ÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (1) – 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. ÇOK KRİTERLİ KARAR VERME: GENEL BİR BAKIŞ İnsanların karar alma şeklinin (kuralcı teoriler) veya insanların karar alma şeklinin (normatif teoriler) analizi, belki de insanlığın kayıtlı tarihi kadar eskidir. Elbette, tüm bu analizler bugün literatürde gördüğümüz titiz bilimsel yaklaşımlarla karakterize edilmedi. Bu nedenle, karar vermede literatürün devasa ve sürekli artması şaşırtıcı değildir. Bununla birlikte, aynı zamanda, rasyonel gerçek hayatta karar verme için mükemmel karar verme yönteminin geliştirilmesi, hala anlaşılması zor bir hedef olmaya devam etmektedir. Çalışmanın bu konudaki yaygınlığı ile bulguların gerçek hayata uygulanabilirliğinin nihai amacının anlaşılmazlığı arasındaki bu çelişki, bir bakıma nihai karar verme paradoksunu oluşturmaktadır. Çok kriterli karar verme (MCDM), karar vermenin en iyi bilinen dallarından biridir. Pek çok yazara göre MCDM, çok amaçlı karar verme (MODM) ve çok özellikli karar verme (MADM) olarak ikiye ayrılır. Bununla birlikte, sıklıkla MADM ve MCDM terimleri aynı model sınıfını ifade etmek için kullanılmaktadır. MODM, karar alanının sürekli olduğu karar problemlerini inceler. Tipik bir örnek, çok amaçlı işlevlere sahip matematiksel programlama problemleridir. "Vektör-maksimum" problemi olarak da bilinen bu probleme ilk referans, Kuhn ve Tucker'a [1951] atfedilir. Öte yandan, MCDM / MADM, ayrık karar alanlarıyla ilgili problemlere odaklanır. Bu problemlerde karar alternatifleri seti önceden belirlenmiştir. MCDM yöntemleri çok çeşitli olabilse de, çoğunun belirli ortak yönleri vardır [Chen ve Hwang, 1991]. Bunlar, aşağıda açıklandığı gibi alternatifler ve nitelikler (genellikle hedefler veya karar kriterleri olarak da adlandırılır) kavramlarıdır. Alternatifler: Genellikle alternatifler, karar vericinin kullanabileceği farklı eylem seçeneklerini temsil eder. Bu kitapta, birkaç ile yüzler arasında değişen alternatifler dizisinin sonlu olduğu varsayılmaktadır. Bunların taranması, önceliklendirilmesi ve sonunda sıralanması gerekiyor. Çoklu Öznitelikler: Her MCDM problemi, birden çok öznitelikle ilişkilidir. Nitelikler aynı zamanda "hedefler" veya karar kriterleri "olarak da anılır Nitelikler, alternatiflerin görüntülenebileceği farklı boyutları temsil eder. Kriter sayısının fazla olduğu durumlarda (örneğin, bir düzineden fazla), kriterler hiyerarşik bir şekilde düzenlenebilir. Yani, bazı kriterler önemli olabilir. Her ana kriter birkaç alt kriter ile ilişkilendirilebilir. Benzer şekilde, her bir alt kriter, birkaç alt-kriter ve benzeri ile ilişkilendirilebilir. Bazı MCDM yöntemleri, bir karar probleminin kriterlerinde açık bir şekilde hiyerarşik bir yapıyı dikkate alsa da, çoğu tek bir kriter seviyesi varsayar. Kriterler Arası Çatışma: Farklı kriterler, alternatiflerin farklı boyutlarını temsil ettiğinden, birbirleriyle çatışabilirler. Örneğin, maliyet kar ile çatışabilir vb. Bu kitapta, aksi açıkça belirtilmedikçe böyle bir çelişki varsayılmaz. Ölçülemez Birimler: Farklı ölçü birimleriyle farklı kriterler ilişkilendirilebilir. Örneğin, kullanılmış bir araba satın alma durumunda, "maliyet" ve "kilometre" kriterleri sırasıyla dolar ve binlerce mil cinsinden ölçülebilir. MCDM problemlerinin özünde çözülmesini zorlaştıran, farklı birimleri dikkate almak zorunda olmanın doğasıdır. Karar Ağırlıkları: MCDM yöntemlerinin çoğu, kriterlere önem ağırlıklarının atanmasını gerektirir. Genellikle, bu ağırlıklar toplamı bire kadar normalleştirilir. Bu ağırlıkların nasıl belirlenebileceği Bölüm 4 ve 5'de anlatılmıştır. Karar Matrisi: Bir MCDM problemi, bir matris formatında kolayca ifade edilebilir. Bir karar matrisi A, karar kriteri C açısından değerlendirildiğinde au öğesinin alternatif Ai'nin performansını gösterdiği bir (m X n) matristir; (i = 1,2,3, ..., m ve j = 1,2,3, ..., n için). Karar vericinin, karar kriterlerinin göreceli performans ağırlıklarını belirlediği de varsayılır (j = 1, 2, 3, ..., n için wj 'olarak gösterilir). Bu bilgi en iyi Tanım 1-1'de özetlenmiştir. Lütfen bu tanımda "hedefler" teriminin yerine kullanıldığını unutmayın. Tanım 1-1: İ = 1, 2, 3, ..., n} için A = {Ai 'bir (sonlu) karar alternatifleri seti ve j = 1, 2, 3, ..., m için G = {gj' olsun} bir eylemin istenebilirliğinin değerlendirildiği bir (sonlu) hedefler dizisi. Tüm ilgili hedeflere göre en yüksek derecede istenirlik ile en uygun alternatif A'yı belirleyin. MCDM YÖNTEMLERİNİN SINIFLANDIRILMASI Önsözde de belirtildiği gibi, literatürde pek çok MCDM yöntemi bulunmaktadır. Her yöntemin kendine has özellikleri vardır. MCDM yöntemlerini sınıflandırmanın birçok yolu vardır. Bir yol, onları kullandıkları veri türüne göre sınıflandırmaktır. Yani, deterministik, stokastik veya bulanık MCDM yöntemlerine sahip olabiliriz (bulanık MCDM yöntemlerine genel bir bakış için bakınız. Ancak, yukarıdakilerin (stokastik ve bulanık gibi) tümünün kombinasyonlarını içeren durumlar olabilir. MCDM yöntemlerini sınıflandırmanın bir başka yolu, karar sürecine dahil olan karar vericilerin sayısına göredir. Dolayısıyla, tek karar verici MCDM yöntemlerine ve grup karar vericilerine sahibiz MCDM (sonraki sınıf hakkında daha fazla bilgi için okuyucu Grup Karar Verme dergisine göz atmak isteyebilir). Bu kitapta dikkatimizi tek karar vericinin belirleyici MCDM yöntemlerine yoğunlaştırıyoruz. MCDM yöntemleri de bilginin türüne ve bilginin göze çarpan özelliklerine göre sınıflandırıldı. Şekil 1-2'de bir dizi MCDM yönteminin taksonomisi verilmiştir ([Chen ve Hwang, 1991] 'den uyarlandığı gibi). Şekil 1-2'de bahsedilen yöntemlerin kısa bir açıklaması için, ilgilenen okuyucu [Hwang, 1987] veya [Chen ve Hwang, 1991] ile görüşmek isteyebilir. Ağırlıklı toplam modeli (WSM), analitik hiyerarşi süreci (AHP), revize edilmiş AHP, ağırlıklı ürün modeli (WPM), ELECTRE ve TOPSIS yöntemi daha sonraki bölümlerde açıklanmıştır ve en yaygın kullanılanlardır. . Son olarak, burada MCDM yöntemlerini sınıflandırmanın birçok alternatif yolu olduğu belirtilmelidir. Ancak, öncekiler en yaygın şemalardır. ÇOK KRİTERLİ KARAR VERME YÖNTEMLERİ ARKA PLAN BİLGİLERİ Karar yöntemlerinin ve varyantlarının sürekli çoğalmasıyla birlikte, karşılaştırmalı değerlerinin anlaşılması önemlidir. Yöntemlerin her biri, karar vericilerin farklı bir dizi alternatif karar arasından seçim yapmalarına yardımcı olmak için sayısal teknikler kullanır. Bu, alternatiflerin belirli kriterler üzerindeki etkisine ve dolayısıyla karar vericilerin genel faydasına dayanarak elde edilir. Karar yöntemlerini karşılaştırmaya ve en iyisini seçmeye çalışırken her zaman ortaya çıkan zorluk, bir paradoksa ulaşılmasıdır, yani, en iyi karar verme yöntemini seçmek için hangi karar verme yöntemi kullanılmalıdır? Bu sorun ilerleyen bölümlerde incelenmektedir. 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 (9) – 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.


Önceki teorem, karar vericinin tüm ikili karşılaştırmaların yalnızca en yakın değerlerini belirleyebileceğine dair en uygun varsayım altında, ortaya çıkan CDP matrislerinin tutarsız olabileceğini belirtir. Bu bölümün aşağıdaki paragrafları, CDP matrislerinin CImax olarak belirtilen maksimum tutarlılık konusunu tartışmaktadır. Aşağıdaki lemma, bir CDP matrisinin ikili karşılaştırmalarıyla ilişkili maksimum hata omax ile ilgili ilginç bir sonuç sağlar. Maksimum hata omax aşağıdaki gibi tanımlanır:

  • omax = maks (eij – 1),

Burada: eij = ay (wj / w;), foranyi, j = 1,2,3, …, n. Au’lar ikili bir matrisin girdileridir ve Wi ‘Wj, sırasıyla i ve j varlıklarının gerçek ağırlıklarıdır.

Lemma 3-1:
İkili karşılaştırmaları ölçmek için bir ölçek aşağıdaki (2k + 1) ayrı değerlerde tanımlansın:

  • fVk ‘Vk_I, Vk_Z’ •••, Vz, VI ‘1, 1lVI’ IIVz, …, IlVk_z, IIVk_I, IIVJ, V;> 0, foranyi = 1,2,3, …, k, veVI> 1.

Daha sonra, bir CDP matrisindeki ikili karşılaştırmaların maksimum hatası olan 0max ‘aşağıdaki formülle verilir:

Kanıt:
İkili bir karşılaştırmanın ex’e eşit gerçek (ve dolayısıyla bilinmeyen) değeri olduğunu varsayalım, 1-a aralığının orta noktası M olsun.

Daha sonra, bu belirli ikili karşılaştırma için en büyük 0 değeri, ex değeri orta nokta M ile çakıştığı zaman ortaya çıkar. Bu doğrudur çünkü bu durumda, mevcut ölçeğin izin verdiği değerlerden en yakın değer, ex’den en büyük mesafeye sahiptir.

Yani, karar vericinin en yakın değeri seçeceği varsayımı altında (yani, mümkün olduğu kadar doğru olacaktır), bu ikili karşılaştırmanın değeri 1Il-j veya 11 “1’e eşit olacaktır. 1 ‘İlk durumda, 0 olarak adlandıracağımız karşılık gelen oval:

Benzer şekilde ikinci durumda ~ olarak adlandıracağımız 0 değeri olur. Genel olarak varsayıldığı için: lIVk Vk, 0max olarak gösterilen maksimum 0 değerinin aşağıdaki formülle verildiğini takip eder.

Önceki değerlendirmelerde ve bu bölüm boyunca, ikili karşılaştırmaların gerçek değerlerinin [Vk ‘1 / VJ.] olması gerekir. Aralığında olduğu varsayılmıştır. Bunun yerine, gerçek oranların sıfırdan sonsuza kadar olmasına izin verilseydi, o zaman ilgili hatalar sonsuz büyük olabilirdi. Başka bir deyişle, gerçek oranların söz konusu ölçeğe göre değerler aldığı varsayılır.

Bu kısıtlayıcı görünse de, karar verici ayrık ve sonlu bir ölçek kullanarak ikili karşılaştırmaları yaklaşık olarak belirlemeye çalıştığında sonsuz büyük hatalara sahip olma olasılığını ortadan kaldırır. Dahası, bu mantıklı bir varsayımdır, çünkü çoğu zaman ikili şekilde karşılaştırılacak varlıkların bir şekilde birbirleriyle bir şekilde yakından ilişkili (yani benzer) olduğu ve aşırı durumlara izin vermediği varsayılır. Bu nedenle, tahmin sürecinde sonsuz büyük hatalara izin vermemek mantıklıdır. Daha sonra, Lemma 3-1, rastgele CDP matrislerinin ClmilX olarak belirtilen maksimum CI indeksinin değeriyle ilgilenen Teorem 3-2’yi kanıtlamak için kullanılır.

Teorem 3-2:

İkili karşılaştırmaları ölçmek için bir ölçek aşağıdaki (2k + 1) ayrı değerlerde tanımlansın:

  • [Vk ‘Vk_]’ Vk-2 ‘•••, V2, V]’ 1, 1IV], IIV2, •• ·, IlVk_2, IlVk_], IIVJ,
    V;> 0için = 1,2,3, …, k.

Daha sonra, elde edilen CDP matrisleri için Clmox olarak belirtilen maksimum tutarlılık indeksinin bir üst sınırı aşağıdaki ilişki ile verilir:

Kanıt:
Bu teoremin kanıtı, [Saaty, 1980] ‘de belirtilen Teorem 7-16’ya dayanmaktadır. Bu teoreme göre aşağıdaki ilişki her zaman doğrudur:

~ x-n ~ (n-1) / 202max, (3-1) 5max böyle tanımlanır.

  • Omax = maks {eij-I}, andeij = ay (w / wi),} = 1,2,3, …, n olur.

Aij’ler ikili (yargı) matrisinin girdileridir ve Wi ‘Wj sırasıyla gerçek ağırlıklarıdır. Yukarıdaki ilişkiden (3-1), şunu elde ederiz:

CDP matrisleri için, 5max olarak gösterilen maksimum 0 değeri aşağıdaki şekilde belirlenebilir (ayrıca Lemma 3-1’e bakın):

Bu nedenle, CDP matrislerinin maksimum tutarlılık indeksi, CI.nax şu ilişkiyi karşılar: burada omax, önceki ilişki (3-3) tarafından verilir. 

Orijinal Saaty ölçeğinde ikili karşılaştırma, ayrık kümedeki değerleri alır: e = {9, 8, 7, …, 3, 2, 1, 112, 113, …, 117, 118, 1I9}. Bu nedenle, omax’ın 113’e eşit olduğu kolaylıkla doğrulanabilir ve bu nedenle orijinal Saaty ölçeği kullanıldığında aşağıdaki Sonuç 3-1 doğrudur.

Sonuç 3-1:

Orijinal Saaty ölçeği kullanıldığında, karşılık gelen CDP matrislerinin maksimum tutarlılık indeksi Clmax’ın üst sınırı şöyledir:

Şekil 3-2, orijinal Saaty ölçeğine dayanan rastgele oluşturulmuş CDP matrislerinin maksimum, ortalama ve minimum tutarlılık indekslerini göstermektedir. Yani, önce rastgele bir RCP matrisi oluşturuldu. Daha sonra ilgili CDP matrisi türetildi ve CI değeri hesaplandı ve kaydedildi (ayrıca bkz. [Triantaphyllou, ve diğerleri, 1990]). Bu deney, 3,4,5, …, 100’e eşit her n değeri için 1.000 kez gerçekleştirildi.

1000 rastgele oluşturulmuş CDP matrisinin numunelerinin maksimum ve minimum CI değerlerine karşılık gelen eğrilerin oldukça düzensiz olduğunu gözlemlemek ilginçtir. Bu tahmin edildi çünkü rastgele CDP matrislerinin 1.000 CI değerinden oluşan bir örnekten uç bir durum bulması çok muhtemeldir.

Öte yandan, rasgele CDP matrislerinin ortalama CI değerlerini gösteren orta eğri çok düzgündür. Bu aynı zamanda tahmin edildi çünkü birkaç aşırı CI değerinin etkisi, rastgele CDP matrislerinin büyük bir örneği (1.000 boyutunda kullandıklarımız gibi) düşünüldüğünde azaldı.

Ayrıca, aynı sonuçlar, n’nin değeri 20’den büyük olduğunda ortalama CI değerinin 0.0145 sayısına yaklaştığını göstermektedir. Rastgele Saaty matrislerinin CI değerlerinden daha fazlası yani CDP matrisleri olması gerekmez. 

Bu bölümdeki sonuçlar, CDP matrislerinin (ilgili ikili karşılaştırmaların oldukça etkili bir şekilde ortaya çıkarılmasının sonucu olduğu varsayılır) mükemmel tutarlı olma ihtimalinin çok düşük olduğunu ortaya koymaktadır. Yani, bazı küçük tutarsızlıklar, hiç tutarsızlık olmamasından daha iyi olabilir! (Beşten fazla eleman içeren kümeler dikkate alındığında CI sıfıra eşit CDP matrisi bulunmadığından). Bu karşı-sezgisel durum, teorik olarak bu bölümdeki lemmalar ve teoremlerle açıklanabilecek başka bir paradoksal fenomeni oluşturur.

İki Değerlendirme Kriteri

[Triantaphyllou ve Mann, 1990] ‘da Saaty’nin özdeğer yönteminin etkililiğinin değerlendirilmesi bir süreklilik varsayımına dayanıyordu. Bu süreklilik varsayımı altında, özdeğer yaklaşımının daha kötü alternatiflerin gerçekte gerçekten daha iyi olan alternatiflerden daha iyi görünmesine neden olabileceği ortaya çıkar.

Bu çalışmada iki tür sıralama tutarsızlığı incelendi. İlk tür “sıralamanın tersine çevrilmesi” idi. Örneğin, üç varlık kümesinin gerçek sıralaması (1, 3, 2) ‘ye eşitse ve bir yöntem (1, 2, 3) sonucunu verdiyse, o zaman bir sıralama tersine çevirme durumunun meydana geldiği söylenir. İkinci tür, “ayrım gözetmeden sıralama” idi. Örneğin, üç varlıktan oluşan bir kümenin gerçek sıralaması (1,3,2) ‘ye eşitse ve bir yöntem (1, 2, 2), yani iki veya daha fazla varlık arasında bir bağ sağladıysa, sıralamada ayrımcılık meydana gelmişti. Çeşitli ölçeklerin etkililiğini incelemek için CDP matrisleri kavramı kullanılabilir.

Yani, bir CDP matrisinin ima ettiği sıralama (önceki bölümde bahsedildiği gibi, bir karar vericinin verebileceği en iyi kararları temsil eder), karşılık gelen RCP matrisi tarafından gösterilen gerçek sıralama ile aynı olmalıdır. Bu nedenle, ikili karşılaştırmaları nicelleştiren herhangi bir ölçeğin etkinliğini araştırmak için bir sonraki yazıda yer alacak olan iki değerlendirme kriteri getirilebilir.


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.