Çok Amaçlı Karar Verme (36) – Vikor Yöntemi – Çok Amaçlı Karar Verme Nedir – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma
Tablo 13.1'deki gibi toplam etki matrisi T'yi elde etmek için DEMATEL'in Adım 1 ila Adım 3'ü için basit bir örnek (Durum 2) varsayıyoruz. Adım 4'ü kullanarak, 0.1'lik bir eşik değeri seçilirse, ilişkilerin NRM'si yukarıda gösterildiği gibidir (Şekil 13.2). Küme 1'in üç öğesi / kriteri olduğunu varsayıyoruz: e1, e2, e3, Küme 2'de e4, e5, e6 ve Küme 3'te e7, e8, e9 var. Ardından, toplam etki matrisi T'yi Tablo 13.2'deki gibi normalize ediyoruz. Şekil 13.2'nin yapısını kullanarak ağırlıksız süper matrisi aşağıdaki gibi elde edebiliriz. Son olarak, her ölçüt için derecelendirme aralığının 1 (en kötü değer) ile 10 (en iyi değer) arasında olduğunu varsayıyoruz; alternatiflerin derecelendirilmesi ve kriterlerin ağırlıkları (Denklem 13.25'ten) Tablo 13.3'te listelenmiştir. Daha sonra, Tablo 13.4'teki gibi alternatiflerin sıralama endeksini Ri elde etmek için VIKOR yöntemini (Bölüm 13.2.3) kullanırız. (Burada, endişenin aynı anda maksimum grup faydası ve minimum bireysel pişmanlık olduğunu varsayıyoruz, bu nedenle v = 0.5 seçmeliyiz. Ayrıca S * = Q * = 0 ve S− = Q− = 1 olarak ayarladık. Sonuçlar SA1> SA5> SA4> SA2> SA3, QA1> QA5> QA4> QA2> QA3 ve R> R> R> R> R ve diğer alternatiflerA ≻ A ≻ A ≻ A≻ A. A1 A5 A4 A2 A3 3 2 4 5 1 olur. Bu alternatifler, kabul edilebilir stabiliteyi temsil eden C2 koşulunu karşılar. Bununla birlikte, alternatifler A3 ve A2, A2 ve A4, A3 ve A4, C1 koşulunu karşılamaz, bu da A3'ün A2'den daha açık bir şekilde avantajlı olmadığını, A2'nin A4'ten daha açık bir şekilde avantajlı olmadığını ve A3'ün daha açık bir şekilde avantajlı olmadığını gösterir. A4'ten. Yalnızca A4 ve A5, C1 koşulunu karşılar. Bu nedenle, bir dizi uzlaşma çözümü {A3, A2, A4} şeklindedir. Tartışmalar  Geleneksel yöntemleri ve bu araştırmayı karşılaştırmak için, geleneksel normalleştirme yöntemini kullanarak sınırlayıcı süper matrisi de hesaplıyoruz. Sonuç aşağıdaki gibidir. Denklem 13.25 ve 13.26'ya göre, iki matris için ağırlık sıralarının farklı olduğunu görüyoruz. Denklem 13.25'te, ağırlıklandırılmamış süper matrisi normalleştirmek için DEMATEL yöntemini kullanarak (önerdiğimiz yöntem), ağırlıkların dereceleri (sınırlandırmalar üst matrisi) e4> e3> e6> e5> e7> e2> e9> e8> e1'dir. Eşitlik 13.26'da geleneksel normalleştirilmiş yöntem kullanılarak ağırlıkların sıraları e4> e7> e6> e5> e3> e8> e9> e2> e1'dir. Tablo 13.1 birkaç gerçeği ortaya koymaktadır: (a) her kümenin geribildirimi ve bağımlılığı vardır; (b) Küme 3'ün Küme 1 üzerindeki etkisi 3,6, Küme 1'in Küme 2 üzerindeki etkisi 0,7, Küme 3'ün Küme 2 üzerindeki etkisi 1,9 ve Küme 2'nin Küme 3 üzerindeki etkisi 0,8'dir. Diğer bir deyişle, Küme 1'in etkilenme derecesinin değeri yüksek (3,6), Küme 2 için bu değer sırasıyla 0,7 ve 1,9 ve Küme 3 için düşüktür (0,8). Bu nedenle, Küme 1'e gerçek dünyadaki diğer kümelerden daha fazla dikkat gösterilecektir, yani çok fazla ağırlık taşımalıdır, oysa Küme 3'ün ağırlığı azaltılmış olmalıdır. Böylece, geleneksel yöntemdeki e7, e8 ve e9 kriterlerinin ağırlıklarının önerilen yöntemden daha yüksek olduğunu, ancak geleneksel yöntemdeki e1, e2 ve e3 kriterlerinin ağırlıklarının önerilen yöntemden daha düşük olduğunu bulduk (Tablo 13.5 ve Şekil 13.3). Ağırlıklı süper matrisi elde etmek için ağırlıksız süper matrisi normalleştirmek için her küme için eşit ağırlık varsayımını kullanırsak, değerlendirilen ağırlıkların sonuçları gerçek durumdan daha yüksek veya daha düşük olacaktır. Şekil 13.3, Küme 1 kriterlerinin (e1, e2, e3) hafife alındığını gösterirken, Küme 3'ün (e7, e8, e9) kriterlerinin geleneksel yöntemi benimsersek fazla tahmin edildiğini gösterir. Bu nedenle, gerçek dünya uygulamalarında daha iyi ve daha doğru sonuçlar elde etmek için ANP ile birlikte DEMATEL yöntemini kullanıyoruz. Bu çalışma son olarak, Tablo 13.4'teki gibi sıralama indeksini elde etmek için bağımlı ve geri bildirim özelliklerine sahip kriterleri bir araya getirmek için VIKOR yöntemini kullanır. Maksimum grup faydası ve aynı anda minimum bireysel pişmanlıkla ilgileniyorsak (v = 0.5), sonuçlar A3 ≻ A2 ≻ A4 ≻ A5 ≻ A1 ve bir dizi uzlaşma çözümü {A3, A2, A4} 'dür. Dolayısıyla A3, bu alternatifler arasında ideal / hedeflenen seviyeye en yakın iken, A1 ideal / arzu edilen seviyeden en uzak olanıdır. Bu alternatifleri iyileştirmeyi düşünürsek, A1'e öncelik verilmelidir. Ek olarak, {A3, A2, A4} bir dizi uzlaşmacı çözümdür; karar verici, tercihine göre bu çözümlerden birini seçebilir. Özetlemek gerekirse, ANP ve DEMATEL'i birleştiren hibrit model MCDM'de yaygın olarak kullanılmaktadır. DEMATEL yöntemi, kriterler / faktörler arasındaki ilişkileri kurmak için kullanılır ve ANP, bağımlılık ve geri bildirim sorunlarının üstesinden gelebilir. Bu çalışma, ANP prosedüründe ağırlıksız süpermatrisi normalleştirmek için DEMTATEL kullanmanın, her kümede eşit ağırlık varsayımını kullanmaktan daha makul olduğunu göstermektedir. Ayrıca ANP ve VIKOR yöntemlerinden elde edilen ağırlıklar sıralama indeksinin türetilmesinde kullanılır. Ayrıca bu önerilen yöntemi göstermek için iki örnek gösterdik ve sonuçlar bu yöntemin hem uygun hem de etkili olduğunu göstermektedir. Sonuçlar Çoğu makale, çatışma yönetimi durumlarındaki soruları çözmek için analitik modeller önermektedir. Çatışma yönetimi için mevcut olan sayısız yaklaşım arasında en yaygın olanlarından biri MCDM'dir. VIKOR yöntemi, MCDM içinde uygulanabilecek uygulanabilir bir tekniktir; uzlaşmacı programlama yönteminden kaynaklanan ideale yakınlığı temsil eden bir toplama işlevine dayanmaktadır. Bununla birlikte, çoğu karar verme yöntemi, bir kararın kriterleri ile bu kararın alternatifleri arasında veya sadece kriterler arasında veya alternatiflerin kendileri arasında bağımsızlık varsayar. Bununla birlikte, ölçütler / değişkenler arasında bağımsızlık varsaymak, gerçek dünyadaki bağımlı ölçüt sorununun üstesinden gelmek için çok katıdır. Bu nedenle, birçok makale ANP'nin bu sorunun üstesinden gelmesini önermektedir. ANP, bağımlılık ve geri bildirim içeren sorunların üstesinden gelmek için kullanılır. Ayrıca ANP ve DEMATEL yöntemlerini birleştiren hibrit bir model çeşitli alanlarda yaygın ve başarılı bir şekilde kullanılmıştır. DEMATEL yöntemi, karmaşık ilişkileri tespit etmek ve kriterler arasındaki ilişkilerin NRM'sini oluşturmak için kullanılır. ANP prosedüründe ağırlıklı süpermatris için normalizasyonun üstesinden gelmek için benimsenen yöntem, her küme için eşit ağırlık varsayar; ancak, kümeler arasındaki farklı etkileri göz ardı eder. Bu araştırma, bu mantıksız durumun üstesinden gelmek için yeni bir kavram önermektedir. Ağırlıksız süper matrisi ağırlıklı bir süper matrise dönüştürmek için DEMATEL yöntemini kullanıyoruz. Yeni birleşik model, kümeler arasında farklı etki derecelerine sahip problemleri çözmek için geleneksel yöntemden daha uygundur. Ayrıca uzlaşma sıralama endeksini elde etmek için ANP ve VIKOR yöntemini de sağlıyoruz. Ek olarak, önerilen yöntemin gerçek dünya uygulamalarına uyması için etkinliğini ve fizibilitesini göstermek için iki durum gösteriyoruz. Sonuç olarak, bu araştırmada önerilen yöntemi kullanmak, uzlaşmacı çözüm yönteminin ve kriterler arasında karşılıklı bağımlılık ve geri bildirim sorununun üstesinden gelmek için uygun bir yaklaşımdır.

ÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (26) – WSM Vakası için Kapsamlı Bir Sayısal Örnek – 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.


Teorem 8-1:

WSM veya AHP yöntemi kullanıldığında, O / k miktarı. ;. j (jor 1 :::; i <j :::; m ve 1 :::; k :::; m), Ck kriterinin mevcut ağırlığı Wk ile değiştirilmelidir (normalleştirmeden sonra), böylece sıralaması alternatifler A; ve Aj tersine çevrilerek  de verilir.

Önceki değerlendirmelerden, alternatif A ise; alternatif Aj’ye hakim olur (yani, eğer aik ~ ajk, tüm k = 1, 2, …, n için) o zaman, alternatif Aj’yi alternatif A’dan daha çok tercih etmek imkansızdır; kriterlerin ağırlıklarını değiştirerek verilir.

Ayrıca, tüm () / k,;, j (jor 1 :::; i <j :::; m ve 1 :::; k :::; n) ile ilişkili miktarlar ise Ck kriteri sağlam bir kriterdir. mümkün değildir. Diğer bir deyişle, koşul (8-4b) tüm i, j = 1,2,3, …, m için ihlal edilirse, bazı Ck kriterleri için, bu kriterin ağırlığındaki herhangi bir değişiklik mevcut durumu etkilemez. alternatiflerden herhangi birinin sıralaması ve dolayısıyla bu kriter sağlam bir kriterdir ve sonuç olarak daha fazla değerlendirmeden çıkarılabilir (çünkü alternatiflerin sıralanmasında herhangi bir ayrımcı güç sağlamaz).

Bu nedenle, eğer kişi en kritik kriteri belirlemekle ilgileniyorsa, tüm olası {) / k,;, j (1 :::; i <j :::; m ve 1 :::; k :::; n) değerlerin hesaplanması gerekir. Burada n X (m (m-l)) / 2 gibi olası () / k,;, j miktarlarının olduğu gözlemlenebilir. Bu sorun, aşağıdaki kapsamlı sayısal örnekte daha ayrıntılı açıklanmaktadır.

WSM Vakası için Kapsamlı Bir Sayısal Örnek

Dört alternatif AI ‘Az, A3 ve A4 ve dört karar kriteri C1, Cz, C3 ve C4 üzerinde tanımlanan bir MCDM problemini düşünün. Aşağıdaki Tablo 8-1’in, WSM (veya bir hiyerarşik seviyeli AHP) yöntemi kullanıldığında karşılık gelen karar matrisi olduğunu varsayalım. WSM tarafından gerekli olmasa da (ancak AHP tarafından zorunlu kılınmasına rağmen) verilerin toplamı bire kadar normalleştirildiğine dikkat edin.

WSM’yi uygulamak istediğimizi varsayalım (AHP durumu aynıdır çünkü veriler zaten normalleştirilmiştir). Daha sonra, formül (2- 1) kullanılarak Bölüm 2.2.1’de, dört alternatifin nihai tercihleri ​​ve bunlara karşılık gelen sıralaması Tablo 8-2’de gösterildiği gibidir.

Bu nedenle, PI ~ P2 ~ P3 ~ P4 ilişkisi devam eder ve sonuç olarak en çok tercih edilen alternatif AI’dır ‘Şimdi dört kriterin ağırlıklarına göre C1 kriterinin en önemlisi olduğu gözlenebilir. Mevcut ağırlık WI ‘değerini değiştirmek için gerekli minimum değişiklik 0 /, / .3, böylece iki alternatif Al ve A3’ün mevcut sıralaması tersine çevrilir, Teorem 8-1’in ilişkisi (8-4a) kullanılarak bulunabilir. aşağıdaki gibidir:

Bu miktar -0.3807, WI’dan (= 0.3277) küçük olduğu için (8-4b) koşulunu karşılar. Bu nedenle, bu durum için ilk kriterin (normalleştirmeden önce) değiştirilmiş ağırlığı W * I şuna eşittir:

  • w * J = [0,3277 – (-0,3807)] = 0,7084.

Tüm olası kriter kombinasyonları ve alternatif çiftleri için yukarıdaki gibi çalışan Tablo 8-3 türetilmiştir. Daha sonra, Tablo 8-4 göreceli terimlerdeki değişiklikleri göstermektedir (yani, Teorem 8-1’deki ilişki (8- 4a) kullanılarak hesaplanan flk, i, j değerleri). Tablo 8-3’teki negatif değişimlerin artışları, pozitif değişimlerin ise düşüşleri gösterdiği görülmektedir. Ayrıca değişikliklerin (yüzdeler veya mutlak olarak) normalizasyondan önce verildiği fark edilebilir. Her iki tablodaki koyu renkli sayılar minimum kritik değişiklikleri gösterir (aşağıdaki paragraflarda açıklandığı gibi).

Yüzde Üst (PT) kritik kriteri, Tablo 8-4’te alternatif A ile ilişkili tüm satırların en küçük göreli değeri (yani en iyi alternatif) aranarak bulunabilir. Bu tür en küçük yüzde (yani,% 64.8818), Al ve A2 alternatiflerinin çifti dikkate alındığında, kriter C3’e karşılık gelir. Kriter C3 için mevcut ağırlığının% 64.8818 oranında azaltılması A2’yi en çok tercih edilen alternatif yapacak ve Al artık en iyi alternatif olmayacaktır.

Yüzde-Herhangi (PA) kritik kriteri Tablo 8-4’ün tamamındaki en küçük bağıl rlk, i, j değerine bakılarak bulunabilir. Bu kadar küçük değer {/ 3,2,3 =% 9,1099’dur ve (yine) C3 kriterine karşılık gelir. Bu nedenle, PA kritik kriteri C3’tür • Son olarak, burada en kritik kriterin her iki tanımının da bu sayısal örnekte aynı kriteri (yani kriter C3) göstermesinin bir tesadüf olduğuna dikkat edilmelidir.

Bu noktada, bir karar verici mutlak değişikliklerde en kritik kriteri tanımlamak isterse, o zaman önceki iki tanımın Yüzde Üst (PT) ve Yüzde-Herhangi (PA) kritik kriteri Mutlak Üst Sırasıyla (AT) ve Mutlak-Herhangi (AA) kritik kriteri. Tablo 8-3’ten, AT kriterinin C4 olduğu ve ayrıca tesadüfen AA kriterinin C4 olduğu kolayca doğrulanabilir (karşılık gelen minimum değişiklikler kalın harflerle gösterilmiştir). Daha sonra, Bölüm 8.3.3’te, bazı hesaplama sonuçları, en kritik kriterin çeşitli alternatif tanımlarının ne sıklıkla aynı kritere işaret edebileceğini göstermektedir.

Tanım 8-4 kullanıldığında, Tablo 8-4’ten dört kriterin kritiklik dereceleri şöyledir: VI = 1-19.13341 = 19.1334, V z = 48.7901, V3 = 9.1099 ve V 4 = 32.5317. Bu nedenle hassasiyet dört karar kriterinin katsayıları (Tanım 8-5’e göre): sens (CI) = 0.0523, sens (Cz) = 0.0205, sens (C3) = 0.1098 ve sens (C4) = 0.0307. Yani, en hassas karar kriteri C3’tür ve bunu sırasıyla CI, C4 ve Cz kriterleri takip eder.

Durum (iz): WPM Yöntemini Kullanma

Miktarı belirlemekle ilgilendiğimizi varsayalım (\ 1,2 WPM yöntemi kullanıldığında. Bölüm 2.2.2’deki (2-2) ilişkisine göre, aşağıdaki oran olduğunda alternatif Al’ın alternatif A2’den daha çok tercih edildiğini hatırlayın. Bu sonuç birden büyük veya eşit olacaktır.

Ayrıca, ilişki (8-1) ‘e göre, şu anda PI ~ P2 olduğu varsayılmaktadır • p / ve p / bu iki alternatifin yeni tercihlerini göstersin. Daha sonra, bu iki alternatifin sıralaması tersine çevrildiğinde, tercihler arasındaki ilişki şu hale gelir: p / <P / ‘Bu bölümün Ekinde 01,1,2 miktarının aşağıdaki koşulu sağlaması gerektiği de gösterilir:

Son ilişkinin sağ tarafı, alternatif A2, alternatif Al’den (maksimizasyon durumunda) daha fazla tercih edilecek şekilde kriter CI’nin mevcut ağırlığını WI değiştirmek için gereken minimum değişim değerini verir. Önceki bölümde olduğu gibi, bu miktarın (8-4b) koşulu karşılaması gerekir. Önceki düşünceler kolaylıkla genelleştirilebilir ve bu nedenle teoremin ispatına da yol açabilir.


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 yanıt yazın