Makale hakkında daha fazla bilgi edinin Çok Amaçlı Karar Verme (58) – Grup için DEMATEL Yönteminin Genişletilmesi – 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. Grup için DEMATEL Yönteminin Genişletilmesi Bulanık Ortamlarda Karar Verme Ortam ne kadar karmaşık ve kafası karışırsa, o kadar derin kararlar almak istenir. Günümüzde kapsamlı modellerin yapılandırılmasına yönelik stratejiler, problem çözme için çok önemlidir. Bir tür problem çözme yöntemi olarak, yapısal modelleme yaygın olarak uygulanmaktadır ve karmaşık problemlerle başa çıkmada kullanılmaya uygundur; bu, ilgili kriterleri düzenlemek için bir temel oluşturabilir ve aynı zamanda oluşumunda kullanım için pratik bir mekanizma sağlar. karar yapıları. Özellikle, yapısal modelleme grafik teorisine dayanır, böylece karmaşık sistemler birkaç alt sisteme -yani problemin faktörlerine- bölünebilir ve bu alt sistemler arasındaki etkileşimleri grafiklerle gösterir. Grafikler sayesinde, problemlerin doğasını yakalamak için sistemin tüm yapısı sezgiler tarafından daha kolay anlaşılır. Yapısal modelleme, elemanlar kümesini, bileşenlerin ve bunların ilişkilerinin bir koleksiyonu olan yapısal bir modele yapılandırmak için kullanılır, bu aynı zamanda tasarım, temsil ve tasarım için bilgisayar tabanlı ortamı da sağlayabilir. Yapısal bir model kullanarak, alt sistemlerin birbirine bağlanma ve bir sistemin genel şeklini gösterme yolları gösterilebilir. Açık nicel değişkenler gerektiren matematiksel modelleme yaklaşımının aksine, yapısal modelleme sistemin kavramsal karakterlerini açıkça yakalayabilen ve görüntüleyebilen nitel bir yaklaşımdır. Devrenin yapısal grafikte bulunup bulunmadığına bağlı olarak, yapısal modelleme ağ tipi ve ağaç tipi olarak bölünebilir. Bir devre, başladığı tepe noktasında biten bir yoldur. Ağaç türünün aksine, ağ türü, alt sistemlerin sıralarının açık olmadığı durumların analizi için daha uygundur. Ayrıca, ağ tipi iki tür yapısal grafik olarak sınıflandırılabilir: yönlendirilmiş grafikler ve yönsüz grafikler. Digraflar olarak bilinen yönlendirilmiş grafikler, yönsüz grafiklerden daha kullanışlıdır, çünkü digraflar alt sistemlerin yönlendirilmiş ilişkilerini gösterebilir (Harary, Norman ve Cartwright 1965). Karar verme deneme ve değerlendirme laboratuvarı (DEMATEL) yöntemi, ilgili kriterleri neden grubu ve sonuç grubuna ayırabilen digraflara dayanmaktadır. Uygulamada, çok kriterli karmaşık problemleri çözmek için etkili ve makul karar vermeyi başarmak için, genellikle grup bilgisi toplamak ve çok kriterli karar verme (MCDM) yöntemlerini kullanmak gerekir. MCDM problemlerini ele almak için, eleme ve gerçekliği seçme (ELECTRE), ideal çözüme benzerlik yoluyla sipariş tercihi tekniği (TOPSIS) ve analitik hiyerarşi süreci (AHP), vb. Gibi birkaç yöntem mevcuttur. Bununla birlikte, bu ÇKKY yöntemleri, yapısal değerlendirme modeli önceden oluşturulmadıkça işe yaramayabilir. Yapısal modellemenin uygulanması, yapısal modellerin grup gelişimi için zorunlu hale gelmiştir. Bu nedenle, bir tür yapısal modelleme yaklaşımı olarak DEMATEL, aşağıdaki faydalara sahip güçlü bir yöntemdir: (1) alt sistemler arasındaki etkileşimleri yakalamak için grup bilgisini toplamak; (2) kararlar almak için yapısal bir değerlendirme modeli oluşturmak; ve (3) problemin karakterinin anlaşılmasını destekleyen ve bir grup içindeki fikirleri ileten bir nedensel diyagram sunarak alt sistemlerin nedensel ilişkisini görselleştirmek. Alt sistemler arasındaki ilişkiye karar vermek için insan yargıları, genellikle yapısal bir model oluşturmak için net değerlerle verilir. Bununla birlikte, çoğu durumda, net değerler gerçek dünyadaki belirsizliğin yetersiz bir yansımasıdır. Tercihleri ​​olan insan yargılarının genellikle belirsiz olması ve kesin sayısal değerlerle tahmin edilmesinin zor olması, muğlaklık ve belirsizlik içeren problemlerin üstesinden gelmek için bulanık mantık ihtiyacını yaratmıştır. Dahası, daha mantıklı bir yaklaşım, problemdeki kriterlerin tüm değerlendirmelerinin dil değişkenleri aracılığıyla değerlendirildiği sayısal değerler yerine dilsel değerlendirmeler kullanmaktır. Bu nedenle, DEMATEL yönteminin bulanık ortamlarda çok kişili ve MCDM sorunlarının çözümüne uygun olmasını sağlayarak, amacımız dil değişkenleri ve bulanık bir toplama yöntemi uygulayarak DEMATEL yöntemini genişleten bir metodoloji geliştirmektir. Bu bölüm aşağıdaki şekilde düzenlenmiştir. Bölüm 20.2'de, DEMATEL yöntemi ve bulanık grup karar verme ile ilgili önceki literatür ve tanımlardan bazıları gözden geçirilmiştir. Bölüm 20.3'te, bulanık grup karar verme sorunlarının üstesinden gelmek için, bulanık mantıkla DEMATEL yöntemine dayalı bir metodoloji önerilmektedir. Bölüm 20.4'te, önerilen çözümümüzün prosedürünü göstermek ve yararlılığını ve geçerliliğini göstermek için deneysel bir çalışma sunulmuştur. Son olarak, bu araştırmanın bulgularına dayanarak sonuçlar ve öneriler sunulmuştur. Dematel ve Bulanık Grup Karar Verme Bir tür yapısal modelleme yaklaşımı olarak DEMATEL, kriterler arasındaki nedensel ilişkileri içeren yapısal bir modeli oluşturmak ve analiz etmek için kapsamlı bir yöntemdir. Bulanık ortamlarda grup karar vermede DEMATEL yöntemini genişletmenin temelini atmak için, DEMATEL yönteminin ve bulanık grup karar vermenin temelleri aşağıda tartışılmıştır. Dematel Yöntemi DEMATEL yöntemi, problemleri görsel olarak projelendirip çözmemizi sağlayan grafik teorisine dayanır, böylece nedensel ilişkileri daha iyi bir şekilde yakalayabilmek için birden fazla kriteri neden grubu ve sonuç grubuna ayırabiliriz. Grafik teorisi, büyük ölçüde hesaplama ve optimizasyon modelleri olarak grafiklerin kullanışlılığından dolayı, son yıllarda muazzam bir şekilde büyüdü. Grafik teorisini uygulayarak, karmaşık problemin içindeki şeyleri görsel olarak kolayca keşfedebiliriz, çünkü grafik, matematiksel sonuçları görselleştirme ile açık ve net bir şekilde gösterir. DEMATEL yöntemi, ilgili kriterleri neden grubu ve sonuç grubuna ayırabilen digraflara dayanmaktadır. Digraflar olarak bilinen yönlendirilmiş grafikler, yönsüz grafiklerden daha kullanışlıdır, çünkü digraflar alt sistemlerin yönlendirilmiş ilişkilerini gösterebilir. Bir digraf tipik olarak bir iletişim ağını veya bireyler arasındaki bazı tahakküm ilişkilerini, vb. Temsil edebilir. Bir sistemin bir dizi unsur S = {s1, s2, ..., sn} içerdiğini ve modelleme için belirli ikili ilişkilerin belirlendiğini varsayalım. Matematiksel bir ilişkiye göre R. Daha sonra, R ilişkisini, S kümesindeki öğeler tarafından her iki boyutta da eşit olarak indekslenmiş bir doğrudan ilişki matrisi olarak tasvir edin. Daha sonra, 0 sayısının hücrede göründüğü yerin ilişkisi olmaması dışında ( i, j), eğer giriş pozitif bir integral ise, bunun anlamı: (1) sıralı çift (si, sj) ilişki matrisinde R'dir ve (2) gösterilen si elemanı sj elemanına neden olur. 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 (58) – Grup için DEMATEL Yönteminin Genişletilmesi – 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…

Okumaya Devam EtÇok Amaçlı Karar Verme (58) – Grup için DEMATEL Yönteminin Genişletilmesi – Çok Amaçlı Karar Verme Nedir? – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma
Makale hakkında daha fazla bilgi edinin Çok Amaçlı Karar Verme (36) – Vikor Yöntemi  – Çok Amaçlı Karar Verme Nedir? – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma
Tablo 13.1'deki gibi toplam etki matrisi T'yi elde etmek için DEMATEL'in Adım 1 ila Adım 3'ü için basit bir örnek (Durum 2) varsayıyoruz. Adım 4'ü kullanarak, 0.1'lik bir eşik değeri seçilirse, ilişkilerin NRM'si yukarıda gösterildiği gibidir (Şekil 13.2). Küme 1'in üç öğesi / kriteri olduğunu varsayıyoruz: e1, e2, e3, Küme 2'de e4, e5, e6 ve Küme 3'te e7, e8, e9 var. Ardından, toplam etki matrisi T'yi Tablo 13.2'deki gibi normalize ediyoruz. Şekil 13.2'nin yapısını kullanarak ağırlıksız süper matrisi aşağıdaki gibi elde edebiliriz. Son olarak, her ölçüt için derecelendirme aralığının 1 (en kötü değer) ile 10 (en iyi değer) arasında olduğunu varsayıyoruz; alternatiflerin derecelendirilmesi ve kriterlerin ağırlıkları (Denklem 13.25'ten) Tablo 13.3'te listelenmiştir. Daha sonra, Tablo 13.4'teki gibi alternatiflerin sıralama endeksini Ri elde etmek için VIKOR yöntemini (Bölüm 13.2.3) kullanırız. (Burada, endişenin aynı anda maksimum grup faydası ve minimum bireysel pişmanlık olduğunu varsayıyoruz, bu nedenle v = 0.5 seçmeliyiz. Ayrıca S * = Q * = 0 ve S− = Q− = 1 olarak ayarladık. Sonuçlar SA1> SA5> SA4> SA2> SA3, QA1> QA5> QA4> QA2> QA3 ve R> R> R> R> R ve diğer alternatiflerA ≻ A ≻ A ≻ A≻ A. A1 A5 A4 A2 A3 3 2 4 5 1 olur. Bu alternatifler, kabul edilebilir stabiliteyi temsil eden C2 koşulunu karşılar. Bununla birlikte, alternatifler A3 ve A2, A2 ve A4, A3 ve A4, C1 koşulunu karşılamaz, bu da A3'ün A2'den daha açık bir şekilde avantajlı olmadığını, A2'nin A4'ten daha açık bir şekilde avantajlı olmadığını ve A3'ün daha açık bir şekilde avantajlı olmadığını gösterir. A4'ten. Yalnızca A4 ve A5, C1 koşulunu karşılar. Bu nedenle, bir dizi uzlaşma çözümü {A3, A2, A4} şeklindedir. Tartışmalar  Geleneksel yöntemleri ve bu araştırmayı karşılaştırmak için, geleneksel normalleştirme yöntemini kullanarak sınırlayıcı süper matrisi de hesaplıyoruz. Sonuç aşağıdaki gibidir. Denklem 13.25 ve 13.26'ya göre, iki matris için ağırlık sıralarının farklı olduğunu görüyoruz. Denklem 13.25'te, ağırlıklandırılmamış süper matrisi normalleştirmek için DEMATEL yöntemini kullanarak (önerdiğimiz yöntem), ağırlıkların dereceleri (sınırlandırmalar üst matrisi) e4> e3> e6> e5> e7> e2> e9> e8> e1'dir. Eşitlik 13.26'da geleneksel normalleştirilmiş yöntem kullanılarak ağırlıkların sıraları e4> e7> e6> e5> e3> e8> e9> e2> e1'dir. Tablo 13.1 birkaç gerçeği ortaya koymaktadır: (a) her kümenin geribildirimi ve bağımlılığı vardır; (b) Küme 3'ün Küme 1 üzerindeki etkisi 3,6, Küme 1'in Küme 2 üzerindeki etkisi 0,7, Küme 3'ün Küme 2 üzerindeki etkisi 1,9 ve Küme 2'nin Küme 3 üzerindeki etkisi 0,8'dir. Diğer bir deyişle, Küme 1'in etkilenme derecesinin değeri yüksek (3,6), Küme 2 için bu değer sırasıyla 0,7 ve 1,9 ve Küme 3 için düşüktür (0,8). Bu nedenle, Küme 1'e gerçek dünyadaki diğer kümelerden daha fazla dikkat gösterilecektir, yani çok fazla ağırlık taşımalıdır, oysa Küme 3'ün ağırlığı azaltılmış olmalıdır. Böylece, geleneksel yöntemdeki e7, e8 ve e9 kriterlerinin ağırlıklarının önerilen yöntemden daha yüksek olduğunu, ancak geleneksel yöntemdeki e1, e2 ve e3 kriterlerinin ağırlıklarının önerilen yöntemden daha düşük olduğunu bulduk (Tablo 13.5 ve Şekil 13.3). Ağırlıklı süper matrisi elde etmek için ağırlıksız süper matrisi normalleştirmek için her küme için eşit ağırlık varsayımını kullanırsak, değerlendirilen ağırlıkların sonuçları gerçek durumdan daha yüksek veya daha düşük olacaktır. Şekil 13.3, Küme 1 kriterlerinin (e1, e2, e3) hafife alındığını gösterirken, Küme 3'ün (e7, e8, e9) kriterlerinin geleneksel yöntemi benimsersek fazla tahmin edildiğini gösterir. Bu nedenle, gerçek dünya uygulamalarında daha iyi ve daha doğru sonuçlar elde etmek için ANP ile birlikte DEMATEL yöntemini kullanıyoruz. Bu çalışma son olarak, Tablo 13.4'teki gibi sıralama indeksini elde etmek için bağımlı ve geri bildirim özelliklerine sahip kriterleri bir araya getirmek için VIKOR yöntemini kullanır. Maksimum grup faydası ve aynı anda minimum bireysel pişmanlıkla ilgileniyorsak (v = 0.5), sonuçlar A3 ≻ A2 ≻ A4 ≻ A5 ≻ A1 ve bir dizi uzlaşma çözümü {A3, A2, A4} 'dür. Dolayısıyla A3, bu alternatifler arasında ideal / hedeflenen seviyeye en yakın iken, A1 ideal / arzu edilen seviyeden en uzak olanıdır. Bu alternatifleri iyileştirmeyi düşünürsek, A1'e öncelik verilmelidir. Ek olarak, {A3, A2, A4} bir dizi uzlaşmacı çözümdür; karar verici, tercihine göre bu çözümlerden birini seçebilir. Özetlemek gerekirse, ANP ve DEMATEL'i birleştiren hibrit model MCDM'de yaygın olarak kullanılmaktadır. DEMATEL yöntemi, kriterler / faktörler arasındaki ilişkileri kurmak için kullanılır ve ANP, bağımlılık ve geri bildirim sorunlarının üstesinden gelebilir. Bu çalışma, ANP prosedüründe ağırlıksız süpermatrisi normalleştirmek için DEMTATEL kullanmanın, her kümede eşit ağırlık varsayımını kullanmaktan daha makul olduğunu göstermektedir. Ayrıca ANP ve VIKOR yöntemlerinden elde edilen ağırlıklar sıralama indeksinin türetilmesinde kullanılır. Ayrıca bu önerilen yöntemi göstermek için iki örnek gösterdik ve sonuçlar bu yöntemin hem uygun hem de etkili olduğunu göstermektedir. Sonuçlar Çoğu makale, çatışma yönetimi durumlarındaki soruları çözmek için analitik modeller önermektedir. Çatışma yönetimi için mevcut olan sayısız yaklaşım arasında en yaygın olanlarından biri MCDM'dir. VIKOR yöntemi, MCDM içinde uygulanabilecek uygulanabilir bir tekniktir; uzlaşmacı programlama yönteminden kaynaklanan ideale yakınlığı temsil eden bir toplama işlevine dayanmaktadır. Bununla birlikte, çoğu karar verme yöntemi, bir kararın kriterleri ile bu kararın alternatifleri arasında veya sadece kriterler arasında veya alternatiflerin kendileri arasında bağımsızlık varsayar. Bununla birlikte, ölçütler / değişkenler arasında bağımsızlık varsaymak, gerçek dünyadaki bağımlı ölçüt sorununun üstesinden gelmek için çok katıdır. Bu nedenle, birçok makale ANP'nin bu sorunun üstesinden gelmesini önermektedir. ANP, bağımlılık ve geri bildirim içeren sorunların üstesinden gelmek için kullanılır. Ayrıca ANP ve DEMATEL yöntemlerini birleştiren hibrit bir model çeşitli alanlarda yaygın ve başarılı bir şekilde kullanılmıştır. DEMATEL yöntemi, karmaşık ilişkileri tespit etmek ve kriterler arasındaki ilişkilerin NRM'sini oluşturmak için kullanılır. ANP prosedüründe ağırlıklı süpermatris için normalizasyonun üstesinden gelmek için benimsenen yöntem, her küme için eşit ağırlık varsayar; ancak, kümeler arasındaki farklı etkileri göz ardı eder. Bu araştırma, bu mantıksız durumun üstesinden gelmek için yeni bir kavram önermektedir. Ağırlıksız süper matrisi ağırlıklı bir süper matrise dönüştürmek için DEMATEL yöntemini kullanıyoruz. Yeni birleşik model, kümeler arasında farklı etki derecelerine sahip problemleri çözmek için geleneksel yöntemden daha uygundur. Ayrıca uzlaşma sıralama endeksini elde etmek için ANP ve VIKOR yöntemini de sağlıyoruz. Ek olarak, önerilen yöntemin gerçek dünya uygulamalarına uyması için etkinliğini ve fizibilitesini göstermek için iki durum gösteriyoruz. Sonuç olarak, bu araştırmada önerilen yöntemi kullanmak, uzlaşmacı çözüm yönteminin ve kriterler arasında karşılıklı bağımlılık ve geri bildirim sorununun üstesinden gelmek için uygun bir yaklaşımdır.

Çok Amaçlı Karar Verme (36) – 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…

Okumaya Devam EtÇok Amaçlı Karar Verme (36) – Vikor Yöntemi – Çok Amaçlı Karar Verme Nedir? – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma
Makale hakkında daha fazla bilgi edinin Çok Amaçlı Karar Verme (28) – Yapısal Model – 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. Örnek : Bu örnekte, bir bitki örtüsü sınıflandırma problemini ele alacağız. Tablo 10.1'de gösterildiği gibi sekiz örnek toplanır ve bitkilerin uzunluğu, genişliği, rengi ve şekli kaydedilir. Ardından, Uzunluk, Genişlik ve Şekil (yani, Renk D-gereksiz bir özelliktir) gibi özniteliklerin özünü ve azalmasını hesaplayabilir ve Tablo 10.2'de gösterildiği gibi karar kurallarını türetebiliriz. Tablo 10.2'den karar kurallarını şu şekilde özetleyebiliriz: Kural 1: (Uzunluk = 3 ve Genişlik = 3) veya (Uzunluk = 3 ve Şekil = 1) veya (Uzunluk = 3 ve Şekil 4 = 2) ise Karar = 1. Kural 2: Eğer (Uzunluk = 1 ve Şekil = 1) veya (Genişlik = 1) veya (Genişlik = 2 ve Şekil = 1) ise Karar = 2. Kural 3: Eğer (Uzunluk = 2 ve Genişlik = 3) veya (Uzunluk = 1 ve Kriter 4 = 2) veya (Şekil = 3) ise Karar = 3. Kaba kümeler, çok öznitelikli karar vermenin (MADM) sınıflandırma problemiyle başa çıkmak için yararlı ve güçlü bir araç sağlar. Bununla birlikte, kaba kümelerin yalnızca ayrık değişkenlerle ilgilenebileceği ve bu nedenle, önce sürekli değişkenlerin ayrıklaştırılması gerektiği vurgulanmalıdır. Yapısal Model Fayda bağımsızlığı veya fayda ayrılabilirliği, genellikle karar vericilerin tercihlerini temsil etmek için eklemeli işlevi kullanmak için çok öznitelikli karar verme (MADM) yöntemlerinin temel varsayımıdır. Bununla birlikte, gerçekçi problemlerde, fayda bağımsızlığı veya fayda ayrılabilirliği varsayımı mantıksız görünmektedir. Bu nedenle, kriterler arasındaki yapıyı netleştirmek ilginçtir ve ardından yapısal modellerin sonuçlarına göre uygun MADM yöntemlerini belirleyebiliriz. Daha sonra, aşağıdaki gibi üç yapısal model tanıtıldı. Yorumlayıcı Yapısal Modelleme Yöntemi Warfield, tarafından önerilen yorumlayıcı yapısal modelleme (ISM), karmaşık sistemler veya durumlardaki unsurların temel ilişkilerini inşa etmek ve anlamak için bilgisayar destekli bir metodolojidir. ISM teorisi, ayrık matematik, grafik teorisi, sosyal bilimler, grup karar verme ve bilgisayar yardımına dayanmaktadır. ISM prosedürleri, elemanların ilişkilerini sunmak için ilişki matrisi olarak da adlandırılan ikili bir matrisi hesaplamak için bireysel veya grup zihinsel modellerle başlatılır. ISM kavramları aşağıdaki gibi özetlenebilir. "Ei özelliği ej özelliğini saptırıyor mu?" Sorusu sorularak bir ilişki matrisi oluşturulabilir. Cevap "Evet" ise πij = 1, aksi takdirde πij = 0. İlişki matrisinin genel formu aşağıdaki gibi sunulabilir: ei, sistemdeki i'inci eleman, πij, i'inci ve j'inci elemanlar arasındaki ilişkiyi belirtir (i, j ∈ {1, 2, ..., n}) ve D, ilişki matrisidir. İlişki matrisini oluşturduktan sonra, erişilebilirlik matrisini Denklem 11.1 ve 11.2'yi kullanarak aşağıdaki gibi hesaplayabiliriz: M = D + I, (11.1) M ∗ = Mk = Mk + 1 k> 1, Burada birim matris, k güçleri ve M * ulaşılabilirlik matrisidir. Erişilebilirlik matrisinin Boole çarpımı ve toplamasının operatörleri altında olduğuna dikkat edin (yani, 1 × 1 = 1,1 + 1 = 1,1 + 0 = 0 + 1 = 1,1 × 0 = 0 × 1 = 0, 0 + 0 = 0,0 × 0 = 0). Daha sonra, aşağıdaki denklemleri kullanarak sırasıyla Denklem 11.3 ve 11.4'e dayalı olarak erişilebilirlik setini ve öncelik setini hesaplayabiliriz: R (ti) = e | m ∗ = 1 {} A (ti) = e | m ∗ mij, ulaşılabilirlik matrisinin i'inci satırının ve j'inci sütununun değerini gösterir. Daha sonra Denklemler (11.3) ve (11.4) 'e göre, öğeler arasındaki düzeyler ve ilişkiler belirlenebilir ve öğelerin ilişkilerinin yapısı da aşağıdaki denklem kullanılarak ifade edilebilir: R (ti) ∩ A (ti) = R (ti). Örnek : Daha sonra, ISM'nin adımlarını ayrıntılı olarak göstermek için basit bir örnek de kullanıyoruz. Ekosistemin su (W), balık (F), hidrofit (H) ve balıkçıdan (M) oluştuğunu ve yukarıdaki unsurların ilişkilerinin Şekil 11.1'de gösterilen ilişki grafiği ve ilişki matrisi olarak ifade edilebileceğini varsayalım. Ardından, ilişki matrisi, aşağıdaki gibi oluşturulabilen M matrisini oluşturmak için kimlik matrisini ekler. Son olarak, ulaşılabilirlik matrisi, Denklem 11.2'yi sağlamak için matris M'ye güç verilerek elde edilebilir. Burada (*) sembolü, orijinal ilişki matrisinde ortaya çıkmayan türev ilişkisini gösterir. Hiyerarşik bir yapıdaki elemanların seviyelerini belirlemek için erişilebilirlik seti ve öncelik seti Denklem 11.3 ve 11.4'e göre türetilir ve Tablo 11.1'de gösterildiği gibi açıklanabilir. Denklem 11.5'e göre birinci seviyenin balıkçı olduğu görülmektedir. Diğer seviyeler sırayla aynı prosedürlerle belirlenebilir ve Tablo 11.2'de gösterildiği gibi açıklanabilir. Erişilebilirlik matrisine ve Tablo 11.2'ye dayanan unsurların ilişkilerinin nihai sonuçları, Şekil 11.2'de gösterildiği gibi gösterilebilir. Dematel Yöntemi Battelle Memorial Institute of Geneva'nın Bilim ve İnsan İşleri Programı tarafından 1972-1976 yılları arasında geliştirilen Karar Verme Deneme ve Değerlendirme Laboratuvarı (DEMATEL) yöntemi karmaşık ve iç içe geçmiş problem grubunun (Fontela) araştırılması ve çözülmesi için kullanıldı. DEMATEL, bilimsel araştırma yöntemlerinin öncülüğünün ve uygun kullanımının, spesifik problematiğin, iç içe geçmiş problemlerin kümelenmesinin anlaşılmasını geliştirebileceği ve hiyerarşik bir yapı ile uygulanabilir çözümlerin belirlenmesine katkıda bulunabileceği inancıyla geliştirilmiştir. Metodoloji, objektif olayların somut özelliklerine göre, değişkenler / özellikler arasındaki karşılıklı bağımlılığı teyit edebilir ve karakteristiği yansıtan temel bir sistem ve gelişim eğilimi ile ilişkiyi sınırlayabilir. Bireysel öznel algıları boyutlandırmak ve işlemek için DEMATEL yöntemini kullanarak, problem karmaşıklığı hakkında kısa ve izlenimci insan içgörüleri elde edilebilir. DEMATEL sürecini takiben, analizin son ürünü görsel bir temsildir, bireysel bir zihin haritasıdır, ki buna göre cevaplayıcı kendi iç dünyasına saygı duymak için içsel olarak tutarlı kalacaksa dünyadaki kendi eylemini düzenler. Örtülü öncelikleri ve gizli hedeflerine ulaşmak için tutarlı ve mantıklı bir şekilde kullanıldığında sonu verir. DEMATEL yönteminin adımları şu şekilde açıklanabilir: Adım 1: Ortalama Matrisi Hesaplayın. Katılımcılardan, 0'dan 5'e kadar tam sayılarla çalışan bir ölçeğe göre, her bir faktörün diğerlerinin her biri üzerinde uyguladığına inandıkları doğrudan etkiyi belirtmeleri istenir. Daha yüksek puan, katılımcının faktör i problemine yetersiz katılımını ifade ettiğini gösterir. j faktörünün yetersizliği üzerinde daha güçlü olası doğrudan etkiyi ya da olumlu terimlerle, j'yi iyileştirmek için daha fazla i iyileştirmesinin gerekli olduğunu gösterir. Herhangi bir grup doğrudan yanıtlayıcı matrisinden, ortalama bir A matrisi elde etmek mümkündür. Bu ortalama matrisin her bir öğesi, bu durumda, yanıtlayıcıların farklı doğrudan matrislerindeki aynı öğelerin ortalaması olacaktır. 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 (28) – Yapısal Model – 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…

Okumaya Devam EtÇok Amaçlı Karar Verme (28) – Yapısal Model – Çok Amaçlı Karar Verme Nedir? – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma