | 0.25 |
| 5 | 0.18 | 0.22 |
| 6 | 0.16 | 0.19 |
| 7 | 0.22 | 0.12 |
| 8 | 0.18 | 0.19 |
| 9 | 0.25 | 0.19 |
| 10 | 0.20 | 0.22 |
مثال روش تاپسیس مثال روش تاپسیس مثال روش تاپسیس مثال روش تاپسیس مثال روش تاپسیس مثال روش تاپسیس
گام ششم: تعیین نزدیکی نسبی (CL) یک گزینه به راه حل ایده آل
| ID | CL |
| 1 | 0.6402 |
| 2 | 0.4632 |
| 3 | 0.6333 |
| 4 | 0.6109 |
| 5 | 0.5478 |
| 6 | 0.5326 |
| 7 | 0.3560 |
| 8 | 0.5110 |
| 9 | 0.4296 |
| 10 | 0.5270 |
گام هفتم: رتبه بندی و انتخاب
| ID | CL |
| 1 | 0.6402 |
| 3 | 0.6333 |
| 4 | 0.6109 |
| 5 | 0.5478 |
| 6 | 0.5326 |
| 10 | 0.5270 |
| 8 | 0.5110 |
| 2 | 0.4632 |
| 9 | 0.4296 |
| 7 | 0.3560 |
تصمیم گیری چند معیاره
تصمیم‌گیری شامل بیان درست اهداف، تعیین راه‌حل‌های مختلف و ممکن، ارزیابی امکان‌پذیری آنان، ارزیابی عواقب و نتایج ناشی از اجرای هر یک از راه‌حل‌ها و بالاخره انتخاب و اجرای آن می‌باشد. کیفیت مدیریت اساساً تابع کیفیت تصمیم‌گیری است زیرا کیفیت طرح و برنامه‌ها، اثربخشی و کارآمدی راهبردها و کیفیت نتایجی که از اعمال آن‌ها بدست می‌آید همگی تابع کیفیت تصمیماتی است که مدیر اتخاذ می‌نماید.
در اکثر موارد تصمیم‌گیری‌ها وقتی مطلوب و مورد رضایت تصمیم‌گیرنده است که تصمیم‌گیری براساس چندین معیار مورد بررسی قرار گرفته باشد. معیارها ممکن است کمی یا کیفی باشند. در روش‌های تصمیم‌گیری چند معیاره که در دهه‌های اخیر مورد توجه محققین قرار گرفته‌است به جای استفاده از یک معیار سنجش بهینگی از چند معیار سنجش استفاده می‌شود.
خدمات فرابگیر
- تبلیغات در فضای مجازی گوگل، اینستاگرام و فیس بوک.
- مدیریت صفحات اجتماعی اینستاگرام و فیس بوک.
- برنامه نویسی حرفه ای با جدیدترین متدهای روز دنیا
- طراحی وب سایت و سئو نمودن مطالب با جدیدترین راهکارها برای بازدید حداکثری مطالب
- خدمات طراحی سربرگ؛ کار ویزیت، لوگو و بسته مدیریتی
- پروژهای دانشجویی در زمینه تحقیق در عملیات، آمار و تص
- آموزش مجازی برای کاربران در زمینه های درخواستی دوره های موجود در وب سایت
باعث افتخارست که مجموعه ما تا کنون بیش از ۱۲۰۰۰ پروژه موفق در زمینه های متخلف ارائه نموده است که با مراجعه به بخش نمونه کارها در دسترس شما عزیزان قرار گرفته است. در صورتی که تصور می کنید پروژه مورد نظر شما در این دسته بندی ها قرار ندارد با تماس با تیم حرفه ای ما می توانید از مشاوره رایگان بهره مند گردید.