ÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (11) – Üstel Ölçeklerin Kullanımına İlişkin Bazı Örnekler – 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.
Önceki yazımızda yer alan nedenlerden dolayı, önceki karar verme sorunu, iki değerlendirme kriterinin tüm olası ağırlıkları için çözüldü. Kriter 1’e WI ağırlığı verilirken, ikinci değerlendirme kriterine ağırlık w2 = 1 – WI (burada 1; :::: WI; :::: 0) atanmıştır. Bu şekilde toplam 100 farklı ağırlık kombinasyonu incelenmiştir.
İki değerlendirme kriterinin önem ağırlıklarının bu kombinasyonlarının her biri için, karar verme problemi revize edilmiş AHP kullanılarak çözüldü (Belton ve Gear [1983] tarafından tanıtıldığı üzere, ayrıca bkz. Bölüm 2.2.4). [Triantaphyllou ve Mann, 1989] ‘da (veya Bölüm 9’da) revize edilmiş AHP’nin diğer MCDM yöntemleriyle karşılaştırıldığında daha iyi performans gösterdiği bulundu. Yukarıdaki karar verme problemlerinin her biri için en iyi ve en kötü alternatif (yani bir ölçek) kaydedildi.
En iyi ölçeklerle ilgili sonuçlar Şekil 3-7’de gösterilmektedir. Benzer şekilde, en kötü ölçeklerle ilgili sonuçlar Şekil 3-8’de gösterilmektedir. Her iki durumda da en iyi veya en kötü ölçekler, ilk değerlendirme ölçütünün (veya eşdeğer olarak, ikinci değerlendirme ölçütünün) ağırlığı ve setin büyüklüğünün farklı değerleri için verilir.
Hesaplama sonuçları, yalnızca çok az ölçeğin en iyi veya en kötü ölçekler olarak sınıflandırılabileceğini göstermektedir. Aynı ölçeğin (örneğin, ölçek # 78) bazı WI ağırlık değerleri için en iyi ölçeklerden biri olarak ve ayrıca WI ‘ağırlığının diğer değerleri için en kötü ölçek olarak sınıflandırılması mümkündür Muhtemelen en önemlisi gözlem, sonuçların tüm durumlar için en iyi ölçek olan tek bir ölçeğin olmadığını çok açık bir şekilde göstermesidir. Benzer şekilde, aynı sonuçlar, tüm durumlar için en kötü ölçek olan tek bir ölçek olmadığını da göstermektedir.
Bununla birlikte, bu hesaplama sonuçlarına göre, en iyi ölçek yalnızca n (yani setin boyutu) biliniyorsa ve iki değerlendirme kriterinin ağırlıklarının göreceli önemi değerlendirilmişse belirlenebilir. Şekil 3-7’den, bazen iki değerlendirme kriterinin benzer ağırlıkları altında, aynı ölçeğin en iyi olarak sınıflandırılabileceğini gözlemlemek de ilginçtir. Aynı şey Şekil 3-8’de gösterilen en kötü ölçekler için de geçerlidir. Bu fenomen, bazen göreceli ağırlıkların yaklaşık bir değerlendirmesinin en iyi veya en kötü ölçeği başarılı bir şekilde belirlemek için yeterli olduğunu göstermektedir.
SONUÇLAR
Bu bölümde anlatılan hem teorik hem de ampirik analizler, ölçek konusunun karmaşık bir konu olduğunu ortaya koymuştur. Çeşitli teorik ve ampirik sonuçlar, tüm durumlar için her zaman en iyi ölçek veya en kötü ölçek olarak sınıflandırılabilecek tek bir ölçek olmadığını göstermiştir. Mevcut araştırma, ideal olarak bireysel tercihi temsil eden, iki varlık arasında karşılaştırmanın gerçek değerli bir derecelendirmesinin var olduğu varsayımına dayanmaktadır. Ancak karar verici bunu ifade edemez, bu nedenle sonlu ve kesikli seçenekleri olan bir ölçek kullanmak zorundadır.
Çeşitli ölçeklerin etkililiğini incelemek için, ayrıca karar vericinin yargılarını olabildiğince doğru bir şekilde ifade edebileceği senaryoyu varsaydık. Bu senaryo altında, karar vericinin bilinmeyen RCP matrisleri yerine ikili karşılaştırmalarla CDP matrisleri oluşturabileceği varsayılmaktadır. Bu ayara dayanarak, CDP matrisleri kullanılarak türetilen sıralamanın RCP matrislerinin ima ettiği gerçek (ve dolayısıyla bilinmeyen) sıralamadan nasıl farklı olduğunu incelemek için bir dizi hesaplama deneyi yapıldı.
Hesaplama sonuçları, her durumda en iyi olan tek bir ölçek olmadığını ortaya koydu. Burada, bir RCP matrisi (ve sayısal değerlere sahip bir ölçek) verildiğinde, ona en iyi yaklaşan bir ve yalnızca bir CDP matrisi olduğu vurgulanmalıdır. Dahası, bu CDP matris modeli RCP matrisinin ima ettiğinden farklı bir sıralama vermeyebilir.
Varlıklar arasındaki karşılaştırmanın gerçek değerli bir derecelendirmesinin olduğunu kabul eden mevcut olana alternatif bir varsayım, gerçek varlığın karar verici tarafından verilen CDP matrisi olabileceği önermesini dikkate almaktır. Bu durumda RCP matrisi belki sadece bir yanılsamadır. Daha sonraki durumda, tercihin tersine çevrilmesi çok farklı bir sonuca götürür: CDP tek “gerçek şey” ise, o zaman bireyin [1 / ~, l / Vi_l] veya [~ -l aralığını göstermesi gerektiği anlamına gelir. ‘~] değerleri yerine V ;. diğer bir deyişle, tercihin tersine çevrilmesi etkileri, iki varlığın kayıtsız kalacağını gösterir.
Belirli bir durumda uygun ölçeği belirlemek için belirli faktörlerin analiz edilmesi gerekecektir. İlk olarak karşılaştırılacak varlıkların n sayısı bilinmelidir. İkinci olarak, iki değerlendirme kriterinin göreceli önemi değerlendirilmelidir. Bu değerlendirme kriterleri, bir ölçek kullanıldığında ortaya çıkabilecek olası sıralama tersine çevirmeleri ve sıralama ayrımlarıyla ilgilenir. Bu faktörler değerlendirildiğinde, Şekil 3-7 her vaka için en iyi ölçeği göstermektedir. Benzer şekilde, Şekil 3-8, her durum için en kötü ölçeği göstermektedir.
Örneğin, 15 üyeli bir setin ağırlık değerlerinin değerlendirilmesi gerektiğini varsayalım. Dahası, belirli bir uygulamada sıralamanın tersine çevrilmesinin, ayrım gözetmeden sıralamadan çok daha ciddi olarak değerlendirildiğini varsayalım. Diğer bir deyişle, birinci değerlendirme kriterinin ağırlığı, ikinci kriterin ağırlığından daha yüksek kabul edilir. Bu bilgiyi kullanarak, Şekil 3-7’nin Sınıf 2’deki 22 numaralı ölçeğin kullanılmasını önerdiğini görebiliriz (yani, ‘Y = 0.02 parametresine sahip üstel bir ölçek). Ayrıca, Şekil 3-8, bu durum için en kötü ölçeğin Sınıf 2’den ölçek # 77 olduğunu göstermektedir (yani, ‘Y = 1.12 parametresine sahip üstel bir ölçek).
Aynı rakamlar, en iyi veya en kötü ölçeğin seçiminin belirli koşullar altında net olmadığını da göstermektedir. Örneğin, üye sayısı 15’ten fazla olduğunda ve iki değerlendirme kriteri neredeyse eşit önemde olduğunda. Bu gibi durumlarda, belirli bir uygulama için en iyi ölçeğin ne olduğuna karar vermeden önce, probleme ilişkin içgörüyü artırmak için farklı ölçeklerle deney yapılması önerilir.
Bu bölümdeki hesaplama deneyleri (Şekil 3-7’de gösterildiği gibi), üstel ölçeklerin sayısal olarak orijinal Saaty ölçeğinden (yani Ölçek 1) daha verimli (yani daha kararlı) olduğunu göstermektedir. Şekil 3-7’de yalnızca Saaty tabanlı iki ölçek (yani # 19 ve # 21 ölçekleri) mevcuttur. Aslına bakılırsa, en fazla 10 varlıklı setler için # 21 ölçeği geniş bir ağırlık aralığında en iyisidir. Şekil 3-8’deki tüm en kötü ölçeklerin üstel sınıftan (yani Sınıf 2) geldiğini de belirtmek gerekir.
Bununla birlikte, Bölüm 3.3’teki çeşitli örneklerin önerdiği gibi, insanlar, çok çeşitli durumlarda dışsal ölçekler gibi görünmektedir. Bu nedenle, üstel ölçekler, ikili karşılaştırmaları ölçmenin en makul yolu gibi görünmektedir. Bu bölümdeki hesaplama sonuçları, belirli bir ikili karşılaştırma kümesini ölçmek için en uygun üstel ölçeği seçmek için bir kılavuz sağlar.
Son olarak, veriler nitel olduğunda ölçek probleminin çok önemli bir konu olduğu ve bu nedenle ikili karşılaştırmalar kullanılarak belirlenmesi gerektiği burada vurgulanmalıdır. Bu tür nitel veriler, gerçek yaşamdaki birçok karar verme problemi için ilgili bilgileri yakalayabilir. Bu bölümde açıklanan çalışmanın alternatif bir bakış açısı, gelecekte ikili karşılaştırmalar kullanmayan ve dolayısıyla ikili karşılaştırma metodolojilerinin muadili olan yöntemlerle benzer bir araştırma yapmak olacaktır.
Bununla birlikte, ikili karşılaştırmalar bu tür nitel verileri tahmin etmek için esnek ve aynı zamanda gerçekçi bir yol sağladığından, bir MCDM problemine başarılı bir çözüm için ölçek probleminin tüm yönlerinin derinlemesine anlaşılması gerektiğini takip eder.
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.
