رتبه‌بندی راهبردهای بیابان‌زدایی با استفاده از تئوری مطلوبیت چند معیاره (MAUT)(مطالعه موردی: منطقه خضرآباد یزد)

نوع مقاله: مقاله پژوهشی

نویسندگان

1 - دانشیارگروه محیط زیست، واحد تاکستان، دانشگاه آزاد اسلامی، تاکستان، ایران* (مسوول مکاتبات)

2 دانشجوی دکتری مدیریت مناطق بیابانی دانشگاه تهران.

10.22034/jest.2019.24438.3346

چکیده

چکیده
زمینه و هدف: در حال حاظر بیابان­زایی به عنوان یک معضل گریبان­گیر بسیاری از کشورهای جهان از جمله کشورهای درحال توسعه می­باشد. علیرغم اثرات جدی زیست­محیطی، اقتصادی و اجتماعی این پدیده، کوشش­های اندکی در زمینه ارایه راهبردهای بهینه صورت پذیرفته است. از این­رو هدف از این پژوهش، ارزیابی راهبردهای بیابان­زدایی به منظور دست­یابی به راهبردهای بهینه در چارچوب مدیریت پایدار مناطق بیابانی می­باشد.
روش بررسی: جهت دست­یابی به این هدف، در چارچوب مدل­های تصمیم­گیری چند شاخصه، تئوری مطلوبیت چند معیاره (MAUT)، استفاده شد. در این روش برای تعیین وزن معیارها و راهبردها از تکنیک دلفی (Delphi) و آنتروپی شانون تعدیل شده (Modify Shannon Entropy) استفاده گردید و برای رتبه­بندی نهایی راهبردها نیز از تابع مطلوبیت چند معیاره (MAUT) استفاده شد.     این مدل به منظور ارزیابی کارایی در ارایه راهبردهای بهینه، در منطقه خضرآباد یزد مورد استفاده قرار گرفت.
یافته­ها: بر مبنای نتایج حاصل شده، راهبردهای جلوگیری از تبدیل و تغییر نامناسب کاربری اراضی (18A) با ضریب مطلوبیت 7429/0، توسعه و احیاء پوشش گیاهی (23A) با ضریب مطلوبیت 6573/0 و تعدیل در برداشت از منابع آب زیرزمینی (31A) با ضریب مطلوبیت 3184/0، به ترتیب به عنوان مهم­ترین راهبردهای بیابان­زدایی در منطقه تشخیص داده شدند.
بحث و نتیجه گیری: نتایج این پژوهش به مدیران مناطق بیابانی این امکان را می­دهد که امکانات و سرمایه­های محدود  اختصاص یافته به منظور کنترل روند بیابان­زایی را به شیوه­های صحیح و کارآمد به کاربندند تا ضمن دستیابی به نتایج بهتر، از هدر رفتن سرمایه­های ملی جلوگیری کنند.

کلیدواژه‌ها

موضوعات


 

 

 

 

 

علوم و تکنولوژی محیط زیست، دورهبیست و یکم، شماره هشت، آبان ماه 98

                                        

 

رتبه­بندی راهبردهای بیابان­زدایی بااستفادهازتئوری مطلوبیت چند معیاره (MAUT) (مطالعه موردی: منطقه خضرآباد یزد)

 

محمد حسن صادقی روش[1]*

m.sadeghiravesh@tiau.ac.ir

بهاره جبالبارزی[2]

 

تاریخ دریافت:11/11/95

تاریخ پذیرش:24/3/96

 

چکیده

زمینه و هدف: در حال حاظر بیابان­زایی به عنوان یک معضل گریبان­گیر بسیاری از کشورهای جهان از جمله کشورهای درحال توسعه می­باشد. علیرغم اثرات جدی زیست­محیطی، اقتصادی و اجتماعی این پدیده، کوشش­های اندکی در زمینه ارایه راهبردهای بهینه صورت پذیرفته است. از این­رو هدف از این پژوهش، ارزیابی راهبردهای بیابان­زدایی به منظور دست­یابی به راهبردهای بهینه در چارچوب مدیریت پایدار مناطق بیابانی می­باشد.

روش بررسی: جهت دست­یابی به این هدف، در چارچوب مدل­های تصمیم­گیری چند شاخصه، تئوری مطلوبیت چند معیاره (MAUT)، استفاده شد. در این روش برای تعیین وزن معیارها و راهبردها از تکنیک دلفی (Delphi) و آنتروپی شانون تعدیل شده (Modify Shannon Entropy) استفاده گردید و برای رتبه­بندی نهایی راهبردها نیز از تابع مطلوبیت چند معیاره (MAUT) استفاده شد.     این مدل به منظور ارزیابی کارایی در ارایه راهبردهای بهینه، در منطقه خضرآباد یزد مورد استفاده قرار گرفت.

یافته­ها: بر مبنای نتایج حاصل شده، راهبردهای جلوگیری از تبدیل و تغییر نامناسب کاربری اراضی (18A) با ضریب مطلوبیت 7429/0، توسعه و احیاء پوشش گیاهی (23A) با ضریب مطلوبیت 6573/0 و تعدیل در برداشت از منابع آب زیرزمینی (31A) با ضریب مطلوبیت 3184/0، به ترتیب به عنوان مهم­ترین راهبردهای بیابان­زدایی در منطقه تشخیص داده شدند.

بحث و نتیجه گیری: نتایج این پژوهش به مدیران مناطق بیابانی این امکان را می­دهد که امکانات و سرمایه­های محدود  اختصاص یافته به منظور کنترل روند بیابان­زایی را به شیوه­های صحیح و کارآمد به کاربندند تا ضمن دستیابی به نتایج بهتر، از هدر رفتن سرمایه­های ملی جلوگیری کنند.

واژه­های کلیدی: آنتروپی­شانون، بیابان­زدایی، تئوری مطلوبیت چند معیاره (MAUT)، مدل­های تصمیم­گیری چند شاخصه (MADM)، مقایسه زوجی.  

 

 

J. Env. Sci. Tech., Vol 21, No.8,October, 2019

 

 

 

 

 


Evaluation of Combat Desertification Alternatives by Using Multi-Attribute Utility Theory (MAUT)

(Case study of Khezerabad region in Yazd Province)

 

Mohammad Hassan Sadeghi Ravesh[3]*

m.sadeghiravesh@tiau.ac.ir

Bahare Jabalbarezi[4]

 

Admission Date:June 14, 2017

 

Date Received: January 30, 2017

 

Abstract

Background and Objective: Today, desertification is considered as a severe problem in most countries of the world, including the developing ones. Despite the serious environmental, social and economical impact of desertification phenomenon, few studies have been done to provide optimal alternatives. The aim of this study was to evaluate the alternatives for combating desertification in order to achieve optimal alternatives in the context of the sustainable management of deserts.

Method: To achieve this goal, the Multi-Attribute Utility Theory (MAUT) has been applied in the context of Multi-Attribute Decision-making (MADM) models. In order to determine the weights of criteria and alternatives, it was used the modified Delphi and Shannon entropy techniques, while the final rating of alternatives was performed using the Multi-Attribute Utility Theory (MAUT) function. The model was applied to evaluate the efficiency in providing the optimal alternatives in Khezerabad Region of Yazd Province.

Findings: The results showed that, the alternatives of prevention of unsuitable land use changes (A18) by a utility factor of 0.7429, vegetation cover development and reclamation (A23) by a utility factor of 0.6573 and modification of ground water harvesting (A31) by a utility factor of 0.3184 respectively were identified as the most important alternatives for combating desertification in the region.

Discussion and Conclusion: These results might able the managers to properly and efficiently use the limited available facilities and funds in order to control the desertification. In addition, achieveing better results, this might prevent the waste of national resources.

 

Keywords: Combating Desertification; Multi-Attribute Decision Making (MADM) models; Multi-Attribute Utility Theory (MAUT); Pair-wise comparison.

 

 

 

 

مقدمه


در حال حاظر بیابان­زایی به عنوان یک معضل گریبان­گیر بسیاری از کشورهای جهان از جمله کشورهای در حال توسعه می­باشد که نتیجه آن از بین رفتن منابع تجدید شونده در هر یک از کشورهاست (1). در این زمینه می­توان با ارایه راهکارها و روش­های مدیریتی مناسب از شدت پدیده بیابان­زایی کاسته و نیز از گسترش و پیش­روی آن جلوگیری به عمل آورد. در این راه شناخت فرایندهای بیابان­زایی و عوامل به وجود آورنده و تشدید کننده آن و همچنینی آگاهی از شدت و ضعف این فرایندها، امری مهم و ضروری است که باید مورد بررسی و ارزیابی قرار گیرد(2). این الزامات موجب استفاده از روش­های تصمیم­گیری چند شاخصه[5] می­شود­که هدف آن انتخاب بهترین جواب از بین راه­حل­های مختلف و معیارهای متنوع و متعدد می­باشد،از این­رو هدف از این­پژوهش، ارزیابی­راهبردهای بیابان­زدایی به منظور دست­یابی به راهبردهای بهینه در چارچوب مدیریت پایدار مناطق بیابانی می­باشد. جهت دست­یابی به این هدف، در چارچوب مدل­های تصمیم­گیری چند شاخصه، تئوری مطلوبیت­چند­معیاره[6]،­به منظور ارایه راهکارهای بهینه در بیابان­زدایی استفاده شد.

با مطالعه­منابع تحقیقاتی پیشینه به کارگیری مدل­های تصمیم­گیری در ارایه راهبردهای بهینه در چارچوب مدیریت مناطق بیابانی به کارهای Grau­و دیگران، صادقی­روش و دیگران و سپهر و پرویان محدود می­شود. گرایو در پژوهش خود به منظور انتخاب راهبردهای بهینه به منظور ارایه طرحی یکپارچه جهت کنترل فرسایش و بیابان­زایی از سه مدل تصمیم­گیری، الکترا[7]،­فرایند­تحلیلی­سلسله­مراتبی[8]و روش­ساختاریافتۀ­رتبه‌بندی ترجیحی برای غنی‌سازی ارزیابی‌ها یا پرومته[9] استفاده کرد (3). نتایج حاصله نشان­گر­کارایی بالای این مدل­ها­در ارایه راهبردهای بهینه بیابان­زدایی بود و با وجود روش­های پیچیده مورد استفاده در هر مدل نتایج حاصله تا حدود زیادی یکسان بود. صادقی­روش نیز با کاربرد مدل­های فرایند تحلیلی سلسله مراتبی (4)، فرایند تحلیلی سلسله مراتبی فازی[10]­(5)، تکنیک اولویت‌بندی ترجیحی براساس­تشابه به پاسخ‌های ایده­ال[11]­(6)، تکنیک اولویت‌بندی ترجیحی براساس تشابه به پاسخ‌های ایده­ال فازی[12] (7)، الکترا (8)، مدل مجموع وزنی[13](9)، بردا[14] (10، 11)، جای­گشت[15](12)­، پرومته(13)، فرایند تحلیل شبکه[16](14)، تخصیص­خطی[17](15)، ­تحلیل­عاملی[18](16)­و مدل اورسته[19](17) به اولویت­بندی راهبردهای بیابان­زدایی در منطقه خضرآباد پرداخت، نتایج حاصله از این مطالعات یکسان­و تا حدود زیادی مشابه نتایج حاصله از پژوهش انجام شده، می­باشد. سپهر و پرویان نیز با کاربرد­مدل­نارتبه­ای پرومته ضمن­پهنه­بندی آسیب­پذیری بیابان­زایی­در اکوسیستم­های استان­خراسان رضوی، اقدام به ارزیابی راهبردهای مقابله با بیابان­زایی کردند (18).

از آنجا که قضاوت در مورد راهبردهای بیابان­زدایی غیردقیق و احتمالی است، و اصولاً راهبرد بهینه بیابان­زدایی به عنوان یک امر نادقیق و غیر قطعی در نظر گرفته شده است. لذا به اقتضای این پژوهش از تکنیک دلفی و آنتروپی شانون برای تعیین اوزان معیارها و راهبردها  بر­اساس هر معیار، استفاده شده و به منظور رتبه­بندی راهبردها بر مبنای مجموعه معیارها از تکنیک تئوری مطلوبیت چند معیاره استفاده شده است.

مواد و روش­ها

منطقه مورد مطالعه

منطقه خضرآباد با وسعتی معادل 78180 هکتار­ در­10 کیلومتری غرب شهر یزد در موقعیت َ55، ْ53 الی َ20، ْ54 طول شرقی و َ 45، ْ31 الی َ 15، ْ32 عرض شمالی قرار گرفته است (شکل1). 5/16 درصد از اراضی منطقه را تپه­ها و پهنه­های ماسه­ای با انواع رخساره­های تخریبی و فرسایشی شکل داده که نشان دهنده وضعیت کاملأ مشهود از نظرگاه بیابان­زائی در منطقه و بیان کننده لزوم پرداختن به راه حل­های بیابان­زدایی در این حوزه است (19).

 

 

شکل 1- موقعیت منطقه خضرآباد

Figure1. Location of the study area

 

روش تحقیق


تئوری مطلوبیت چند معیاره (MAUT) یکی از مهم­ترین روش­های رتبه­بندی و تصمیم­گیری چند معیاره کلاسیک[20] در مکتب آمریکایی می­باشد (20، 21) مفهوم مطلوبیت به میزان تمایل هر یک از تصمیم­گیرندگان برای دست­یابی به گزینه مورد نظر اشاره دارد (25) این مفهوم در قالب تابع مطلوبیت اولین بار توسط Keeney و Raiffa در سال 1976 ارایه شد (22، 23، 24). ساختار این روش بر مبنای تعیین تابع مطلوبیت هر معیار شکل گرفته و مطلوبیت نهایی هر گزینه از ترکیب وزنی مقادیر این توابع  به ازای هر گزینه حاصل می­شود. تئوری مطلوبیت طی مراحل ذیل به انجام می­رسد.

- انتخاب معیارها و راهبردهای موثر

انتخاب معیارها و راهبردها از طیف وسیعی از معیارها و راهبردهای را می­توان از طریق طوفان مغزها یا روش دلفی بدست آورد. در این پژوهش از روش دلفی و تشکیل ساختار سلسله مراتبی به منظور انتخاب معیارها و راهبردهای مهم و اولویت­دار استفاده کردیم (4، 25).

-­برآورد وزن نسبی راهبردها و تشکیل ماتریس مقایسات زوجی گروهی

در ادامه به منظور دستیابی به وزن نسبی[21]، پرسش­نامه­ای تهیه و از کارشناسان آشنا به منطقه مطالعاتی خواسته شد که راهبردهای موثر حاصل شده را از نظر اولویت نسبت به تک تک معیارها در مقیاس 1 الی 9 ساعتی مورد مقایسات زوجی[22] قرار دهند. پس از تشکیل ماتریس مقایسات زوجی کارشناسان، از روش میانگین هندسی اقدام به تلفیق قضاوت­ها کرده و ماتریس مقایسات زوجی گروهی شکل گرفت. (25، 26)

-استخراج اوزان راهبردهای موثر بر مبنای جداول مقایسات زوجی گروهی

در این مرحله اعداد جداول ماتریس مقایسات زوجی گروهی اولویت راهبردها نسبت به هر معیار  وارد نرم افزار EC شد. بعد از نرمال­سازی از روش میانگین موزون، اولویت­ها ارایه شد (27).

- تشکیل ماتریس تصمیم گیری نرمالیزه (NDM[23])

در این مرحله مقادیر وزنی اولویت راهبردها (Pij) بر مبنای هر معیار، در قالب ماتریس کلی تصمیم گیری(جدول1) لحاظ می­شود.

 

جدول1- ماتریس تصمیم گیری نرمالیزه (NDM)( 31)

Table 1. Normalized Decision Matrix (NDM) (29)

Criterion

Alt

Cn

...

C3

C2

C1

 

P1n

...

P13

P12

P11

A1

P2n

...

P23

P22

P21

A2

׃

׃

׃

׃

׃

׃

Pmn

...

Pm3

Pm2

Pm1

Am


در این ماتریس m = تعداد راهبرد­ها ،n = تعداد معیارها C = عنوان معیار و Pij = مقدار وزنی نرمال که هر راهبرد با توجه به معیار مربوطه کسب می­کند، می­باشد.


-­تعیین اهمیت معیارها با  استفاده از روش آنتروپی شانون[24]

زمانی که داده­های یک ماتریس تصمیم­گیری به طور کامل مشخص شده باشد، روش آنتروپی برای ارزیابی اوزان معیارها مناسب است (28) از این رو پس از تشکیل ماتریس تصمیم­گیری که یک ماتریس نرمالیزه است، آنتروپی راهبردها نسبت به معیارها از رابطه 1 محاسبه شده و ماتریس دو بعدی آن شکل می­گیرد (جدول 2).

(1)

 

که در آن: آنتروپی هــر راهبـرد نسبت به هر معیار،   مقدار وزنی نرمال هر راهبــرد نسبت به هر معیار و  لگاریتم نپرین مقدار وزنی نرمال هر راهبرد نسبت به هر معیار

جدول 2- ماتریس آنتروپی راهبردها نسبت به معیارها

Table.2. Alternatives entropy matrix relating to criteria

Criterion

Alt

CN

...

C3

C2

C1

E1N

E2N

׃

EMN

...

...

׃

...

E13

E23

׃

EM3

E12

E22

׃

EM2

E11

E21

׃

EM1

A1

A2

׃

AM

در ادامه آنتروپی معیارها (Ej)  از رابطه (2) محاسبه می­شود.

(2)

 

در این رابطه:آنتروپی هر معیار، ضریب ثابت و K به عنوان مقدار ثابت از رابطه (3) محاسبه می­شود.

(3)

 

در این رابطه:  ضریب ثابت،  لگاریتم نپرین تعداد راهبردها(M)می­باشد.

و مقدار dj (درجه انحراف)[25] از رابطه (4) محاسبه می­شود که بیان می­کند معیار مربوطه (j) چه میزان اطلاعات مفید برای تصمیم­گیری در اختیار تصمیم­گیرنده قرار می­دهد. هر چه مقادیر اندازه­گیری شده­ معیاری به صفر نزدیک باشد، نشان دهنده­ آن است که گزینه های رقیب از نظر آن شاخص تفاوت چندانی با یکدیگر ندارند. لذا نقش آن شاخص در تصمیم­گیری باید به همان اندازه کاهش یابد.

(4)

 

سپس مقدار اوزان معیارها از رابطه (5)  محاسبه می شود.

 

(5)

 

بر مبنای این روش معیاری که بیش­ترین وزن را دارد بیش­ترین نقش در تصمیم گیری را نیز دارد  (26، 29).

در نهایت با بکارگیری قضاوت شخصی خبرگان، برای معیارها، ضرایب ارجحیت ( ) را به دست آورده و در تعدیل وزن نهایی معیارها  از رابطه 6 استفاده شد (30).

 

(6)

 

- تعیین مقادیر UH و UL برای کلیه معیار های تصمیم گیری(yi)

در این مرحله با در نظر گرفتن ماتریس تصمیم­گیری در فرایند تحلیلی سلسله مراتبی (جدول2) مقادیر حداکثر (UH) و حداقل (UL) مطلوبیت هر معیار تعیین می­شود. به طور کلی UH نشان دهنده مقداری است که در آن درجه مطلوبیت به بیش­ترین حد خود  یعنی 1  می­رسد (رابطه7)، در حالیکه  ULنشان دهنده مقداری است که در آن درجه مطلوبیت به کم­ترین حد خود یعنی صفر می­رسد (رابطه 8).

(7)

 

(8)

 

این دو مقدار در دو سر یک طیف قرار می­گیرند که مطلوب­ترین و نامطلوب­ترین میزان از یک موضوع (مثلا معیارهای مطرح و موثر در ارایه راهبردهای بیابان­زدایی) را از نظر تصمیم­گیرندگان مشخص می­نمایند. در واقع مقادیر مطلوبیت بدست آمده در مسایل تصمیم­گیری مابین دو مقدار UH و UL (0.0 و 1.0 ) تغییر می­کند.

- محاسبه معادله مطلوبیت هر یک از معیارها

تابع مطلوبیت را می­توان به عنوان مبنایی برای تشریح نظرات یک تصمیم­گیرنده نسبت به ریسک به کاربرد، نوع تابع مطلوبیت به نوع دیدگاه ریسک تصمیم­گیرنده برمی­گردد. دیدگاه ریسک تصمیم­گیرنده به سه دسته ریسک­گریز[26]، ریسک­پذیر[27] و خنثی در ریسک[28] تقسیم شده، برای دیدگاه رسیک­پذیر و ریسک­گریز شکل توابع مطلوبیت به صورت نمایی و برای دیدگاه ریسک خنثی (دیدگاه بی­تفاوت نسبت به ریسک) که ما نیز از این طرز تلقی به مسأله می­نگریم، به صورت خطی می­باشد (رابطه9).

(9)   ci و di اعداد ثابتند

 

به منظور تعیین مقادیر ثابت ci و di برای کلیه معیار­های تصمیم­گیری و توابع مطلوبیت هر یک از معیار­ها، از تابع ریسک خنثی (رابطه9) و مقادیر UH و UL برای کلیه معیار­های تصمیم­گیری استفاده می­شود. تابع مطلوبیت به ازای حد بالایی مقدار یک و به ازای حد پایینی مقدار صفر را اختیار می کند.

- تعیین مقدار مطلوبیت برای هر معیار در هر راهبرد با استفاده از معادله مطلوبیت تک معیاره

پس از برآورد تابع مطلوبیت برای همه معیار­ها با کمک ماتریس تصمیم­گیری (جدول 1) مقادیر مطلوبیت متعلق به هر یک از معیارها در

رابطه با هر راهبرد را استخراج کرده و حاصل Ui(yi)را برای تمام معیارها و راهبردها محاسبه و ماتریس مطلوبیت راهبردهای بیابان­زدایی را شکل می­دهیم ( جدول3).

 

جدول 3- مقادیر مطلوبیت راهبردهای بیابان­زدایی (Ui(yi))

Table 3. The utility values for alternatives to combat desertification (Ui(yi))

Criterion

Alt

CN

...

C3

C2

C1

U3(P1N)

U3(P2N)

׃

U3(PMN)

...

...

...

...

U3(P13)

U3(P23)

׃

U3(PM3)

U2(P12)

U2(P22)

׃

U2(PM2)

U1(P11)

U1(P21)

׃

U1(PM1)

A1

A2

׃

AM

در این جدول: Alt: راهبرد، C: معیار و Ui(yi): مقادیر مطلوبیت متعلق به هر یک از معیارها در رابطه با هر راهبرد می­باشند.

 

-تشکیل تابع مطلوبیت  چند معیاره برای هر راهبرد

مقادیر  Ui(yi)بدست آمده در بخش قبل (جدول 3) و نیز اوزان معیار­های تعدیل شده، در معادله تابع مطلوبیت با معیار­های چندگانه هر راهبرد (رابطه 10) قرار داده شد. این عمل برای تمام راهبردها به انجام رسید و در نتیجه تابع مطلوبیت با معیارهای چندگانه برای تمامی راهبردها محاسبه گردید.

 

 

 

(10)

 

 

 

در این رابطه، Ui(yi) یک تابع مطلوبیت تک معیاره برای معیار i بوده و مقدار آن از 0.0 تا 1.0 تغییر می­کند، yi دامنه­ای از مقادیر است که معیار i اختیار می­کند و  وزن (اهمیت نسبی) تعدیل شده معیار را نشان می­دهد. وزن­ها مقادیر مثبتی هستند که مجموع آن­ها عدد 1 را حاصل می­کند ( رابطه 11).

 

(11)

 

- مقایسه توابع مطلوبیت چند معیاره راهبردها و تعیین راهبردهای بهینه

پس از بدست آمدن نتایج، می­توان اولویت نسبی هر راهبرد را مشخص کرد در این رابطه از آنجا که مفهوم بیابان­زدایی هم ارز مفهوم مطلوبیت است از این رو راهبردهایی که از ضریب مطلوبیت بیش­تری برخوردار باشند از نظر بیابان­زدایی در اولویت قرار می­گیرند و بالعکس. (20، 28، 29، 31، 32).

 یافته­ها

- انتخاب معیارها و راهبردهای مهم واولویت دار

در فرایند ارزیابی راهبردهای بیابان‌زدایی در منطقۀ مطالعاتی، ابتدا به‌منظور شناخت معیارها و راهبردهای مهم و اولویت‌دار از نظر گروه،  از روش دلفی و تهیۀ پرسش­نامه استفاده شد (4) و از میان 16 معیار و 40 راهبرد نهایی نظرخواهی‌شده به‌منظور بیابان‌زدایی، راهبردها و معیارهای مهم و اولویت‌دار از نظر گروه انتخاب و به‌ منظور ترسیم نمودار سلسله‌مراتب تصمیم‌گیری و تهیۀ پرسش­نامه مقایسات زوجی در نظر گرفته شدند.

- محاسبه وزن نسبی راهبردها و تشکیل ماتریس تصمیم گیری گروهی(DM[29])

پس از مشخص شدن معیارها و راهبردهای مهم و اولویت دار از نظر گروه، از روش مقایسات زوجی،  و در قالب کلی ماتریس تصمیم­گیری در فرایند تحلیلی سلسله مراتبی (جدول1)، ماتریس تصمیم­گیری راهبردهای بهینه بیابان­زدایی از نظر گروه (جدول4) شکل گرفت و اولویت راهبردها بر مبنای هر معیار تعیین شد. 

 

جدول4- ماتریس تصمیم گیری راهبردهای بهینه بیابان­زدایی از نظر گروه

Table4. Decision matrix of optimal de-desertification alternatives according to group

معیارها(C)◄

C7

C16

C6

C5

C2

راهبردها(A)▼

23A

2257/0

1805/0

2488/0

2387/0

2509/0

18A

2643/0

2383/0

1983/0

1635/0

1960/0

33A

1599/0

1510/0

2093/0

2565/0

1620/0

20A

1582/0

2209/0

1608/0

1762/0

2229/0

A31

1918/0

2092/0

1826/0

1633/0

1682/0

 

- تعیین اهمیت معیارهای مطرح در فرایند بیابان­زدایی از روش آنتروپی شانون

پس از تشکیل ماتریس تصمیم­گیری نرمالیزه شده (جدول4)، آنتروپی راهبردهای بیابان­زدایی نسبت به معیارهای مطرح از رابطه 1 محاسبه شد و ماتریس دو بعدی آن شکل گرفت و در ادامه آنتروپی معیارهای مطرح در بیابان­زدایی(Ej) از رابطه 2 محاسبه شد و با محاسبه درجه انحراف (dj) و اوزان معیارها (Wj) از روابط 4 و 5، اوزان معیارها، با نظر خواهی از متخصصان آشنا به منطقه (کل جامعه آماری 25 نفر) طی رابطه 6 تعدیل شد و اهمیت تعدیل شده معیارهای مطرح در انتخاب راهبردهای بیابان­زدایی در منطقه خضرآباد مطابق جدول 5 برآورد شد.

 

 

جدول 5-  برآورد آنتروپی، درجه انحراف و اوزان تعدیل شده معیارهای مطرح در ارایه راهبردهای بیابان­زدایی

Table.5. Famous criteria entropy, deviation and weight for providing de- desertification alternatives

معیارها(C)◄

C7

C16

C6

C5

C2

Ej

9874/0

9922/0

9932/0

9872/0

9913/0

dj

0126/0

0078/0

0068/0

0128/0

0087/0

Wj

2587/0

1602/0

1396/0

2628/0

1786/0

 

33/0

31/0

16/0

11/0

09/0

 

08537/0

04966/0

02234/0

02891/0

01607/0

 

42/0

25/0

11/0

15/0

08/0

 

- رتبه بندی نهایی اولویت راهبردهای بیابان­زدایی

در این مرحله با استفاده از ماتریس تصمیم­گیری (جدول 4) و اوزان معیارهای برآورد شده به روش آنتروپی شانون (جدول6)، از روش تئوری مطلوبیت چند معیاره، برای رتبه­بندی اولویت راهبردهای بیابان­زدایی به شرح ذیل استفاده شد سپس مقادیر حداکثر (UH) و حداقل (UL) مطلوبیت هر معیار بیابان­زدایی با در نظر گرفتن ماتریس تصمیم­گیری درفرایند تحلیلی سلسله مراتبی ( جدول4 ) بدست آمد ( جدول 6).

 

 

جدول 6- مقادیر حداکثر (UH) و حداقل (UL) مطلوبیت هر معیار بیابان­زدایی

Table.6. The maximum (UH) and minimum (UL) utility values of criteria to combat desertification

 

y7

y16

y6

y5

y2

UH

2643/0

2383/0

2488/0

2565/0

2509/0

UL

1582/0

1510/0

1608/0

1633/0

1620/0

 

 

 

با استفاده از رابطه 9 دستگاه معادلاتی برای تمام معیارها تشکیل شد تا مقادیر ثابت ci و di بدست آید. پس از مشخص شدن مقادیر ثابت ci و di  برای همه معیارها، توابع مطلوبیت مجزایی برای معیارهای موثر در فرایند بیابان­زدایی محاسبه شد.  پس از بدست آمدن تابع مطلوبیت برای همه معیارها و با کمک ماتریس تصمیم­گیری (جدول4) مقادیر مطلوبیت متعلق به هر یک از معیارها در رابطه با هر راهبرد استخراج و حاصل Ui(yi) برای تمام معیار­ها و راهبردها محاسبه شد و ماتریس مطلوبیت واحدهای کاری از دیدگاه بیابان­زدایی شکل گرفت (جدول 7).

 

جدول 7- ماتریس مطلوبیت واحدهای کاری از دیدگاه بیابان­زدایی

Table.7. The utility matrix of action units from de- desertification viewpoint

معیارها(C)◄

C7

C16

C6

C5

C2

راهبردها(A)▼

A23

6361/0

3367/0

1

8112/0

1

A18

1

1

4227/0

0044/0

385/0

A33

0163/0

0

5476/0

1

0

A20

0

7993/0

0

1406/0

6876/0

A31

3168/0

6235/0

2443/0

0

0723/0

 

با تعیین Ui(yi) و اوزان محاسبه شده معیار­ها، معادله تابع مطلوبیت با معیار­های چندگانه در رابطه با هر راهبرد با توجه به رابطه خطی 10، از مجموع سطری مقادیر مطلوبیت Ui(yi) (جدول7) در ضریب اهمیت نسبی معیار­ها () (جدول5) به تفکیک هر راهبرد بیابان­زدایی محاسبه شد (جدول 8).

 

جدول 8-  ضریب مطلوبیت راهبردهای بیابان­زدایی به تفکیک واحدهای کاری در منطقه خضرآباد

Table.8. The utility coefficient of de-desertification alternative of action units in the Khezrabad area.

 

A23

A18

A33

A20

A31

ضریب مطلوبیت

 

6573/0

7429/0

2121/0

2712/0

3184/0

رتبه

2

1

5

4

3

 

با توجه به  نتایج حاصله از جدول ضریب مطلوبیت راهبردها (جدول8)، می­توان بیان داشت راهبردی برتر است که مطلوبیت مورد انتظار بدست آمده از آن بیشتر باشد. راهبرد جلوگیری از تبدیل و تغییر نامناسب کاربری اراضی(18A)، مهمترین راهبرد در فرایند بیابان­زدایی می­باشد و راهبردهای توسعه واحیاء پوشش گیاهی(23A)، تعدیل در برداشت ازمنابع آب زیر زمینی(31A)، کنترل چرای دام (20A) و تغییرالگوی آبیاری و اجرای روش­های کم آب­خواه (33A) به ترتیب در اولویت های بعدی قرار گرفته­اند.

 

A18>> A23>> A31>> A20>> A33


بحث و نتیجه گیری

در این پژوهش در چارچوب روش­های تصمیم­گیری چند معیاره، مدل تئوری مطلوبیت چند معیاره را اریه نمودیم که در آن راهبردهای بیابان­زدایی بر پایه نظرسنجی از خبرگان مورد ارزیابی و رتبه­بندی قرار گرفتند در چارچوب این روش به منظور  تعیین اهمیت معیارها از روش آنتروپی شانون اصلاح شده استفاده شد. از آنجا که مطابق ادبیات پژوهش ارجحیت معیارها (Wj) با نظرخواهی از صاحب­نظران تعدیل شد () لذا نتایج نهایی بدست آمده، بر خلاف پژوهش­های انجام شده همانند ارزیابی راهبردها با کاربرد مدل مجموع وزنی که صرفا اهمیت معیارها بر مبنای آنتروپی و بدون نظرخواهی گروهی برآورد می­شد، از صحت بیشتری برخوردار بوده و  نتایح حاصله  مطابق  مدل­های فرایند تحلیلی سلسله مراتبی، الکترا، تاپسیس، بردا، پرومته، جایگشت و تخصیص خطی در ارزیابی راهبردها می­باشد که ارزیابی معیارها را بر مبنای  مقایسات زوجی و نظر خواهی گروهی انجام می­دادند، به این معنی که راهبردهای 1823A و31A ، به ترتیب در رتبه اول تا سوم قرار گرفته­اند. در عین حال روش MAUT نیز همانند روش­های مذکور، واجد محدودیت نادیده انگاشتن قضاوت­های فازی تصمیم­گیران است. همچنین بعضی از معیارها ساختار کیفی یا ساختار نامشخصی دارند که نمی­توانند به دقت اندازه­گیری شوند. در چنین مواردی به منظور دست­یابی به ماتریس ارزشیابی می­توان از اعداد فازی استفاده کرد. بنابراین می­توان روش­های اولویت­بندی را با کاربرد اعداد فازی توسعه داد.

به طور کلی با توجه به نتایج اولویت بندی نهایی راهبردها می­توان بیان داشت که در صورت اجرای راهبردهای، جلوگیری از تبدیل و تغییر نامناسب کاربری اراضی(18A) با ضریب مطلوبیت 7429/0، توسعه واحیاء پوشش گیاهی(23A) با ضریب مطلوبیت 6573/0 و تعدیل دربرداشت ازمنابع آب زیر زمینی(31A) 3184/0 ، می­توان به میزان قابل توجهی از بیابانی شدن اراضی منطقه جلوگیری و نسبت به احیاء اراضی تخریب یافته اقدام کرد.

در نهایت پیشنهاد می­شود طرح­های بیابان­زدایی در منطقه مطالعاتی بر روی این راهبردها تأکید کنند تا از هدر رفت سرمایه­های محدود جلوگیری و بازدهی طرح­های کنترل، احیاء و بازسازی بالا رود. نتایج این پژوهش به مدیران مناطق بیابانی این امکان را می دهد که امکانات و سرمایه­های محدود اختصاص یافته به منظور کنترل روند بیابان­زایی را به شیوه­های صحیح و کارآمد به کاربندند تا ضمن   دست­یابی به نتایج بهتر، از هدر رفتن سرمایه­های ملی جلوگیری کنند.

 

Reference

  1. Ahmadi, H., 2004. Study of effective factors on desertification. Forest and Pasture Journal, Vol. 62, pp. 66-70. (In Persian).
  2. Giordano, L., Giordano, F., Grauso, S., Lannetta, M., Scicortino, M., Bonnati, G., Borfecchia, F., 2002. Desertification vulnerability in Sicily, Proc. Of the 2nd Int. Conf. On New Trend in Water and Environmental Engineering for Safety and Life:Eco-compatible solutions for Aquatic Environmental, June 24-28, Capri, Italy. pp: 85-98. Available from: http://www.Capri2002.com.
  3. Grau, J. B., Anton, J. M., Tarquis, A. M., Colombo, F.,  Rios, L., Cisneros, J. M., 2010. Mathematical model to select the optimal alternative for an integral plan to desertification and erosion control for the Chaco Area in Salta Province (Argentine), Journal of Biogeosciences Discuss,Vol. 7, pp. 2601–2630.
  4. Sadeghi Ravesh, M. H., Ahamadi, H., Zahtabian, G. H., Tahmoures, M., 2010. Application of Analytical Hierarchy Process (AHP) in assessment of de-desertification alternatives. Iranian Journal of Range and Desert Research, Vol. 17(1), pp. 35-50. (In Persian).
  5. Sadeghi Ravesh, M. H., Khosravi, H., Ghasemi, S., 2015. Application of fuzzy analytical hierarchy process for Assessment of combating-desertification alternatives in the central Iran, Journal of Natural Hazard, Vol. 75, pp. 653-667.
  6. Sadeghi Ravesh, M. H., Zehtabian, G. R., Ahmadi, H., Khosravi, H., 2012. Using analytic hierarchy prosess method and ordering technique to assess de-desertification alternatives, case study: Khezrabad, Yazd, IRAN, Carpathian journal of earth and environmental sciences, Vol. 7, pp. 51-60.
  7. Sadeghi Ravesh, M. H., Tahmoures, M., 2014. Evaluation of alternatives to combat desertification using FTOPSIS model. Environmental Engineering and Sciences Quarterly. Vol. 1(3), pp. 79-94. (In Persian).
  8. Sadeghi Ravesh, M. H., Khosravi, H., 2014.  Application of AHP and ELECTRE models for Assessment of de-desertification alternatives in Central Iran, DESERT, Vol. 19-2, pp.141-153.
  9. Sadeghi Ravesh, M. H., Zehtabian, G., 2013. Combat desertification alternatives classification with using of Multi Attribute Decision Making (MADM) view point and Weighted Sum Model (WSM), Case study: Khezrabad region, Yazd province. Journal of Pajouhesh & Sazandeghi, Vol. 100, pp.1-11. (In Persian).
  10. Sadeghi Ravesh, M. H. 2014. Evaluation of combat desertification alternatives by using BORDA ranking model, Case study: Khezrabad region, Yazd province. Journal of Environmental Management and Planning, Vol. 4(2), pp. 5-16. (In Persian).
  11. Sadeghi Ravesh, M. H., Khosravi, H., 2016. Evaluation of combat desertification alternatives by using Individual Borda Ranking model. Desert Ecosystem Engineering Journal (DEEJ), Vol. 5(12), pp. 109-121. (In Persian)
  12. Sadeghi Ravesh, M. H., 2013. Assessment of combat desertification alternatives using Permutation method, case study: Khezrabad region, Yazd province. Journal of Environmental Management and Planning, Vol. 3(4), pp. 5-14. (In Persian). 
  13. Sadeghi Ravesh, M, H., Khosravi, H., Abolhasani, A., Shekoohizadeghan, S., 2016. Evaluation of de-desertification alternatives by using PROMETHEE model in Khezrabad region, Journal of Geography and Geology, Vol 8(2), pp. 1-14.
  14. Sadeghi Rravesh, M. H., Khosravi, H., 2015. Application of Network Analysis Process (ANP) in assessment of combating desertification alternatives. Desert Ecosystem Engineering Journal (DEEJ), Vol. 4(8), pp.11-24. (In Persian).
  15. Sadeghi Ravesh, M, H., Khosravi, H., Ghasemian, S., 2016. Assessment of combating strategies using the Liner Assignment method, Journal of Solid Earth, Vol. 7, pp. 673-683.
  16. Sadeghi Ravesh, M. H., Khosravi, H., 2018. Assessment of de-desertification approaches using Multi Attribute Decision Making (MADM) and Principal Factor Analysis (PFA). Geographical Explorations of Desert Areas, Vol. 6(1), pp.229-255. (In Persian)
  17. Sadeghi Ravesh, M. H., 2019. Evaluation of de-desertification alternatives In Ardekan- Khezr Abad plain by using Shannon Entropy method and ORESTE model, Quarterly journal of Environmental Erosion Research,  (In Press) (In Persian).
  18. Shafiei Nik Abadi, M., Jafarian, A., 2012. Application of the Multi-Attribute Utility Theory (MAUT) to evaluate the performance of electronic businesses. Management Quarterly. Vol. 9 (26), pp. 57-68. (In Persian).
  19. Sadeghi Ravesh, M. H., 2008. Investigation of effective desertification factors on environmental degradation. Azad University Ph.D Thesis.395 p. (In Persian).
  20. Maged, E. G., Chang, L. M., Zang, L., 2005. Utility- Function Model for Engineering performance assessment, journal of construction engineering and management, Vol 131, no. 5, pp. 558-565.
  21. Ayhan, M. B., 2013.  A FUZZY and approach for supplier selection problem: a case study in a Gearmotor company, International Journal of Managing Value and Supply Chains(IJMVSC), Vol. 4, No. 3, pp. 11-23.
  22. Keeney, R. L., 1992. Value – focused thinking: A path to creative decision- making, Harvard university press, London.UK.
  23. Keeney, R. L., Raiffa, H., 1993. Decisions with Multiple Objectives: Perferences and value trade-Offs, Cambridge university press, Cambridge, UK.
  24. Keeney, R. L., 1976. A group preference axiomatization with cardinal utility, Management Science, Vol 23, pp.140-145.
  25. Azar, A., Rajabzadeh, A., 2014. Applied decision making with an approach of Multi-Attribute Decision Making (MADM). 6nd edition.  Tehran, Publication of Negah Danesh. 183 pp. (In Persian).
  26. Ghodsipour, S. H., 2016. Analytical Hierarchical Process (AHP). 12nd edition, Amir Kabir University press, 220 pp. (In Persian).
  27. Azar, A., Memariani, A., 2003. AHP a new technique for group decision making. Journal of Management Knowledge, Vol. 27-28, pp. 22-32. (In Persian).
  28. Asgharpoutr, M. J., 2017. Multi-Criteria Decision Making. 15nd edition, Publication of Tehran University, 400 pp. (In Persian).
  29. Zak. J., 2005. The comparison of multi-objective ranking methods applied to solve the mass transit systems decision problems, proceeding of 16th mini Euro conference and 10th meeting of the Euro working group of transportation (EWGT), September 13-16, 2005, Poznan, Poland.
  30. Limon, G. A., Martinez, Y., 2006. Multi criteria modeling of irrigation water marked at basin level: A Spanish case study, Eropiangeornal of Operational Reserch, Vol. 173, pp. 313-336
  31. Wallenius, J., Dyer, J. S., Fishburn, P. C., Steuer, R. E., Zionts, S., Deb, K., 2008. Multiple Criteria Decision Making, Multi- Attribute Utility Therory: Recent accomplishments and what lies ahead, Management Science, Vol. 54, Issue. 7, pp. 1335-1349.
  32. Momeni, M., 2006. Modern Research Subjects in Practice. Publications of Management Faculty of University of Tehran.

 

 

 

 



[1] - دانشیارگروه محیط زیست، واحد تاکستان، دانشگاه آزاد اسلامی، تاکستان، ایران* (مسوول مکاتبات)

[2] -  دانشجوی دکتری مدیریت مناطق بیابانی، دانشکده منابع طبیعی، دانشگاه تهران. تهران، ایران

[3]- Associate Professor, Department of Environment, Takestan Branch, Islamic Azad University, Takestan, Iran *(Corresponding Author)

[4]- Ph.D student, Department of Desertification, Faculty of Natural Resources, Tehran University, Tehran, Iran.

[5]- Multi Attribute Decision Making (MADM)

[6]- Multi Attribute Utility Theory (MAUT)

[7]-­Elimination et Choice Translating Reality (ELECTRE)

[8]- Analyzes Hierarchy Process (AHP)

[9]- Preference Ranking Organization METHod For Enrichment Evaluation (PROMETHEE)

[10]- Fuzzy Analyzes Hierarchy Process (FAHP)

[11]- Technique for Order Preference by Similarity to Ideal Solution (TOPSIS)

[12]-­Fuzzy Technique for Order Preference by Similarity to Ideal Solution (FTOPSIS)

[13]- Weighted Sum Model (WSM)

[14]- BORDA

[15]- Permutation

[16]- Analytical Network Process (ANP)

[17]- Linear Assignment (LA)

[18]- Principal Factor Analysis (PFA)

[19]-­Organisation Rangement Et Synthese de donnees Relationnelles (ORESTE)

1- Classic Model

2- Local Priority

3- Pire wise

[23] -Normalized Decision Matrix

[24] - Shannon Entropy

[25] -Degree of Diversification

[26]- Risk- Averse

[27]- Risk-Seek

3- Risk- Neutral

1- Decision Matrix

  1. Ahmadi, H., 2004. Study of effective factors on desertification. Forest and Pasture Journal, Vol. 62, pp. 66-70. (In Persian).
  2. Giordano, L., Giordano, F., Grauso, S., Lannetta, M., Scicortino, M., Bonnati, G., Borfecchia, F., 2002. Desertification vulnerability in Sicily, Proc. Of the 2nd Int. Conf. On New Trend in Water and Environmental Engineering for Safety and Life:Eco-compatible solutions for Aquatic Environmental, June 24-28, Capri, Italy. pp: 85-98. Available from: http://www.Capri2002.com.
  3. Grau, J. B., Anton, J. M., Tarquis, A. M., Colombo, F.,  Rios, L., Cisneros, J. M., 2010. Mathematical model to select the optimal alternative for an integral plan to desertification and erosion control for the Chaco Area in Salta Province (Argentine), Journal of Biogeosciences Discuss,Vol. 7, pp. 2601–2630.
  4. Sadeghi Ravesh, M. H., Ahamadi, H., Zahtabian, G. H., Tahmoures, M., 2010. Application of Analytical Hierarchy Process (AHP) in assessment of de-desertification alternatives. Iranian Journal of Range and Desert Research, Vol. 17(1), pp. 35-50. (In Persian).
  5. Sadeghi Ravesh, M. H., Khosravi, H., Ghasemi, S., 2015. Application of fuzzy analytical hierarchy process for Assessment of combating-desertification alternatives in the central Iran, Journal of Natural Hazard, Vol. 75, pp. 653-667.
  6. Sadeghi Ravesh, M. H., Zehtabian, G. R., Ahmadi, H., Khosravi, H., 2012. Using analytic hierarchy prosess method and ordering technique to assess de-desertification alternatives, case study: Khezrabad, Yazd, IRAN, Carpathian journal of earth and environmental sciences, Vol. 7, pp. 51-60.
  7. Sadeghi Ravesh, M. H., Tahmoures, M., 2014. Evaluation of alternatives to combat desertification using FTOPSIS model. Environmental Engineering and Sciences Quarterly. Vol. 1(3), pp. 79-94. (In Persian).
  8. Sadeghi Ravesh, M. H., Khosravi, H., 2014.  Application of AHP and ELECTRE models for Assessment of de-desertification alternatives in Central Iran, DESERT, Vol. 19-2, pp.141-153.
  9. Sadeghi Ravesh, M. H., Zehtabian, G., 2013. Combat desertification alternatives classification with using of Multi Attribute Decision Making (MADM) view point and Weighted Sum Model (WSM), Case study: Khezrabad region, Yazd province. Journal of Pajouhesh & Sazandeghi, Vol. 100, pp.1-11. (In Persian).
  10. Sadeghi Ravesh, M. H. 2014. Evaluation of combat desertification alternatives by using BORDA ranking model, Case study: Khezrabad region, Yazd province. Journal of Environmental Management and Planning, Vol. 4(2), pp. 5-16. (In Persian).
  11. Sadeghi Ravesh, M. H., Khosravi, H., 2016. Evaluation of combat desertification alternatives by using Individual Borda Ranking model. Desert Ecosystem Engineering Journal (DEEJ), Vol. 5(12), pp. 109-121. (In Persian)
  12. Sadeghi Ravesh, M. H., 2013. Assessment of combat desertification alternatives using Permutation method, case study: Khezrabad region, Yazd province. Journal of Environmental Management and Planning, Vol. 3(4), pp. 5-14. (In Persian). 
  13. Sadeghi Ravesh, M, H., Khosravi, H., Abolhasani, A., Shekoohizadeghan, S., 2016. Evaluation of de-desertification alternatives by using PROMETHEE model in Khezrabad region, Journal of Geography and Geology, Vol 8(2), pp. 1-14.
  14. Sadeghi Rravesh, M. H., Khosravi, H., 2015. Application of Network Analysis Process (ANP) in assessment of combating desertification alternatives. Desert Ecosystem Engineering Journal (DEEJ), Vol. 4(8), pp.11-24. (In Persian).
  15. Sadeghi Ravesh, M, H., Khosravi, H., Ghasemian, S., 2016. Assessment of combating strategies using the Liner Assignment method, Journal of Solid Earth, Vol. 7, pp. 673-683.
  16. Sadeghi Ravesh, M. H., Khosravi, H., 2018. Assessment of de-desertification approaches using Multi Attribute Decision Making (MADM) and Principal Factor Analysis (PFA). Geographical Explorations of Desert Areas, Vol. 6(1), pp.229-255. (In Persian)
  17. Sadeghi Ravesh, M. H., 2019. Evaluation of de-desertification alternatives In Ardekan- Khezr Abad plain by using Shannon Entropy method and ORESTE model, Quarterly journal of Environmental Erosion Research,  (In Press) (In Persian).
  18. Shafiei Nik Abadi, M., Jafarian, A., 2012. Application of the Multi-Attribute Utility Theory (MAUT) to evaluate the performance of electronic businesses. Management Quarterly. Vol. 9 (26), pp. 57-68. (In Persian).
  19. Sadeghi Ravesh, M. H., 2008. Investigation of effective desertification factors on environmental degradation. Azad University Ph.D Thesis.395 p. (In Persian).
  20. Maged, E. G., Chang, L. M., Zang, L., 2005. Utility- Function Model for Engineering performance assessment, journal of construction engineering and management, Vol 131, no. 5, pp. 558-565.
  21. Ayhan, M. B., 2013.  A FUZZY and approach for supplier selection problem: a case study in a Gearmotor company, International Journal of Managing Value and Supply Chains(IJMVSC), Vol. 4, No. 3, pp. 11-23.
  22. Keeney, R. L., 1992. Value – focused thinking: A path to creative decision- making, Harvard university press, London.UK.
  23. Keeney, R. L., Raiffa, H., 1993. Decisions with Multiple Objectives: Perferences and value trade-Offs, Cambridge university press, Cambridge, UK.
  24. Keeney, R. L., 1976. A group preference axiomatization with cardinal utility, Management Science, Vol 23, pp.140-145.
  25. Azar, A., Rajabzadeh, A., 2014. Applied decision making with an approach of Multi-Attribute Decision Making (MADM). 6nd edition.  Tehran, Publication of Negah Danesh. 183 pp. (In Persian).
  26. Ghodsipour, S. H., 2016. Analytical Hierarchical Process (AHP). 12nd edition, Amir Kabir University press, 220 pp. (In Persian).
  27. Azar, A., Memariani, A., 2003. AHP a new technique for group decision making. Journal of Management Knowledge, Vol. 27-28, pp. 22-32. (In Persian).
  28. Asgharpoutr, M. J., 2017. Multi-Criteria Decision Making. 15nd edition, Publication of Tehran University, 400 pp. (In Persian).
  29. Zak. J., 2005. The comparison of multi-objective ranking methods applied to solve the mass transit systems decision problems, proceeding of 16th mini Euro conference and 10th meeting of the Euro working group of transportation (EWGT), September 13-16, 2005, Poznan, Poland.
  30. Limon, G. A., Martinez, Y., 2006. Multi criteria modeling of irrigation water marked at basin level: A Spanish case study, Eropiangeornal of Operational Reserch, Vol. 173, pp. 313-336
  31. Wallenius, J., Dyer, J. S., Fishburn, P. C., Steuer, R. E., Zionts, S., Deb, K., 2008. Multiple Criteria Decision Making, Multi- Attribute Utility Therory: Recent accomplishments and what lies ahead, Management Science, Vol. 54, Issue. 7, pp. 1335-1349.
  32. Momeni, M., 2006. Modern Research Subjects in Practice. Publications of Management Faculty of University of Tehran.