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

در مدل های تصمیم گیریِ 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 زوجیِ 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.