در هنگام رسم شبکه ای از عناصر و دسته ها بعضی از تاثیرات به صورت مستقیم و آشکارا بوده و به صورت مستقیم رسم می شوند.ولی بسیاری از تاثیرات پنهان،در شبکه ای از وابستگی ها وجود دارد که به خاطر عدم وجود ارتباط مستقیم رسم نمی گردند.اما از قابلیت های بسیار مهم یک روش تحلیل شبکه ای این است که از این تاثیرات شبکه چشم پوشی نمی نمایند.همان طور که قبلا نیز ذکر شده است بعضی از تاثیرگذاری ها یا تاثیرپذیری ها در شبکه ای از عناصر و ملاک ها به صورت مستقیم نبوده و به دو حالت نمودار درختی از تاثیرات و نمودار حلقه ای از تاثیرات نمایان می شوند.به عنوان مثال یک شاخه از نمودار تاثیر گذاری به صورت شکل ۱ نشان داده شده است.
C4
Cluster2
Cluster1
تاثیر C₁ بر C₅ را نمی توان نادیده گرفت.از طرفی دیگر در یک نمودار ارتباطی حلقه ای این ارتباطات به صورت مکرر می باشند.لذا بایستی بر روی ماتریس ویژه موزون تغییراتی داد تا بتوان همه این تاثیرات را آشکار ساخت و به عبارت دیگر تعدیل نمود.زمانی که یک ارتباط مستقیم بین این دو ملاک به نسبت یک ملاک کنترلی وجود دارد آنگاه این تاثیر مستقیما در ماتریس ویژه موزون ارائه می شود.ولی در حالتی که ملاک a مستقیما b را تحت تاثیر قرار می دهد و b نیز به نوبه خود ملاک cرا تحت تاثیر قرار می دهد؛تاثیر a به c در ماتریس ویژه موزون موجود نیست برای بدست آوردن یک چنین تاثیر غیر مستقیمی با واسطه گری یک ملاک کافی است ماتریس ویژه موزون را به توان دوم برسانیم.در حالتی که دو ملاک به واسطه دو ملاک دیگر به یکدیگر متصل شده باشند برای بدست آوردن این تاثیر سه مرتبه ای کافی است ماتریس ویژه موزون را به توان سه برسانیم و به همین ترتیب برای مراتب بالاتر ارتباطات غیر مستقیم توان های بالاتری را از ماتریس ویژه موزون لازم می باشد.لذا در این حالت دنباله ای از توان های ماتریس ویژه موزون را خواهیم داشت که هر یک مبین اوزان درجه ای از ارتباطات بین ملاک ها خواهند بود.مسلم است که هر چه ماتریس ویژه موزون را به توان بزرگتری برسانیم اختلاف بین عناصر ستون ها کم تر می شود.در این قسمت تصمیم گیرنده وزن های متعلق به جای گزین ها لازم است پس مرتبه ای از توان که در آن بتوان وزن های متعلق به جایگزین ها را مرتب کرد،کفایت خواهد کرد.

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

بعد از اینکه ماتریس ویژه محدود شده به دست آمده در سطرهای جایگزین ها آن را نرتب کرده و جای گزینی که بیشترین وزن را کسب کرده به عنوان جایگزین مطلوب انتخاب می شود.
لازمه استفاده از روش تحلیل شبکه ای ،داشتن شناخت کافی از هدف تصمیم گیری و محیط تصمیم و تمامی عناصر تصمیم گیری توسط تصمیم گیرنده می باشد.
این شناخت از آنجا لازم است که تصمیم گیرنده بتواند همه ملاک های مثر در تصمیم را تعیین کرده و نیز تاثیر آنها بر یکدیگر را مشخص نماید و بتواند واقعی ترین حالتی از شبکه را رسم نماید.و مقایسات زوجی بایستی اولویت واقعی عناصر نسبت به یکدیگر را نشان دهند.اما از آنجا که همیشه این شناخت کافی از سیستم موجود نمی باشد و تصمیم گیرنده نمی تواند در حالت کلی با اطمینان کامل در مقایسات زوجی قضاوت نماید،لذا برای رفع این مشکل مدل تحلیل شبکه ای توسعه داده می شود.یک راه طبیعی برای انجام مقایسات در حالت های عدم قطعیت استفاده از مقایسات فازی یا فاصله ای است که حالت های ابهام در مقایسه را مدل سازی می کند.
اعداد فازی رویکردی نوین به تئوری مجموعه ها است که اولین بار توسط پروفسور لطفی زاده ارائه شده و قادر است در حالت هایی که برای بیان موضوع خاصی قطعیت ندارد آن را با بهره گرفتن از مجموعه ای پیوسته و محدود از اعداد بیان کند.هنگام مقایسه دو ملاک برای بیان مقداد غیر دقیق a_ij می توان از دو مقدار به عنوان مقادیر کمینه و بیشینه ممکن به صورت فازی استفاده کرد،که به شکل زوج مرتب l_ij,u_ij) )نشان داده می شود.در این مرحله نمی توان از روشی که ساعتی برای استخراج وزن های اولویت ارائه کرده است ،برای وزن ها استفاده نمود.برای حل این مشکل مدل خطی بهینه سازی ریاضی ارائه داده می شود که بتواند بهترین اوزان را از جواب های فازی استخراج نماید. مدل تحلیل شبکه توسعه داده می شود تا بتواند به صورت جامع حالت های غیر دقیق قضاوت ها را نیز مدل سازی کند.از آنجا که تمامی مراحل روش تحلیل شبکه ای فازی به جز مرحله انجام مقایسات زوجی و استخراج بردارهای ویژه ،مشابه مراحل تحلیل شبکه ای می باشد لذا در این مرحله تنها به تشریح مرحله استخراج بردارهای ویژه از ماتریس های فازی می پردازیم.
همان طور که قبلا توضیح داده شد برای حالات غیر قطعی مقایسه زوج مرتب هایی از حالات حداکثر و حداقل ممکن مقایسه تشکیل می شود.لذا ماتریس مقایسات در هر حالت چه برای مقایسه دسته ها و چه برای مقایسه ملاک ها به صورت ماتریس ۴ خواهد بود:
بدیهی است که در این ماتریس رابطه
(l_ij,u_ij)=(1/u_ij , ۱/l_ij) (5)
برقرار می باشد .اگر
W=(w₁ w₂ … w_n)^T (۶)
بردار ویژه ماتریس فوق باشد بایستی شرط های زیر را تامین کند:
۱.w₁+w₂+…+w_n=1 (7)
&
∀ i,j s.t i ∈{۱,۲,۳,…,n-1}
۲.J l_ij (۸)
&

3. 3. w_i>0 (9)

لذا بایستی بردار w چنان تعیین شود که علاوه بر تامین شروط بالا به بهترین شکل ممکن تصمیم گیرنده را راضی نماید.یک مجموعه نرمال فازی به صورت یک مجموعه ای از اعداد فازی مثلثی می باشد و توسط سه مقدار معلوم a ≤ b≤ c مشخص می شود و یک تابع عضویت به صورت دقیق برای هر مقدار در این بازه تعریف می شود.این تابع عضویت دارای مشخصه های زیر است:
۱.تابعی پیوسته است از مجموعه اعداد حقیقی Rبه بازه بسته [۰,۱ ]
۲.تابع چند ضابطه ای مقابل برقرار است:
از تابع تعریف شده معلوم است که یکی از شروط اساسی فازی به صورت زیر برقرار است:
در این نوع از اعداد فازی مقدار b محتمل ترین مقدار برای این عدد فازی و مقادیر a وc دارای کمترین شانس انتخاب می باشند.توجه شود که مقدار تابع عضویت که در این عدد فازی به آنها نسبت داده شود به معنای احتمال انتخاب آن ها نمی باشد.با توجه به این ویژگی های عدد فازی با فرض این که مقادیر واقعی w_i ها مقادیر منحصر به فردی هستند.لذا بهترین الگوی عدد فازی برای نشان دادن وزن های ملاک ها همین الگوی مثلثی تشریح شده می باشد.بر اساس ویژگی یک عدد فازی مثلثی محتمل ترین مقدار برای انتخاب مقدار b است.مقدار b الزاما مقدار میانگین a.c بوده و یا مقداری بسیار نزدیک به آن است.با توجه به این مقدار قضاوت های فاصله ای که به صورت (l_ij,u_ij) است با فرض اینکه این مقادیر آستانه مقادیر بیشینه و کمینه فازی باشند لذا بهترین حالت برای نسبت w_i/w_j زمانی است که کمترین فاصله را با داشته باشد. با این نگاه فرایند استخراج وزن های ملاک ها را از قضاوت های فاصله ای یا فازی توسعه داده می شود.
فرض کنیم:
_IJ=w_i/w_{j ,} m_ij=(l_ij+u_ij)/2 (12)
تابع عضویت_ij در مجموعه (l_ij , u_ij) به صورت زیر تعریف می شود:
باید توجه شود که این تابع عضویت بر عکس تابع عضویت مثلثی عمل می نماید و یا به عبارت دیگر یک تابع مثلثی با قاعده به بالا می باشد.بر اساس این تابع عضویت محتمل ترین هدف انتخابی در نقاط ابتدایی و انتهایی اتفاق می افتد.این تابع شاخص میزان فاصله نسبت w_i/w_j از مقدار میانگین m_ij می باشد .بر این اساس نتیجه زیر حاصل می شود:
بردار وزنی ملاک های مورد نظر
W=(w₁ w₂ … w_n)^T (۱۴)
زمانی نشان گر بهترین قضاوت خواهد بود که در کنار تامین شرایط زیر:
W₁+w₂+….+w_n=1
,
i,j s.t i ,
j l_ij w_i/w_j u_ij
i w_i ۰ (۱۵)
حاصل جمع را نیز کمینه کند:

1. 1. _ij) ;

i , j (16)
لذا تابع حداقل سازی زیر را خواهیم داشت:
چنان چه این حداقل سازی جواب شدنی نداشته باشد نشان گر ناسازگر بودن قضاوت ها می باشد و نیاز به تجدید نظر در قضاوت ها می باشد.مسئله مورد توجه در این مدل سازی این است که از آن جا که تابع عضویت M به صورت چند ضابطه ای تعریف شده است لذا در عمل حداقل سازی آن در حالت کلی با بهره گرفتن از الگوریت های بهینه سازی ریاضی،مشکل ساز می باشد.نکته مهم در این کمینه سازی این است که باید فاصله_IJ ها را با m_ij ها کمینه ساخته ضمن اینکه سایر شروط مذکور برقرار باشد.بر این اساس می توانیم با این دیدگاه تابع M را توسعه داده تا هدف مذکر تامین گردد.از آنجا که در این مرحله کمینه سازی مقادیر،هدف می باشد لذا کمینه سازی این مقادیر در درجه دوم نیز می تواند حالت بهینه را تامین نماید.بر این اساس مدل کمینه سازی به صورت زیر توسعه داده می شود:
همان طو رکه مشخص است قید سوم تابع عضویت M وارد مدل بالا نشده که این بدان علت است که مدل سازی بالا بتواند محدوده کل اعداد حقیقی را برای جستجو در نظر بگیرد.ذات مدل چنان است که به خاطر قیود اول و دوم این خروج از محدوده در حالت شدنی اتفاق نمی افتد و در واقع قیود اول و دوم این مدل این نیاز را رفع خواهد نمود.در نهایت با به دست آوردن مقادیر بهینه این مدل غیر خطی بردار ویژه ماتریس فازی اولیه به دست می آید.حال مسئله مورد نظر غیرفازی شده است و با انواع مدلهای تصمیم گیری قابل نتیجه گیری می باشد.
فصل چهارم:
تفسیر و نتایج
۴-۱ . مقدمه:
با اجرای مراحل مربوط به روش تحقیق مسلما محقق با مجموعه ای از نتایج مواجه خواهد شد که این نتایج در قالب نمودارها، اشکال، جداول و سایر انواع اطلاعات قابل ارائه می باشد. از مهمترین بخش های هر تحقیق ، تجزیه و تحلیل اطلاعات است. وجود هر گونه خطا و اشتباهی در چنین بخشی می تواند به نتیجه گیری های نادرستی منجر گردد. انتخاب یک روش تحقیق مناسب ، تا حد زیادی محقق را در جلوگیری از بروز اشتباهات در امر تحقیق یاری می کند. داده ها و اطلاعات جمع آوری شده منابع خامی هستند که جهت کاربردی شدن نتایج آن ها بایستی توسط ابزار مناسب مورد تجزیه و تحلیل قرار گیرند. در فصل سوم ، راجع به روش انجام پژوهش بحث شد لذا در این فصل جهت دستیابی به اهداف ، و پاسخ به سوالات پژوهشی به تجزیه و تحلیل داده ها پرداخته شده است. هدف از این فصل ارائه نتایج تحقیق به اشکال فوق می باشد.
روایی سوالات پرسش نامه توسط ۱۰ تن از اساتید محترم سنجیده و تصویب شد.در زمینه پایایی نیز با بهره گرفتن از نرم افزارSPSS و محاسبه ضریب آلفای کرونباخ(۰.۹۱) ،مشخص شد پرسش نامه از پایایی بالایی برخوردار می باشد.
۴-۲ . تحلیل ها:
۱.جنسیت: