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.

SONUÇLAR

Bu bölüm, n birim arasındaki benzerlik ilişkilerini tahmin etmek için bir yaklaşım sundu. İkili karşılaştırmalar, birçok karar verme problemi için ilgili verileri çıkarma aracı olarak yoğun bir şekilde kullanılmıştır (önceki bölümlerde tartışıldığı gibi). Bu şekilde, bir uzmanın kesin olmayan yargıları işlenebilir ve bir problemin bilinmeyen parametrelerinin doğru tahminleri elde edilebilir.

Geçmişte, bir dizi (alternatifler veya kriterler) üyeleri arasındaki göreceli önemi tahmin etmek için ikili karşılaştırmalar kullanılmıştır. Bu bağlamda, ikili karşılaştırmalar, her iki varlıkta da mevcut olan bir mülk açısından değerlendirildiklerinde, iki işletmenin göreceli öneminin oranını tahmin eder.

Öte yandan, bu bölümde kullanılan ikili karşılaştırmalar, varlık çiftleri arasındaki göreli benzerliğe atıfta bulunmaktadır. İki varlık arasındaki her karşılaştırma için karar vericiden, bu iki varlıkta belirli bir özelliğin mevcut olduğu dereceler arasındaki farkı tahmin etmesi istenir. Bu şekilde ortaya çıkan benzerlik ilişkileri, üçgen eşitsizliği ortaya koymaktadır. Dahası, bu tür ikili karşılaştırmalar doğrudan varlıklar arasındaki benzerlik ilişkilerine odaklanır.

Önerilen ikili karşılaştırmalar türünün nicelleştirilmesi için, bu bölümde ayrı bir ölçek (Tablo 5-1’de verilmiştir) da tanımlanmıştır. Son olarak, bir dizi varlık arasında istenen benzerlik ilişkilerini tahmin etmek için araç olarak ikinci dereceden bir programlama formülasyonu önerildi. Bu formülasyon, karesi alınmış hataların toplamını en aza indirir. Önerilen yöntem çok etkilidir çünkü ikinci dereceden programlama problemi, bir doğrusal denklem sistemini çözme problemine indirgenebilir.

Bu noktada ilginç bir soru, neden tüm n (n-1) / 2 ikili karşılaştırmalarına ihtiyaç duyulabileceğini incelemektir. Geri kalan n (n-1) / 2 karşılaştırmalarını tahmin etmek için yalnızca n-1 bağımsız karşılaştırmalarının yeterli olduğunu doğrulamak kolaydır.

Tüm olası karşılaştırmaları değerlendirmeye çalışmanın nedeni, bu şekilde önerilen yaklaşımın, n birim arasındaki benzerlik ilişkilerini etkin bir şekilde tahmin etmek için çok daha fazla kaynaktan (örneğin karşılaştırmalı yargılar) bilgileri kullanabilmesidir. Karar vericinin tüm yargılarında tamamen doğru olması durumunda sadece n-1 karşılaştırmaları yeterli olacaktır.

Ancak, karar verici birkaç karşılaştırmada büyük ölçüde yanlışsa, tüm bağımsız n (n-1) / 2 karşılaştırmaları tahmin sürecine dahil edilirse, olumsuz etki umarım azalır. Bu gerekçe, tüm olası oran ikili karşılaştırmalarının kullanılması durumu ile aynıdır (önceki bölümlerde açıklandığı gibi).

Bu noktada bir dizi uzantı mümkündür. İlginç bir konu, bazı ikili karşılaştırmalar eksik olsa bile varlıklar arasındaki benzerlik ilişkilerini tahmin etmek için bir yaklaşım tasarlamaktır. Eksik verilerle ilgili sorunlar birçok gerçek yaşam uygulamasında yaygındır.

Bununla ilgili bir konu, ikili karşılaştırmalar türetme sırasının nihai sonuçları nasıl etkilediğini incelemektir. Diğer bir deyişle, karar verici toplam karşılaştırma sayısının yalnızca% 80’ini tahmin edebiliyorsa, bu karşılaştırmalar hangileri olmalıdır? Bu bölüm, önceki iki kritik sorunu daha ayrıntılı olarak araştırmak için gerekli temellerden bazılarını sağlar.

KARŞILAŞTIRMALARDAN TÜREV EDİLEN GÖRELİ AĞIRLIKLARI DEĞERLENDİRMEK İÇİN BİR AYRIŞTIRMA YAKLAŞIMI

ARKA PLAN BİLGİLERİ

Önceki bölümlerde anlatıldığı gibi, ikili karşılaştırmalar ÇKKY problemlerinde önemli bir rol oynamaktadır. Karar verici (ler) den nitel bilgi elde etmek için genellikle etkili ve verimli bir yol sağlarlar. Bununla birlikte, uygulamalarının ciddi bir dezavantajı, genellikle çok sayıda olmasıdır. Analiz edilecek n nesne (varlıklar, elemanlar veya kavramlar olarak da adlandırılır) varsa, tam bir ikili karşılaştırma seti n (n-l) l2 boyutundadır. Bu bölüm, veri elde etme sürecinde fazlalığa sahip olmanın faydalarını ciddi şekilde etkilemeden bu sayıyı azaltmak için bir yaklaşımı açıklamaktadır.

Bu bölümde incelenen temel sorun, iki alt kümenin n] ve n2 (burada n] + n2> n) öğeleriyle ikili karşılaştırmaları bilindiğinde, n öğelerin nispi ağırlıklarının nasıl tahmin edileceğidir. Bu problemin başarılı bir şekilde ele alınması, birkaç nedenden dolayı kritik öneme sahiptir. İşlenecek varlıkların sayısı çok olduğunda, olası tüm karşılaştırmaların sayısı çok fazla olabilir. Örneğin, 20 varlıklık bir koleksiyon için, 190 (yani, 20 X 19/2) ikili karşılaştırma yapılması gerekir.

Bu nedenle, toplam karşılaştırma sayısını azaltmanın bir yolunu bulmak büyük pratik öneme sahiptir. Büyük bir varlık koleksiyonunu birkaç küçük gruba bölmek isteyebilir. Her gruptaki öğeler, aynı gruba çok benzer olanları yerleştirerek bir araya getirilebilir. Bu şekilde karar verici, daha homojen olan varlıkları değerlendirebilir. Bu strateji, çok farklı unsurların karşılaştırılması gerektiğinden daha doğru karşılaştırmalar elde etme potansiyeline sahiptir.

Diğer bir uygulama, iki bulanık kümenin üyelik değerleri üzerinde birleşim işleminin gerçekleştirilmesi alanından gelmektedir. Bu göreli ağırlıklar, belirli bir kümeye ait olmanın üyelik değerleri olarak görülebilir (normalleştirmeden sonra 1 değeri mükemmel üyeliğe işaret ederken 0 değeri üyelik yok). Bu üyelik değerlerini türetmek için kullanılan ikili karşılaştırmalar mevcutsa, iki bulanık kümenin birleşiminin üyelik değerlerini belirlemek için bunları kullanmak isteyebilir. Bu işlem, bulanık veritabanlarında birleşim işlemi gerçekleştirilirken uygulanabilir.

Karşılaştırma sayısını azaltmaya çalışmakla ilgili benzer bir sorun Harker [1987] tarafından incelenmiştir. Bu yaklaşımda, karar verici minimum n karşılaştırmayla başlar (burada n, öğelerin sayısıdır). Daha sonra yapılacak bir sonraki karşılaştırmaların ne olması gerektiğini belirlemek için uzman sistem benzeri bir yaklaşım geliştirilir. Bu şekilde karar verici, karşılaştırmaları yönlendirmeli bir şekilde belirler.

Bu bölümde incelenen sorunun temel farkı, burada ikili karşılaştırmaların her biri nt ve n2 öğelerinin (burada nt n) iki gruba kümelenmiş olduğunun varsayılmasıdır. Bu nedenle, mevcut araştırmada iki tam ikili karşılaştırma koleksiyonumuz olduğunu varsayıyoruz. Dolayısıyla, ilk koleksiyonda nt (nt – 1) / 2 ve ikincisinde ~ (~ – 1) / 2 karşılaştırması vardır.

Bu bölümde, iki tam karşılaştırma koleksiyonundan göreceli ağırlıkları tahmin etme problemini çözmek için iki yöntem geliştirilmiştir. İlk yaklaşım basit ve anlaşılır bir yaklaşımdır, ikincisi ise daha karmaşıktır ve doğrusal bir programlama (LP) formülasyonu kullanır.

LP yaklaşımı, tüm n öğelerinde tanımlanan matrisin CI (tutarlılık indeksi) değerini en aza indirmeye çalışarak karşılıklı matrisin eksik karşılaştırmalarını tahmin eder. İki yöntem de bir ileri hata analizi aracılığıyla değerlendirilir. Hesaplama sonuçları, ortak ikili karşılaştırmaların sayısı yeterince yüksek olduğunda (Le., Nt + n2 toplamı n’den önemli ölçüde daha büyüktür), o zaman LP yaklaşımının en güvenilir yaklaşım olduğunu ortaya koymaktadır.

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 (29) – DUYARLILIK ANALİZİ YAKLAŞIMI – Çok Amaçlı Karar Verme Nedir? – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma first appeared on Online (Parayla Ödev Yaptırma).