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.

WSM Vakası İçin Kapsamlı Bir Sayısal Örnek

Dört alternatif AI ‘Az, A3 ve A4 ve dört karar kriteri C1, Cz, C3 ve C4 üzerinde tanımlanan bir MCDM problemini düşünün. Aşağıdaki Tablo 8-1’in, WSM (veya bir hiyerarşik seviyeli AHP) yöntemi kullanıldığında karşılık gelen karar matrisi olduğunu varsayalım. WSM tarafından gerekli olmasa da (ancak AHP tarafından gerekli görülmesine rağmen) verilerin bire kadar toplanacak şekilde normalleştirildiğine dikkat edin.

WSM’yi uygulamak istediğimizi varsayalım (AHP durumu aynıdır çünkü veriler zaten normalleştirilmiştir). Daha sonra, formül (2- 1) kullanılarak Bölüm 2.2.1’de, dört alternatifin nihai tercihleri ​​ve bunlara karşılık gelen sıralaması gösterildiği gibidir.

Bu nedenle, PI ~ P2 ~ P3 ~ P4 ilişkisi devam eder ve sonuç olarak en çok tercih edilen alternatif AI’dır ‘Şimdi dört kriterin ağırlıklarına göre C1 kriterinin en önemlisi olduğu gözlenebilir. Mevcut ağırlık WI ‘değerini değiştirmek için gerekli minimum değişiklik 0 /, / .3, böylece iki alternatif Al ve A3’ün mevcut sıralaması tersine çevrilir, Teorem 8-1’in ilişkisi (8-4a) kullanılarak bulunabilir. 

Bu miktar -0.3807, WI’dan (= 0.3277) küçük olduğu için (8-4b) koşulu karşılar. Bu nedenle, bu durum için ilk kriterin (normalleştirmeden önce) değiştirilmiş ağırlığı W * I şuna eşittir:

• w * J = [0,3277 – (-0,3807)] = 0,7084.

Tüm olası kriter kombinasyonları ve alternatif çiftleri için yukarıdaki gibi çalışan Tablo 8-3 türetilmiştir. Daha sonra, Tablo 8-4 göreceli terimlerdeki değişiklikleri göstermektedir (yani, Teorem 8-1’deki ilişki (8- 4a) kullanılarak hesaplanan flk, i, j değerleri). Tablo 8-3’teki negatif değişimlerin artışları, pozitif değişimlerin ise düşüşleri gösterdiği görülmektedir. Ayrıca değişikliklerin (yüzdeler veya mutlak olarak) normalizasyondan önce verildiği fark edilebilir. Her iki tablodaki koyu renkli sayılar minimum kritik değişiklikleri gösterir (aşağıdaki paragraflarda açıklandığı gibi).

Yüzde Üst (PT) kritik kriteri, Tablo 8-4’te alternatif A ile ilişkili tüm satırların en küçük göreli değerine (yani en iyi alternatif) bakılarak bulunabilir. Bu tür en küçük yüzde (yani,% 64.8818), Al ve A2 alternatiflerinin çifti dikkate alındığında, kriter C3’e karşılık gelir. Kriter C3 için mevcut ağırlığının% 64.8818 oranında azaltılması A2’yi en çok tercih edilen alternatif yapacak ve Al artık en iyi alternatif olmayacaktır.

Yüzde-Herhangi (PA) kritik kriteri Tablo 8-4’ün tamamındaki en küçük bağıl rlk, i, j değerine bakılarak bulunabilir. Bu kadar küçük değer {/ 3,2,3 =% 9,1099’dur ve (yine) C3 kriterine karşılık gelir. Bu nedenle, PA kritik kriteri C3’tür • Son olarak, burada en kritik kriterin her iki tanımının da bu sayısal örnekte aynı kriteri (yani kriter C3) göstermesinin bir tesadüf olduğuna dikkat edilmelidir.

Bu noktada, bir karar verici mutlak değişimlerde en kritik kriteri tanımlamak isterse, o zaman önceki iki tanım Yüzde-Üst (PT) ve Yüzde-Herhangi (PA) kritik kriteri Mutlak-Üst’e karşılık gelir. Sırasıyla (AT) ve Mutlak-Herhangi (AA) kritik kriteri.

Tablo 8-3’ten, AT kriterinin C4 olduğu ve ayrıca tesadüfen AA kriterinin C4 olduğu kolayca doğrulanabilir (karşılık gelen minimum değişiklikler kalın harflerle gösterilmiştir). Daha sonra, Bölüm 8.3.3’te, bazı hesaplama sonuçları, en kritik kriterin çeşitli alternatif tanımlarının ne sıklıkla aynı kritere işaret edebileceğini göstermektedir.

Tanım 8-4 kullanıldığında, Tablo 8-4’ten dört kriterin kritiklik dereceleri şöyledir: VI = 1-19.13341 = 19.1334, V z = 48.7901, V3 = 9.1099 ve V 4 = 32.5317. Bu nedenle hassasiyet, dört karar kriterinin katsayıları (Tanım 8-5’e göre): sens (CI) = 0.0523, (Cz) = 0.0205, sens (C3) = 0.1098 ve (C4) = 0.0307 olur. Yani, en hassas karar kriteri C3’tür ve bunu sırasıyla CI, C4 ve Cz kriterleri takip eder.

Durum (iz): WPM Yöntemini Kullanma

Miktarı belirlemekle ilgilendiğimizi varsayalım (\ 1,2 WPM yöntemi kullanıldığında. Bölüm 2.2.2’deki ilişkiye göre (2-2), aşağıdaki oran olduğunda alternatif Al alternatif A2’den daha çok tercih edilir birden büyük veya eşittir.

Ayrıca, ilişki (8-1) ‘e göre, şu anda PI ~ P2 olduğu varsayılmaktadır • p / ve p / bu iki alternatifin yeni tercihlerini göstersin. Daha sonra, bu iki alternatifin sıralaması tersine çevrildiğinde, tercihlerle ilgili ilişki şu hale gelir: p / <P / ‘Bu bölümün Ekinde 01,1,2 miktarının koşulu sağlaması gerektiği gösterilir.

Son ilişkinin sağ tarafı, alternatif A2, alternatif Al’den (maksimizasyon durumunda) daha fazla tercih edilecek şekilde kriter CI’nin mevcut ağırlığını WI değiştirmek için gereken minimum değişim değerini verir. Önceki bölümde olduğu gibi, bu miktarın (8-4b) koşulu karşılaması gerekir. Önceki düşünceler kolaylıkla genelleştirilebilir ve bu nedenle aşağıdaki teoremin ispatına yol açabilir.

Teorem 8-2:
WPM yöntemi kullanıldığında, kritik miktar 0’k, iJ (jor 1 ::: ;; i <j ::: ;; m ve 1 ::: ;; k ::: ;; n) Ai ve Aj alternatiflerinin sıralamasının tersine çevrilmesi için Ck kriterinin mevcut ağırlık Wk’sinin değiştirilmesi gerekir (normalizasyondan sonra).

Teorem 8-1’e benzer şekilde, en kritik kriteri belirlemek için toplam n xm (m – 1) kritik değişiklik (Le., F / k, i, j değerleri) hesaplanmalıdır. WPM modeli için önceki tüm teorik değerlendirmeler, aşağıdaki kapsamlı sayısal örnekte daha ayrıntılı olarak açıklanmıştır.

WPM Vakası İçin Kapsamlı Bir Sayısal Örnek

Dört alternatif AI ‘A2, A3 ve A4 ve dört karar kriteri el, e2, e3 ve e4 ile bir karar verme problemini düşünün • Lütfen bu sayısal örneğin ilkinden farklı olduğunu unutmayın (ve takip eden iki örnek ), çeşitli sayısal senaryoların daha geniş bir maruziyetini sağlamak için. Ayrıca, bu kapsamlı sayısal örneklerdeki karar matrisleri, yalnızca tesadüflerin kareleridir (Le., M = n). Önerilen prosedürler, herhangi bir değişiklik yapılmadan herhangi bir boyuttaki karar matrisine uygulanabilir. Ardından, Tablo 8-5’in bu sayısal örnek için karar matrisini gösterdiğini varsayalım.

Alternatif A] için (2-2) ile ifade edilen ürün, A] ‘yı içeren tüm olası kombinasyonlar için birden büyüktür, bu nedenle en çok tercih edilen alternatif A]’ dır. Ayrıca, dört kriterin ağırlıklarına göre, kriter C] en önemli kriter olarak görünmektedir, çünkü bu, en yüksek ağırlığa sahip kriterdir.

Daha sonra, iki alternatif A 1 ve A 2’nin mevcut sıralaması tersine dönecek şekilde mevcut ağırlığı w4’ü değiştirmek için gereken minimum miktarı dikkate alıyoruz. K olarak belirtilen (ve% olarak ifade edilen) bu miktar, Teorem 8-2’nin (8-7a) bağıntısı kullanılarak bulunabilir.

Bu nedenle, 0 / 4,1,2 değeri K = ‘den küçük olmalıdır. (8-7b) koşulunu karşıladığı kolaylıkla doğrulanabildiğinden, bunun uygulanabilir bir değer olduğuna dikkat edin. Benzer bir şekilde, tüm olası K değerleri belirlenebilir.

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 (38) – İKİ ANA DUYARLILIK ANALİZİ PROBLEMİNİN AÇIKLAMASI – Çok Amaçlı Karar Verme Nedir? – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma first appeared on Online (Parayla Ödev Yaptırma).