Çok Amaçlı Karar Verme (2) – Çok Amaçlı Karar Verme Nedir? – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma
Ödevcim Online, Çok Amaçlı Karar Verme, Çok Amaçlı Karar Verme Nedir, Yöneylem Nedir, 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.
Çok Amaçlı Karar Vermenin Tarihsel Gelişimi
Objektif Karar Verme
Çok amaçlı karar verme, aynı anda birkaç (çelişen) hedefe ulaşılması gereken optimum tasarım problemlerini hedefler. MODM’nin özellikleri bir dizi (çelişen) hedef ve iyi tanımlanmış bir dizi kısıtlamadır. Bu nedenle, optimizasyon problemleriyle başa çıkmak için doğal olarak matematiksel programlama yöntemi ile ilişkilidir. Ancak, ödünleşim ve ölçek problemlerini içeren iki temel zorluğun, matematiksel programlama modeli aracılığıyla MODM problemlerini karmaşıklaştırdığı görülebilir.
Ödünleşim problemi, nihai bir optimal çözüm genellikle matematiksel programlama yoluyla verildiğinden, çoklu hedeflerin onu ağırlıklı tek bir hedefe dönüştürmek zorunda olmasıdır. Bu nedenle, öncelikle dikkate alınan hedefler arasında değiş tokuş bilgisi elde etme süreci tanımlanmalıdır. Takas bilgisi mevcut değilse, Pareto çözümlerinin türetilmesi gerektiğini unutmayın. Öte yandan ölçekleme problemi, boyutların sayısı kapasitenin ötesinde arttıkça, boyutluluk laneti probleminden muzdariptir, yani hesaplama maliyeti muazzam bir şekilde artar. Son zamanlarda, genetik algoritmalar, genetik programlama ve evrim stratejisi gibi birçok evrim algoritmasının bu sorunu ele alması önerilmiştir.
Kuhn ve Tucker (1951) vektör optimizasyon kavramını kullanarak çok sayıda hedef yayınladığından ve Yu (1973) MODM problemleriyle başa çıkmak için uzlaşmacı çözüm yöntemini önerdiğinden, ulaşım yatırımı ve planlaması, ekonometrik gibi çeşitli uygulamalar üzerinde önemli çalışmalar yapılmıştır. ve kalkınma planlaması, finansal planlama, iş yapma ve yatırım portföylerinin seçimi, arazi kullanım planlaması, su kaynakları yönetimi, kamu politikası ve çevre sorunları vb. Teatral çalışma, daha karmaşık gerçek dünya problemleriyle yüzleşmek için basit çok amaçlı programlamadan çok düzeyli çok amaçlı programlamaya ve çok aşamalı çok amaçlı programlamaya kadar genişletilmiştir.
Öte yandan, geleneksel MODM, öznel belirsizlik sorununu görmezden geliyor gibi görünmektedir. Hedefler ve kısıtlamalar dilbilimsel ve bulanık değişkenler içerebileceğinden, bulanık sayıların daha kapsamlı problemlerle başa çıkmak için MODM’ye dahil edilmesi gerektiği görülebilir. Bellman ve Zadeh (1970) bulanık ortamlarda karar verme kavramlarını önerdikten sonra, Hwang ve Yoon (1981), Zimmermann (1978), Sakawa gibi birçok ayırt edici çalışma bulanık çok amaçlı doğrusal programlama (FMOLP) çalışmasına rehberlik etmiştir.
FMOLP, hedefleri ve kısıtlamaları, bireysel doğrusal üyelik işlevlerine göre bulanık kümeler olarak formüle eder. Karar seti, tüm bulanık setlerin ve ilgili zor kısıtlamaların kesişimi ile tanımlanır. Karar setinde en yüksek üyeliğe sahip olacak şekilde en uygun çözümü seçerek net bir çözüm üretilir. Daha fazla tartışma için okuyucular, Zimmermann (1978), Werners (1987) ve Martinson (1993) ‘a başvurabilir. MODM’nin tarihsel gelişimi için Şekil 1.3’e bakınız.
Bulanık Kümelere Giriş
Bu bölümde, bulanık kümeler hakkındaki tüm konuları ayrıntılı olarak tanıtmıyoruz, ancak bu kitabın amacı için bulanık kümelerin temel kavramları ve bulanık sayıların aritmetik işlemleri üzerine yoğunlaşıyoruz.
Temel Kavramlar
Boolean mantık problemleriyle başa çıkmak için klasik küme teorisinin aksine, belirli kümelere ait öğelerin derecesini temsil etmek için bulanık kümeler önerildi. Karakteristik işlevi bir eşleme işlevi olarak kullanmak yerine, evrensel bir X kümesinin bulanık bir alt kümesi Ã, üyelik işlevi μà (x) ile şu şekilde tanımlanabilir:
Bir = (x, μ (x)) | x∈X
burada x ∈ X evrensel kümeye ait öğeleri belirtir ve
μ A (x): X → [0, 1] olur.
Ayrık bir sonlu küme X = {x1, x2, …, xn} verildiğinde, X’in bulanık bir alt küme à şu şekilde temsil edilebilir:
Sürekli bir durum için, bulanık bir X kümesi şu şekilde temsil edilebilir: Daha sonra, sunulan FMADM modellerinde kullanılacak bazı tanımlar aşağıdaki gibidir.
Tanım
Bir X kümesinin bulanık bir alt kümesi à dikkate alınsın; Ã’nun desteği, şu şekilde tanımlanan net bir X kümesidir:
supp A = {x∈X | μ x> 0}.
Tanım
X’in bulanık bir alt kümesinin α-kesimi şu şekilde tanımlanabilir:
A (α) = {x∈X | μ (x) ≥α}, ∀α∈ [0,1].
Tanım
Bir X kümesinin bulanık bir alt kümesi à dikkate alınsın; à yüksek, μà (x) ‘in en küçük üst sınırıdır (sup) ve şu şekilde tanımlanır:
A h (A) = supμ (x).
Tanım
Bir X kümesinin bulanık bir alt kümesi Ã, ancak ve ancak yüksekliği tekse ve yüksekliği tek değilse subnormal olarak adlandırılırsa normal olduğu söylenir.
Bulanık kümeler başlangıçta öznel belirsizlik sorunlarının üstesinden gelmek için önerilmişti. Öznel belirsizlik, sorunu veya olayı temsil etmek için dil değişkenlerinin kullanılmasından kaynaklanır. Dil değişkeninin, doğal veya yapay bir dilde sözlü kelimeler veya cümlelerle ifade edilen bir değişken olduğuna dikkat edin. Örneğin, üçgen bulanık sayılara sahip dil değişkenleri “çok yüksek (çok iyi)”, “yüksek (iyi)”, “orta”, “düşük (kötü)” ve “çok düşük (çok kötü), ”, ifade değerlerinin üyelik işlevlerini belirtmek için Şekil 1.4’te gösterildiği gibi yapılır.
Dil değişkenlerinin benimsenmesi son zamanlarda yaygınlaştı ve değerlendiriciler tarafından verilen dilsel derecelendirmeleri değerlendirmek için kullanıldı. Ayrıca, dilsel değişkenler de her kriter için performans değerinin başarısını ölçmenin bir yolu olarak kullanılır. Dil değişkenleri ilgili üyelik fonksiyonu ve bulanık aralık ile tanımlanabildiğinden, FMADM problemleriyle başa çıkmak için bulanık sayıları doğal olarak manipüle edebiliriz.
Bulanık Aritmetik İşlemler
Bulanık aritmetik işlemler, bulanık sayıları toplamayı, çıkarmayı, çarpmayı ve bölmeyi içerir. Genel olarak, bu bulanık aritmetik işlemler, uzantı ilkesine ve a-kesim aritmetiğine dayalı olarak türetilir. Bulanık aritmetik işlemler hakkında daha ayrıntılı tartışmalar için Dubois ve ark. (1993, 2000), Dubois ve Prade (1987, 1988), Kaufmann ve Gupta (1985, 1988) ve Mares (1994). Bu bölümde, sırasıyla uzantı ilkesine ve α-kesim aritmetiğine göre bulanık aritmetik işlemleri aşağıdaki gibi kısaca tanıtıyoruz.
Uzatma Prensibi
M ve n iki bulanık sayı olsun ve z belirli bir olayı göstersin. Daha sonra, m ve n için dört temel aritmetik işlemin üyelik fonksiyonları şu şekilde tanımlanabilir:
μm+n(z)=sup min(m(x),n(y))|x+y=z ;
μm−n(z)=sup min(m(x),n(y))|x−y=z ;
μm×n(z)=sup min(m(x),n(y))|x×y=z.
Ödevcim Online, Çok Amaçlı Karar Verme, Çok Amaçlı Karar Verme Nedir, Yöneylem Nedir, 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.
Bulanık Kümelere Giriş Çok Amaçlı Karar Vermenin Tarihsel Gelişimi çok amaçlı programlama Objektif Karar Verme Ödünleşim problemi optimizasyon kavramını kullanarak öznel belirsizlik sorunu Temel Kavramlar