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.

Zhu ve Lee’ye [1991] göre bu sıralama yöntemi daha az karmaşıktır ancak yine de etkilidir. Karar vericinin bunu zorlanmadan ve yorumlama kolaylığı ile uygulamasına izin verir. Bu nedenle, bu kitapta bulanık üçgen sayıları sıralamak için bu yöntemi kullanıyoruz. Bununla birlikte, belirli bir problem herhangi bir nedenle farklı bir yöntemi gerektiriyorsa, başka bir yöntem kullanılmalıdır.

Üçgen bulanık sayıları sıralamak için yukarıdaki prosedür aşağıdaki gibi kullanılır. I ‘.-; (x) bulanık fl.i sayısı için üyelik fonksiyonunu gösterelim. Ardından şunları tanımlıyoruz:

• eij = max {min (Il / X), Il / Y))}, x ~ y
• i, j = 1,2,3, …, m için.

Ardından; egemen olduğu (veya üstün olduğu) itj, olduğu gibi yazılır; > itj, ancak ve ancak eij = 1 ve ej; <Q, burada Q, 1’den küçük bazı sabit pozitif fraksiyonlardır. 0.70, 0.80 veya 0.90 gibi değerler Q için uygun olabilir ve Q değeri analist tarafından ayarlanmalı ve muhtemelen bir duyarlılık analizi için değiştirilmelidir. Bir sonraki bölümde bildirilen hesaplama deneylerinde Q’nun değeri 0,90’a eşit olarak ayarlandı. Yukarıdaki kavramlar, aşağıdaki açıklayıcı örnekte en iyi şekilde açıklanmıştır.

Örnek 12-1:

İki bulanık alternatif A] ve A2’nin öneminin şu olduğunu varsayalım:
it] = (0.20, 0.40, 0.60) ve it2 = (0.40,0.70,0.90) olmak üzere iki bulanık üçgen sayı ile temsil edilir. Daha sonra, 1= 1andel2 = 0.40 <Q = 0.90’dan gözlemlenebilir. Bu nedenle, A]> A2 ve en iyi (bulanık) alternatif A] ‘dır.

Saaty’nin AHP yönteminde bulanık üçgen sayıların kullanım uygulamaları [Laarhoven, vd., 1983] ve [Lootsma, 1989; ve 1997]. Buradaki amaçlardan biri, ikinci bölümde anlatılan net ve deterministik MCDM yöntemlerini [Lootsma, 1989] ‘da kullanılana benzer bir şekilde bulanıklaştırmaktır. Böylece, önceki kavramlar ve tanımlar, bir sonraki bölümde sunulan analizlerin temelini oluşturur.

BULANIK ÇOK KRİTERLİ KARAR VERME

ARKA PLAN BİLGİLERİ

Bu bölümde, ikinci bölümde sunulan dört deterministik MCDM yöntemi bulanıklaştırılmıştır. Bunlar WSM, WPM, AHP (orijinal ve ideal mod) ve TOPSIS yöntemidir. ELECTRE incelenmemiştir (TOPSIS yöntemi ondan daha üstün göründüğü için). Çarpımsal AHP (Bölüm 11.4’te açıklandığı gibi), WPM modeliyle aynı sayısal özelliklere sahip olduğundan incelenmemiştir. 

Keşfedeceğimiz metodoloji, önceki üç referansta sunulan yöntemlerden farklıdır. Bu bölümde, yalnızca bir karar vericinin dahil olduğu varsayımı altında net MCDM yöntemlerini bulanıklaştıracağız. Bu bölümde sunulan gelişmeler [Triantaphyllou ve Lin, 1996] ‘da bildirilen çalışmaya dayanmaktadır.

Bu bölümde, bu türden en iyi yöntemi bulma girişiminde bulanık MCDM yöntemlerinin performansını incelemek için iki bulanık değerlendirme kriteri kullanılmıştır. Bu iki bulanık değerlendirme kriteri, net MCDM yöntemleri için Bölüm 9.2’de sunulanlara benzerdir.

Lütfen net durum için ilk değerlendirme kriterinin, çok boyutlu problemlerde doğru olması gereken bir yöntemin tek boyutlu problemlerde de doğru olup olmadığını görmek olduğunu hatırlayın. Bu nedenle, ilk bulanık değerlendirme kriteri, bulanık MCDM yöntemlerinin geri kalanını değerlendirmede standart olarak bulanık WSM’nin sonuçlarını kullanır.

Benzer şekilde, ikinci bulanık değerlendirme kriteri, doğru bir bulanık MCDM yönteminin, optimal olmayan bir alternatif daha kötü bir alternatifle değiştirildiğinde (her bir karar kriterinin önemi değişmeden kaldığı sürece) en iyi alternatifin göstergesini değiştirmemesi gerektiğini varsayar. Keskin durumda olduğu gibi, bu makul bir varsayımdır, çünkü sezgisel olarak gerçekten en iyi alternatif, hangi optimum olmayan alternatifin yerini daha kötü bir alternatifle değiştirirse alsın aynı kalmalıdır. Bu iki bulanık değerlendirme kriteri hakkında daha fazla bilgi Bölüm 13.6’da açıklanmaktadır.

Bu bölümde iki ana araştırma hedefi takip edilmektedir. İlk amaç, önceki dört gevrek MCDM yöntemini, göstermektedir. Bu bulanıklaştırılmış MCDM yöntemleri daha sonra önceki iki değerlendirme kriteri açısından değerlendirilir. Bu, farklı ölçeklerin nihai sonuçlara etkisini incelemek için Saaty ölçeği ve Lootsma ölçeği kullanılarak yapılır. En iyi bulanık MCDM yöntemini belirlemek, bu bölümün ikinci ana amacıdır.

Bu bölüm bağlamında, karar vericinin bulanık bir MCDM probleminde karar kriterleri açısından alternatiflere atadığı değerlerin, net sayılar yerine bulanık üçgen sayılar olduğu varsayılmaktadır. Bu bulanık üçgen sayılar fl = (I, m, u) olarak gösterilecektir, burada  5; m! 5; u ve I, m, U yine sırasıyla fl’nin alt, modal ve üst değeridir.

Burada m parametresi (modal değer), bu yazı dizisinde daha önce m olarak belirtilen alternatiflerin sayısı ile karıştırılmamalıdır.

Aşağıdaki bölümlerde Laarhoven ve diğerleri tarafından uygulanan prosedürler. , [1983] ve Boender, vd., [1989] ikinci bölümde tanıtılan gevrek MCDM yöntemlerinde kullanılacaktır. Genelde olduğu gibi, bu bölümdeki anahtar kavramların daha iyi bir açıklamasını elde etmek için bazı sayısal örnekler de analiz edilecektir.

BULANIK WSM YÖNTEMİ

Keskin WSM yöntemine göre ikinci bölümde belirtildiği gibi en iyi alternatif denklem (2-1) ‘i karşılayandır. Şimdi, i-inci alternatifinin j-inci kriteri açısından performans değeri, flij = (aijl ‘aijm, aiju) olarak belirtilen bulanık bir üçgen sayıdır. Benzer şekilde, karar vericinin kriterlerin önem ağırlıklarını ifade etmek için bulanık üçgen sayıları kullanacağı varsayılmaktadır.

Böylece, bu ağırlıklar şu şekilde gösterilecektir: Wj = (wjl, Wjm, wju). Ayrıca, ağırlıkların toplamının bire kadar (canlı bir ortamda) olması gereken temel gereksinimle tutarlı olmak için, şimdi wjm değerlerinin toplamının (yani, bulanık üçgen sayıların temsil eden modal değerlerinin) kriter ağırlıkları) 1’e eşit olmalıdır. Bölüm 9.2’deki tartışmaya ve yukarıdaki hususlara benzer şekilde, bulanık WSM (F-WSM olarak belirtilir) altında en iyi alternatifin aşağıdaki ilişkiyi sağlayan alternatif olduğu anlaşılır (burada m alternatiflerin sayısıdır):

Örnek 13-1:

CI, C Dört bulanık karar kriteri 2, C3, C4 ve üç bulanık alternatif AI ‘A2 ve A3 üzerinde bir karar problemi tanımlansın. Ardından, bu probleme ilişkin verilerin aşağıdaki bulanık karar matrisinde verildiğini varsayalım.

Şekil 13-1, bu nihai sonuçların üyelik işlevlerini göstermektedir. Her bir alternatifin karar kriterlerini karşılama kabiliyetinin bir ölçüsü olarak yorumlanabilirler. Bu şekil ve eij katsayısının (12-2) (Bölüm 12.3) ile verilen tanımından şu açıktır:

eJI = eJ2 = e] 2 = 1 ve eIJ,  e2J ve e2I Q’dan küçüktür (= 0,90). Bu nedenle, Bölüm 12.3’te tartışılan sıralama prosedürüne göre, bulanık alternatif AJ en çok tercih edilenidir.

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 (53) – 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).