Çok Amaçlı Karar Verme (52) – Analiz Sonuçları ve Tartışmalar – 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, 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.
Bulanık İntegral: Bir Uygulama
Bilgi toplama için geleneksel araçlardan biri, ağırlıklı ortalama yöntemidir, örneğin, doğrusal bir integral veya Lebesgue integralidir. Bu yöntemler, ilgili bilgi kaynaklarının etkileşimli olmadığını / bağımsız olduğunu varsayar ve bu nedenle, ağırlıklı etkilerinin katkı türü olarak görüldüğü varsayılır.
Ancak, bu varsayım birçok gerçek dünya uygulamasında gerçekçi değildir. Çeşitli bilgi kaynakları arasındaki bazı doğal etkileşim / bağımlılıklar nedeniyle, ağırlıklı ortalama yöntemi pek çok gerçek problemde iyi çalışmaz. Ağırlıklı ortalama yöntemi yerine Choquet integrali kullanılabilir.
Choquet integrali, Grabisch, vb. gibi çok-özellikli değerlendirmeye uygulanabilir. Bulanık ölçüler ve bulanık integraller, insan değerlendirme sürecini analiz edebilir ve belirleyebilir.
Choquet bulanık integrali, bilgi toplama için alternatif bir hesaplama şeması sağlayan herhangi bir bulanık ölçüye dayalı bulanık bir integraldir. Sugeno bulanık ölçü ve bulanık integral kavramlarını tanıtmıştır.
Sugeno’ya göre bulanık ölçümler, klasik ölçümlerin toplamsallık gerekliliğinin daha zayıf monotonluk (küme dahil etme açısından) ve süreklilik gereksinimleri ile değiştirilmesiyle elde edilir. Süreklilik gerekliliği daha sonra hala çok kısıtlayıcı bulundu ve daha zayıf bir yarı süreklilik gerekliliği ile değiştirildi. Genel bulanık ölçümlerin spesifikasyonu son derece zahmetli olduğundan, Sugeno (1974) ve Sugeno ve Terano (1977), bulanık ölçüm tanımlamasının zorluğunu azaltmak için λ-toplamsal aksiyomu karşılayan bir λ-bulanık ölçüm önermiştir.
Λ-bulanık ölçü, elemanlar arasındaki toplamsallık derecesini tanımlayan bir λ parametresi ile sınırlandırılmıştır. Diğer bulanık ölçüm modelleriyle karşılaştırıldığında, λ-bulanık ölçüm daha kolaydır ve ölçüm değerlerini belirlemede yaygın olarak kullanılmaktadır.
Bununla birlikte, elemanların sayısı yeterince büyük olduğunda, λ-bulanık ölçümünün belirlenmesi kullanıcılar için hala zahmetlidir. Lee ve Leekwang (1995), genetik algoritmalara dayalı bir λ-bulanık ölçüm tanımlama yöntemi geliştirdiler, ancak veri setinden bir öğenin bulanık bir ölçüm değeri için bilgi tam değildi.
Chen (1998) ve Chen ve Wang (2001), bilgi talebini azaltmak için kısmi bir bilgi örnekleme prosedürü geliştirmiş ve çözüm stratejisi olarak genetik algoritmaları da kullanmıştır. Yöntemleri, öznel önem tanımlaması için veri toplama zorluğunun üstesinden geldi. Yöntemleri iyi çalışsa da, anket verileri bulanık yoğunluklar ve performans değerleri hakkında kısmi bilgiler gerektirir.
Bununla birlikte, λ değerini belirlemek için sadece bulanık yoğunlukları araştırmak en kolayıdır (Wang ve diğerlerinin algoritması) Wang ve ark. (2001) bu araştırma, bulanık yoğunlukların girdi verilerini kullanarak λ değerini belirlemek için etkili bir algoritma önerecektir.
Bu nedenle, bu araştırmanın ana hedefleri aşağıdaki gibidir: İlk olarak, insan öznel karar vermenin genel performansını belirlemek için bulanık ölçüler ve bulanık integraller kullanır. İkinci olarak, kurumsal intranet web sitelerini değerlendirmek için hiyerarşik bir yapı geliştirir ve genel değerlendirmeyi değerlendirmek için λ-fuzzy ölçüm ve Choquet integral yöntemlerini kullanır. Son olarak, λ değerini belirlemek için daha basit ve daha kolay bir algoritma geliştirdi.
Bu bölümün geri kalanı aşağıdaki şekilde düzenlenmiştir. Bölüm 18.2’de, çok aşamalı karar verme (MADM) süreci için λ-bulanık ölçümler ve bulanık integral sunulmuştur. Bölüm 18.3’te, Choquet integral’in hiyerarşik yapısının modellenmesi ve λ’yı belirlemeye yönelik algoritması sunulmaktadır. Bölüm 18.4’te, kurumsal intranet web sitelerinin bir vaka olarak değerlendirilmesi ve analiz sonuçları ayrıntılı olarak tartışılmaktadır. Son olarak, sonuçlar Bölüm 18.5’te verilmektedir.
Choquet İntegralinin Hiyerarşik Yapısının Modellenmesi
Ölçütler gerçek dünyada birbirini etkilediğinden ve birbirini etkilediğinden, bu bağımlı yönler, ölçütler ve alt ölçütler için eklemeli olmayan işlemleri yürütmek için bulanık bir integral kullanılır. Ayrıca bu araştırma, Şekil 18.1’de gösterildiği gibi bir Choquet integral değerlendirme modelinin hiyerarşik yapısını oluşturur. Ek olarak, bu araştırma λ değerini belirlemek için etkili bir algoritma kullanır.
Şekil 18.1’de, her daireyi bir düğüm olarak görürsek, Choquet integralinin Denklem 9.2’de hesaplanan alt seviye nesneler / elemanlar üzerindeki değerlendirme değerleri f ve önem dereceleri g ile üst seviye nesneler / elemanlar değerlendirmesini elde edebiliriz.
Örneğin f 11, f 11, …, f 11 alt – 1 2 s1 seviyesindeki nesnelerin / elemanların değerlendirme değerleridir; ve g11, g11, …, g11 önem dereceleridir. Seviye 4’teki ilk düğümün ara toplam değerlendirme değerlerini hesaplamak için Choquet integralinin Denklem 9.2’yi kullanarak f11 sonucunu alabiliriz. Diğer ara toplam değerlendirme değerleri, bu şekilde hesaplanır.Sonuçlar sırasıyla (f1, f1, …, f1), …, (fn, fn, …, fn), 12k1 12kn’dir.
Aynı şekilde Seviye 3’te de düğümler vardır. Burada f 1, f 1, …, f 1 değerlendirme değerleri, g1, g1, …, g1 önem dereceleridir ve sonuç f’dir. Diğer 12 k1 1 ara toplam değerlendirme değerleri f2, …, fn’dir. Son olarak, 2. seviyede sadece bir düğüm vardır. Burada f1, f2, …, fn değerlendirme değerleri ve g1, g2, …, gn önem dereceleridir. Genel değerlendirme değerini hesaplamak için Denklem 8’i kullanarak, Seviye 1’deki nihai sonucu elde ederiz.
Belirlemek İçin Algoritma 𝛌
Λ’yı belirleme algoritması, Wang ve ark. (2001). Denklem 9.4’e göre Wang ve diğerlerinin hesaplama algoritması. aşağıdaki gibi listelenmiştir:
Adım 1: Eğer F ′ (0) = 0 ise, o zaman λ = 0, dur; Adım 2: Eğer F ′ (0)> 0 ise p * = –1, m † = 0 olsun ve bir ikiye bölme araması yapmak için Adım 5’e gidin; Adım 3: Eğer F ′ (0) <0 ise, p = +1, m = 0 olsun ve bir λ aralığı bulmak için Adım 4’e gidin; Adım 4: Eğer F (p) <0 ise, m = p, p = p * 2 olsun ve Adım 4’e devam edin (F (p)> 0’a kadar çift p’yi tekrarlayın); Adım 5: Eğer F ((p + m) / 2) = 0 ise λ = (p + m) / 2 ve dur; Adım 6: Eğer F ((p + m) / 2)> 0 ise p = (p + m) / 2, yoksa m = (p + m) / 2 olsun ve Adım 5’ten devam edin.
Wang ve ark. (2001) yukarıdaki nn özelliklerine dayanarak aşağıdaki gibi üç adım öneriyoruz: Adım 1: if∑i = 1gi = 1, o zamanλ = 0, dur; Adım 2: if∑i = 1gi> 1, sonra n p = -1, m = 0, bir ikiye bölme araması gerçekleştirmek için Adım 5’e gidin; Adım 3: ∑i = 1gi <1 ise, sonra p = +1, m = 0 olsun, bir λ aralığı bulmak için 4. Adıma gidin.
Değiştirilmiş algoritmamızın sonuçları Wang ve diğerlerinin algoritmasıyla karşılaştırılır ve bu araştırmanın λ değerinin Wang ve diğerlerininkine çok yakın olduğunu gösterir. Λ-fuzzy ölçümünün ∑in = 1 kullanımına göre özelliklerini çok açık bir şekilde gösterir ve bu çalışmada değiştirilen algoritma ile bir çözüm elde etmek kolaydır.
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.
Belirlemek İçin Algoritma 𝛌 Bulanık İntegral Choquet İntegralinin Hiyerarşik Yapısı Choquet İntegralinin Hiyerarşik Yapısının Modellenmesi Çok Amaçlı Karar Verme (52) – Analiz Sonuçları ve Tartışmalar – Çok Amaçlı Karar Verme Nedir – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma