ÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (17) – GÖRELİ BENZERLİĞİN ÇİFT YÖNLÜ KARŞILAŞTIRMALARI – 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.
Yukarıdaki matris, N-1 seviyesindedir. Bu doğrudur çünkü herhangi bir sütun (veya satır), kalan sütunlara (veya satırlara) doğrusal olarak bağımlıdır ve kalan sütunlar (satırlar) doğrusal olarak bağımsızdır. Bu nedenle, \ değişkenlerinden herhangi biri rastgele bir değere ayarlanabilir ve ardından kalan N-1 değişkenleri için çözümlenebilir. Daha sonra Xu değişkenleri sistem (iii) ‘deki ilk ilişkiden belirlenebilir.
Örneğin, mevcut örnekte A4 = O ayarladığımızı varsayalım. Bu örneğin sayısal verileri (yani matris B) use..Q. İse, lineer sistem !! J. (iii) ‘deki ~ ikinci ilişkisi ile tanımlanan, Al = – 0.087015, A2 = -0.066934.z..A3 = -0.147256 (a n d A4 = 0) çözümünü verir.
Önceki Ai değerlerinden ve (iii) ‘teki ilk ilişkiden, orijinal ikinci dereceden programlama problemine optimal çözüm türetilmiştir.
Burada, önceki optimal çözümün Ai değerlerinden bağımsız olduğu vurgulanmalıdır. Bunu görmek için, varsayalım ki A ‘ve A “(burada t.!; T. A”) sistem (iii)’ de ikinci ilişki ile gösterilen denklemlerin iki çözümüdür. O zaman aşağıdaki türetmeler doğrudur:
- AATA ‘= AATA “= -A I veya: AAT (A’-A”) = O.
AA T matrisinin yapısından (daha önce gösterildiği gibi), ifadenin (5-7) ancak ve ancak fark (AI – A “) aşağıdaki vektöre eşit olması durumunda doğru olduğu sonucuna varır:
t herhangi bir gerçek sayıdır. Farkla ilgili önceki gözlem (AI – A “) göz önüne alındığında, A \ matrisinin ve (iii) ilişkilerinin yapısı, aşağıdaki ilişkilerin de doğru olduğu sonucu çıkar:
- Xl – X “= AT (AI – A”) = 0 veya: Xl = X “,
burada Xl = i + AT AI ve X “= t + AT A”. Başka bir deyişle, sistem (iii) sonsuz sayıda Ai çözümüne sahip olsa da, optimal çözüm X benzersizdir.
Daha önce belirtildiği gibi, bu aynı zamanda orijinal ikinci dereceden programlama problemi için en uygun çözümdür. Genel olarak, n tane varlık varsa karşılaştırılacak olursa, elde edilen doğrusal denklem sistemi C3n – 1 = n (n-l) (n-2) / 6 – 1 gerçek değerli değişkenlere ve aynı sayıda denkleme sahiptir.
İfade (5-2) ve önceki en iyi çözüm X’i kullanarak, karar verici n birim arasındaki tahmini benzerlik ilişkilerini aij ‘belirleyebilir.
Burada, bu özel açıklayıcı örnek için, bu tahminlerin, matris B’de sunulan orijinal girdi verilerinden (yani, göreli benzerliğin ikili karşılaştırmaları) daha yakın matris A’daki gerçek değerlere daha yakın olduğunu gözlemlemek ilginçtir.
Burada ortaya çıkan kritik bir konu, önerilen ikili karşılaştırma yaklaşımının her zaman işe yarayıp yaramadığıdır. İkili karşılaştırmaların yanlış sonuçlar verebileceği tek bir durum vardır.
Bu, + ak j’nin mümkün olan her şey için geçerli olmadığı durumdur. Üçgen özelliği ai j ::: ;; i, k ve j indekslerinin ai k kombinasyonları. Göreli benzerliğin ikili karşılaştırmalarının tanımından, üçgen eşitsizliğin her zaman karşılanması gerektiği varsayılmıştır. Bu, birçok karar vericinin benzerlik kavramı ile uzaklık kavramı arasında yakın bir ilişki olduğu yönündeki sezgisel hissini yakalamak için tanıtıldı.
Bu nedenle, karar alıcı, üçgen özelliğin olası tüm kombinasyonlar için geçerli olmadığı bir duruma ulaşırsa, o zaman karşılaştırmalı yargılarının bir kısmının veya tamamının, üçgen özellik tüm indeks kombinasyonları için geçerli oluncaya kadar revize edilmesi gerekir. Buradaki bir başka ilginç konu ise, önerilen yaklaşımın her zaman uygulanabilir bir çözüme ulaştığını gözlemlemektir.
Bu gerçekten de böyledir çünkü;
(i) probleminin eşdeğer formuna
(iii) dönüşmesinden A değişkenlerinin ortaya çıkmasıdır; (i = 1, 2, _3, …, N için) her zaman hesaplanabilir.
Dahası, çözüm vektörü X, negatif bir elemana sahip olamaz (ve dolayısıyla uygulanabilir olamaz).
Bu cOI’yi görmek için … kötü ilişkiler sistemini (iii) dikkate alın. Çözüm vektörü X’teki bir element negatifse, sistem (iii) ve A matrisinin (5-4) olarak ifade edilen kısıtların katsayılarından oluşması demektir.
Ancak, yukarıdaki durum aile 2 :: aij + ajk (herhangi bir n 2 :: i, j, k 2 :: 1 için) üçgen özelliğinden ve aij = aji (herhangi bir n 2 için: : i, j 2 :: 1) akj + aij ifadesinin asla negatif olamayacağı sonucu çıkar. Bu nedenle, önerilen yaklaşım her zaman uygulanabilir (ve ardışık olarak optimal) bir çözüme ulaşır.
SONUÇLAR
Bu bölüm, n birim arasındaki benzerlik ilişkilerini tahmin etmek için bir yaklaşım sundu. İkili karşılaştırmalar, birçok karar verme problemi için ilgili verileri çıkarma aracı olarak yoğun bir şekilde kullanılmıştır (önceki bölümlerde tartışıldığı gibi). Bu şekilde, bir uzmanın kesin olmayan yargıları işlenebilir ve bir problemin bilinmeyen parametrelerinin doğru tahminleri elde edilebilir.
Geçmişte, bir dizi (alternatifler veya kriterler) üyeleri arasındaki göreceli önemi tahmin etmek için ikili karşılaştırmalar kullanılmıştır. Bu bağlamda, ikili karşılaştırmalar, her iki varlıkta da mevcut olan bir mülk açısından değerlendirildiklerinde, iki işletmenin göreceli öneminin oranını tahmin eder.
Öte yandan, bu bölümde kullanılan ikili karşılaştırmalar, varlık çiftleri arasındaki göreli benzerliğe atıfta bulunmaktadır. İki varlık arasındaki her karşılaştırma için karar vericiden, bu iki varlıkta belirli bir özelliğin mevcut olduğu dereceler arasındaki farkları tahmin etmesi istenir. Bu şekilde ortaya çıkan benzerlik ilişkileri, üçgen eşitsizliği ortaya koymaktadır. Dahası, bu tür ikili karşılaştırmalar doğrudan varlıklar arasındaki benzerlik ilişkilerine odaklanır.
Önerilen ikili karşılaştırmalar türünün nicelleştirilmesi için, bu bölümde ayrı bir ölçek de tanımlanmıştır. Son olarak, bir dizi varlık arasında istenen benzerlik ilişkilerini tahmin etmek için araç olarak ikinci dereceden bir programlama formülasyonu önerildi. Bu formülasyon, karesi alınmış hataların toplamını en aza indirir. Önerilen yöntem çok etkilidir çünkü ikinci dereceden programlama problemi, bir doğrusal denklem sistemini çözme problemine indirgenebilir.
Bu noktada ilginç bir soru, neden tüm n (n-1) / 2 ikili karşılaştırmalarına ihtiyaç duyulabileceğini incelemektir. Geri kalan n (n-1) / 2 karşılaştırmalarını tahmin etmek için yalnızca n-1 bağımsız karşılaştırmalarının yeterli olduğunu doğrulamak kolaydır.
Tüm olası karşılaştırmaları değerlendirmeye çalışmanın nedeni, bu şekilde önerilen yaklaşımın, n birim arasındaki benzerlik ilişkilerini etkili bir şekilde tahmin etmek için çok daha fazla kaynaktan (örneğin, karşılaştırmalı yargılar) bilgileri kullanabilmesidir. Karar vericinin tüm yargılarında tamamen doğru olması durumunda sadece n-1 karşılaştırmaları yeterli olacaktır.
Ancak, karar verici birkaç karşılaştırmada büyük ölçüde yanlışsa, tüm bağımsız n (n-1) / 2 karşılaştırmaları tahmin sürecine dahil edilirse, olumsuz etki umarım azalır. Bu gerekçelendirme, tüm olası oran ikili karşılaştırmalarını kullanma durumuyla aynıdır.
Bu noktada bir dizi uzantı mümkündür. İlginç bir konu, ikili karşılaştırmalardan bazıları eksik olsa bile varlıklar arasındaki benzerlik ilişkilerini tahmin etmek için bir yaklaşım tasarlamaktır. Eksik verilerle ilgili sorunlar birçok gerçek yaşam uygulamasında yaygındır.
Bununla ilgili bir konu, ikili karşılaştırmalar türetme sırasının nihai sonuçları nasıl etkilediğini incelemektir. Diğer bir deyişle, karar verici toplam karşılaştırma sayısının yalnızca% 80’ini tahmin edebiliyorsa, bu karşılaştırmalar hangileri olmalıdır? Bu bölüm, önceki iki kritik problemi daha ayrıntılı olarak araştırmak için gerekli bazı temelleri sağlar.
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.
