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.

ORAN KARŞILAŞTIRMALARINDAN

BAĞIL AĞIRLIKLARIN TESPİT EDİLMESİ

ARKAPLAN BİLGİSİ

Bir önceki bölümde, bahsedildiği gibi, MCDM yöntemlerinde önemli bir konu, bir varlık koleksiyonunun öneminin göreceli ağırlıklarını (tek bir karar kriteri açısından incelenecek alternatifler gibi) belirleyebilmektir. Bu görev benzerdir ve bulanık bir kümenin elemanlarının üyelik derecesini belirleme problemiyle yakından ilgilidir.

Genellikle, bu tür değerler0and1 veaddupto1 arasındadır. Üyeliğin bu derece ağırlıklarının, insanların kategorileri algılama biçiminin iyi bir modeli olduğu varsayılmaktadır [Dubois ve Prade, 1980]. Çoğunlukla, kümedeki en temsili üyeler 1 değerine, üye olmayanlar ise O değerine atanır. Daha sonra, asıl sorun üyeliğin derecesini (yani 0 ile 1 arasında bir sayı) belirlemektir. üyeler arasında. Psikologlar [Lakoff, 1973], insanların diğer üyeleri belirlemekte güçlük çekerken belirsiz bir kümedeki temsili üyeleri kolayca belirleyebildiklerini keşfettiler.

Bulanık küme teorisinin mühendislik ve bilimsel alanlardaki uygulamalarında üyelik derecelerini değerlendirmenin önemi, en iyi şekilde [Gupta ve diğerleri, 1979] ‘da verilen 1.800’den fazla referansta gösterilmektedir.

Önceki bölümde anlatıldığı gibi, ÇKKY problemleri için niteliksel bilgiler, ikili karşılaştırmalar yoluyla elde edilebilir. Daha sonra, bu ikili karşılaştırmaları işlemek ve karşılaştırılan öğelerin önemi için zımni göreceli ağırlıkları çıkarmak gerekir.

Saaty, ikili karşılaştırmalardan göreli önem ağırlıklarını bulma sorununa olası bir çözüm önermiştir. Metodu özdeğer teorisine dayanmaktadır. Hem [Chu, et al., 1979] hem de [Federov, et al., 1982] ‘de Saaty’nin yöntemi değiştirilmiş bir en küçük kareler problemi olarak görülmüştür.

Bu bölümde, Saaty tarafından önerilen ikili karşılaştırmalardan elde edilen veriler üzerinde yeni bir en küçük kareler yaklaşımı kullanılmıştır. Bu yöntem [Triantaphyllou, Pardalos ve Mann, 1994] ‘te sunulan yaklaşıma dayanmaktadır. Bu yaklaşım, ikili karşılaştırmaları ortaya çıkarırken karar vericinin gerçek niyetlerini yansıtmaya çalışan bir hata minimizasyon işlevini kullanır.

EIGENVALUE YAKLAŞIMI

AI ‘A2, …, An, karşılaştırılacak varlıklar (kavramlar, alternatifler veya kriterler) olsun. Tek bir ortak özellik açısından birbirleriyle karşılaştırıldıklarında yukarıdaki varlıkların göreli ağırlıklarını değerlendirmekle ilgileniyoruz. Bölüm 3, Saaty’de [1977; 1980; ve 1994], {9, 8, 7, …, 2, 1, 112, …, 117, 118, 1I9} kümesinden alınan rasyonel sayılardan oluşan bir A matrisini kullanmayı önerdiler. Yukarıdaki matris A’nın her girişi, ikili bir karşılaştırmayı (yargı) temsil eder.

Spesifik olarak, aij girişi, Aj elementi ile karşılaştırıldığında Ai elementinin göreceli önemini tahmin eden sayıyı belirtir.

• Açıkçası, aij = lIaji ve au = 1. Yani, bu matris karşılıklı bir matris.

Öncelikle mükemmel aij değerlerine sahip olmanın mümkün olduğu durumu inceleyelim. Bu durumda, aij = w / Wj’dir (burada wk, Ak öğesinin öneminin gerçek ağırlığını gösterir) ve önceki karşılıklı matris A tutarlıdır. Yani:

• aij = ail <x akj ‘için i, j, k = 1, 2, 3, …, n,

Burada n karşılaştırılacak eleman sayısıdır. A’nın 1. dereceye sahip olduğu ve A = n’nin sıfır olmayan temel sağ özdeğer olduğu kanıtlanabilir [Saaty, 1980]. 

Burada x bir ana sağ özvektördür. Aij = w / Wj ‘olgusundan aşağıdakiler elde edilir.

Denklem (4-4), n’nin, W’ye karşılık gelen bir ana sağ özvektör ile A’nın doğru bir özdeğeri olduğunu belirtir. Aynı denklem, mükemmel tutarlı durumda (yani, aij = ail <x akj olduğunda) ‘1, 2, 3, …, n elemanlarının göreli ağırlıklarına sahip W vektörünün bir temel hak olduğunu belirtir. A matrisinin özvektörü

Tutarsız durumda (gerçek yaşam uygulamalarında daha yaygın olan), ikili karşılaştırmalar mükemmel değildir, yani, aij girişi, w / Wj gerçek orandan (yani gerçek ağırlık değerlerinin oranından) sapabilir. 

Bu durumda, önceki ifade (4-1) tüm olası kombinasyonlar için geçerli değildir. Şimdi yeni matris A, önceki tutarlı durumun bir tedirginliği olarak düşünülebilir. Aij girişleri biraz değiştiğinde özdeğerler de benzer şekilde değişir [Saaty, 1980].

Ayrıca, maksimum özdeğer n’ye yakın (n’den büyük), kalan özdeğerler sıfıra yakındır. Bu nedenle, tutarlı olmayan durumda ağırlıkları bulmak için, maksimum sağ özdeğer Amax’e karşılık gelen bir özvektör bulunmalıdır. Yani, aşağıdakileri karşılayan temel sağ özvektör W’yi bulmak için:

• AW = AmaxW, burada Amax ~ n olur.

Saaty, karşılıklı sağ özvektör W’yi şu şekilde tahmin etmeyi önerdi:

A matrisinin her satırındaki girdileri çarparak ve n’inci kökü alarak (n, karşılaştırılacak öğelerin sayısıdır). Toplamı 1’e kadar olan değerlere sahip olmak istediğimizden, önceden bulunan vektörü yukarıdaki değerlerin toplamıyla normalleştirmemiz gerekir. Kişi, en yüksek değere sahip öğenin 1’e eşit ağırlık değerine sahip olmasını istiyorsa, önceden bulunan vektörü en yüksek değere bölmesi gerekir.

Toplam tutarlılık varsayımı altında, eğer yargılar gama dağıtılmışsa (Saaty’nin böyle olduğunu iddia ettiği bir şey), sonuçta ortaya çıkan karşılıklı matris A’nın ana sağ özvektörü Dirichlet dağıtılmış olur. Toplam tutarlılık varsayımı gevşetilirse, Vargas [1982], tutarlılık oranı% 10’a eşit veya daha düşükse, ana sağ özvektörün bir Dirichlet dağılımını takip ettiği hipotezinin kabul edildiğini kanıtladı.

Tutarlılık oranı (CR), önce Amax tahmin edilerek elde edilir. Saaty, A matrisinin sütunlarını ekleyerek ve ardından elde edilen vektörü W vektörüyle çarparak> – max değerini tahmin etmeyi önerdi. Sonra, tutarlılık indeksi (CI matrisinin Cn’si = (> – maks – n) / (n -1) olur.

Ardından, tutarlılık oranı CR, CI’nin, Tablo 4-1’de verildiği gibi Rastgele Tutarlılık Endeksi (RCI). Her RCI, {9, 8, 7, …, 2, 1, 1/2, …, 117, kümesinden girişlerle rastgele oluşturulmuş karşılıklı matrislerin 500 boyutundaki bir numuneden türetilen ortalama bir rastgele tutarlılık indeksidir CI’sının% 10 veya daha az olup olmadığını görmek için 1/8, 1/9 seçilir.

Yukarıdaki kavramlarSaaty tarafından tesis edildiğinde, eski bilgisayarların sınırlamaları nedeniyle 500 kopya kullanıldı. Önceki yaklaşım CR% 10’dan daha yüksek bir değere neden oluyorsa,% 10’dan daha düşük veya buna eşit bir CR elde edilene kadar ikili kararların yeniden incelenmesi önerilir.

BAZI OPTİMİZASYON YAKLAŞIMLARI

Chu, vd. [1979], aij verileri verildiğinde, tahmin edilecek Wi değerlerinin mülke sahip olmak istediğini iddia etti:

• aij .. Wi / Wi “

Bu mantıklıdır çünkü aij, w / Wj oranının tahmini olması anlamına gelir. Daha sonra, aij verisi verilen Wi için tahminleri elde etmek için, kısıtlı optimizasyon problemini önerdiler.

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 (12) – BAĞIL AĞIRLIKLARIN TESPİT EDİLMESİ – Çok Amaçlı Karar Verme Nedir? – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma first appeared on Online (Parayla Ödev Yaptırma).