ÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (55) – 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.
Bununla birlikte, bulanık bir ortamda, bulanık WSM’nin sonucunu WPM, AHP ve TOPSIS yöntemlerinin bulanık sürümlerini uygulayarak elde edilenlerle karşılaştırarak yukarıdaki değerlendirme kriterini uygulamak isteyebilir. Bu ilk bulanık değerlendirme ölçütüdür. Bulanık WSM ve diğer yöntemlerden herhangi biri kullanılarak elde edilen sıralamayı karşılaştırırken, iki çelişki oranı belirlenebilir. Birincisi, en iyi alternatifin her iki yöntemle de aynı olduğu oranı kaydetmektir. İkinci çelişki oranı, iki sıralamanın herhangi bir (yani sadece en iyi değil) alternatif açısından farklı olduğu zamanları kaydetmektir.
Bölüm 9’daki ikinci değerlendirme kriteri, optimal olmayan bir alternatif daha kötü bir alternatifle değiştirildiğinde bir yöntemle türetilen sonuçlar. Mükemmel doğrulukta bir yöntem, optimum olmayan bir alternatifin daha kötü bir alternatifle değiştirilmesinden sonra bile (ve verilerin geri kalanının aynı kaldığını varsayarak) bazı alternatifleri en iyi olarak derecelendirmelidir. Bu nedenle, ikinci bulanık değerlendirme kriteri, bulanık bir MCDM yönteminin, optimal olmayan bir alternatifin daha kötü bir alternatifle değiştirildiği zaman, en iyi alternatifin göstergesini değiştirmemesi gerektiği önermesini dikkate alır.
Ayrıca, RCP (Gerçek ve Sürekli İkili) ve CDP (En Yakın ve Kesikli İkili) matrislerinin kavramları, bu bulanık yöntemlerin ampirik bir çalışmasını gerçekleştirmek için burada buna göre bulanıklaştırılacaktır. Bu matrisler, bu kitapta bir karar vericinin mümkün olduğunca doğru olduğu varsayımı altında ikili karşılaştırmasını taklit etmek için kullanılır. Bu matrislerin kavramı, bulanık uzantıları ile birlikte, önceki iki bulanık değerlendirme kriterinin uygulanmasını gösteren aşağıdaki örneklerde tartışılmaktadır.
Yöntemleri İlk Bulanık Değerlendirme Kriterini Kullanarak Test Etme
Aşağıdaki örnek, ilk bulanık değerlendirme kriterini kullanarak bulanık karar verme yöntemlerini test etme prosedürünü göstermektedir.
Örnek 13-6:
Bir karar probleminin dört karar kriterini ve üç alternatifini sunar. Tüm verilerin aynı ölçü birimi cinsinden ifade edilmesine izin verin (ör. Dolar, zaman veya ağırlık, vb.). Aşağıdaki karar matrisinin bu sorun için gerçek (ve dolayısıyla karar vericinin bilmediği) net verileri gösterdiğini varsayalım.
Karar vericinin bu verileri bilmediği varsayılır. Daha sonra, alt, modal ve üst değerlerin kümenin üyeleri olduğu üçgen bulanık sayılar kullanması istenir: {9, 8, 7, … 2,1,112, … 117, 118, 1I9 }. İkili karşılaştırmaları nicelleştirmek istendiğinde bunlar Saaty ölçeği [1994] tarafından da önerilen değerlerdir.
Burada ayrıca karar vericinin olabildiğince doğru olduğu varsayılmaktadır. Örneğin, karar verici ilk alternatifin performansını birinci kriter açısından tahmin etmeye çalıştığında, bulanık sayı (3, 4, 5) kullanılır. Şimdi, bu sayının modsal değerinin, yukarıdaki sayı kümesinden gerçek değer olan 4,454’e en yakın sayı olduğu gözlemlenebilir. Ayrıca, bu bulanık sayının alt ve üst değerlerinin bir birim ayrı olduğu varsayılır. Benzer bir şekilde geri kalan girişler tahmin edilir ve bu nedenle aşağıdaki bulanık karar matrisinin karar verici tarafından elde edildiği de varsayılır.
Bu nedenle, bulanık alternatiflerin nihai bulanık öncelik puanları şu şekilde hesaplanır:
- = (5,6,7) x (3,4,5) + (5,6,7) x (2,3,4) + (7,8,9) x (3,4,5) + ( 5,6,7) x (5,6,7)
- = (71, 105, 157).
Benzer şekilde, aşağıdaki iki bulanık öncelik değeri türetilir:
- = (58,5, 92, 135),
- = (82, 124, 174).
Burada Bölüm 12.4’te tartışılan sıralama prosedürü kullanıldığında, en iyi bulanık alternatifin A3 olduğu ve üç alternatifin şu şekilde sıralandığı kolaylıkla belirlenebilir: A3> A}> A2.
Aşağıdaki paragraflarda karar vericinin bulanık AHP yöntemini kullandığı varsayılmaktadır. Karar verici orijinal net karar matrisinde gösterilen gerçek verileri biliyorsa, dört karar kriteri birbiriyle karşılaştırıldığında gerçek ikili karşılaştırmaların matrisi (örn. Matris ex) aşağıdaki gibi olacaktır ( karşılık gelen değerler bu şu şekildedir)
Örneğin, 12 = 1.09 = 6.015 / 5.526 girişi. Bununla birlikte, gerçekte karar verici, ikili karşılaştırmaların gerçek değerlerini asla bilemez. Bu noktada, karar vericinin olabildiğince doğru olduğu ve bulanık üçgen sayıları kullanması istendiğinde, aşağıdaki matrisi (diyelim ki en yakın matris (3)) belirleyebildiği varsayılır. bulanık ikili karşılaştırmalar (bu, karşılık gelen bulanık CDP matrisidir):
Örneğin, {332 = (1, 2, 3) değeri, 1.52’nin Saaty’nin orijinal skalasından 2 değeriyle mutlak minimum farka sahip olduğu a32’den (= 1.52) türetilmiştir. Bu nedenle, {332’nin modal değeri 2’ye eşit olacak şekilde ayarlanmıştır ve {332’nin üst ve alt değerleri, sırasıyla modal değerden bir birim ayrı olan 1 ve 3’e eşittir. Benzer şekilde, her bir karar kriteri açısından üç alternatifin bulanık ikili karşılaştırmaları (yani karşılık gelen bulanık CDP matrisleri) Saaty ölçeğine göre türetilmiştir ve aşağıdaki gibi değerlendirilmiştir.
Daha sonra, dört karar kriterinin önem ağırlıkları ile birlikte kriterler açısından alternatiflerin göreli tercih değerlerini türetmek için yukarıdaki bulanık karşılıklı matrisler üzerine yaklaşık özvektör yaklaşımı ve normalizasyon prosedürü daha önce olduğu gibi uygulanır. Bu nedenle, türetilen bulanık karar matrisi (karar vericinin tahmin ettiğini varsayıyoruz) verilir.
Son bulanık öncelik puanları, üç bulanık, PI p ve pII alternatifler daha önce belirtildiği gibi benzer bir şekilde türetilir ve aşağıdaki gibidir:
- = (0.09,0.26,0.72) x (0.12,0.28,0.66) + (0.08, 0.22, 0.60) x (0.09, 0.16, 0.34) + (0.11, 0.30, 0.72) x (0.28, 0.54, 0.97) + ( 0.08, 0.22, 0.60) x (0.22, 0.45, 0.90) = (0.070, 0.384, 1.946).
Benzer şekilde, aşağıdaki iki belirsiz öncelik türetilmiştir:
- = (0.045, 0.245, 1.376) ve
- = (0.063, 0.371, 1.914).
Bu öncelik puanları daha önce olduğu gibi sıralandığında, üç bulanık alternatif şu şekilde sıralanır: “C> A3> A2. Yani, bulanık alternatif A1 şimdi en iyisi olarak ortaya çıkıyor. Açıkçası, bu sonuçlarla çelişiyor. Bu açıklayıcı örneğin başında bulanık WSM uygulandığında türetilmiştir.
Aynı zamanda, bulanık WSM ve bulanık AHP tarafından türetilen bulanık alternatiflerin tüm sıralamasının da değiştiği (yani: A3> A1> A2’den A1> A3 olarak değiştiği de gözlemlenebilir. > A2). Bu nedenle, biri üç alternatifin tüm sıralama sıralarını karşılaştırdığında, bulanık WSM ile bulanık AHP arasında bir çelişki ortaya çıkar.
Bu açıklayıcı örnek için bulanık WSM ve diğer bulanık yöntemlerden türetilen en iyi alternatifin aynı olması mümkündür, ancak kalan alternatifler sıralarını değiştirir. Revize edilmiş (yani ideal mod) AHP, WPM ve TOPSIS yöntemleri yukarıdaki gibi incelenebilir ve benzer şekilde, tek boyutlu bir ortam varsayıldığında ve norm olarak bulanık WSM kullanıldığında da çelişkiler ortaya çıkardıkları gösterilebilir.
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.
AHP tarafından türetilen bulanık alternatifler AHP ve TOPSIS yöntemlerinin bulanık sürümleri bulanık yöntemlerden türetilen en iyi alternatif ÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (55) – HESAPLAMALI SONUÇLARIN ANALİZİ – Çok Amaçlı Karar Verme Nedir? – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma dört karar kriterinin önem ağırlıkları en iyi bulanık alternatif gerçekte karar verici karar verici ilk alternatifin performansı Yöntemleri İlk Bulanık Değerlendirme Kriterini Kullanarak Test Etme