چکیده:
امروزه در کنار سیستم های اطلاعات جغرافیایی، سیستم های تصمیم گیری چند معیاره به طور گسترده ای برای حل مسائل فضایی به کار گرفته می شوند. سیستم های تصمیم گیری چند معیاره با توجه به نوع کاربرد در مقایسه با یکدیگر دارای نقاط ضعف و قوت مختص به خود هستند و انتخاب یکی از این سیستم ها با توجه به نقاط ضعف و قوت مذکور عاری از دشواری نیست. گاها ترکیب این سیستم ها در غالب یک سیستم ترکیبی روش مناسبی جهت کاهش ضعف ها و در عین حال افزایش کارایی این سیستم ها می باشد. در این مقاله با ترکیب دو روش AHP و مجموعه های فازی در جهت انتخاب مکان بهینه با استفاده از سیستم-های اطلاعات جغرافیایی سعی شده است. در این ارتباط معیارهای انتخاب مکان بهینه جهت ایجاد فضای سبز شهری مورد مقایسه قرار گرفته و به صورت فازی وزن دهی شدند و سپس این اوزان به عنوان وزن معیارها مورد استفاده قرار گرفتند. با استفاده از این سیستم ترکیبی علاوه بر اینکه با استفاده از مجموعه های فازی در ترکیب با مدل سلسله مراتبی ابهام به عنوان بخشی از سیستم مدل می شود بلکه میزان خطای تورش ناشی از مقایسه ی دو به دوی لایه ها نیز کاهش خواهد یافت.
Abstract Nowadays integrated multi-criteria decision making (MCDM) and geographic information system (GIS) is commonly used in order to solve spatial problems. Different multi-criteria decision making techniques present different methodology with certain limitations and advantages. Regarding to those mentioned limitations it is not simple to choose one of them. In this article، combinational FAHP technique is used in order to minimize the mentioned limitation، by using Fuzzy and AHP technique we propose a methodology for site selection problem. After importing green space criteria in GIS frame work we use them as criteria in AHP tree. In this methodology by utilizing improved Analytical Hierarchy Process by Fuzzy set theory، we try to calculate weight of each criterion. FAHP is AHP improved by fuzzy set theory which is a useful approach for evaluating complex multiple criteria alternatives involving subjective and uncertain judgment. By using fuzzy set theory in AHP method the qualitative judgment can be qualified to make comparison more intuitionists and reduce or eliminate assessment bias in pair wise comparison process.