Çok Amaçlı Karar Verme Yöntemleri | Online (Parayla Ödev Yaptırma)

ÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (27) – DUYARLILIK ANALİZİ YAKLAŞIMI – Çok Amaçlı Karar Verme Nedir? – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma

odevcimonline — Sat, 17 Oct 2020 03:43:14 +0000

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, göreli benzerliğin ikili karşılaştırmaları durumunda, karşılaştırmalı yargılar, belirli bir özelliğin varlık çiftlerinde mevcut olma derecesinin farkını ifade eder. Bu nedenle, bu tür ikili karşılaştırmalarla oluşturulan matrisler simetriktir. Yani şu ifade şimdi doğrudur:

aij = aji ‘(n ~ i, j ~ 1 için).

Göreceli benzerliğin her ikili karşılaştırması, aij (n ~ i, j ~ 1 için), karar vericinin derecelerin I ~ – ~ I mutlak farkına ilişkin değerlendirmesini temsil eder i-th ve j’de belirli bir özellik mevcuttur. sırayla -th varlık. Bu tür karşılaştırmalar söz konusu olduğunda, karar verici doğrudan çiftlikler arasındaki benzerlik ilişkilerine odaklanır.

Buradaki ilgi ~ değerlerinin nasıl tahmin edileceği değil, bunun yerine, önceki farkların I ~ – ~ I nasıl tahmin edileceğidir.
Karar verici, benzerlik ölçeği kullanmakla sınırlı olduğundan, ayrık seçimler, iki metodolojik problem ortaya çıkar. İlk sorun, benzerlik karşılaştırmalarının nasıl ölçüleceğidir.

İkinci sorun, tüm n (n – 1) / 2 olası ikili karşılaştırmaların nasıl birleştirileceği ve n birim arasındaki gerçek benzerlik ilişkilerinin nasıl tahmin edileceğidir. Burada, ayrı bir benzerlik ölçeğiyle verilen seçimlerle ilişkili sayısal değerler ne olursa olsun, benzerlik ikili karşılaştırmalarını birleştirmeye ve gerçek benzerlik ilişkilerini tahmin etmeye her zaman ihtiyaç olduğu belirtilmelidir. Görünüşe göre, bu iki problem önceki bölümlerde anlatılan problemlere benzer.

Göreli Benzerliğin İkili Karşılaştırmalarının Ölçülmesi

Göreceli öneme sahip ikili karşılaştırmalarda olduğu gibi, göreli benzerliğin ikili karşılaştırmalarını ölçmek için bir ölçeğe ihtiyaç vardır. Bir karar verici, yargılarına doğrudan sayısal değerler atayamaz. Bunun yerine, karşılaştırmalı yargılarını verimli ve etkili bir şekilde değerlendirmek için bazı dilbilimsel ifadeler kullanabilir.

1846’da Weber tarafından ve daha sonra Miller tarafından, göreli öneme sahip ikili karşılaştırmaları ölçmek için ölçek geliştirmede kullanılan gözlemler, benzerlik temelli karşılaştırmalarla uğraşırken de uygulanabilir.

Bu bölümün ana amacı benzerlik temelli bir ölçek geliştirmek olmasa da, böyle bir ölçek sunulmuştur. Bu ölçek dil seçimi olarak [Ruspini, 1991] ‘de vurgulanan sembolik yapıların bir uzantısını kullanır.

Daha önce gösterilen ölçeklerin bu ölçekle yakından incelendiğinde, önerilen ölçeğin varlıkların göreceli önemi yerine açıkça benzerlik ilişkilerine odaklandığı ortaya çıkar.

Çok Amaçlı Karar Verme Yöntemleri ile ilgili aramalar

Çok kriterli karar verme yöntemleri ppt

Çok Kriterli karar Verme yöntemleri PDF

Çok kriterli karar verme problemleri

Çok amaçlı karar verme YÖNTEMLERİ

Çok kriterli karar VERME yöntemleri sınıflandırma

Çok KRİTERLİ Karar Verme yöntemleri tez

Çok KRİTERLİ KARAR VERME YÖNTEMLERİ sınıflandırma

TOPSIS yöntemi

Göreli Benzerliğin İkili Karşılaştırmalarını İşleme

(İ, j) ikili karşılaştırmasının gerçek (ve dolayısıyla karar vericinin bilmediği) değerinin (Xi} ‘ye eşit olduğunu varsayalım (burada (Xi} ~ 0). Bu değer (Xi} şunun mutlak değerine eşittir) Wi ve llj’nin derece (benzerlik değeri) olduğu fark (W; – llj), sırasıyla i-inci ve j-inci varlıklarda belirli bir özellik mevcuttur. Yani, aşağıdaki doğrudur:

(Xi} = (Xji = IW; -llj I. (5-1)

Karar vericinin ((i, j) ikili karşılaştırmanın değerine ilişkin değerlendirmesinde) ayrı sayısal değerlere sahip bir benzerlik ölçeği kullanmak zorunda olduğundan, büyük olasılıkla dilsel bir seçim (“çok benzer” gibi) “veya” neredeyse benzer “vb.) sayısal bir değerle ilişkilendirilir (aij olarak gösterilir) ‘Umarım, bu değer gerçek değere çok yakın olur (Xij’ Bu nedenle, her karşılaştırmada bir hata faktörü Xij eklenir. Bu nedenle, aşağıdaki ilişki doğrudur:

Xij aij = ~ iaji = WW

1’e, ancak ve ancak aij değeri (karar verici tarafından verilen) ve gerçek değer (Xij aynı ve aij> O ise). Aksi takdirde, Xij 1 olmaktan ne kadar uzaksa, iki değer aij ve (Xij vardır.
Bu noktada, genelliği kaybetmeden, değerler arasında aşağıdaki sıralamanın var olduğunu varsayalım.

WI ‘W 2, W 3, …, Wn: WI ~ W2 ~ W3 ~’ “~ Wn ·

Bu sıralama her zaman mümkündür çünkü W; n öğenin (n ~ i ~ 1) değerleri yukarıdaki (5-3) ‘teki gibi değildir, bu durumda indekslerinin yeniden düzenlenmesi (5-3) olarak ifade edilen sıralamaya ulaşabilir.

Daha sonra, sırasıyla her üç varlık arasındaki olası tüm ikili karşılaştırmaları ele alalımAi’Aj veAkwithimilarityvaluesequaltoW; “‘} ve Wk, (burada: n ~ i> j> k ~ 1). Ardından, önceki ifadeleri birleştirerek (5- 2) ve (5-3), aşağıdaki ifadeler türetilmiştir:

İlgili n tane varlık verildiğinde, önceki gibi olası ifadeler vardır. Bu ifadeler n (n – 1) / 2 değişkeni içerir (not: Xij = ~ iandaij = aji, foranyn ~ i, j ~ 1). Sistem (5-4) için açık bir çözüm, herhangi bir n ~ i, j ~ 1 için Xij = 0’ı ayarlamaktır. Bununla birlikte, burada 1’e mümkün olduğunca yakın olan Xij değerlerini belirlemeye çalışmak mantıklıdır. Yani, aşağıdaki kareler toplamını en aza indiren Xij değerlerini bulmak için, hata karelerinin toplamını en aza indirme kavramı çok yaygındır.

Bilim ve mühendislikte birçok hata tahmin probleminde (ayrıca Bölüm 4.3 ve 4.4’e bakınız). İfade (5-5), ancak ve ancak tüm Xi} değişkenleri 1’e eşitse optimum 0 değerine ulaşır. Önceki tartışmadan, n (n – l) (n – 2) / 6 tür ifadeleri izlenir. Yukarıdaki (5-4), kısıtlamaların gövdesini oluştururken, ifade (5-5), önceki kısıtlamalara tabi olarak en aza indirilmesi gereken doğrusal kısıtlamalara sahip ikinci dereceden bir problemin nesnel işlevidir.

Bu ikinci dereceden programlama problemi, kolaylıkla eşdeğer bir doğrusal denklem sistemine dönüştürülebilir. Bu doğrusal denklem sistemi, yararlanılabilen özel bir yapıya sahiptir ve bu nedenle çok verimli bir şekilde çözülebilir. Önceki değerlendirmeler, bir sonraki kapsamlı sayısal örnek aracılığıyla daha ayrıntılı açıklanmıştır.

Kapsamlı Bir Sayısal Örnek

Bir karar vericinin, ilgilenilen dört (yani n = 4) varlık arasındaki benzerlik ilişkilerini tahmin etmesi gerektiğini varsayalım. AI ‘A2 • A3 ve A4 olarak gösterilir • Ayrıca, gerçek (dolayısıyla karar vericinin bilmediği) WI’ W2, W3 • ve W4 değerlerinin sırasıyla 0.92.0.74.0.53 ve 0.28’e eşit olduğunu varsayalım. . Başka bir deyişle, gerçek (ve dolayısıyla bilinmeyen) benzerlik ikili karşılaştırmaları matris A’yı aşağıdaki gibi oluşturur:

Yukarıdaki matriste giriş (1,2) 0,18’e eşittir çünkü 0,92 – 0,74 = 0,18. Matris A’daki diğer girişler için benzer bir açıklama geçerlidir.

Karar verici, önceki karşılaştırmaların kesin değerlerini belirleyemez. Ancak, yargılarını ölçmek için Tablo 5-1’de gösterilen ölçeği kullanabilir. Karar vericinin, A matrisindeki karşılık gelen gerçek değere en yakın sayısal değere sahip olan ölçekten bu seçimi her zaman yapabileceğini varsayarsak, aşağıdaki matris B, karar vericinin türetebileceğini varsaydığımız ikili karşılaştırmaları temsil eder.

The post ÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (27) – DUYARLILIK ANALİZİ YAKLAŞIMI – Çok Amaçlı Karar Verme Nedir? – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma first appeared on Online (Parayla Ödev Yaptırma).

Çok Amaçlı Karar Verme (53) – Kurumsal İntranet Web Siteleri İçin Bulanık İntegral – Çok Amaçlı Karar Verme Nedir? – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma

odevcimonline — Mon, 28 Sep 2020 12:48:53 +0000

Ampirik Durum: Kurumsal İntranet Web Siteleri İçin Bulanık İntegral

Önceki bölümde λ-fuzzy ölçümünü ve Choquet integralini kullanmanın avantajları tartışıldı. Bu bölümde, önerilen yaklaşımın uygulanabilirliğini göstermek için bir intranet web sitesi değerlendirmesi örneği kullanılmıştır. Ampirik vaka arka planı, problem ifadesi ve çok özellikli değerlendirme modeli aşağıda tartışılmaktadır.

Arka Plan ve Sorun Bildirimi

Web siteleri endüstri, eğitim, hükümet ve diğer kurumlarda yaygın olarak kullanılmaktadır. Ek olarak, elektronik ticaret (EC) faaliyetleri geniş çapta tartışılmıştır (D’Ambra ve Rice 2001). EC, ticari kuruluşların maliyetleri düşürmesine, müşterilerle doğrudan etkileşime girmesine ve daha verimli çalışmasına yardımcı olarak bir kuruluşun daha rekabetçi olmasına yardımcı olabilir. Intranet web siteleri EC’ye göre daha az tartışılır.

Ancak, etkili kurumsal intranet web sitelerinin, karar vericilerin yeniliği teşvik etmek, bilgi alışverişini teşvik etmek ve şirket çalışma çabalarını teşvik etmek için önemli bilgi veya bilgi edinmesine yardımcı olabileceği unutulmamalıdır. Buna göre, bazı işletmelerin intranet web sitesi performansları için yıllık yarışmaları vardır. Bu nedenle, web sitesi başarısı ile ilgili faktörlerin değerlendirilmesi gereklidir. Genel olarak, intranet web sitesi performansının değerlendirilmesi bir MADM sorunudur ve aynı zamanda insanların öznel karar vermesini de içerir. Sonuç olarak, λ-bulanık ölçü ve Choquet integrali kullanılarak uygun şekilde karakterize edilebilir. Bu araştırma, λ-fuzzy ölçümünü ve Choquet integralini kullanarak yaklaşımı göstermek ve işletmenin intranet web sitelerini değerlendirmek için hiyerarşik bir değerlendirme sistemini modellemek için bu deneysel durumu kullanır.

Hiyerarşik Çok Özellikli Bir Değerlendirme Sistemi Oluşturmak

Bu sistemde aşağıdaki gibi üç aşama vardır:

(1) kurumsal intranet web sitelerinin hiyerarşik bir sistemi kurulur, özellik bilgisi toplanır ve bilgi toplama yolları belirtilir;

(2) kriterlerin önem derecesi belirlenir ve alt kriterlerin performans puanları anket araştırmasından elde edilir; ve

(3) genel değerlendirme Choquet integrali ile elde edilir.

Kriterler İçin Yönler ve Performans Puanları Oluşturma

Vaka kurumsal intranet web siteleri için değerlendirilen yön bilgileri, Tayvan hükümeti web siteleri ve vaka girişiminin ilişkisel ihtiyaçları için değerlendirme planından alınmıştır. Bununla birlikte, kurumsal intranet web siteleri çalışanlar için hizmetler sağlar, bu nedenle sıradan insanlar olan devlet web sitelerinin hizmet nesnelerinden farklıdırlar.

Bu nedenle bilgiler, vaka işletmenin ihtiyaçlarına göre güncellenir. İçerik kalitesini artırmak için seçilen kriterler
ve alt kriterler de vaka işletmesindeki web siteleri kurma deneyimi olan işçilerle tartışıldı. Vaka kurumsal intranet web siteleri için önerilen hiyerarşik değerlendirme sistemi Şekil 18.2’de listelenmiştir. Tüm ayrıntılı hususlar / kriterler / alt kriterler Ek 18.3’te listelenmiştir. Son olarak, alt kriterlere göre en alt düzeyde, Seviye 5’te listelenen kurumsal intranet web siteleri (E1 – E7) durumunda performans puanlarını (f) elde edebiliriz.

Yani C111 – C114, C121 – C123, C131 – C136, C211 – C212, C221 – C222 ve C231 – C236’dan her öğenin bir yanıtı vardır
11 11 12 12 13 13 21 21 sorusu ve performans puanları sırasıyla f −f, f −f, f −f, f −f 14131612 f122 − f222 ve f123 − f623 şeklindedir. Benzer şekilde, C31 – C39’un yanıtlanmış dokuz sorusu vardır ve performans puanları f13 − f93’tür. C41 – C39’un ayrıca yanıtlanmış dokuz sorusu vardır ve performans puanları f14 − f94’tür.

Kriter Önem Derecesinin Belirlenmesi

Ölçüt önem derecesi, anket araştırmasından ve yedi dil değişken ölçeğinin eşleme üyelik işlevinden belirlenir. Her değerlendirici, Bölüm 18.3.1’de açıklandığı gibi, değiştirilmiş algoritmalarımızla kendi λih değerini elde eder. Burada λih, hth değerlendiricisinin i. Kriter grubuna yönelik λ değeridir. Şekil 18.2’de, C1, C2, C3 ve C4 yönleri, hth değerlendirici için Seviye 2’de bir λ1h-değeri üretir. Seviye 3’te hth değerlendiricisi için λh, λh, λh ve λh vardır. Düzey 4’te hth değerlendiricisi için λh, λh, λh, λh, λh, 2610 11 34578 λh9 bulunmaktadır.

Sonuç olarak, her değerlendiricinin on bir λi değeri vardır. Bu araştırmada, her değerlendirici, Denklem 9.4’ü kullanarak anketlerden bulanık bir λih değerine göre kriter ve kriter etkileşimleri için bireysel bulanık önem dereceleri (ağırlık) elde eder ve integral bulanık önem derecesi (ağırlık) ortalamasından elde edilir. üçgen bulanık sayı (TFN) toplamalı işlem. Bulanıklaştırma yaklaşımı kullanılarak, keskin önem derecesi (ağırlık) elde edilebilir. Ek olarak, Tablo 18.1’de listelendiği gibi, TFN’nin cebirsel işlemi ve bulanıklaştırma yaklaşımı kullanılarak λi değeri elde edilir.

Kurumsal İntranet Web Sitelerini Değerlendirme

Gerçek durumları analiz etmek için Bölüm 18.3’te belirtildiği gibi, çoklu-özellikli değerlendirme için Choquet integralinin hiyerarşik yapısını kullanma prosedürü uygulanır. Şekil 18.2’de, vaka kurumsal intranet web sitelerinin değerlendirme sistemi bir ağaç hiyerarşisine sahip olduğundan, değerlendirme değerlerini (değerlendirme puanları) araştırıyoruz.

Vaka girişiminin genel değerlendirmesi, Bölüm 18.3’te Choquet integralinin önem dereceleri, değerlendirme puanları ve hiyerarşik yapısı belirlenerek elde edilir. Bu araştırma, intranet web siteleri (E1 – E7) için ve aritmetik ortalama ile Choquet integrali arasındaki genel bir değerlendirmenin farklı sonuçlarını göstermek için bir örnek vermektedir. Benzer şekilde, Tablo 18.2, analitik hiyerarşi süreci (AHP) ve Choquet integrali arasındaki genel değerlendirmenin farklı sonuçlarını, sonuçlarıyla birlikte göstermektedir.

Sonuçlar ve Tartışmalar

Önemi değerlendirmenin geleneksel yöntemleri, insanın öznel değerlendirme sürecine etkili bir şekilde yaklaşamaz. Genel olarak, insan öznel karar verme, bulanık ölçümler ve bulanık integraller kullanılarak uygun şekilde karakterize edilebilir. Bu araştırmanın beklenen katkıları şu şekildedir:

(i) Choquet integrali için insan sübjektif karar vermenin hiyerarşik bir yapısı, kriterlerin tamamen bağımsız olmadığı genel değerlendirmeyi değerlendirmek için geliştirilmiştir;

(ii) Wang ve diğ. (2001) (bu değiştirilmiş algoritmalar, Wang’dakilere göre daha basit ve anlaşılması daha kolaydır);

(iii) Bir değerlendirme modeli önerilir ve değerlendirme sonuçları, daha iyi performans gösteren intranet web sitelerini seçmede ve kötü performans gösterenleri iyileştirmede referansları için ilgili makamlara sağlanabilir.

The post Çok Amaçlı Karar Verme (53) – Kurumsal İntranet Web Siteleri İçin Bulanık İntegral – Çok Amaçlı Karar Verme Nedir? – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma first appeared on Online (Parayla Ödev Yaptırma).

Çok Amaçlı Karar Verme (3) – Çok Amaçlı Karar Verme Nedir? – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma

odevcimonline — Mon, 07 Sep 2020 12:40:36 +0000

Çok Amaçlı Karar Verme

Bireylerin, örgütlerin çeşitli amaç ve/veya hedefleri; bunlara ulaşmalarını sağlayacak farklı alternatifleri mevcuttur. Bunlar arasından seçim yapılması, en basit ifadeyle, karar olarak tanımlanmaktadır. Hiç şüphesiz ki; karar verme süreci, ulaşılacak sonuçların bireyle, grupla ve/veya kararın bir konuyla ilişkili olup olmamasına bağlı olarak farklılaşabilmektedir. Çoğu zaman rutin kararlar vermek durumunda kalan bireyler, bu süreçte ağırlıklı olarak, sezgisel yaklaşımları benimserken; bir işletme ya da grubu ilgilendiren durumlarda sezgisel yaklaşımların yerini bilimsel temellere dayalı olanların alması bir zorunluluk haline gelmektedir. Kriterlerin belirlenmesi ve uygun yöntemin seçilmesi olmak üzere iki temel aşamaya indirgenebilecek bilimsel bir karar süreci; rasyonellik ve etkinlik için mantıklı hareket edebilmeyi de gerekli kılmaktadır. Budan dolayıdır ki, mantık ve karar arasındaki ilişki öteden beri ilgi duyulan bir konu olmuştur.

Örnek:

Genişletme ilkesine dayalı olarak iki bulanık sayıyı, m􏰧 ve n􏰧 hesaplama prosedürleri aşağıdaki örnekle gösterilebilir:

Daha sonra, bulanık aritmetik işlemleri α-cut kavramına dayalı olarak türetmek için başka bir yöntem sunuyoruz.

𝛂-Kesim Aritmetiği

M∼ = [ml, mm, mu] ve n∼ = [nl, nm, nu], l, m ve u süper yazılarının sırasıyla infimum, mod ve supremumu ifade ettiği iki bulanık sayı olsun. . Standart bulanık aritmetik işlemler, aşağıdaki gibi α-cut kavramları kullanılarak tanımlanabilir:

m􏰧 ( α ) + n􏰧 ( α ) =  m l ( α ) + n l ( α ) , m u ( α ) + n u ( α )  ;

m􏰧 ( α ) − n􏰧 ( α ) =  m l ( α ) − n u ( α ) , m u ( α ) − n l ( α )  ;

m􏰧 ( α ) ÷ n􏰧 ( α ) ≈  m l ( α ) , m u ( α )  ×  1 n u ( α ) , 1 n l ( α )  ;

m􏰧 ( α ) × n􏰧 ( α ) ≈ [ M , N ] ,

Burada (α) α-kesim işlemini belirtir, ≈ yaklaşık işlemdir ve;

M = min{ml (α)nl (α),ml (α)nu (α),mu (α)nl (α),mu (α)nu (α)};

N = max{ml (α)nl (α),ml (α)nu (α),mu (α)nl (α),mu (α)nu (α)} olur.

Bulanık sayıların hesaplanmasını göstermek için bir örnek de verilmiştir.

İki bulanık sayı m∼ = [3, 5, 8] ve n∼ = [2, 4, 6] olsun. Sonra;

m􏰧 ( α ) + n􏰧 ( α ) = [ ( 3 + 2 α ) + ( 2 + 2 α ) , ( 8 − 3 α ) + ( 6 − 2 α ) ] ;

m􏰧 ( α ) − n􏰧 ( α ) = [ ( 3 + 2 α ) − ( 2 + 2 α ) , ( 8 − 3 α ) − ( 6 − 2 α ) ] ;

m􏰧 ( α ) ÷ n􏰧 ( α ) ≈  ( 3 + 2 α ) , ( 8 − 3 α )  ; (6−2α) (2+2α)

m􏰧 ( α ) × n􏰧 ( α ) ≈ [ ( 3 + 2 α ) ( 2 + 2 α ) , ( 8 − 3 α ) ( 6 − 2 α ) ] olur.

Bulanık Sayıları Sıralama

Açıktır ki, bulanık aritmetik işlemler bulanık aralıktaki α-kesim aritmetik sonucuna dayandığından, en uygun alternatifin nasıl belirleneceği her zaman açık değildir ve bu, bulanık sayıları sıralama veya bulanıklaştırma problemini içerir. Önceki çalışmalarda, en iyi bulanık olmayan performans (BNP) değerini bulmak için bulanıklaştırma prosedürü önerilmişti. Bulanıklaştırılmış bulanık sıralama yöntemleri genellikle şu dört kategoriye ayrılabilir: tercih ilişkisi yöntemleri, bulanık bir ortalama ve yayılma yöntemi, bulanık puanlama yöntemleri ve dilbilimsel yöntemlerdir.

Son 20 yılda 30’dan fazla bulanıklaştırılmış yöntem önerilmiş olsa da, basitliği ve kullanışlılığı nedeniyle bu kitapta yalnızca alan merkezi (CoA) açıklanmıştır. N öznitelikli bir alternatifin tercih derecelendirmelerinin bulanık sayı kullanılarak temsil edildiğini düşünün, CoA kullanan alternatifin BNP değerleri şu şekilde formüle edilebilir:

Burada xi, ith özniteliğinin tercih derecelendirmelerini belirtir ve μ (xi) karşılık gelen üyelik işlevidir.

Konunun Ana Hatları

Bu yazı dizisinin organizasyonu, karar verme süreçlerine göre şu şekildedir: sorunları belirlemek, ağ ilişki haritalarını (NRM) oluşturmak, tercihleri yapılandırmak, boşlukları azaltmak için alternatifleri değerlendirmek ve iyileştirmek ve ardından bunları bulmak ve belirlemek istenen seviyelere ulaşmak için en iyi alternatiftir.

Bununla birlikte, sorunları tanımlamanın, tercihleri oluşturmanın ve en iyi alternatifi geliştirmenin / bulmanın ve belirlemenin KV için çok sezgisel olduğu anlaşılabilir. Yani, bu kitabın içeriği alternatifleri değerlendirme sürecine odaklanır ve iki ana adıma bölünebilir: kriterlerin göreceli ağırlıklarının belirlenmesi ve alternatiflerin derecelendirmelerinin toplanması. Her bir kriterin göreceli ağırlıklarını türetmek önemsiz olmayan ve zor bir problemdir, çünkü kriterler genellikle etkileşimli ve birbirine bağlıdır.

Öte yandan, farklı toplu operatörler farklı DM’nin tercihlerini gösterir ve her alternatifin doğru genel derecelendirmesini elde etmek için uygun şekilde belirlenmelidir.

Bölüm 2 ve 3’te, kriterlerin göreceli önemini belirlemek için analitik hiyerarşi süreci (AHP) ve analitik ağ süreci (ANP) sunulmaktadır. AHP, hiyerarşik bir sistemdeki kriterler arasında ikili karşılaştırma kullanarak kriterlerin göreceli ağırlıklarını türetmek için kullanılır. Hiyerarşik yapının kısıtlamasını serbest bırakarak, ANP’nin bir ağ yapısındaki kriterlerin göreli ağırlıklarını türetmesi önerildi.

Bölüm 4 ila 10’da, birkaç FMADM yöntemi aşağıdaki şekilde tanıtılmaktadır. Bölüm 4’te, bulanık basit toplam ağırlıklandırma (FSAW) yöntemi, bulanık sayılar dikkate alınarak basit eklemeli ağırlıklandırma (SAW) yöntemine genişletilmiştir. SAW yöntemi, yalnızca kriterlerin ağırlıklarını ve katkı formunu dikkate alan en iyi bilinen ve en çok benimsenen MADM modelidir.

Bölüm 5, öznel belirsizlik durumunda pozitif ve negatif ideal noktalar da dahil olmak üzere, iki hedefleri göz önünde bulundurarak alternatifi değerlendirmek için bulanık TOPSIS yöntemini sunar. TOPSIS kavramı, en iyi alternatifin pozitif ideal noktadan (PIS) olan mesafeyi en aza indirmesi ve negatif ideal noktadan (NIS) olan mesafeyi maksimize etmesi gerektiğidir.

Geçiş yöntemleri, ELECTRE ve PROMETHEE, Bölüm 6 ve Bölüm 7’de açıklanmaktadır. Faydaya dayalı yöntemlerin aksine, geçiş yöntemleri en iyi alternatifi belirlemek için alternatifler arasında tercih edilen ilişkileri kullanır. Bu yöntemler, Avrupa’da, özellikle Fransa’da, belirli MADM problemleriyle başa çıkmak için yaygın olarak kullanılmaktadır.

Bulanık integral tekniği, MADM problemlerinde tercih bağımlılığı problemini ele almak için önerildi ve Bölüm 8’de tartışılacaktır. Tercih bağımsızlığı, MAUT’un temelidir. Ancak, genellikle ortaya çıkan kriterler arasında tercih bağımlılığı durumunun geleneksel MADM modellerinde dikkate alınmadığı görülmektedir.

Pratik MADM problemlerinin üstesinden gelmek için yukarıdaki modellerin çeşitli uygulamaları Bölüm 9’da verilmiştir. Ekte, üç yapısal model, yorumlayıcı yapısal modelleme (ISM), karar verme deneme ve değerlendirme laboratuvarı (DEMATEL) ve bulanık biliş haritalar (FCM), bir hiyerarşik / ağ sistemi oluşturmak için tanıtıldı. AHP / ANP yöntemi kullanılarak üretilen önem ağırlıkları, belirli hiyerarşik / ağ sistemine dayandığından, ilk önce tahsis edilen yapının ne olduğu ile ilgili can alıcı konu tartışılmalıdır.

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 (3) – Çok Amaçlı Karar Verme Nedir? – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma first appeared on Online (Parayla Ödev Yaptırma).