ÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (52) – HESAPLAMALI SONUÇLARIN ANALİZİ – 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.

Şu anda, gittikçe artan sayıda araştırmacı, verilerinin veya arka plan bilgilerinin bulanık olması sorunuyla karşı karşıyadır. Bu, uzman sistemler ve karar destek sistemleri oluşturan kişiler için özellikle kritiktir, çünkü uğraştıkları bilgiler neredeyse her zaman belirsiz kavramlar ve yargısal kurallarla doludur.

Bulanık küme teorisinin herhangi bir uygulamasındaki en kritik adım, ilgili verileri (yani üyelik değerleri) etkin bir şekilde tahmin etmektir. Bu temel bir sorun olmasına rağmen, bulanık bir kümedeki üyelik değerlerini belirlemenin benzersiz bir yolu yoktur. Bu, temel olarak farklı araştırmacıların bu sorunu algılama biçiminden kaynaklanmaktadır.

Yukarıdaki sorunlar ve zorluklar, birçok MCDM probleminde özellikle yaygındır. Çoğunlukla MCDM problemlerinde veriler kesin değildir ve belirsizdir. Örneğin, çevresel etki kriteri açısından j’inci alternatifin değeri nedir? Bir karar verici, bu tür dilbilimsel ifadelerin belirlenmesinde güçlükle karşılaşabilir, böylece bunlar deterministik karar vermede kullanılabilir.

Bu nedenle, karar verirken bulanık verileri kullanan karar verme yöntemlerinin geliştirilmesi ve karşılaştırılması da arzu edilir. Bu bulanık MCDM yöntemlerinin performansını değerlendirmek de çok önemlidir.

Lootsma [1989’da; ve 1997] Saaty’s’in bu konuda belirsiz bir versiyonunu sundu. AHP yöntemi. Onun yaklaşımında, karar kriterlerinin önem ağırlıklarını hesaplamak için ikili karşılaştırmalarla üçgen bulanık sayılar kullanılmıştır. Benzer şekilde, her bir karar kriteri açısından alternatiflerin bulanık performans değerleri de üçgen bulanık sayılar kullanılarak hesaplanmıştır.

Lootsma tarafından kullanılan bulanık işlemler, bir sonraki bölümde, dört karar verme yöntemini daha bulanıklaştırmak için uygulandı. Bu dört yöntem, Bölüm 2’de kapsamlı bir şekilde sunulmuştur ve bunlar: ağırlıklı toplam modeli (WSM), ağırlıklı ürün modeli (WPM), gözden geçirilmiş analitik hiyerarşi süreci (RAHP) (Belton ve Gear [1983] tarafından önerildiği gibi) ve TOPSIS yöntemi [Hwang ve Yoon, 1981]. Bu yöntemler, aşağıdaki bölümde açıklanan bulanık işlemlere göre Bölüm 13’te açıklanmıştır.

BULANIK İŞLEMLER

Fiziksel dünyadaki karar alma sürecinin çoğu, ilgili verilerin ve olası eylemlerin sıralarının tam olarak bilinmediği bir durumda gerçekleşir. Bu nedenle, karar verme problemlerinde bu tür durumları ifade etmek için bulanık verileri benimsemek çok önemlidir. Önceki dört net karar verme yöntemini bulanıklaştırmak için, bulanık işlemlerin bulanık sayılarda nasıl kullanıldığını bilmek önemlidir. Bulanık operasyonlar ilk olarak [Dubois ve Prade, 1979; ve 1980]. Laarhoven ve Pedrycz [1983], Buckley [1985] ve Boender, ve diğerleri [1989] gibi diğer yazarlar, Dubois ve Prade tarafından sunulan bulanık işlemleri kullanarak AHP’nin bulanık bir versiyonunu ele aldılar.

Karar verici m alternatifleri AI ‘A2, Am n kriterlerine göre C .. C2,. Cn’ sıralama problemini düşündüğünde, karar verici sayıları atamada büyük zorluk hissedebilir veya sayıların bu kriterler açısından alternatiflere oranları. Bu nedenle, daha önce açıklanan ve analiz edilen net MCDM yöntemleri, bulanık bir ortamda doğrudan uygulanamayabilir.

Şu andan itibaren bulanık alternatifler, onları Ai olarak belirtilen net versiyon muadillerinden ayırt etmek için AI olarak gösterilecektir. Bulanık alternatifler, ilgili bilgilerin yalnızca bulanık sayılarla ifade edilebildiği ayrı alternatiflerdir. Benzer ifadeler, Ci olarak belirtilen bulanık karar kriterleri ve Ci olarak belirtilen net emsalleri arasında da geçerlidir.

Bulanık bir yaklaşım kullanmanın faydası, net sayılar kullanmak yerine alternatiflerin ve kriterlerin göreli önemlerini bulanık sayılarla ifade etmektir. Bulanık sayılar için üçgen bulanık kullanacağız.

sayılar (yani, alt, modal ve üst değerlere sahip bulanık sayılar, sonraki tanıma da bakın) çünkü daha karmaşık yamuk bulanık sayılarla karşılaştırıldığında daha basittirler. Bulanık üçgen bir sayı resmi olarak şu şekilde tanımlanır:

Yukarıdaki ilişkide (12-1) I ::: ;; m ::: ;; u, I ve u, sırasıyla, bulanık sayı M’nin desteğinin alt ve üst değerini ve modal değer için m’yi temsil eder. Denklem (12-1) ile ifade edildiği gibi bulanık bir üçgen sayı (I, m, u) olarak gösterilecektir.

Laarhoven ve Pedrycz [1983], Buckley [1985] ve Boender, vd. [1989], Canlı sayıları üçgen bulanık sayılarla değiştirerek Saaty’nin AHP yönteminde bulanık sayı işlemlerini tanıttı. Buckley’in yönteminin Boender’ın yönteminden farkı, bir karar verme probleminin bulanık çözümünün bulanık üçgen sayılarla yaklaşıklaştırılmasına gerek olmamasıdır.

Bununla birlikte, bulanık işlemlerin üçgen yaklaştırması, bir karar verme probleminin örtük çözümünü bulanıklaştırmak için makuldür ve Buckley’in yönteminden çok daha küçük bir yayılımla bulanık çözümler sağlar [Boender, et al., 1989]. Ayrıca Boender ve diğerleri, bir insanın karşılaştırmalı yargılarının derecelendirmelerini ölçmek için orijinal Saaty eşit uzaklık ölçeğinin aksine bir geometrik oran ölçeğinin kullanılmasını önermiştir. [Laarhoven ve Pedrycz, 1983] te geliştirilen ve kullanılan bulanık üçgen sayıların temel işlemleri şu şekilde tanımlanmaktadır:

Burada “=:” yaklaşıklığı belirtir ve fl.] = (nu, n] m> n] u) ve fl.2 = (n2f, n2m> n2u), alt, modal ve üst değerleri olan iki bulanık üçgen sayıyı temsil eder. Bulanık bir üçgen sayının başka bir bulanık üçgen sayının kuvvetine yükseltilmesi özel durumu için aşağıdaki yaklaşım kullanıldı:

n] = \ nlf ‘n] m, n] u

Lütfen bu formülün yalnızca bulanık WPM’nin geliştirilmesinde kullanıldığını unutmayın.

BULANIK SAYILARIN SIRALAMASI

Bulanık sayıları sıralama problemi literatürde çok sık görülmektedir. Örneğin, farklı sıralama yaklaşımlarının karşılaştırılması ve değerlendirilmesi [McCahon ve Lee, 1988] ve [Zhu ve Lee, 1991] ‘de açıklanmıştır. Bulanık sayıları derecelendirmenin her yöntemi, belirli durumlarda diğerlerine göre avantajlara sahip olduğundan, hangi yöntemin en iyi olduğunu belirlemek çok zordur. Belirli bir durum için hangi sıralama yönteminin en uygun olduğuna karar vermede bazı önemli faktörler, algoritmanın karmaşıklığı, esnekliği, doğruluğu, yorumlama kolaylığı ve kullanılan bulanık sayıların şeklini içerir.

Bulanık sayıları karşılaştırmak için yaygın olarak kabul gören bir yöntem ilk olarak [Baas ve Kwakernaak, 1977] ‘de tanıtıldı. [Tong ve Bonissone, 1981] ‘de baskınlık ölçüsü kavramı tanıtıldı ve Baas ve Kwakernaak’ın sıralama ölçüsüne eşdeğer olduğu kanıtlandı. Bu yöntem daha sonra Buckley [1985] tarafından da benimsenmiştir. Daha sonra Tong ve Bonnisone [1984] ilginç bir gözlem ortaya koydu. Yani, MCDM yöntemlerinin çoğu, kalite ölçüsü olarak ayrımcılık derecesini kullanıyor ve insan karar vericileri modellemek istendiğinde bunun geçerli bir ölçü olup olmadığını merak ediyorlar.

BULANIK İŞLEMLER BULANIK SAYILARIN SIRALAMASI Bulanık küme teorisinin herhangi bir uygulamasındaki en kritik adım Bulanık sayıları sıralama problemi ÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (52) – HESAPLAMALI SONUÇLARIN ANALİZİ – Çok Amaçlı Karar Verme Nedir? – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma karar verirken bulanık verileri kullanan karar verme yöntemleri

ÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (52) – HESAPLAMALI SONUÇLARIN ANALİZİ – Çok Amaçlı Karar Verme Nedir? – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma