روش تاپسیس ترتیب اهمیت بر پایه شبیه بودن به پاسخ مناسب (TOPSIS) یک تکنیک بررسی و تفسیر تصمیم سازی چند معیاره است. روش تاپسیس از لغت لاتین Technique for Order of Preference by Similarity to Ideal Solution گرفته شده است. نخست چینگ لای هوانگ و یون در سال ۱۹۸۱ و با توسعه های بیشتر به واسطه یون در ۱۹۸۷ و هوانگ، لای و لیو در سال ۱۹۹۳ توسعه یافت.
در این تکنیک از دو دانسته “پاسخ مناسب” و “شباهت به پاسخ مناسب” بهره گیری شده است. پاسخ درخور همانطور که از نام آن مشخص است، آن پاسخی است که از هر طریق مناسب ترین باشد که اغلب در واقعیت وجود ندارد و تلاش بر آن است که به حوالی آن نزدیک شویم. به خاطر اندازه گیری تشابه یک الگو (یا گزینه) به پاسخ مناسب و نامناسب ، پیماش آن الگو (یا گزینه) از پاسخ مناسب و نامناسب سنجش می شود. سپس انتخاب ها بر پایه مقدار فاصله از پاسخ نامناسب به جمع فاصله از پاسخ مناسب و نامناسب بررسی و اولویت بندی می شوند.
مراحل روش تاپسیس
۱-ساخت ماتریس تصمیم گیری
۲-نرمالایز کردن ماتریس تصمیم
۳- مشخص کردن ماتریس نرمالایز وزن دار
۴-پیدا کردن پاسخ مناسب و نامناسب
۵-ارزیابی فاصله از پاسخ مناسب و نامناسب
آموزش تکنیک تاپسیس
اولین قدم در این روش، تشکیل یک ماتریس تصمیم است که مجموعهای از معیارها و گزینهها را شامل میشود. در این ماتریس، معیارها در ستونها و گزینهها در سطرها قرار میگیرند و هر سلول ماتریس، ارزیابی هر گزینه نسبت به هر معیار را نشان میدهد.
در مرحله دوم روش تاپسیس، برای انجام بی مقیاس کردن، هر عنصر از ماتریس تصمیم با استفاده از روش نرم مقسوم بر جمع مربعات عناصر همان ستون معیار، بی مقیاس میشود. در واقع، در این مرحله، ماتریس تصمیم به یک ماتریس بیبُعد و بدون مقیاس تبدیل میشود.
در مرحله سوم، با توجه به اهمیت مختلف معیارها در فرآیند تصمیمگیری، با استفاده از روشهایی مانند آنتروپی یا AHP و غیره، بردار وزن تعریف میشود.
در مرحله چهارم روش تاپسیس، مرحله آنتروپی معیارها و تعیین آیا معیارها مثبت یا منفی هستند جهت یافتن حل مناسب یا ضد مناسب را نشان میدهد. معیارهای مثبت، معیارهایی هستند که افزایش آنها منجر به بهبود سیستم میشود؛ بهعنوان مثال، کیفیت یک محصول یکی از معیارهای مثبت است، و حل مناسب آن برابر با بزرگترین عنصر در ستون مربوطه است، در حالی که حل ضد مناسب برابر با کوچکترین عنصر در سلول مربوطه است. برای معیارهای منفی، این عمل برعکس است.
– برای معیارهایی که اهمیت مثبت دارند، ایدهآل مثبت، بزرگترین مقدار آن معیار است.
– برای معیارهایی که اهمیت مثبت دارند، ایدهآل منفی، کوچکترین مقدار آن معیار است.
– برای معیارهایی که اهمیت منفی دارند، ایدهآل مثبت، کوچکترین مقدار آن معیار است.
– برای معیارهایی که اهمیت منفی دارند، ایدهآل منفی، بزرگترین مقدار آن معیار است.
در مرحله پنجم روش تاپسیس، فاصله هر گزینه از حل مناسب و ضد مناسب محاسبه میشود. در این مرحله، با استفاده از رابطه زیر، فاصله مثبت و منفی هر گزینه محاسبه میشود.
مقدار CL که بین صفر و یک قرار دارد، نشاندهنده میزان مناسب بودن راهحل است. هرچه این مقدار به یک نزدیکتر باشد، راهحل نزدیکتر به جواب ایدهآل است و بهتر خواهد بود.مناسب مثبت و منفی روش تاپسیس
روش تاپسیس فازی
روش تاپسیس فازی برای حل مسائل در یک محیط فازی توسعه یافته است، جایی که معیارها و وزنها میتوانند مجموعههای فازی باشند. اعداد فازی مثلثی جهت مدیریت مقادیر عددی نادقیق استفاده میشوند. روش تاپسیس فازی براساس شایستگی فازی که جمعآوری شده است، از جایگزینی برای پاسخ مناسب مطلوب استفاده میکند. عملیات و روشهای فازی در الگوریتم تاپسیس فازی برای رتبهبندی اعداد فازی در توسعه استفاده میشوند.
مزیت های روش تاپسیس
– تصمیمگیری در صورت وجود معیارهای مثبت و منفی (حتی بهطور همزمان در یک مساله) امکانپذیر است.
– برای شناسایی بهترین گزینه، تعداد قابل توجهی معیار مورد بررسی قرار میگیرد. این روش ساده و با سرعت بالاست و برای تعداد زیادی گزینه و معیار به خوبی قابل استفاده است.
– در روش تاپسیس میتوان به راحتی معیارهای کیفی را به صورت کمی تبدیل کرده و تصمیمگیری با در نظر گرفتن معیارهای کیفی و کمی را انجام داد.
– خروجی سیستم به صورت اعداد عددی است و علاوه بر تشخیص بهترین گزینه، رتبهبندی سایر گزینهها به صورت عددی بیان میشود. این مقادیر عددی نمایانگر نزدیکی نسبی هستند و این ویژگی اساسی این روش را تشکیل میدهد.
– روش تاپسیس، از نظر پایههای ریاضی، مناسب است و با فواصل کار میکند. تاپسیس گزینهای را که بیشترین فاصله از بدترین گزینه و کمترین فاصله از بهترین گزینه را دارد، به عنوان گزینه بهینه انتخاب میکند و به همین دلیل و پایه ریاضی خود، بر سایر روشهای MADM تفوق دارد.
– روش تاپسیس برتری نسبت به برخی از روشهای MADM دیگر دارد، به خصوص روشهای جبرانی. این روش وزندهی را به تمام گزینهها و معیارها در تصمیمگیری درگیر میکند و هیچ وزنی در این روش نادیده گر
خوشحالیم که مفید بوده.