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.
ANP ve DEMATEL yöntemlerinin prosedürlerini net bir şekilde göstermek için, bu çalışma bir durum önermektedir (Durum 1). Durum 1'in üç faktöre sahip olduğunu varsayıyoruz: Küme 1, Küme 2 ve Küme 3 (burada "faktör", "öğe", "küme" veya "ölçüt" olabilir; ancak, aşağıdaki adımları örneklemek için ANP prosedürlerinde “faktörleri” “kümeler” ile değiştiririz).
İlk olarak, toplam etki matrisi T'yi türetmek için yukarıdaki Adım 1'den Adım 4'e kadar çalışırız; daha sonra, Denklem 13.13'te olduğu gibi, T matrisinin kriterlerindeki küçük etkileri filtrelemek için bir eşik değeri α belirleriz. Daire içine alınmış parçalar aşağıdaki denklemde α değerinden daha yüksekse, Şekil 13.2'deki gibi NRM'leri gösterilebilir.
Adım 5 ila Adım 7'yi göstermek için Şekil 13.2'deki yapıyı kullanıyoruz. İlk olarak, ağırlıksız süpermatris aşağıdaki denklemle açıklanmaktadır.
O zaman Denklem 13.8'deki α-kesim toplam etki matrisi Tα, daha sonra d =? aşağıdaki matriste olduğu gibi sütunlarını bölmek için kullanılır.
Daha sonra, normalize matris Ts'yi ve ağırlıksız süpermaks W'yi benimser ve Denklem 13.16'daki gibi ağırlıklı süpermatris Ww'yi hesaplamak için Denklem 13.11'i kullanırız.
İçte, ağırlıklı süper matris yakınlaşana kadar sınırlıdır ve denklem 13.12'de olduğu gibi uzun vadeli kararlı bir süper matris haline gelir.
Ek olarak, sınırlayıcı süper matris tek değilse, örneğin,
N = 3 ve lim Wk {W1, W2, W3},
nihai ağırlıklı sınırlayıcı süper matris önceden k → ∞ w durumunda aşağıdaki matris olarak gönderilir:
Wf = 13W1 + 13W2 + 13W3.
Kısaca, kararlı bir sınırlayıcı süper matris, yukarıdaki adımlar kullanılarak türetilebilir. Genel ağırlıklar da elde edilir. Bu bölümün ikinci amacı, ANP prosedürlerinde ağırlıksız süper matrisin normalleşmesini sağlamak için DEMATEL ve ANP'yi birleştiren uygulanabilir bir model önermektir ve karşılıklı bağımlılık ve geri bildirim problemini ele almaktır. Yukarıda açıklanan önerilen model, gerçek dünya uygulamalarında geleneksel yönteme göre daha uygun ve rasyoneldir.
Vikor Yöntemi
Uzlaşma sıralama yöntemi (VIKOR yöntemi olarak adlandırılır) Opricovic ve Tzeng tarafından MCDM içinde uygulanacak uygulanabilir bir teknik olarak önerilmiştir (Tzeng ve diğerleri 2002, 2005; Opricovic ve Tzeng 2002, 2004, 2007). Alternatiflerin A1, A2, ..., Ai, ..., Am olarak gösterildiğini varsayıyoruz. Kriterin derecelendirmesi (performans puanı), alternatif Ai için fij ile gösterilir, wj, j = 1,2, ..., n ve n'nin olduğu kriterlerin göreli önemini ifade eden j. Kriterin ağırlığıdır. kriter sayısıdır. VIKOR yöntemi aşağıdaki Lp-metrik formuyla başladı.
Uzlaşmacı çözüm mini Lip, değeri ideal / istenen seviyeye en yakın olduğu için seçilecektir. Ek olarak, p küçük olduğunda grup faydası vurgulanır (p = 1 gibi), p arttığında, bireysel pişmanlıklar / boşluklar daha fazla ağırlık alır (Freimer ve Yu 1976). Bu nedenle, mini Si maksimum grup kullanımını vurgularken, mini Qi maksimum bireysel pişmanlıkların minimumunu seçmeyi vurgular. Yukarıdaki kavramlara dayanarak, uzlaşma sıralama algoritması VIKOR aşağıdaki adımlara sahiptir.
Adım 8: Tüm kriter fonksiyonlarının en iyi fj * ve en kötü fj− değerlerini belirleyin,
j = 1,2, ..., n fonksiyonunun bir faydayı temsil ettiğini varsayarsak, f * = maks f (veya istenen bir seviyeyi belirleme) ve fj = mini fij (veya tolere edilebilir bir seviye belirleme). Alternatif olarak, jth fonksiyonunun bir maliyeti temsil ettiğini varsayarsak, f * = min f (veya istenen bir seviye belirleme) ve fj = mini fij (veya tolere edilebilir bir seviye belirleme) söz konusu olur.
Ayrıca, orijinal bir derecelendirme matrisi, aşağıdaki formülle normalleştirilmiş bir ağırlık derecelendirme matrisine dönüştürülür:
r = (f * −f) (f * −f−).
Adım 9: İlişkileri kullanarak Si ve Qi, i = 1,2, ..., m değerlerini hesaplayın.
Q = maks {wr j = 1,2, ..., n}.
Adım 10: İlişkiyi kullanarak Ri, i = 1,2, ..., m indeks değerlerini hesaplayın.
Ri = v (Si −S *) (S− −S *) + (1 − v) (Qi −Q *) (Q− −Q *)
S * = maxiSi, S− = maxiSi, Q * = maxiQi, Q− = maxiQi (burada ayrıca en iyi değeri 0 ve en kötü değeri 1 olarak ayarlayabiliriz) ve 0≤v≤1, burada v, bir maksimum grup faydası stratejisi için ağırlık, 1 - v ise bireysel pişmanlığın ağırlığıdır. Başka bir deyişle, v> 0.5 olduğunda, bu, maksimum grup faydası stratejisini (yani, v büyükse, grup faydası vurgulanır) veya v ≈ 0.5 olduğunda fikir birliği ile kullanabilen bir karar verme sürecini temsil eder veya veto ile v <0.5. Ayrıca S * = 0, S− = 1, Q * = 0 ve Q− = 1 olduğunda denklem 13.24'ü Ri = vSi + (1 − vi) Qi olarak yeniden yazabiliriz.
Adım 11: {Si, Qi ve Ri | değerlerine göre sıralayarak alternatifleri sıralayın.
i = 1,2, ..., m}, azalan sırada. Bir uzlaşma olarak, min {Ri | ölçüsüne göre ilk sırada yer alan alternatifi (A (1)) önerin. i = 1,2, ..., m} aşağıdaki iki koşul karşılamalıdır.
C1. Kabul edilebilir avantaj: R (A (2)) - R (A (1)) ≥ 1 / (m - 1), burada A (2), R'ye göre sıralama listesinde ikinci konuma sahip alternatiftir; m, alternatiflerin sayısıdır.
C2. Karar vermede kabul edilebilir istikrar: Alternatif A (1) ayrıca Si veya / ve {Qi | i = 1,2, ..., m}. Koşullardan biri karşılanmazsa, aşağıdakilerden oluşan bir dizi uzlaşma çözümü önerilir:
1. Yalnızca C2 koşulu karşılanmazsa A (1) ve A (2) alternatifleri.
2. C1 koşulu karşılanmazsa A (1), A (2), ..., A (M) alternatifleri; A (M), maksimum M için R (A (M)) - R (A (1)) <1 / (m - 1) ilişkisi ile belirlenir (bu alternatiflerin konumları birbirine yakındır).
Uzlaşma çözümü, uzlaşma sıralama yöntemiyle belirlenir; elde edilen uzlaşma çözümü karar vericiler tarafından kabul edilebilir çünkü çoğunluğun maksimum grup faydasını (minS, Denklem 13.22 ile temsil edilir) ve rakibin minimum bireysel pişmanlığını (minQ, Denklem 13.23 ile temsil edilir) sağlar. Model, bağımlılık ve geri bildirim ile kriterlerin ağırlıklarını elde etmek için Bölüm 13.2.1 ve 13.2.2'deki DEMATEL ve ANP prosedürlerini kullanır. VIKOR yöntemi kullanılarak, uzlaşma çözümü elde edilir.
UYGULAMALAR İLE İLGİLİ DEĞERLENDİRME ÖRNEĞİ
Bu bölümde, önerilen yöntemi göstermek için uygulamalarla sayısal bir örnek sunuyoruz. Ağ yapısını DEMATEL prosedürlerini kullanarak, yani Adım 1'den Adım 4'e kadar inşa ediyoruz. Daha sonra, ANP'nin ağ yapısındaki özelliklerin ağırlıklarını elde etmek için Adım 5 ila Adım 7'yi kullanarak sınırlı süper matrisi hesaplıyoruz. Son olarak, sıralama indeksini elde etmek için ANP ve VIKOR yönteminden Adım 8 - Adım 11) ağırlıkları kullanırız.
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 Amaçlı Karar Verme (35) – Vikor Yöntemi – 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…
