روش تصمیم گیری سلسله مراتبی یکی از کاربردی ترین ابزارهای تصمیم گیری چند معیاره (mcdm) می باشد. فرآیند تحلیل سلسله مراتبی (analytic hierarchy process )، تکنیکی است که برای رتبه بندی مجموعه ای از گزینه ها به کار می رود. این روش براساس مقایسات زوجی بنا نهاده شده و مهمترین موضوع تحقیق در ahp چگونگی استخراج بردار وزن از یک ماتریس مقایسات زوجی (ماتریس قضاوت) است. علاوه بر روش بردار ویژه، روش های دیگری مانند روش حداقل مربعات وزن دار، روش حداقل مربعات لگاریتمی، روش حداقل مربعات هندسی، روش های تقریبی، روش نرمال سازی جمعی، روش lp-gfw و ... برای این منظور پیشنهاد شده اند. راماناتان برای اولین بار تحلیل پوششی داده ها (dea) را برای استخراج بهترین وزن های نسبی از ماتریس مقایسات زوجی در ahp به کار گرفت. dea یکی از مشهورترین ابزارها در مدیریت تولید برای ارزیابی عملکرد (کارایی) واحدهای سازمانی است. هدف dea تعیین کارایی موثر یک دستگاه یا واحد تصمیم گیری (dmu) با مقایسه کردن بهترین عملکرد آن ها در تبدیل ورودی ها به خروجی هاست. در حالی که هدف ahp، رتبه بندی مجموعه ای از گزینه هاست که دارای معیارهای متضادی هستند. اگر در ارزیابی عملکرد، معیارها (یا گزینه ها) به عنوان ورودی ها و خروجی ها در dea، با هدف کمینه کردن ورودی ها یا بیشینه کردن خروجی ها به کار روند، آنگاه هر دو روش dea و mcdm هم ارز خواهند بود. بدین ترتیب dea برای استخراج وزن ها در ahp تحت عنوان deahp به کار گرفته شد. در این روش هر سطر ماتریس مقایسات زوجی به عنوان یک dmu و هر ستون به عنوان یک خروجی در نظر گرفته می شود. این روش با استفاده از یک ورودی مجازی با مقدار ثابت یک، برای تمام dmuها، مدل ccr با ماهیت ورودی را برای هر واحد به منظور محاسبه ی بهترین کارایی نسبی ممکن می سازد. بهترین کارایی های نسبی به عنوان وزن های نسبی واحدها که در اینجا گزینه ها یا معیارها هستند، در نظر گرفته می شوند.

چکیده ندارد.