ÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (41) – PERFORMANSIN EN KRİTİK ÖLÇÜSÜNÜN BELİRLENMESİ – Çok Amaçlı Karar Verme Nedir? – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma

ÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (33) – ÇİFTLİ KARŞILAŞTIRMALARIN AZALTILMASI – Çok Amaçlı Karar Verme Nedir – Çok Amaçlı Karar Verme Yöntemleri
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. ÇİFTLİK YAKLAŞIMI İLE ÇİFTLİ KARŞILAŞTIRMALARIN AZALTILMASI ARKA PLAN BİLGİLERİ Önceki bölümlerde tartışıldığı gibi, bir MCDM problemi için nitel verileri ortaya çıkarmak için çekici bir yaklaşım, ikili karşılaştırmaları kullanmaktır. Daha sonra, bir karar vericinin bir dizi ikili karşılaştırma yoluyla n birimin göreceli önceliklerini veya önem ağırlıklarını ortaya çıkarmak istediğini varsayalım. Daha önce olduğu gibi, bu n birim karar kriterleri veya bazı MCDM problemlerinde tek bir karar kriteri açısından incelenecek alternatifler olabilir. Ardından, Bölüm 3'te gösterildiği gibi, karar vericinin n (n-l) / 2 ikili karşılaştırmasının değerini ortaya çıkarması gerekir. Bu nedenle, bir MCDM problemi m alternatif ve n karar kriterini içeriyorsa (bu noktada birden fazla hiyerarşik seviye dikkate alınmaz), gerekli ikili karşılaştırmaların toplam sayısı n (nl) / 2 + n (m (ml) 'ye eşittir.  Bu sayı, orta dereceli m ve n değerleri için bile oldukça büyük olabilir. Gerekli ikili karşılaştırmaların miktarı hakkında bir fikir edinmek için, 15 alternatif ve 10 karar kriteri ile basit bir MCDM problemi durumunu ele alalım. Yani, şimdi m = 15 ve n = 10'umuz var. O halde, gerekli karşılaştırmaların toplam sayısı 1.095'e eşittir. Yukarıdaki tartışmadan, m ve n'nin değerleri arttıkça bu sayının ikinci dereceden arttığı anlaşılmaktadır. Bu bölüm, alternatiflerin sayısı karar kriterlerinin sayısı artı birden (Le., M> n + 1 olduğunda) fazla olduğunda, gerekli ikili karşılaştırmaların toplam sayısını azaltmak için bir yaklaşım sunmaktadır. Bu, ikili karşılaştırmaların ortaya çıkarılma biçiminde bir dualite yaklaşımı ile elde edilir. Bu gelişmeler ilk olarak [Triantaphyllou, 1999] 'da bildirilmiştir. Önerilen dualite yaklaşımı bir sonraki bölümde sunulmuştur. Bu bölümün üçüncü bölümü, bu yaklaşımı kapsamlı bir sayısal örnekle göstermektedir. Dördüncü bölüm, bu yaklaşımın faydalarını vurgulayan bazı sayısal sonuçlar sunmaktadır. Bazı son açıklamalar ve olası genişletme alanları son bölümde sunulmuştur. KOMİSYONLARI AÇMAK İÇİN ÇİFTLİK YAKLAŞIMI İlk olarak Bölüm 3'te bahsedildiği gibi, ikili karşılaştırmalar, tek bir karar kriteri açısından incelendiklerinde bir seferde iki alternatifin göreceli performansı hakkında karar vericiden bilgi alır. Dahası, bu tür karşılaştırmalar, bir hiyerarşideki karar kriterlerinin veya alt kriterlerinin göreli öneminin önemini çıkarmak için kullanılabilir. Bu şekilde karar verici, alternatiflerin göreceli performansını belirli bir kriter veya bir dizi kriterin nispi ağırlıkları açısından belirleyebilir. Böylece, karar matrisinin sütunları normalleştirilmiş olarak türetilir. Bu normalleştirme genellikle her sütunun girişini o sütundaki girişlerin toplamına bölerek gerçekleşir. Bu durumda toplamları bire eşittir. Alternatif bir yol, her girişi ait olduğu sütunun en büyük girişine bölmektir. Bu, Belton ve Gear [1983] tarafından önerilen orijinal AHP'nin ana modifikasyonudur ve biz buna revize edilmiş AHP diyoruz. İki alternatif düşünüldüğünde, karar vericiden aşağıdaki sorunun cevabını en iyi şekilde açıklayan bir dizi ifadeden en iyi dilbilimsel ifadeyi seçmesi istenir (genel terimlerle tanımlanmıştır): "Alternatif Aj'in göreceli önemi nedir? Karar kriteri açısından alternatif Aj ile karşılaştırıldığında sonuç ne olur?" Daha sonra, karar verici tarafından seçilen dilbilimsel ifade, önceden belirlenmiş bir ölçeğe göre (Bölüm 3'te açıklananlar gibi) bazı sayısal değere atanır. [Triantaphyllou, 1999] 'da açıklanan ikili yaklaşımda, önceki soru farklı bir format alır. Aynı anda iki alternatifi karşılaştırmak yerine, artık iki karar kriterinin göreceli performansı, belirli bir alternatif bağlamında incelenmektedir. Yani, şimdi tipik soru şu formattadır: "Cj kriterinin o f alternatif At açısından q kriteriyle karşılaştırıldığında göreceli önemi nedir?" Gerçekte, önceki soru türü yeni değildir. İkili karşılaştırmaların değerini ortaya çıkarmanın geleneksel yolu olarak, karar vericiden aynı anda iki kriteri karşılaştırması istenir. Şimdi karar vericiden aynı şeyi tek seferde tek bir alternatifin etki alanı içinde yapması isteniyor. Bu noktada, bir karar vericinin, değerlendirilecek alternatifleri akılda tutmadan nadiren bir dizi kriteri incelediği ve bunun tersi mantıklı bir şekilde tartışılabilir. Diğer bir deyişle, belirli bir ÇKKY probleminde kriterler ve alternatifler anahtar varlıklar olduğundan, karar verme sürecinde bunları her zaman aynı anda odakta tutmak gerekir. Örneğin, bir ürün satın alırken "maliyet" ve "işlevsellik" iki kriteri dikkate alınırsa, sorun bir TV seti veya yeni bir ev satın almaksa, bu iki kriter farklı görece öneme sahiptir. İlk durumda,% 20'lik bir fiyat değişikliği o kadar kritik olmayabilirken, yeni bir ev satın alma durumunda% 20'lik bir fiyat değişikliği daha zararlı olabilir. Bu nedenle, kriterlerin ve alternatiflerin mükemmel bağımsızlığının nadiren var olduğu önermesini kabul etmek de doğaldır. Bu, karar analizi camiasında oldukça tartışmalı bir konudur ve farklı yazarlar farklı görüşler ifade etmişlerdir. Bu nedenle, önerilen karşılaştırma sorusu formatının kullanımı tamamen yeni değildir. Karar verici belirli bir alternatif için tüm olası karşılaştırmaları ortaya çıkardığında, bu karar matrisinin ağırlık vektörü, karar matrisinin normalleştirilmiş bir satırına (geleneksel yaklaşıma sahip bir sütunun aksine) karşılık gelir. Bu nedenle, önceki tür ikili karşılaştırmaları kullanarak karar verici, karar matrisinin tüm satırlarını normalleştirilmiş bir şekilde belirleyebilir (yani, her satırdaki öğeler bire kadar toplanır veya maksimum girişe bölünür). (i = 1,2,3, ..., mandj = 1,2,3, ..., n), bir m dizisi aracılığıyla her satıra göre normalleştirilmiş karar matrisindeki (i, j) girişini belirtir. ikili karşılaştırmalarla tanımlanan yargı matrisleri. Şimdi, n xn boyutunda m yargı matrislerinin oluşturulması gerektiği, geleneksel (ilkel) yaklaşımda her biri mXm boyutunda n tane bu tür matris olduğu fark edilebilir. Lütfen tipik bir MCDM sorununun m alternatiflere ve n karar kriterlerine sahip olduğunun varsayıldığını hatırlayın. Ayrıca, karar vericinin geleneksel tarzda tek bir yargı matrisinin ikili karşılaştırmalarını da oluşturduğunu varsayalım. Yani, karar verici tek bir m x m yargı matrisi oluşturur. Fikirlerin düzeltilmesine yardımcı olmak için, bunun tüm alternatifleri ilk karar kriteri açısından inceleyen yargı matrisi olduğunu varsayalım. Ail (i = 1, 2, 3, ..., m için), son karar matrisinden türetilen karşılık gelen ağırlık vektörünün elemanları olsun. Yukarıdaki gibi normalize edilmiş m satırlarının değerleri (örneğin, by değerleri) ve tek normalleştirilmiş sütunun değerleri (örneğin, tüm değerler) göz önüne alındığında, karar matrisindeki herhangi bir sütunun öğelerini türetmek artık basittir.  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 (41) – PERFORMANSIN EN KRİTİK ÖLÇÜSÜNÜN BELİRLENMESİ – 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.

Girişlerin sadece işaret negatif olduğunda 100’den büyük olduğu fark edilebilir. Gerçekte olumsuz değişikliklerin artış anlamına geldiğini hatırlayın. Bir derecelendirme 100’den büyük olursa sorun değil. Kriter ağırlıkları durumunda, sayılar bire kadar toplamak için yeniden normalleştirilecektir. Otomatik performans ölçümleri durumunda, sayılar yeniden normalleştirilebilir (örneğin AHP modelinde) veya birden fazla olabilir (örneğin WPM veya WSM modellerinde). Daha önce olduğu gibi, kalın harflerle yazılmış sayılar minimum değerleri gösterir.

Daha sonra  türetmek için kullanıldı. Burada, en kritik alternatiflerin (Tanım 8-8’e göre) A3 ve A4 alternatifleri olduğu görülmektedir • Bu doğrudur çünkü bu alternatifler, aralarında minimum kritiklik derecelerine (1.1’e eşit ve aynıdır) karşılık gelir.  Sağ sütundan karşılık gelen alternatiflerin artık girişlerde parantez içinde olduğu fark edilebilir. Daha önce olduğu gibi, kalın karakterli sayılar karşılık gelen minimum değerleri temsil eder. Son olarak,  çeşitli duyarlılık katsayılarını göstermektedir (Tanım 8-9’da verildiği gibi). Herhangi bir giriş mümkün değilse, karşılık gelen duyarlılık katsayısının sıfıra eşit olarak tanımlandığı fark edilebilir.

 Durum (eğer): WPM Yöntemini Kullanma

Bu bölümün Ekinde ayrıca Teorem 8-5 için bir ispat için önemli noktalar sunulmaktadır. Bu teorem, WPM yöntemi kullanıldığında r / i, j, k eşik değerlerinin hesaplanması için ana formülü sağlar ve aşağıda belirtilmiştir.

Teorem 8-5:
WPM modeli kullanıldığında, aij ‘olarak gösterilen performans ölçüsü r / i, j, k (% olarak) eşik değeri, Ai ve Ak alternatiflerinin sıralaması tersine çevrilecek şekilde değiştirilmelidir.

Önceki teoremin uygulaması aşağıdaki kapsamlı sayısal örnekte gösterilmektedir.

WPM Yöntemi Kullanıldığında Kapsamlı Bir Örnek

Beş alternatif Ai ‘A z, A3, A4 ve A5 ve beş karar kriteri Ci, Cz, C3, C4 ve C5 içeren bir MCDM problemi düşünün. Tablo 8-12’nin ilgili karar matrisini sunduğunu ve WPM modelinin kullanılacağını varsayalım.

Lütfen WPM yönteminde aij değerlerinin normalleştirilmesine gerek olmadığını hatırlayın. Daha sonra formül (2-2) uygulanarak (Bölüm 2.2.2’de), alternatiflerin mevcut sıralaması Tablo 8-13’te gösterildiği gibidir.

PI ~ Pz ~ P3 ~ P4 ~ P5 ilişkisinin geçerli olduğu ve sonuç olarak en çok tercih edilen alternatif AI  Teorem 8-5 (yani, formüller (8-14a) ve (8-14b » önceki verilere uygulanır) ardından  olası tüm eşik değerleriyle 7 / i, j, k türetilir.

Bazı girişler standart üstel biçimde temsil edilmektedir. Bunun nedeni, çok yüksek (negatif) değerlere karşılık gelmesidir.

Örneğin, (8,1), (Le., -2E + 05) girişi aslında şu değeri temsil eder: – 2.0x 105 = -200.000. Burada çok önemli değişikliklerin (üstel formatta temsil edilenler veya binlerce% değişim cinsinden ölçenler gibi) gerçekçi olmadığı ve bu nedenle pratik olarak “NIF” olarak da sınıflandırılabileceği (örn. Uygulanabilir) durumlar. Son olarak, Tablo 8-14’te vurgulanan girişlerin kritiklik dereceleri Ll lij’ye karşılık geldiği görülebilir (Tanım 8-7’de verildiği gibi). Kritiklik dereceleri en iyi şekilde özetlenmiştir.

SONUÇLAR

Bu bölümde açıklanan katkılar hem teorik hem de deneysel niteliktedir. Bu bölüm ilk olarak [Triantaphyllou ve Sanchez, 1997] ‘de ortaya çıkan gelişmelere dayanıyordu ve üç ana (ve birinin bir varyantı) MCDM yöntemi için bir duyarlılık analizi için birleşik bir yaklaşım sundu. Bu yöntemler şunlardır: ağırlıklı toplam modeli (WSM), ağırlıklı ürün modeli (WPM) ve analitik hiyerarşi süreci (AHP) (hem orijinal hem de ideal modda). Önerilen duyarlılık analizi, karar kriterlerinin (Le., Wj değerleri) önem ağırlıklarındaki değişikliklerin etkisini ve bir seferde tek bir karar kriteri açısından alternatiflerin performans ölçümlerini (Le., Aij değerler) alternatiflerin son sıralamasında. Bu bölümün teorik katkıları en iyi, önceki bölümlerde sunulan beş teoremde özetlenmiştir.

Ampirik katkılar, karar kriterlerinin ağırlıklarındaki değişikliklerin duyarlılık analizi ile ilgilidir. Aij değerlerindeki değişiklikleri ampirik bir çalışma ile kapsamadık çünkü bu, belirli bir problem için çok fazla duyarlılık senaryosunun dikkate alınmasına neden olacak ve böylece dikkati merkezi fikirlerden başka yöne çevirecektir. M alternatifleri ve n kriterleri olan bir problem için mX n farklı aij değeri olduğunu hatırlayın.

Bu çalışmanın en önemli iki ampirik sonucu şunlardır:

(i) MCDM yönteminin seçimi veya alternatiflerin sayısı duyarlılık sonuçları üzerinde çok az etkiye sahiptir; ve

(ii) en sık olarak en hassas karar kriteri, ağırlık değişiklikleri göreceli olarak ölçülüyorsa (Le., yüzde olarak) en yüksek ağırlığa sahip olandır ve değişiklikler mutlak olarak ölçülüyorsa en düşük ağırlığa sahip olandır. 

Hesaplamalı deneylerin ana gözlemi, burada incelenen MCDM yöntemlerinin benzer modellerde performans göstermesidir. Bu modeller, değişimler göreceli (veya mutlak) terimlerle ölçüldüğünde, en yüksek (veya en düşük) ağırlığa sahip kriterin aynı zamanda en kritik kriter olduğu sıklığı ifade eder. Ayrıca, aynı sonuçlar, karar kriterlerinin sayısının bir test problemindeki alternatiflerin sayısından daha önemli olduğunu gösteriyor gibi görünmektedir.

Önerilen metodoloji, önceki MCDM yöntemlerinden biri kullanıldığında standart bir duyarlılık analizi yapmak için kullanılabilir. Duyarlılık analizi yapmanın yararı, MCDM yöntemlerinin gerçek yaşam problemlerine uygulanmasında göz ardı edilemeyecek kadar büyüktür. Dantzig olarak,  “Duyarlılık analizi, kantitatif karar modellerinin etkin kullanımında ve uygulanmasında temel bir kavramdır ve amacı parametrelerdeki değişiklikler altında optimal bir çözümün kararlılığını değerlendirmektir.”

Hangi verilerin daha kritik olduğunu bilen karar verici, dikkatini belirli bir MCDM sorununun en kritik kısımlarına daha etkili bir şekilde odaklayabilir.

Diğer bir uygulama alanı, sınırlı bir bütçe göz önüne alındığında, bir MCDM problemi için veri toplama aşamasındadır. Çoğunlukla, MCDM’nin gerçek yaşam uygulamalarında, veriler değiştirilebilir ve kesin olarak belirlenemez. Bu gibi durumlarda, daha kritik olan kriterlerin ağırlıklarını (ve performansın aij ölçümlerinin yanı sıra) daha yüksek doğrulukla ve daha az doğrulukla daha az kritik ağırlıkları belirlemek daha mantıklıdır. Erken bir aşamada temasa geçen bir duyarlılık analizi, hangi W j ve a i j değerlerinin nihai (sıralama) kararlar için daha kritik olma eğiliminde olduğunu ortaya çıkarabilir. Bu nedenle, bu veriler ikinci aşamada daha yüksek doğrulukla belirlenebilir. Daha sonra, yeni bir duyarlılık analizi döngüsü yeniden başlatılabilir. Bu süreç, bütçenin tamamı kullanılıncaya veya karar verici nihai sonuçların sağlamlığından memnun olana kadar bu aşamalı şekilde birkaç kez tekrar edilebilir.

Bu bölümde incelenen üç (ve birinin bir varyantı) MCDM yöntemi Triantaphyllou ve Lin tarafından bulanıklaştırılmış ve ayrıca Bölüm 13’te sunulmuştur. Bu nedenle, bu araştırmanın doğal bir uzantısı, vakalar için bir duyarlılık analizi yaklaşımı geliştirmektir. Verilerin bulanık sayılarla tanımlandığı. Ek bir olası genişletme alanı, bu sonuçları çoklu hiyerarşilere sahip AHP sorunlarına genişletmektir.

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.