ارائه ی مدل های پایدار به منظور استخراج وزن از ماتریس مقایسات زوجی بازه یی در فرایند تحلیل سلسله مراتبی (AHP)

در مدل های تصمیم گیری رایج تحت شرایط عدم قطعیت، داده های اولیه ی مدل کامل و قطعی فرض می شود، اگرچه به ندرت چنین اطلاعاتی به صورت دقیق و کامل موجود است. لذا ارائه ی مدلی که در شرایط عدم قطعیت بتواند سیستم را در برابر تغییرات ورودی ها محافظت کند ضروری است. یکی از ابزارهای پرکاربرد در زمینه ی تصمیم گیری چندمعیاره «فرایند تحلیل سلسله مراتبی» (A H P) است. در این نوشتار مدل هایی ارائه شده است که محافظت از تغییر وزن ها و اولویت های مستخرج از ماتریس مقایسات زوجی بازه یی در روش A H P را در برابر تغییرات قضاوت های زوجی در بازه ها و همچنین وجود خطا و ناسازگاری در ماتریس های حاوی قضاوت های بازه یی ممکن می سازد. بدین منظور دو مدل پایدار پیشنهاد شده که یکی مبتنی بر روش بهینه سازی پایدار است و دیگری براساس برنامه ریزی آرمانی است و وزن های بازه یی را برای گزینه ها/معیارها فراهم می آورد. با توجه به شاخص های سنجش پایداری پاسخ ها و حل مسائل نمونه نشان داده شده است که مدل های پیشنهادی برای استخراج وزن ها و اولویت های مناسب و پایدار، در مقایسه با سایر مدل های موجود در ادبیات موضوع از کارآیی مناسبی برخوردارند.