گرانول سازی عبارات زبانی در روش AHP با استفاده از الگوریتم بهینه سازی انبوه ذرات تغییر یافته

روش های تصمیم گیری چندمعیاره به یکی از حوزه های کاربردی و پرطرفدار در سال های اخیر تبدیل شده است. در میان این روش ها، روش AHP به دلیل ویژگی های منحصربه فرد مورد توجه بسیاری از محققین قرارگرفته و در تحقیقات متعددی به کار گرفته شده است. این روش با فراهم آوردن امکان مقایسه زوجی میان گزینه ها با استفاده از عبارات زبانی، تصمیم گیری را برای تصمیم گیرنده تسهیل می کند. اما همین امر باعث بروز ناسازگاری در ماتریس تصمیم می شود. یکی از منشاهای ناسازگاری، استفاده از مقیاس از پیش تعیین شده برای تبدیل عبارات زبانی به مقادیر کمی است که به دلیل پیش زمینه فکری افراد و اطلاعات متفاوت آن ها نسبت به مسئله موجب بروز ناسازگاری می شود. از این رو هدف این پژوهش ارایه مقیاسی برای تبدیل عبارات زبانی با استفاده از گرانول سازی عبارات زبانی است؛ به-گونه ای که بیشترین تناسب را با نظرات خبره داشته باشد و ناسازگاری ماتریس تصمیم را کاهش دهد. ویژگی منحصر به فرد این روش این است که توزیع نقاط برش از قبل معلوم نیست و متناسب با نظرات خبره تعیین می شود. در ادامه به منظور بهینه سازی مدل ارایه شده از الگوریتم فراابتکاری بهینه سازی انبوه ذرات استفاده می شود که به منظور انتطباق آن با ویژگی های خاص مسئله تغییراتی در آن اعمال شده است. نتایج بدست آمده نشان دهنده عملکرد خوب چارچوب ارایه شده در کاهش ناسازگاری هستند.