مقایسه عملکردی مدلسازی تکنیک CCR -AP در فضای پیوسته داده ای با رویکردهای متداول چندشاخصه(مورد پژوهشی: خدمات بهداشتی-درمانی آبادی های استان آذربایجان غربی)
محل انتشار: مجله جغرافیا و مطالعات محیطی، دوره: 5، شماره: 20
سال انتشار: 1395
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 158
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_GESI-5-20_004
تاریخ نمایه سازی: 18 آبان 1400
چکیده مقاله:
فنون و روش های ریاضی برنامه ریزی و تصمیم گیری اگر-چه جوابی بهینه را ارایه می دهند؛ اما تحت شرایط و مفروضات خاصی از این توانایی برخوردار هستند. علی رغم دامنه وسیع کاربرد تصمیم گیری های چند معیاره در دنیای واقعی، این رویکرد نیز محدودیت ها و چالش های خاص خود را دارد. رویه هایی نیز برای انتخاب متدمناسب وجود دارد که البته بعضا این رویه ها ابزاری برای حذف تکنیک-ها تا انتخاب تکنیک مناسب می شوند. در روش شناسی پژوهش حاضر، تکنیک های چندشاخصه معمول که کاربرد متنوع و زیادی در تحقیقات داشته، با رویکرد بهینه DEA(CCR)-AP مورد مقایسه تطبیقی قرار گرفته است. برای استفاده از تکنیک DEA(CCR)/AP معرفی ورودی ها و خروجی ها ضروری است. در پژوهش حاضر، روش تحلیل پوششی داده ها در فضای پیوسته مدلسازی شده است. بدین ترتیب که تمامی شاخص های ماتریس تصمیم، به عنوان خروجی مدل تحلیل پوششی داده ها و هریک از گزینه های این ماتریس به عنوان یک واحد تصمیم گیرنده (DMU) در نظر گرفته شده است. نتایج کلی این آزمون نشان می دهد که مدلسازی تکنیک CCR-AP در فضای پیوسته داده ای با تکنیک های معمول چندشاخصه(تاپسیس، ویکور، پرومته و SAW) همبستگی معنادار مثبتی دارد. این همبستگی در بیشترین ارزش خود، در مقایسه با تکنیک تاپسیس ارزیابی شده است.
کلیدواژه ها:
نویسندگان
فرهاد برندک
کارشناسی ارشد، جغرافیا و برنامه ریزی شهری، دانشگاه پیام نور، رشت، ایران
حامد عبداللهی
کارشناسی ارشد، جغرافیا و برنامه ریزی شهری، دانشگاه پیام نور، رشت، ایران
فردین قاسم زاده
کارشناس ارشد جغرافیا و برنامه ریزی شهری، دانشگاه شهیدبهشتی، تهران، ایران
هادی کریمی
کارشناسی ارشد، جغرافیا و برنامه ریزی شهری، دانشگاه گیلان، رشت، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :