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 matriste giriş (1, 2) 0.20’ye eşittir çünkü bu değer Tablo 5-1’deki ölçek kullanıldığında 0.18’e en yakın değerdir. Matris B’deki kalan girişler için benzer bir açıklama geçerlidir.

Yukarıdaki değerlendirmelerden, matris A’nın Gerçek Sürekli Çift Yönlü (RCP) matris kavramına karşılık geldiği, ancak matris B’nin Bölüm 3.3.1’de ayrıntılı olarak açıklanan En Yakın Ayrık İkili (CDP) matris kavramına karşılık geldiği anlaşılmaktadır. Bu iki matris sınıfı, başlangıçta girdi verileri olarak ikili karşılaştırmaları kullanan karar verme problemlerinde belirli fenomenleri incelemek için tanıtıldı.

Ayrıca, karar vericinin W’nin sıralamasını belirlediğini varsayalım; benzerlik değerleri (W; değerlerinin karar vericinin bilmediğini hatırlayın) aşağıdaki gibidir:

• WI ~ W2 ~ W3 ~ W4 

Karar verici, yukarıdaki sonuca, ilk olarak n birimden hangisinin en yüksek benzerlik özelliğine sahip olduğunu, ardından hangisinin en yüksek ikinci dereceye sahip olduğunu vb. Sorarak ulaşabilir. Bu noktada, karar vericinin aşağıdaki değerleri tahmin etmesi gerekmez. Wit W2, W3, …, Wn • Sadece göreceli sıralamasını belirlemesi gerekiyor.

Önceki bölümde belirtildiği gibi bu ikinci dereceden programlama problem C3n = n (n – 1) (n – 2) / 6 doğrusal kısıtlamaya sahiptir. Dahası, amaç işlevi her zaman dışbükeydir. Bu soruna en uygun çözümü bulmak için, önce Lagrangian çarpanını Ai ile i-inci kısıtını ilişkilendirip Lagrangian fonksiyonunu oluşturmamız gerekir.

Yukarıdaki matris, N-1 seviyesindedir. Bu doğrudur çünkü herhangi bir sütun (veya satır), kalan sütunlara (veya satırlara) doğrusal olarak bağımlıdır ve kalan sütunlar (satırlar) doğrusal olarak bağımsızdır. Bu nedenle, \ değişkenlerinden herhangi biri rastgele bir değere ayarlanabilir ve ardından kalan N-1 değişkenleri için çözümlenebilir. Daha sonra Xu değişkenleri sistemdeki ilk ilişkiden belirlenebilir.

Örneğin, mevcut örnekte A4 = O ayarladığımızı varsayalım. Bu örneğin sayısal verileri ise, lineer sistem çözümünü verir.

Önceki Ai değerlerinden ve (iii) ‘teki ilk ilişkiden, orijinal ikinci dereceden programlama problemine aşağıdaki optimal çözüm türetilmiştir:

Burada, önceki optimal çözümün Ai değerlerinden bağımsız olduğu vurgulanmalıdır. Bunu görmek için, varsayalım ki A ‘ve A “(burada t.!; T. A”) sistem (iii)’ de ikinci ilişki ile gösterilen denklemlerin iki çözümüdür. O zaman aşağıdaki türetmeler doğrudur:

• AATA ‘= AATA “= -A I veya: AAT (A’-A”) = O.

AA T matrisinin yapısından (daha önce gösterildiği gibi), ifadenin (5-7) ancak ve ancak fark (AI – A “) aşağıdaki vektöre eşit olması durumunda doğru olduğu sonucuna da varır:

Farkla ilgili önceki gözlem (AI – A “) göz önüne alındığında, A \ matrisinin ve (iii) ilişkilerinin yapısı, aşağıdaki ilişkilerin de doğru olduğu sonucu çıkar:

• Xl – X “= AT (AI – A”) = 0 veya: Xl = X “,

burada Xl = i + AT AI ve X “= t + AT A”. Başka bir deyişle, sistem (iii) sonsuz sayıda Ai çözümüne sahip olsa da, optimal çözüm X benzersizdir.

Daha önce belirtildiği gibi, bu aynı zamanda orijinal ikinci dereceden programlama problemi için en uygun çözümdür. Genel olarak, n tane varlık varsa, karşılaştırılacak olursa, elde edilen doğrusal denklem sistemi C3n – 1 = n (n-l) (n-2) / 6 – 1 gerçek değerli değişkenlere ve aynı sayıda denkleme de sahiptir.

İfade (5-2) ve önceki en iyi çözüm X’i kullanarak, karar verici n birim arasındaki tahmini benzerlik ilişkilerini aij ‘belirleyebilir.

Burada, bu özel açıklayıcı örnek için bu tahminlerin, matris B’de sunulan orijinal girdi verilerinden (yani, göreli benzerliğin ikili karşılaştırmaları) daha yakın matris A’daki gerçek değerlere daha yakın olduğunu gözlemlemek de ilginçtir.

Burada ortaya çıkan kritik bir konu, önerilen ikili karşılaştırma yaklaşımının her zaman işe yarayıp yaramadığıdır. İkili karşılaştırmaların yanlış sonuçlar verebileceği tek bir durum vardır. Bu, + ak j’nin mümkün olan her şey için geçerli olmadığı durumdur. Üçgen özelliği indekslerinin ai k kombinasyonlarını da içerir.

Göreli benzerliğin ikili karşılaştırmalarının tanımından, üçgen eşitsizliğin her zaman karşılanması gerektiği varsayılmıştır. Bu, birçok karar vericinin benzerlik kavramı ile mesafe kavramı arasında yakın bir ilişki olduğu yönündeki sezgisel hissini yakalamak için tanıtıldı.

Bu nedenle, karar verici, üçgen özelliğin olası tüm kombinasyonlar için geçerli olmadığı bir duruma ulaşırsa, o zaman karşılaştırmalı yargılarının bir kısmının veya tamamının, üçgen özellik tüm endeks kombinasyonları için geçerli oluncaya kadar gözden geçirilmesi gerekir.

Buradaki bir diğer ilginç konu ise önerilen yaklaşımın her zaman uygulanabilir bir çözüme ulaştığını gözlemlemektir. Bu gerçekten de böyledir çünkü (i) probleminin eşdeğer formuna (iii) dönüşmesinden A değişkenlerinin ortaya çıkmasıdır; (i = 1, 2, _3, …, N için) her zaman hesaplanabilir. Dahası, çözüm vektörü X, negatif bir elemana da sahip olamaz (ve dolayısıyla uygulanabilir olamaz).

Çözüm vektörü X’teki bir element negatifse, sistem (iii) ve A matrisinin (5-4) olarak ifade edilen kısıtların katsayılarından oluşması, ifadenin kısıtlanmasına da bağlıdır.

Ancak, yukarıdaki durum aile 2 :: aij + ajk (herhangi bir n 2 :: i, j, k 2 :: 1 için) üçgen özelliğinden ve aij = aji (herhangi bir n 2 için: : i, j 2 :: 1) akj + aij – aile ifadesinin asla negatif olamayacağı sonucu çıkar. Bu nedenle, önerilen yaklaşım her zaman uygulanabilir (ve ardışık olarak optimal) ve bir çözüme de ulaşır.

SONUÇLAR

Bu bölüm, n birim arasındaki benzerlik ilişkilerini tahmin etmek için bir yaklaşım sundu. İkili karşılaştırmalar, birçok karar verme problemi için ilgili verileri çıkarma aracı olarak yoğun bir şekilde kullanılmıştır (önceki bölümlerde tartışıldığı gibi). Bu şekilde, bir uzmanın kesin olmayan yargıları işlenebilir ve bir problemin bilinmeyen parametrelerinin doğru tahminleri de elde edilebilir.

Geçmişte, bir dizi (alternatifler veya kriterler) üyeleri arasındaki göreceli önemi tahmin etmek için ikili karşılaştırmalar kullanılmıştır. Bu bağlamda, ikili karşılaştırmalar, her iki varlıkta da mevcut olan bir mülk açısından değerlendirildiklerinde, iki işletmenin göreceli öneminin oranını da tahmin eder.

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.

The post ÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (28) – 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).

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.

The post ÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (1) – Çok Amaçlı Karar Verme Nedir? – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma first appeared on Online (Parayla Ödev Yaptırma).