Ödevcim Online, Çok Amaçlı Karar Verme, Çok Amaçlı Karar Verme Nedir, Yöneylem Nedir, Çok Amaçlı Karar Verme Yöntemleri, Çok Amaçlı Karar Verme Analizi Yaptırma, Yöneylem Ödev Yaptırma, Çok Amaçlı Karar Verme Hesaplama, Çok Amaçlı Karar Verme Ödevi, Çok Amaçlı Karar Verme Ödevi Yaptırma, Çok Amaçlı Karar Verme Yaptırma aramalarınızın sonucu olarak burada. Tüm bölümlerde Çok Amaçlı Karar Verme Danışmanlık, Çok Amaçlı Karar Verme Yardım talepleriniz için akademikodevcim@gmail.com mail adresinden bize ulaşabilir veya sayfanın en altındaki formu doldurup size ulaşmamızı bekleyebilirsiniz.

Matris M2, alternatifA J’nin daha düşük alternatif A’J = (8/18 1111 116) <(9/192112 217) ile ikame edilmesiyle matris Ml’den türetilmiştir. Yani, 9 yerine şimdi 8, şimdi 2 yerine 1 ve 19 yerine şimdi 18 koyulur. 

Benzer şekilde, matris M2 için öncelik vektörü ve aynı kriter ağırlıkları (0.224, 0.391, 0.385) ‘dir. Şu anda en iyi alternatifin A2 olduğu açıktır. Son ifade, açıkçası, orijinal sonuçla çelişir, yani en iyi alternatif A3’tür. Bu nedenle, yeni bir daha kötü alternatif (en iyisinden farklı) getirerek, en iyi alternatifin göstergesinde bir değişiklik olması mümkündür.

Örnek 9-2’ye benzer bir şekilde rastgele problemleri (vaka başına 5.000 deneme) çözmek için bir bilgisayar programı yazılmıştır. Yine 100 farklı vaka incelendi. Her rastgele problem, AHP kullanılarak çözüldü ve ardından bir rastgele alternatif (en iyisi değil), Örnek 9-2’ye benzer bir şekilde daha kötü bir alternatifle değiştirildi (yani, hem paydan hem de paydadan 1 çıkararak).

Revize edilmiş AHP ve WPM vakaları da benzer şekilde incelenmiştir. Bununla birlikte, WPM’nin matematiksel yapısı nedeniyle ikinci değerlendirme kriteri açısından test edildiğinde çelişkili sonuçlar vermediği kolayca da gösterilebilir. Aşağıdaki şekiller ve tablolar, yukarıdaki testin sonuçlarını göstermektedir. Etkiyi daha iyi göstermek için aşağıdaki şekillerde dikey ölçeğin değiştirildiğine lütfen dikkat edin. TOPSIS yönteminin durumu Bölüm 9.6’da açıklanmaktadır.

HESAPLAMALI SONUÇLARIN ANALİZİ

Şekil 9-1’de WSM ile AHP yöntemleri arasındaki çelişki oranı, alternatiflerin sayısı arttıkça azalmaktadır. Bu, her bir i = 1 aij girdisini çarpmak için kullanılan miktarların, alternatiflerin sayısı m arttıkça aynı değere (büyük sayılar yasası) yaklaşması nedeniyle oluşur (a / s, 1,2, ..’ye eşit rastgele tam sayılardır. ., 9).

WSM’de her giriş, sonuçları değiştirmeden aynı miktar ile çarpılabilir. Dolayısıyla, AHP, alternatiflerin sayısı arttıkça WSM gibi davranma eğilimindedir.

Yine aynı şekilde, kriter sayısı arttıkça çelişki oranı da artmaktadır. Bu doğrudur çünkü n olarak, ölçüt sayısı, m artar, çarpanların j = 1,2,3 olma olasılığı, i = 1 …, n)  önemli ölçüde sapma gösterecektir. Böylece, AHP farklı olabilir büyük ölçüde WSM’den farklı hesaplanır.

Revize edilmiş AHP yönteminde, çarpanlar miktarlardır (max {aij ‘i = 1,2, …, m}). M (alternatiflerin sayısı) arttıkça, tüm çarpanlar aynı sayıya yani 9’a yönelir. Bu yakınsama çok hızlı olduğu için, AHP bu anlamda WSM’ye çok hızlı yaklaşır.

Kriter sayısı, revize edilmiş AHP’de orijinal AHP ile tamamen aynı rolü oynar. Tek fark, çelişki oranlarının daha küçük olmasıdır, çünkü çarpanlar orijinal AHP’deki kadar farklı değildir.

Şekil 9-3, WPM durumu için çelişki oranını göstermektedir. Bu şekildeki grafiğin şeklini anlamak için, tüm kriterlerin aynı öneme sahip olduğu basit durumu ele alıyoruz. Şekil 9-3’ün amaçları doğrultusunda, WSM’yi matris biçiminde değil, aynı anda yalnızca iki alternatifle (WPM’de yaptığımız gibi) görüntüleyebiliriz.

Şimdi, bir aij girdisinin diğerlerinden çok farklı olması durumunda, WPM’de (bir terim dizisini çarptığı veya böldüğü için) WSM’den (yalnızca ek bir etkiye sahip olduğu) daha fazla etkiye neden olduğunu görebiliriz. Ne kadar çok kriter dahil edilirse, bu fenomenin gerçekleşmesi o kadar muhtemeldir.

Bu nedenle Şekil 9-2’deki oranlar kriter sayısı ile artmaktadır. Bu mantık, alternatiflerin sayısı arttıkça da doğrudur (ayrıca bkz. Tablo 9-3). Dolayısıyla alternatiflerin sayısı arttıkça çelişki oranı da artmaktadır.

Optimum olmayan bir alternatif daha kötü bir alternatifle değiştirildiğinde (AHP durumu için) optimum alternatifin göstergesinin değişim oranı (%), Şekil 9-4’te görülen kriterlerin sayısına da bağlı değildir.

Bunun nedeni, her kriter için aynı sabit değerin (Le., -1) optimum olmayan alternatifi değiştirmek için kullanılmasıdır. Eğer aij sabit bir değer değil (Le., -1) rastgele bir sayı ile değiştirilecekse (test edilmemiş olsa da), çelişki oranının kriter sayısına bağlı olması beklenir. Sabit değer (Le., -1) kullanıldığından, varsa önyargı, revize edilmiş AHP’ye göre orijinal AHP’nin lehine de olacaktır.

Ancak, alternatiflerin rolü kritiktir. Alternatiflerin sayısı m arttığında, çarpanların rolü, optimal olmayan bir alternatifi daha kötü bir alternatifle değiştirmenin etkisinden daha kritiktir. Alternatiflerin sayısı, önceki değiştirmelerin rolünü geçersiz kıldığından, Şekil 9-4’teki oranlar, alternatiflerin sayısı arttıkça azalmaktadır.

Son olarak, revize edilmiş AHP için Şekil 9-5, optimum alternatifin göstergesinin değişim oranının, alternatiflerin sayısı arttıkça daha kötü bir alternatifle değiştirildiğinde, azaldığını da göstermektedir.

Bunun nedeni, alternatiflerin sayısı arttıkça çarpanların (i = 1,2,3, …, m} için max {aij ‘) 9’a (Le., Maksimum) yaklaşması ve dolayısıyla değiştirilen alternatifin kalması nonoptimal olması demektir. Önceki paragrafa benzer şekilde, kriter sayısı arttıkça, çarpanların önemli ölçüde farklılık gösterme ve alternatif değişikliklerin daha büyük etkiye sahip olma şansı artar.

Revize edilmiş AHP’de çarpanlar (Le., Miktarlar (lImax {aij, for i = 1,2,3, …, m}) orijinal AHP’nin karşılık gelenlerinden daha kararlı olduğundan, revize edilmiş AHP daha iyi performans gösterir. İlk değerlendirme kriteri açısından farklıdır. İkinci değerlendirme kriteri kullanıldığında durum böyle değil, ancak şimdi oranlardaki fark o kadar dramatik görünmüyor.

TOPSİS YÖNTEMİNİN DEĞERLENDİRİLMESİ

TOPSIS yöntemi (Bölüm 2.2.6’da açıklandığı gibi), önceki iki değerlendirme kriteri açısından da değerlendirildi. Bu, farklı bir soruşturma sırasında gerçekleştirildi. Bu nedenle, bu bulgular orijinal olarak [Triantaphyllou ve Mann 1989] ‘da sunulanlardan ayrı olarak sunulmuştur. Karşılık gelen sonuçlar Tablo 9-7 ve 9-8’de sunulmuştur ve ayrıca sırasıyla daha önce tasvir edilmiştir. Bu sonuçlardan da anlaşılacağı üzere TOPSIS, belirli başarısızlık oranları da sergilemektedir.

Ancak bu oranlar, bu bölümün başlarında incelenen yöntemlerden daha yüksektir. Bu nedenle, bu yöntem önceki üç yöntemle (Le., WSM, AHP ve revize edilmiş AHP) karşılaştırılmamıştır.

SONUÇLAR

Önceki analizler, gözden geçirilen MCDM yöntemlerinden hiçbirinin her iki değerlendirme kriteri açısından da mükemmel şekilde etkili olmadığını açıkça ortaya koymaktadır. Yöntemlerin Bölüm 9.2’de açıklanan iki değerlendirme kriteri kullanılarak test edilmesiyle elde edilen sonuçlar, MCDM yöntemlerinin farklı çelişki oranları verdiğini de göstermektedir.

Ödevcim Online, Çok Amaçlı Karar Verme, Çok Amaçlı Karar Verme Nedir, Yöneylem Nedir, Çok Amaçlı Karar Verme Yöntemleri, Çok Amaçlı Karar Verme Analizi Yaptırma, Yöneylem Ödev Yaptırma, Çok Amaçlı Karar Verme Hesaplama, Çok Amaçlı Karar Verme Ödevi, Çok Amaçlı Karar Verme Ödevi Yaptırma, Çok Amaçlı Karar Verme Yaptırma aramalarınızın sonucu olarak burada. Tüm bölümlerde Çok Amaçlı Karar Verme Danışmanlık, Çok Amaçlı Karar Verme Yardım talepleriniz için akademikodevcim@gmail.com mail adresinden bize ulaşabilir veya sayfanın en altındaki formu doldurup size ulaşmamızı bekleyebilirsiniz.

The post ÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (44) – HESAPLAMALI SONUÇLARIN ANALİZİ – Çok Amaçlı Karar Verme Nedir? – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma first appeared on Online (Parayla Ödev Yaptırma).