ÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (18) – GÖRELİ BENZERLİĞİN ÇİFT YÖNLÜ KARŞILAŞTIRMALARI – Çok Amaçlı Karar Verme Nedir? – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma

Ödevcim'le ödevleriniz bir adım önde ... 7/24 Hizmet Vermekteyiz... Tüm işleriniz Ankara'da Billgatesweb şirketi güvencesiyle yapılmaktadır. 0 (312) 276 75 93 --- @ İletişim İçin Whatsapp Mesajı + 90 542 371 29 52 @ Ödev Hazırlama, Proje Hazırlama, Makale Hazırlama, Tez Hazırlama, Essay Hazırlama, Çeviri Hazırlama, Analiz Hazırlama, Sunum Hazırlama, Rapor Hazırlama, Çizim Hazırlama, Video Hazırlama, Reaction Paper Hazırlama, Review Paper Hazırlama, Proposal Hazırlama, Öneri Formu Hazırlama, Kod Hazırlama, Akademik Danışmanlık, Akademik Danışmanlık Merkezi, Ödev Danışmanlık, Proje Danışmanlık, Makale Danışmanlık, Tez Danışmanlık, Essay Danışmanlık, Çeviri Danışmanlık, Analiz Danışmanlık, Sunum Danışmanlık, Rapor Danışmanlık, Çizim Danışmanlık, Video Danışmanlık, Reaction Paper Danışmanlık, Review Paper Danışmanlık, Proposal Danışmanlık, Öneri Formu Danışmanlık, Kod Danışmanlık, Formasyon Danışmanlık, Tez Danışmanlık Ücreti, Ödev Yapımı, Proje Yapımı, Makale Yapımı, Tez Yapımı, Essay Yapımı, Essay Yazdırma, Essay Hazırlatma, Essay Hazırlama, Ödev Danışmanlığı, Ödev Yaptırma, Tez Yazdırma, Tez Merkezleri, İzmir Tez Merkezi, Ücretli Tez Danışmanlığı, Akademik Danışmanlık Muğla, Educase Danışmanlık, Proje Tez Danışmanlık, Tez Projesi Hazırlama, Tez Destek, İktisat ödev YAPTIRMA, Üniversite ödev yaptırma, Matlab ödev yaptırma, Parayla matlab ödevi yaptırma, Mühendislik ödev yaptırma

1 Star2 Stars3 Stars4 Stars5 Stars (1 Kişi oy verdi, 5 üzerinden ortalama puan: 5,00. Bu yazıya oy vermek ister misiniz?)
Loading...

ÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (18) – GÖRELİ BENZERLİĞİN ÇİFT YÖNLÜ KARŞILAŞTIRMALARI – Çok Amaçlı Karar Verme Nedir? – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma

8 Ekim 2020 en iyi şekilde açıklayıcı bir örnek iki bulanık kümenin üyelik değerleri iki tam karşılaştırma koleksiyonu İki yöntem de bir ileri hata analizi KARŞILAŞTIRMALARDAN TÜREV EDİLEN BAĞIL AĞIRLIKLARI DEĞERLENDİRMEK İÇİN BİR AYRIŞTIRMA YAKLAŞIMI Ödevcim Online ortak ikili karşılaştırmaların sayısı PROBLEM AÇIKLAMASI 0
Çok Amaçlı Karar Verme (36) – Vikor Yöntemi – 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.


KARŞILAŞTIRMALARDAN TÜREV EDİLEN

BAĞIL AĞIRLIKLARI DEĞERLENDİRMEK İÇİN

BİR AYRIŞTIRMA YAKLAŞIMI

ARKA PLAN BİLGİLERİ

Önceki bölümlerde anlatıldığı gibi, ikili karşılaştırmalar ÇKKY problemlerinde önemli bir rol oynamaktadır. Karar verici (ler) den nitel bilgi elde etmek için genellikle etkili ve verimli bir yol sağlarlar. Bununla birlikte, uygulamalarının ciddi bir dezavantajı, genellikle çok sayıda olmasıdır. Analiz edilecek n nesne (varlıklar, öğeler veya kavramlar olarak da adlandırılır) varsa, tam bir ikili karşılaştırma kümesi n (n-l) l2 boyutundadır. Bu bölüm, veri elde etme sürecinde fazlalığa sahip olmanın yararlarını ciddi şekilde etkilemeden bu sayıyı azaltmaya yönelik bir yaklaşımı açıklamaktadır.

Bu bölümde incelenen temel sorun, iki alt kümenin n] ve n2 (burada n] + n2> n) öğeleriyle ikili karşılaştırmaları bilindiğinde n öğelerin göreceli ağırlıklarının nasıl tahmin edileceğidir. Bu problemin başarılı bir şekilde ele alınması, birkaç nedenden dolayı kritik öneme sahiptir. İşlenecek varlıkların sayısı çok olduğunda, olası tüm karşılaştırmaların sayısı çok fazla olabilir. Örneğin, 20 varlıklık bir koleksiyon için, 190 (yani, 20 X 19/2) ikili karşılaştırma yapılması gerekir.

Bu nedenle, toplam karşılaştırma sayısını azaltmanın bir yolunu bulmak büyük pratik öneme sahiptir. Büyük bir varlık koleksiyonunu birkaç küçük gruba bölmek isteyebilir. Her gruptaki öğeler, aynı gruba çok benzer olanları yerleştirerek bir araya getirilebilir. Bu şekilde karar verici, daha homojen olan varlıkları değerlendirebilir. Bu strateji, çok farklı unsurların karşılaştırılması gerektiğinden daha doğru karşılaştırmalar elde etme potansiyeline sahiptir.

Diğer bir uygulama, iki bulanık kümenin üyelik değerleri üzerinde birleşim işleminin gerçekleştirilmesi alanından gelmektedir. Bu göreli ağırlıklar, belirli bir kümeye ait olmanın üyelik değerleri olarak görülebilir (normalleştirmeden sonra 1 değeri mükemmel üyeliğe işaret ederken 0 değeri üyelik yok). Bu üyelik değerlerini türetmek için kullanılan ikili karşılaştırmalar mevcutsa, iki bulanık kümenin birleşiminin üyelik değerlerini belirlemek için bunları kullanmak isteyebilir. Bu işlem, bulanık veritabanlarında birleşim işlemi gerçekleştirilirken uygulanabilir.

Karşılaştırma sayısını azaltmaya çalışmakla ilgili benzer bir sorun Harker [1987] tarafından incelenmiştir. Bu yaklaşımda, karar verici minimum n karşılaştırmayla başlar (burada n, öğelerin sayısıdır).

Daha sonra yapılacak bir sonraki karşılaştırmaların ne olması gerektiğinin belirlenmesi için uzman sistem benzeri bir yaklaşım geliştirilir. Bu şekilde karar verici, karşılaştırmaları yönlendirmeli bir şekilde belirler. Bu bölümde incelenen sorunun temel farkı, burada ikili karşılaştırmaların her biri nt ve n2 öğelerinin (burada nt n) iki grup halinde kümelenmiş olduğunun varsayılmasıdır.

Bu nedenle, mevcut araştırmada iki tam ikili karşılaştırma koleksiyonumuz olduğunu varsayıyoruz. Böylece, ilk koleksiyonda nt (nt – 1) / 2 ve ikincisinde ~ (~ – 1) / 2 karşılaştırması vardır.

Bu bölümde, iki tam karşılaştırma koleksiyonundan göreceli ağırlıkları tahmin etme problemini çözmek için iki yöntem geliştirilmiştir. İlk yaklaşım basit ve anlaşılır bir yaklaşımdır, ikincisi ise daha karmaşıktır ve doğrusal bir programlama (LP) formülasyonu kullanır. LP yaklaşımı, tüm n öğelerinde tanımlanan matrisin CI (tutarlılık indeksi) değerini en aza indirmeye çalışarak karşılıklı matrisin eksik karşılaştırmalarını tahmin eder.

İki yöntem de bir ileri hata analizi aracılığıyla değerlendirilir. Hesaplama sonuçları, ortak ikili karşılaştırmaların sayısı yeterince yüksek olduğunda (Le., Nt + n2 toplamı n’den önemli ölçüde daha büyüktür), o zaman LP yaklaşımının en güvenilir yaklaşım olduğunu ortaya koymaktadır.

PROBLEM AÇIKLAMASI

Bu bölümde incelenen ana sorun, en iyi şekilde açıklayıcı bir örnekle açıklanmaktadır. Karar vericinin ikili karşılaştırmaları kullanarak göreceli ağırlıklarını bulmak istediği, örneğin AI ‘A2, A3, A4 ve As gibi beş varlık olduğunu varsayalım.

Bu varlıklar bir MCDM sorununun alternatifleri olabilir ve karar verici tek bir karar kriteri açısından göreceli ağırlıklarını (veya önceliklerini) bulmak ister. Ayrıca, bu beş varlık aşağıdaki gibi dört ve üç üyeli iki alt kümede gruplandırıldığında karar vericinin ikili karşılaştırmalara sahip olduğunu varsayalım: İlk alt küme: {At, A2, A3, A4} iken, ikinci alt küme: {A3 ‘A4, As} ·

Aşağıdaki iki matris Ml ve Ml, sırasıyla önceki iki alt küme için ikili karşılaştırmalara sahip karşılıklı matrisler olsun.

Bu bölümde, matristen bağımsız olarak aynı varlık çifti için ikili karşılaştırmaların her zaman aynı olduğu varsayılır. Bu, A3 ve A4 öğeleri arasındaki karşılaştırmanın hem Ml hem de Ml matrislerinde aynı (yani, 0.333’e eşit) olmasının nedenidir.
Önceki matrislerin her ikisinin de tatmin edici bir şekilde tutarlı olduğu (yani, CI değerlerinin 0.10’dan düşük olduğu) doğrulanabilir ve bu nedenle, iki eleman grubunun göreli önceliklerini türetmek için kullanılabilirler. [Saaty, 1980] ‘de veya Bölüm 4.2’de, karşılıklı matrislerden göreli önem ağırlıklarını tahmin etmenin etkili bir yolu açıklanmaktadır.
Bu prosedüre göre, kişi önce her sıranın geometrik ortalamasını hesaplamak ve sonra bu araçları normalleştirerek toplamı 1 olmalıdır. Bu prosedür önceki iki Ml ve M2 matrisine uygulandığında, ardından takip eden iki PI ve P2 vektörü göreceli öncelikler sırasıyla türetilir.
Birinci vektörden A3 ve A4 elemanlarının göreli önceliklerinin oranının 0.3488’e (= 0.1855 / 0.5318) eşit olduğu, ikinci vektörden ise aynı oranın 0.3028’e (= 0.1634 / 0.5396) eşit olduğu görülmektedir. . Bu nedenle, bu örnekte cevaplamaya çalıştığımız soru, beş unsurun tümü birlikte düşünüldüğünde göreli öncelikler nelerdir?

Önceki iki matris, beş öğenin tamamında tanımlanan daha büyük bir matrisin parçaları olarak görüntülenebilir. Ml ve Ml matrisleri birleştirildiğinde, aşağıdaki 5 x 5 matris M türetilir (burada “*”, belirsiz bir karşılaştırmayı belirtir): Diğer bir deyişle, yalnızca iki çift için karşılaştırmalar;

  • {At> As} ve {A2 ‘As }  olur.

Genel olarak, n tane ilgi konusu varlığın olduğunu varsayalım, bundan sonra matrisi n elementleri için tüm olası karşılaştırmalarla birlikte ele alacağız. Daha sonra yukarıdaki hususlardan, karar vericinin aşağıdaki karşılaştırmaları sunduğu anlaşılmaktadır:

  • aij ‘fori, j = 1,2,3, …, nt>
  • ve aij için i, j = liz, (nz + l), (lIz + 2), …, n.

aij, fori = (nl + 1), (nl + 2), …, n, vej = 1,2,3, …, (nz-l) karşılaştırmaları belirsizken (aj i = 11aij) nettir.

Genellik kaybı olmadan, birinci alt kümedeki k (burada: k = (n1 + nz) – n) son öğelerinin, aynı sırayla ikinci alt kümedeki ilk k öğelerine karşılık geldiğini varsayalım ( önceki sayısal örnekteki durum, k = 2 = (4 + 3) – 5) olur. Başka bir deyişle, n (n – 1) / 2 karşılaştırmalı n x n matrisinin Şekil 6-1’de gösterildiği gibi alt matrislere bölündüğü görülebilir.


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.


Bir cevap yazın

E-posta hesabınız yayımlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir