ÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (19) – GÖRELİ BENZERLİĞİN ÇİFT YÖNLÜ KARŞILAŞTIRMALARI – Çok Amaçlı Karar Verme Nedir? – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma

Çok Amaçlı Karar Verme (40) – Opsis ve Vikor Karşılaştırması – 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. Opsis ve Vikor Karşılaştırması MCA, çeşitli yönlerle ilgili sorunları çözmek için uygundur. TOPSIS ve VIKOR, MCA'nın sıralama yöntemleri arasında uygulanması kolay iki yöntemdir. Ancak bu iki yöntem, temel tanımlarında farklıdır. Opricovic ve Tzeng (2003) bu iki yöntemin farklılıklarını tartışmışlardır. Bu güncel araştırmada, alternatif yakıtlı otobüs seçiminin kapsayıcı çözümünü bulmak için bu iki yöntemi uyguladık ve bu yöntemlerin farkını gösterdik. VIKOR ve TOPSIS'in temel özellikleri, bu iki yöntem arasındaki farklılıkları netleştirmek için burada özetlenmiştir. Usul temeli. Her iki yöntem de, her bir kriter açısından tüm alternatiflerin değerlendirilmesiyle elde edilen bir performans matrisi nxJ olduğunu varsayar. Normalleştirme, kriter değerlerinin birimlerini ortadan kaldırmak için kullanılır. Bir toplama işlevi formüle edilir ve bir sıralama indeksi olarak kullanılır. Sıralamaya ek olarak, VIKOR yöntemi avantaj oranıyla uzlaşmacı bir çözüm önerir. Normalleştirme. Fark, bu iki yöntemde kullanılan normalleştirmede ortaya çıkar. VIKOR yöntemi doğrusal normalleştirme kullanır (Opricovic ve Tzeng 2003) ve normalleştirilmiş değer, bir kriterin değerlendirme birimine bağlı değildir. TOPSIS yöntemi vektör normalizasyonu kullanır ve normalleştirilmiş değer, belirli bir kriterin farklı değerlendirme birimleri için farklı olabilir. TOPSIS yönteminin sonraki bir sürümü doğrusal normalleştirme kullanır. Toplama. Temel fark, toplama yaklaşımlarında ortaya çıkar. VIKOR yöntemi, ideal çözümden uzaklığı temsil eden bir toplama işlevi sunar. Bu sıralama endeksi, tüm kriterlerin bir toplamıdır, kriterlerin göreceli önemi ve toplam ile bireysel memnuniyet arasındaki bir dengedir. TOPSIS yöntemi, ideal noktadan ve negatif-ideal noktadan olan mesafeleri içeren sıralama indeksini  sunar. TOPSIS'teki bu mesafeler, göreli önemleri dikkate alınmadan basitçe  özetlenmiştir. Bununla birlikte, referans noktası karar vermede büyük bir endişe kaynağı olabilir ve ideale mümkün olduğunca yakın olmak insan seçiminin mantığıdır. En düşük noktadan uzak olmak, yalnızca belirli bir durumda hedef olabilir ve göreceli önemi açık bir soru olarak kalır. TOPSIS yöntemi, kendi başına toplam ve bireysel tatmin arasında bir miktar dengeyi temsil edebilen n-boyutlu Öklid mesafesini kullanır, ancak bunu (a3) ​​'te ağırlık v'nin verildiği VIKOR'dan farklı bir şekilde kullanır. Çözüm. Her iki yöntem de bir sıralama listesi sağlar. VIKOR tarafından en yüksek dereceli alternatif, ideal çözüme en yakın olandır. Bununla birlikte, TOPSIS'in en yüksek dereceli alternatifi, sıralama endeksi açısından en iyisidir, bu da her zaman ideal çözüme en yakın olduğu anlamına gelmez. Sıralamaya ek olarak, VIKOR yöntemi avantaj oranıyla uzlaşmacı bir çözüm önerir. Uzlaşma Çözümü Uzman grubu tarafından verilen verilerle uzlaşma sıralama yöntemi uygulanmıştır. Elde edilen sıralama listesi (VIKOR tarafından)  sunulmuştur. Sıralama sonuçları, aynı zamanda uzlaşma programlamasının bir değişikliği olan TOPSIS adlı başka bir yöntem uygulanarak elde edilir. TOPSIS, seçilen alternatifin ideal çözümden en kısa mesafeye ve negatif-ideal çözümden en uzak mesafeye sahip olması gerektiği kavramına dayanarak, Öklid mesafesi kullanılarak geliştirilmiştir (Hwang ve Yoon 1981). Sıralama sonuçları (TOPSIS'e göre) aşağıda sunulmaktadır. İlk dördü "yakın" olduğu için VIKOR tarafından elde edilen dört uzlaşmacı çözüm vardır. Bu sonuç, hibrid elektrikli otobüsün en uygun ikmal otobüsü olduğunu ve bunu sıralama listesinde EV'lerin izlediğini göstermektedir. Tercih stabilite analizi gerçekleştirildi (VIKOR ile) ve tek bir kriter için ağırlık stabilite aralıkları aşağıdaki gibi elde edildi: 0,021 ≤ w1 ≤ 0,213 (giriş w1 = 0,031); 0.000 ≤ w2 ≤ 0.096 (giriş w2 = 0.094); 0.116 ≤ w3 ≤ 0.168 (giriş w3 = 0.166); 0.000 ≤ w4 ≤ 0.063 (giriş w4 = 0.055); 0.000 ≤ w5 ≤ 0.175 (giriş w5 = 0.063); 0.000 ≤ w6 ≤ 0.099 (giriş w6 = 0.083); 0.000 ≤ w7 ≤ 0.040 (giriş w7 = 0.028); 0,123 ≤ w8 ≤ 0,298 (giriş w8 = 0,124); 0,073 ≤ w9 ≤ 0,358 (giriş w9 = 0,081); 0.105 ≤ w10 ≤ 0.202 (giriş w10 = 0.199); 0.000 ≤ w11 ≤ 0.188 (giriş w11 = 0.076). Ağırlık stabilite aralıkları, elde edilen uzlaşma çözümünün (VIKOR, Tablo 14.3) kriter ağırlıklarındaki değişikliklere çok duyarlı olduğunu göstermektedir. Aşağıda farklı ağırlıklarla, aşağıdaki uzlaşma çözümleri setleri (VIKOR tarafından) elde edilir: • EV'ler (üç mod), "otobüs işletmecisi" ve "akademik enstitü" tarafından verilen ağırlıklarla uzlaşma çözümleri setindedir; • Benzinli ve dizel motorlu HEV'ler, "imalat" ile verilen ağırlıklarla elde edilen uzlaşmacı çözümdür; • Benzinli motorlu HEV, yakıt modu CNG ve LPG ve dizel motorlu HEV, “araştırma kuruluşu” tarafından verilen ağırlıklarla elde edilen uzlaşmacı çözümler setindedir. TOPSIS yöntemiyle elde edilen sıralama sonuçları, EV'lerin en iyi uzlaşma çözümü olarak kabul edilebileceğini ve HEV'lerin ikinci en iyi uzlaşma çözümü olarak kabul edilebileceğini göstermektedir. Tartışmalar Yukarıdaki sonuçlara göre, geleneksel dizel motor, alternatif yakıt modu ihtiyacını yansıtacak şekilde çok düşük sıralanmıştır. Hibrit elektrikli otobüsün, kısa ve orta vadede Tayvan'ın kentsel alanları için en uygun yedek otobüs olduğu sonucuna varabiliriz. Ancak, elektrikli otobüsün seyir mesafesi kabul edilebilir bir aralığa kadar uzatılabilirse, saf elektrikli otobüs en iyi alternatif olabilir. Görünüşe göre uzmanlar, toplu taşıma için alternatif bir yakıt modu geliştirmenin gerekli olduğu konusunda oybirliğiyle hemfikirdirler. Geleneksel araçlarla karşılaştırıldığında, alternatif yakıtlı araçlar kentsel alanlarda hava kalitesinin iyileştirilmesine önemli ölçüde katkıda bulunacaktır. Bununla birlikte, EV'ler yeniden şarj edilmeyi talep ediyor ve sık yeniden şarj ihtiyaçları nedeniyle yakıt motorlu araçlarla rekabet edemiyor. Otobüs sistemi sabit terminaller, güzergahlar, kullanıcı grupları, çalışma süreleri ve frekanslar gibi özelliklere sahip olduğu için alternatif yakıtlı bir otobüs uygulamasının toplu taşımacılığın gelişmesi için çok önemli bir seçenek haline gelmesi beklenmektedir. EV'lerin teknolojisi olgunlaşmayı beklediğinden, çevresel kalitenin iyileştirilmesi için geçiş ulaşım modu olarak hibrit bir elektrikli otobüs kullanılacaktır. Bu araçlar, elektrikli araçların teknolojik özellikleri veya diğer yeni teknolojiler geliştirildiğinde değiştirilecektir. Kısa vadeli bir uygulama stratejisi açısından, Çevre Koruma İdaresi (EPA), hava kirliliği vergilerinden şehir yönetimine bir elektrikli otobüsün geliştirilmesine fon ayırmalıdır. Orta vadede, şehir yönetimi her otobüs şirketi tarafından EV satın alınmasını teşvik etmeli ve eski otobüsleri değiştirmelidir. Uzun vadeli değerlendirme için, ilgili yerli sanayinin gelişimini kolaylaştırmak için uygun sanayi politikasını oluşturmak gereklidir. 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.

ÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (19) – 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.

İKİ ÇÖZÜM YAKLAŞIMI 

Basit Bir Yaklaşım

Bölüm 4’te bahsedildiği gibi, ikili karşılaştırmalara sahip mükemmel tutarlı karşılıklı matrisler aşağıdaki ilişkiyi sağlar:
aij = aik x ajk, i, j, k = 1,2,3, …, n için. (6-1) İlişkiden (6-1), mükemmel tutarlı durumda, eksik karşılaştırmalar (burada Xij olarak belirtilmiştir) gibi belirlenebilir.

Tutarlı olmayan durumlarda, önceki ilişki (6-2) her zaman doğru değildir. Ancak bilinmeyen terimler olan Xij’in aik X ajk ürünlerine mümkün olduğunca yakın olması beklenebilir. Bu nedenle, bilinmeyen Xij terimlerini tüm olası ürünlerin (aritmetik) ortalamaları olarak belirlemek mantıklıdır. Başka bir deyişle, basit bir yol, Xij terimlerini hesaplamaktır.

Bu ortalamalar hesaplandıktan sonra tüm matrisin eksik girdileri tahmin edilmiştir. Daha sonra, özvektör yaklaşımı (veya Bölüm 4’te tartışılanlar gibi herhangi bir ilgili yaklaşım) tam matrise uygulanabilir ve böylece n öğenin nihai ağırlıkları tahmin edilebilir.

Yukarıdaki ortalamalar basit bir şekilde hesaplanabilmesine rağmen, yukarıdaki yaklaşım aşağıdaki ilişki için gereksinimi yakalayamamaktadır (6-4):

  • Xu “” “(aii ‘X aj’j) X Xi’j”
     f = 1, 2, 3,. . “n- ~,
    ve}, / = (nl + l), (nl + 2), .. “n, (6-4)

(6-4) ilişkisinin, herhangi bir i için,} = 1,2,3, .. “n için au = lIaji olgusundan doğrudan kaynaklandığına dikkat edilmelidir.

Doğrusal Programlama Yaklaşımı

Önceki yaklaşım değiştirilebilir ve daha sofistike bir prosedüre dönüştürülebilir, Letusconsiderrelationship (6-3), Ne zaman ilişkiyi dahil etmek istiyorsa (6-4), o zaman ilişki (6-3) bir eşitlik olarak geçerli olmayabilir, bunun yerine aşağıdaki gibidir:

Yani, şimdi sol taraf yaklaşık olarak sağ tarafa eşittir, (6-5) ilişkisinin eşit olmasını istiyorsak, o zaman eu ‘olarak belirtilen bir hata terimi tanıtılmalıdır.

Benzer şekilde, ilişki (6-4) bir eşitliğe dönüştürülebilir. e / i ‘olarak belirtilen bir hata terimi ortaya çıkar. İlişkiler (6-6) ve (6-7), eksik girdileri tahmin etme (ve böylece nihai nispi ağırlıkları belirleme) sorununa makul bir muamelenin, önceki tüm hata terimlerinin toplamını en aza indirmeye çalışmak olduğunu öne sürmektedir.

Bu, karar vericinin yargılarında olabildiğince tutarlı olmaya çalıştığı şeklindeki örtük varsayımla uyumludur, Hatalar olumlu veya olumsuz olabileceğinden, mutlak değerlerinin toplamını en aza indirgemek isteriz. aşağıdaki LP formülasyonuna yol açar.

Önceki DP modelindeki mutlak değerler şu şekilde elimine edilebilir. Bu doğrudur çünkü, eğer eij ‘fiili teriminin negatif olması gerekiyorsa, Pij değişkeninin değerinin sıfıra eşit olacağı kolaylıkla görülebilir (yeni kısıtların sütunlarındaki doğrusal bağımlılıklardan) temel olmayan değişken) nij değişkeni sıfırdan büyük olacaktır.

Yukarıdaki formülasyonlar ve değişkenlerin tanımlarından, önerilen DP modelinin (nn,) (n-n2) [3 + 2 (nn,) (n-n2)] sürekli değişkenler ve (nn,) (nn 2 ) [1 + (nn,) (nn 2)] kısıtlamalar. Ayrıca, giriş ikili karşılaştırmalarının (yani n ve n2 üyelerinden oluşan iki alt grupta tanımlananlar) mükemmel bir şekilde tutarlı olması durumunda, optimal olarak önceki DP probleminin amaç fonksiyonunun değerinin sıfıra eşittir (yani, tüm hatalar kaybolur).

Ayrıca, Xii değişkenlerinin optimal çözümü, oldukça basit ilişkiler (6-3) (Le., Aritmetik ortalama hesaplamaları) ile verilmektedir. Önceki kavramlar, aşağıdaki kapsamlı örnekte ayrıca açıklanmaktadır.

BAZI HESAPLAMALI DENEYLER

Hesaplamalı deneyler tasarlarken zorlu bir konu, ilgili verilerin nasıl üretileceğidir. Bu çalışmada, bu yazı dizisinde bildirilen hesaplama deneylerinin geri kalanında olduğu gibi, ilgili verileri türetmede benzer bir strateji izliyoruz.

Aşağıdaki ileri hata analizi, varlıklar koleksiyonunun üyelerinin gerçek göreli ağırlıklarının (veya önceliklerinin) gerçek dünyada sürekli değerler aldığı varsayımına dayanmaktadır. Bu süreklilik varsayımının, gerçek dünyadaki vakaların çoğunu yakaladığı için makul olduğuna inanılmaktadır.

Daha önce belirtildiği gibi, bu varlıklar bir dizi alternatif oluşturabilir ve ağırlıklar, bu alternatiflerin tek bir karar kriterini karşılama derecelerini yansıtır.

WI ‘W3, W3, …, Wn n üyeli bir kümenin gerçek (ve dolayısıyla bilinmeyen) göreli ağırlıkları olsun. Karar verici yukarıdaki gerçek değerleri bilseydi, gerçek ikili karşılaştırmalarla bir matris oluşturabilirdi. Bu matriste, diyelim ki matris A, girişler cxij = w / Wj ‘dir. Bu matrise Gerçek Sürekli İkili (RCP) matrisi denir. Gerçek dünyada w; ‘ler bilinmediğinden, önceki RCP matrisinin cxij girdileri de bilinmemektedir.

Ancak burada, bilinmeyen bir giriş cx yerine karar vericinin setten alınan en yakın değerleri belirleyebileceğini varsayacağız: {9, 8, 7, …, 2, 1, 112, .. ., 1/7, 118, 1I9} (orijinal Saaty ölçeği kullanılacaksa). Yani, gerçek (ve dolayısıyla bilinmeyen) değer yerine, eski kişi aşağıdakileri sağlayacak şekilde tüm değerleri belirleyebilir:

  • eski fark minimumdur,
  • ve E {9, 8, 7, …, 2, 1, 112, …, 117, 118, 1I9} olabilir.

Başka bir deyişle, burada kişinin i-inci öğesinin j-inci öğeyle karşılaştırıldığında ikili karşılaştırmasının değeri hakkındaki yargılarının o kadar doğrudur ki gerçek hayatta en yakın (mutlak değerde) terimlerin) seçilmesi gereken değerlerdir.

Karar vericinin oluşturabileceğini varsaydığımız tüm girişleri içeren matris, ayrık ve sonlu kümeden girişlere sahiptir: {9, 8, …, 2, 1, 1/2, …, 1/8, 1I9}. Bu ikinci matrise En Yakın Ayrık İkili (CDP) matrisi denir. RCP ve CDP matrislerinin bazı ilgi çekici özellikleri hakkında daha fazla bilgi önceki bölümde bulunabilir.

Açıklayıcı amaçlar için, {AI ‘A2, A3, A4 ve A5} olarak gösterilen beş elementlik bir setin gerçek nispi ağırlıklarının aşağıdaki gibi olduğunu varsayalım. Bu doğrudur çünkü, diyelim ki giriş (1,2) 1,783’e eşittir (= Wl / W2 = 0,1328 / 0,0745). Bu RCP matrisindeki geri kalan girişler için de benzer bir yorum geçerlidir. Önceki RCP matrisi göz önüne alındığında, karşılık gelen CDP matrisinin aşağıdaki gibi olduğu kolaylıkla doğrulanabilir:

Bu doğrudur çünkü giriş (1, 2), 2.000’e eşittir, çünkü 2.000 değeri (kullanımdaki mevcut ölçekten alınmıştır) RCP matrisindeki karşılık gelen girişe en yakın değerdir (yani 1.783). Bu CDP matrisinde kalan girişler için de benzer bir yorum geçerlidir. Önceki CDP matrisi göz önüne alındığında, özvektör yaklaşım yaklaşımı kullanılarak elde edilen göreceli ağırlıklardır.

Daha sonra, n1 = 4 ve ~ = 3 olduğu durumu ele alıyoruz. Bu ayar, önceki CDP matrisi ile birlikte, Bölüm 6.4’te daha önce tartışılan sayısal örnekte ele alınan verileri oluşturur. Bu örnekte, LP yaklaşımının ve LP olmayan yaklaşımın aşağıdaki göreceli ağırlık (öncelikler) vektörlerini sırasıyla PI ve Pz verdiği bulunmuştur.

Önceki iki göreli ağırlık setinden, LP yaklaşımı kullanılarak elde edilen ağırlıkların, CDP matrisi düşünüldüğünde ağırlıklara daha yakın olduğunu gözlemleyebiliriz (yani, P vektörü ile ifade edilenlerle). Ancak, LP ve LP olmayan yaklaşımlar kullanıldığında, beş öğenin sıralaması, bu açıklayıcı örnekte P vektöründeki ağırlıkların ima ettiği sıralamadan farklıdır.

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.