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.

Önceki iki ifadede Wi ve Wj gerçek (ve dolayısıyla bilinmeyen) ağırlık değerleridir; vl (X, Z) ve v2 (X, Z) ‘ye pozitif fonksiyonlar verilir (burada X, Z> 0). Rastgele hataların eij, sıfır ortalama ve birim varyansla bağımsız olduğu varsayılır. Bu iki varsayımı kullanarak, her bir tahmini ağırlık değerinin varyansını hesaplayabildiler. Bununla birlikte, uygun pozitif işlevleri seçmenin bir yolunu veremezler. Bir sonraki bölümde, daha sonra sunulan ikinci örnekte, [Saaty, 1977] ve daha sonra [Federov, vd., 1982] ‘de ortaya çıkan örnek bir problemler vardır.

İNSAN RASYONALİTE FAKTÖRÜNÜN DİKKAT EDİLMESİ

İnsan Rasyonalite varsayımına göre [Triantaphyllou, Pardalos ve Mann, 1990] karar verici rasyonel bir kişidir. Akılcı kişiler burada pişmanlıklarını en aza indirmeye [Simon, 1961], kayıpları en aza indirmeye veya kârı maksimize etmeye çalışan [Write ve Tate, 1973] olarak tanımlanmaktadır. Göreceli ağırlık değerlendirme probleminde, pişmanlığın en aza indirilmesi, kayıplar veya kârın maksimize edilmesi, karar vericinin ikili karşılaştırmalardaki hataları en aza indirme çabası olarak yorumlanabilir.

Önceki paragraflarda belirtildiği gibi, tutarsız durumda A matrisinin aij girişi, w; lwj ‘gerçek oranının bir tahminidir, çünkü bir tahmin olduğu için, aşağıdaki doğrudur:

• aij = (wtfw} dij ‘için i, j = 1, 2, 3, …, n

Yukarıdaki ilişkide dij, aij’nin doğru bir yargı olmaktan sapmasını belirtir. Açıkça, eğer dij = 1 ise, aij mükemmel bir şekilde tahmin edilmiştir. Önceki formülasyondan, bu ikili karşılaştırmalarda yer alan hataların şu şekilde verildiği sonucuna vardık:

• t ij = dij – 1,

veya yukarıdaki (4-10) ifadesini kullandıktan sonra:

• tij = aij (wiwj) – 1 olur. 

Bölüm 3’te açıklandığı gibi, karşılaştırılacak varlıklar kümesi n öğe içerdiğinde, Saaty’nin yöntemi aşağıdaki n (n – 1) / 2 ikili karşılaştırmaların tahminini gerektirir:

Bu nedenle, karşılık gelen n (n – 1) / 2 hataları ((4-11) ve (4-12) ilişkilerini kullandıktan sonra:

W; ‘ler, (genellikle) toplamı 1’e ulaşan göreceli önem ağırlıkları olduğundan, aşağıdaki ilişki (4-14) de sağlanmalıdır:

Görünüşe göre, önemli Wi ağırlıkları pozitif sayılar olduğundan, şunlara da sahip olmamız gerekir:

• Wi> 0, i :: 1,2,3, …, n için sıralanır.

Veriler tutarlı olduğunda (yani tüm hatalar sıfıra eşit olduğunda) (4-13) ve (4-14) ilişkileri şu şekilde yazılabilir:

B W = b. (4-15) B vektörünün 1’e eşit olan sonuncusu dışında her yerde sıfır girişi vardır ve matris B (sonraki sayfada) aşağıdaki forma sahiptir (lütfen boş girişlerin sıfırları temsil ettiğine dikkat edin. Ayrıca, ilk satır ve son sütun sırasıyla satırların ve sütunların hücre numaralarını gösterir ve matrisin parçası değildir).

Hata minimizasyonu sorunu birçok durumda (örneğin, regresyon analizi, doğrusal en küçük kareler problemi), artık vektörün karelerinin toplamının en aza indirilmesi olarak yorumlanır: r = b – BW (bkz., Örneğin, [Stewart, 1973]) . Formülasyon (4-15) açısından bu, gerçek yaşam durumunda (yani hatalar artık sıfır olmadığında) karar vericinin gerçek niyetinin ifadeyi en aza indirmek olduğu anlamına gelir:

Bu, görünüşe göre, tipik bir doğrusal en küçük kareler problemini ifade eder. Daha önce açıklanan gösterimi kullanırsak, içindeki S miktarı [Chu, et al., 1979] ‘da küçültülmüş olan ifadeleri içerir ve alternatif ifadeler (4-7) içerir.

Açıkça, her iki ifade de karar vericinin niyetlerini sezgisel bir şekilde yansıtmak için çok karmaşıktır. Federov ve diğerleri tarafından önerilen optimizasyon modelleri. [1982], insanlık dışı varsayımın altında daha yakın geliştirildi.

Tek fark, ilişkiler yerine şudur:

• aij ::; wJwj + W2 (Wi, w) eij •

Bununla birlikte, ikinci örneğin gösterdiği gibi, Federov ve diğerleri, yönteminin performansı büyük ölçüde WI veya fonksiyonların seçimine bağlıdır. Ancak şimdi, bu işlevler (4-17) tarafından daha da değiştirilmiştir.

İLK KAPSAMLI SAYISAL ÖRNEK

Aşağıdakinin, dört öğeden oluşan bir dizi için ikili karşılaştırmalar içeren matris olduğunu varsayalım:

Önceki bölümlerde sunulan sayısal prosedürleri kullanarak şunu görebiliriz:

Bu örneğe karşılık gelen formülasyon (4-15) aşağıdaki gibidir:

Yukarıdaki en küçük kareler problemini çözen vektör V aşağıdaki gibi gösterilebilir:

• V = (0.065841, 0.039398, 0.186926, 0.704808).

Bu nedenle, artık vektör bileşenlerinin karelerinin toplamı 0.003030’dur. Bu problem için ortalama kareli artık 0.003030 / «4 x (4 – 1) / 2) + 1) = 0.000433; yani, ortalama kalıntı V (0.000433) = 0.020806’dır.

İKİNCİ KAPSAMLI SAYISAL ÖRNEK

İkinci kapsamlı sayısal örnek, orijinal olarak Saaty [1977] tarafından ve daha sonra Chu ve diğerleri tarafından iki makalede kullanılan aynı verileri kullanır. Bu veriler daha sonraaşağıda sunulmaktadır.

Tablo 4-3, Bölüm 4.2, 4.3 ve 4.4’te açıklanan yöntemler kullanıldığında sonuçların bir özetini (ilgili referanslarda bulunan) sunmaktadır. Özvektörü türetmek için güç yöntemi, Kalaba ve diğerleri tarafından sunulduğu gibi uygulandı. [1979]. Tablo 4-3’ün son satırında, insan rasyonalite varsayımı (HR) altında en küçük kareler yöntemi kullanılarak elde edilen sonuçlar yer almaktadır.

Tablo 4-3’ün son sütununda gösterildiği gibi, ortalama kalıntı söz konusu olduğunda her yöntemin performansı çok farklıdır.
Aynı sonuçlar, Federov ve diğerlerinde it, (X, Z) ve itiX, Z) işlevlerinin rolünün ne kadar kritik olduğunu da göstermektedir. [1982] yöntemi. İnsan rasyonelliği varsayımı altında en küçük kareler yöntemi kullanılarak elde edilen ortalama kalıntı, beklendiği gibi, en küçük olanıdır (aslında% 16 ile).

FARKLI SİPARİŞ KÜMELERİ İÇİN

KARŞILAŞTIRMA BAŞINA ORTALAMA HATASI

Bu çalışmanın bu bölümünde, farklı sıra ve Tutarlılık Endeksi (CI) değerlerinin ikili karşılaştırmaları ile rastgele karşılıklı matrisler oluşturduk. Her test problemi için, insan rasyonelliği varsayımına göre türetilen en küçük kareler problemi (Bölüm 4.4’te tarif edildiği gibi) çözüldü ve ortalama kalıntı kaydedildi. Aynı problem özdeğer yöntemi kullanılarak da çözüldü. Ortalama kalıntı burada, bir dizi ikili karşılaştırmadan göreceli ağırlıkları başarıyla tahmin etmedeki etkinliğin bir göstergesi olarak kabul edildi. Simülasyon programı FORTRAN’da yazılmıştır ve ortaya çıkan en küçük kareler problemleri uygun IMSL alt rutinleri kullanılarak çözülmüştür. Sonuçlar Tablo 4-4’te gösterilmektedir ve ayrıca Şekil 4-1 ve 4-2’de gösterilmektedir.

Her durum için, üretilen rastgele matrislerin sayısı değişkenlik gösteriyordu, ancak temsili sonuçlar sağlayacak kadar büyüktü. Küçük CI değerlerine sahip büyük matrisler için örnek büyüklüğünün küçük (100’den az) olabildiği ve yine de istatistiksel olarak anlamlı sonuçlar elde edebileceği gözlendi. Ancak, büyük CI değerlerine sahip küçük matrisler için bunun tersi geçerlidir.

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 (13) – İNSAN RASYONALİTE FAKTÖRÜNÜN DİKKAT EDİLMESİ – Çok Amaçlı Karar Verme Nedir? – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma first appeared on Online (Parayla Ödev Yaptırma).