ÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (7) – Üstel Ölçeklerin Kullanımına İlişkin Bazı Örnekler – 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.
Üstel Ölçeklerin Kullanımına İlişkin Bazı Örnekler
İnsanların, tamamen ilgisiz alanlarda belirli ilgi aralıklarını nasıl tutarlı bir şekilde sınıflandırdığını görmek şaşırtıcı. Bu bölümde, örneğin insanların belirli aralıkları zaman, ses ve ışık yoğunluklarına nasıl böldüğünü göstermek için bazı örnekler sunuyoruz.
a) Tarihi dönemler. 3000 Be’den günümüze kadar olan Avrupa’nın yazılı tarihi, az sayıda ana döneme bölünmüştür. Berlin Duvarı’nın açıldığı yıl olan 1989’dan geriye bakıldığında, karakteristik bir gelişmenin başlangıcını işaret eden aşağıdaki dönüm noktaları ayırt edilebilir:
- 1947: 1989’dan 42 yıl önce
soğuk savaşın ve dekolonizasyonun başlangıcı,
- 1815: 1989’dan 170 yıl önce
endüstriyel ve kolonyal egemenliğin başlangıcı,
1989’dan önceki yılların sayısıyla ölçülen bu ana kademeler, ilerleme faktörü 3.3’e eşit olan geometrik bir dizi oluşturur. Yıllara girdiğimizde daha rafine bir alt bölüm elde edebiliriz.
Başlıca olanlar arasında enterpolasyon yapılan bu dönüm noktalarında, ilerleme faktörü 1.8’e eşit olan geometrik bir kademe dizisi buluyoruz.
b) Planlama ufukları. Endüstriyel planlama faaliyetlerinde, genellikle daha yüksek belirsizlik dereceleri altında ve şirket için daha önemli sonuçları olan kararların giderek daha yüksek yönetim seviyelerinde hazırlandığı bir planlama döngüleri hiyerarşisi gözlemliyoruz. Aşağıdaki listede gösterildiği gibi, planlama ufukları geometrik bir sıra oluşturur:
Bu ana ufukların ilerleme faktörü 3.5’e eşittir. Uygulamada, bu büyük olanlar arasında planlama ufku yoktur.
c) Ulusların büyüklüğü. Yukarıdaki sınıflandırma sadece zaman ekseninde değil, aynı zamanda ulusları nüfuslarının büyüklüğüne göre kategorize ettiğimizde uzamsal boyutlarda da bulunur. Nüfusu bir milyondan az olan çok küçük ulusları bir yana bırakırsak farklı noktalar söz konusu olur.
Yine, ilerleme faktörü 4.0’a eşit olan geometrik bir dizi buluyoruz. Ayrıca, aşağıdaki eşik kademelerini birleştirmek makul görünmektedir.İlgili uluslar tipik olarak büyük kademeler arasında yer aldığından, rafine edilmiş kademeler dizisi 2.0’a eşit ilerleme faktörüne sahiptir.
d) Seslerin gürültüsü. İşitilebilir seslerin aralığı (dB birimlerinde ölçülür) kabaca kategorize edilebilir: orta derecede yüksek sesle; elektrikli çim biçme makinesi ve yiyecek karıştırıcılar, çok yüksek sesle; çiftlik traktörleri ve motosikletler, rahatsız edici yüksek sesle; kalkış sırasında jetler vardır.
Kesinliğin bir tuz tanesi ile alınması gerekmesine rağmen, bu ana kademelerin her birinde ses frekanslarının bir karışımına sahibiz, burada açıkça, ilerleme faktörü 4.0’a eşit olan sübjektif ses yoğunluklarının geometrik bir dizisini bulabiliriz.
e) Işığın parlaklığı. Fiziksel olarak ışık ve ses algısı farklı şekillerde ilerler, ancak bu duyusal sistemler benzer bir model izler. Görünür ışık yoğunlukları aralığı (Lum birimi cinsinden ölçülür) kabaca şu şekilde kategorize edilebilir.
Bu büyük kademelerin her birinde dalga uzunluklarının bir karışımına sahip olduğumuz için kesinliğin çok ciddiye alınmaması önlemi altında, öznel ışık yoğunluklarının da ilerleme faktörü 4.0’a eşit olan geometrik bir dizi oluşturduğunu gözlemleyebiliriz.
Önceki paragraflarda, üstel ölçeklerin tarihsel dönemler, planlama ufku, ulusların büyüklüğü, ses yoğunlukları ve ışık algısı ile uğraşırken karşılaştırmalı insan yargısında yaygın olduğunu göstermek için beş örnek kullandık.
Bu nedenle, bu örnekler üstel ölçekleri yalnızca makul kılar. Lootsma, üstel ölçekler kullanıldığında ortaya çıkan puanların ölçek duyarlılığını incelemiştir. Puanların sıra sırasının ölçek parametresinin varyasyonlarından etkilenmediğini gözlemledi. Yani, hesaplanan puanların sayısal değerleri o parametreye zayıf bir şekilde bağlıdır.
Psikofizik hakkında daha ayrıntılı bir belge için, ilgilenen okuyucuyu [Marks, 1974], [Michon, ve diğerleri, 1976), [Roberts, 1979], [Zwicker, 1982] ve [Stevens ve Hallowell Davis, 1983] ‘e yönlendiriyoruz. . Okuyucu, tatların, kokuların ve dokunuşların algılanması için duyusal sistemlerin, birinin yakınında üsler ile güç yasasına uyduğunu görecektir.
FARKLI ÖLÇEKLERİ DEĞERLENDİRME
Farklı ölçekleri değerlendirmek için [Triantaphyllou, Lootsma, vd., 1994] ‘te iki değerlendirme kriteri geliştirilmiştir. Ayrıca, özel bir ikili matris sınıfı da geliştirildi. Bu özel matrisler daha sonra farklı ölçeklerin bazı kararlılık özelliklerini araştırmak için iki değerlendirme kriteriyle birlikte kullanılır. Bu gelişmeler aşağıdaki bölümlerde daha ayrıntılı olarak anlatılmaktadır.
RCP ve CDP Matrislerinin Kavramları
Daha önce bahsedildiği gibi, ikili karşılaştırmalara sahip karşılıklı matrisler (yargı matrisleri olarak da bilinir) Saaty [1980] tarafından bir karar vericiden ilgili tüm bilgileri çıkarmak için bir araç olarak tanıtıldı. Aynı yazar aynı zamanda, e kümesinden girdileri olan matrislerle sonuçlanan bir ölçek de önermiştir; burada e, 1, 2, 3, …, 9 tam sayıları ve bunların karşılıkları kümesidir (ayrıca bkz. Tablo 3-1). Farklı bir ölçek kullanılacaksa, e o ölçeği temsil eden sonlu ayrık sayısal değerler kümesi olacaktır. Genellikle, her bir giriş-matris, tek bir karar kriterine göre iki alternatif arasındaki ikili karşılaştırmanın değerini sayısal olarak temsil eder. Bu matrisler, alternatiflerin veya kriterlerin göreceli performansına ilişkin gerekli bilgileri yakalamak için etkili bir yol olacak şekilde yapılandırılmıştır.
Saaty’nin yargı matrisleri, gerçek dünyadaki MCDM problemleri için nitel bilginin çıkarılmasında etkili bir yol olarak geniş kabul görmüştür.
İlgili bir çalışma, gerçek dünyada alternatiflerin gerçek performans değerlerinin sürekli değerler aldığı varsayımına dayanmaktadır. WI ‘W2, W3, …, Wn, tek bir ortak özellik açısından değerlendirildiğinde bir n alternatifler kümesinin (veya karar kriterlerinin) bu tür değerleri gerçek (ve dolayısıyla bilinmeyen) olsun. Wi değerlerinin her birinin [1, 0] aralığında olduğu varsayılır. Karar verici yukarıdaki gerçek değerleri bilseydi, gerçek ikili karşılaştırmalarla bir matris oluşturabilirdi. Bu matriste, diyelim ki matris A, Oli} girişi w / Wj’ye eşittir.
Yani, Oli} girişi, i-inci varlık (yani, bir alternatif veya bir ölçüt) j-inci varlıkla karşılaştırıldığında karşılaştırmanın gerçek (ve dolayısıyla bilinmeyen) değerini temsil eder. Bu matrise Gerçek Sürekli Çift Yönlü matris veya Rep matrisi diyoruz. Gerçek dünyada w / s bilinmediğinden, önceki matrisin Oli} girişleri de bilinmemektedir. Ancak burada, bilinmeyen bir giriş Oli} yerine karar vericinin, bir ölçek tarafından sağlanan sayısal değerlerin e kümesinden alınan en yakın değeri belirleyebileceğini varsayacağız. Başka bir deyişle, gerçek (ve dolayısıyla bilinmeyen) Oli} değeri yerine, ai} değerinin belirlenebileceğini varsayacağız.
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.
bu örnekler üstel ölçekleri FARKLI ÖLÇEKLERİ DEĞERLENDİRME ikili karşılaştırmalara sahip karşılıklı matrisler MCDM problemleri için nitel bilgi RCP ve CDP Matrislerinin Kavramları Üstel Ölçeklerin Kullanımına İlişkin Bazı Örnekler