روش deahp روشی است که در آن تحلیل پوششی داده ها و تحلیل‎ فرآیند سلسله مراتبی ‎(ahp) ، برای استخراج و اجتماع وزن‎‎‎های نسبی در ahp‎‎‎، ترکیب شده اند. deahp‎‎ مدل ‎ccr‎‎‎ را برای استخراج وزن های نسبی در ماتریس مقایسات زوجی و مدل ‎ ccrبا وزن های محدود شده به روش ناحیه ی اطمینان را برای اجتماع این وزن های نسبی به منظور بدست آوردن وزن های نهایی گزینه ها جهت رتبه بندی آن ها، به کار می گیرد. این روش دارای نواقصی است که کاربرد آن را محدود می کند. از جمله این که این روش نه تنها برای ماتریس های مقایسات زوجی با ناسازگاری بالا، بلکه برای برخی از ماتریس های مقایسات زوجی که دارای سازگاری قابل قبولی هستند نیز وزن های نامعقول و مغایر با شهود را تولید می کند. در این پایان نامه برای رفع این نواقص، یک روش dea‎ی جدیدی را برای تعیین وزن ها در ahp پیشنهاد کرده و آن را به ‎ ahp گروهی تعمیم می دهیم. در روش شناسی deaی جدید، از دو مدل dea که به طور خاصی ساخته شده و متفاوت با مدل deahp می باشند، برای استخراج بهترین وزن های نسبی از ماتریس مقایسات زوجی یا گروهی از ماتریس های مقایسات زوجی استفاده می شود؛ خواه این ماتریس های مقایسات زوجی کاملا سازگار، خواه ناسازگار باشند. روش deaی‎‎ جدید، وزن های دقیق را برای ماتریس های مقایسات زوجی کاملا سازگار و بهترین وزن های نسبی را که معقول بوده و با ترجیحات سازنده ی تصمیم سازگار می باشند را برای ماتریس های ناسازگار تولید می کند. روش پیشنهادی از روش saw برای اجتماع بهترین وزن های نسبی بدون نیاز به نرمال سازی، استفاده می کند.

چکیده ندارد.