Ödevcim Online, Çok Amaçlı Karar Verme, Çok Amaçlı Karar Verme Nedir, Yöneylem Nedir, 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 

Çoklu Kriter Ayrıştırma Yapma Profili

Karar verme süreçleri bir dizi adımı içerir örneğin: sorunların belirlenmesi, tercihlerin oluşturulması, alternatiflerin değerlendirilmesi ve en iyi alternatiflerin belirlenmesi vb. Genel olarak, karar verme problemlerini çözmek için üç tür resmi analiz kullanılabilir (Bell, Raiffa ve Tversky 1988; Kleindorfer ve diğerleri 1993):

• Tanımlayıcı analiz, karar vericilerin (DM) gerçekten çözdüğü problemlerle ilgilenir.
• Kuralcı analiz, DM’nin kararlarını iyileştirmek için kullanması gereken yöntemleri dikkate alır.
• Normatif analiz, DM’nin ideal olarak ele alması gereken sorunlara odaklanır.

Tanımlayıcı analiz (veya sözde davranış kararı araştırması) özellikle psikoloji, pazarlama ve tüketici araştırması alanlarında ele alındığından, bu yazı dizisinde konularımızı normatif analiz ve kuralcı analizle sınırlıyoruz. Bu arada, normatif analiz ve kuralcı analiz karar bilimi, ekonomi ve yöneylem araştırması (OR) alanlarında ele alınmaktadır.

Tek kriterli sorunları ele alırken karar verme son derece sezgiseldir, çünkü sadece en yüksek tercih derecesine sahip alternatifi seçmemiz gerekir. Bununla birlikte, DM birden fazla kriter içeren alternatifleri değerlendirdiğinde, kriterlerin ağırlıkları, tercihe bağlılık ve kriterler arasındaki çelişkiler gibi birçok problem problemleri karmaşıklaştırıyor gibi görünmekte ve daha sofistike yöntemlerle aşılması gerekmektedir.

Çok kriterli karar verme (MCDM) problemleriyle başa çıkabilmek için ilk adım, problemde kaç tane özellik veya kriter bulunduğunu ve problemlerin yolunu nasıl kavrayacağınızı (yani problemleri tanımlama) bulmaktır. Daha sonra, DM tercihlerinin doğru bir şekilde yansıtılabileceği ve dikkate alınabileceği (yani tercihleri ​​oluşturarak) uygun verileri veya bilgileri toplamamız gerekir. Daha fazla çalışma, hedefe ulaşılacağını garanti etmek için bir dizi olası alternatif veya strateji oluşturur (yani, alternatifleri değerlendirmek). Bu çabalar aracılığıyla bir sonraki adım, olası alternatifleri veya stratejileri değerlendirmemize ve geçmemize veya iyileştirmemize (yani, en iyi alternatifi bulma ve belirleme) yardımcı olacak uygun bir yöntem seçmektir.

MCDM alanındaki sistematik araştırmayı kolaylaştırmak için Hwang ve Yoon (1981), MCDM problemlerinin iki ana kategoriye ayrılabileceğini öne sürmüşlerdir: farklı amaçlara ve farklı amaçlara dayalı çok öznitelikli karar verme (MADM) ve farklı veri türleri. İlki, genellikle sınırlı sayıda önceden belirlenmiş alternatifler ve ayrı tercih derecelendirmeleriyle ilişkilendirilen değerlendirme fasetinde uygulanır. İkincisi, verilen kısıtlamalar dahilindeki çeşitli etkileşimleri göz önünde bulundurarak optimal veya beklenen hedeflere ulaşmayı amaçlayan tasarım / planlama yönü için özellikle uygundur. Bununla birlikte, geleneksel MCDM yalnızca kesin karar sorunlarını dikkate alır ve grup kararları ve belirsiz tercihler gibi belirli gerçek dünya sorunları için genel bir paradigmadan yoksundur.

Bu nedenle, gerçek dünyadaki çoğu MCDM problemi, doğal olarak, amaçlardan, yönlerden (veya boyutlardan), niteliklerden (veya kriterlerden) ve olası alternatiflerden (veya) oluşan bulanık MCDM problemleri (Zadeh 1965; Bellman ve Zadeh 1970) olarak görülmelidir. stratejiler). Daha spesifik olarak, bulanık ortamdaki MCDM problemlerini iki kategoriye ayırabiliriz: MADM ve MODM kavramlarına dayanan bulanık çok özellikli karar verme (FMADM) ve bulanık çok amaçlı karar verme (FMODM). MCDM’nin profili aşağıdaki Şekil 1.1’de gösterilmektedir.

Çoklu Kriter Ayrıştırmanın Tarihsel Gelişimi

MADM’nin tarihsel kökenleri, St. Petersburg paradoksunu tartışan Nicolas Bernoulli (1687-1759) ve Pierre Rémond de Montmort  arasındaki yazışmalara kadar uzanabilir.

St.Petersburg oyunu sorunu gösteriyor:
“Bir oyun, yazı gelene kadar adil bir yazı tura atılarak oynanır ve toplam çevirme sayısı, n, $ 2 × n’ye eşit olan ödülü belirler. Madeni para ilk kez tura gelirse, tekrar çevrilir ve bu böyle devam eder. 

Beklenen değer teorisine göre EV = ∑∞ (1/2) n × 2n olduğu ve beklenen değerin sonsuza gideceği hesaplanabilir. Ancak, bu sonuç n = 1 açıkça insan davranışına aykırıdır çünkü hiç kimse bu oyun için 1000 dolardan fazla ödeme yapmaya istekli değildir.

Petersburg paradoksunun cevabı Daniel Bernoulli fayda teorisi üzerine etkili araştırmasını 1738’de yayınlayana kadar mevcut değildi. St. Petersburg paradoksunun çözümünü ayrıntılı olarak açıklayan somut tartışmaları görmezden geliyoruz, ancak sonuca odaklanıyoruz insanların beklenen değere değil, fayda değerine göre kararlar vermesi ön plana çıkıyor. Fayda değerinin anlamı, insanların, en yüksek fayda değerine sahip alternatifi seçmeleridir.

MADM Sorunları

1947’de, von Neumann ve Morgenstern, oyun teorisine dayanan bir matematiksel ekonomik ve sosyal organizasyon teorisini ayrıntılı olarak tasarlamak için ünlü oyunları Theory of Games and Economic Behavior’ı yayınladılar. Hiç şüphe yok ki von Neumann ve Morgenstern’in büyük çalışması gerçekten de MADM’ye kapıyı açıyor. Kabaca konuşursak, MADM problemleriyle başa çıkma yöntemleri temelde çoklu nitelik fayda teorisine (MAUT) ve geçiş yöntemlerine ve PROMETHEE’ye yönelir.

MAUT, Bernoulli’nin fayda teorisine dayanarak, DM’nin genellikle hiyerarşik bir yapı olarak temsil edilebilen tercihlerini uygun bir fayda fonksiyonu kullanarak belirler. Fayda işlevini değerlendirerek, bir karar verici, en yüksek fayda değerine sahip en iyi alternatifi kolayca belirleyebilir. MAUT’un uygun fayda işlevini belirlemede birçok makale önerilmiş olsa da, MAUT’un ana eleştirisi gerçekçi olmayan tercihli bağımsızlık varsayımı üzerine yoğunlaşmaktadır.

Tercihli bağımsızlık şu şekilde tanımlanabilir: Bir kriterin başka bir kritere göre tercih sonucu, kalan kriterlerden etkilenmez. Bununla birlikte, kriterlerin genellikle pratik MCDM problemlerinde etkileşimli olduğu vurgulanmalıdır. Bu eklemeli olmayan sorunun üstesinden gelmek için “Choquet İntegrali” önerilmiştir. Choquet integrali, artıklık ve destek / sinerji kavramını kullanan kriterler arasında belirli bir etkileşim türünü temsil edebilir. Bununla birlikte, Choquet integralinin başka bir kritik problemi ortaya çıkar: Bulanık ölçüler nasıl doğru bir şekilde belirlenir?

Karmaşık fayda fonksiyonları oluşturmak yerine, sıralama yöntemleri en iyi alternatif hakkında bilgi edinmek için alternatifler arasındaki tercih ilişkilerini karşılaştırır. Pratik problemlerin ele alınmasında fayda fonksiyonu ile yaşanan deneysel zorlukların üstesinden gelmek için geçiş metotları önerilmiş olsa da, geçiş metotlarının ana eleştirisi, klasik toplam problemler, yapısal problemler ve telafi edici olmayan problemler gibi aksiyomatik temellerin eksikliği olmuştur. 

1965’te, bulanık kümeler, dilbilimsel veya belirsiz bilgi sorunlarıyla yüzleşmek ve geleneksel küme teorisinin bir genellemesi olması için önerildi. Otomatik kontrol alanındaki başarılı uygulamalarla, öznel belirsizlik durumlarında MADM problemlerinin üstesinden gelmek için yakın zamanda bulanık setler MADM’ye dahil edilmiştir.

Ödevcim Online, Çok Amaçlı Karar Verme, Çok Amaçlı Karar Verme Nedir, Yöneylem Nedir, 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.

The post Çok Amaçlı Karar Verme (1) – Çok Amaçlı Karar Verme Nedir? – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma first appeared on Online Ödev Yaptırma, Tez Danışmanlığı ve Veri Analizi.