ارائه‌ی مدل‌های پایدار به ‌منظور استخراج وزن از ماتریس مقایسات زوجی بازه‌یی در فرایند تحلیل سلسله‌ مراتبی(A‌H‌P)

در مدل‌های تصمیم‌گیریِ رایج تحت شرایط عدم قطعیت، داده‌های اولیه‌ی مدل کامل و قطعی فرض می‌شود، اگرچه به‌ندرت چنین اطلاعاتی به‌صورت دقیق و کامل موجود است. لذا ارائه‌ی مدلی که در شرایط عدم قطعیت بتواند سیستم را در برابر تغییرات ورودی‌ها محافظت کند ضروری است. یکی از ابزارهای پرکاربرد در زمینه‌ی تصمیم‌گیری چندمعیاره «فرایند تحلیل سلسله‌مراتبی» (A‌H‌P) است. در این نوشتار مدل‌هایی ارائه شده است که محافظت از تغییر وزن‌ها و اولویت‌های مستخرج از ماتریس مقایسات زوجیِ بازه‌یی در روش A‌H‌P را در برابر تغییرات قضاوت‌های زوجی در بازه‌ها و همچنین وجود خطا و ناسازگاری در ماتریس‌های حاوی قضاوت‌های بازه‌یی ممکن می‌سازد. بدین‌منظور دو مدل پایدار پیشنهاد شده که یکی مبتنی بر روش بهینه‌سازی پایدار است و دیگری براساس برنامه‌ریزی آرمانی است و وزن‌های بازه‌یی را برای گزینه‌ها/معیارها فراهم می‌آورد. با توجه به شاخص‌های سنجش پایداری پاسخ‌ها و حل مسائل نمونه نشان داده شده است که مدل‌های پیشنهادی برای استخراج وزن‌ها و اولویت‌های مناسب و پایدار، در مقایسه با سایر مدل‌های موجود در ادبیات موضوع از کارآیی مناسبی برخوردارند.