envanter modelleri ve yatırım analizi

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. Açıkça, bir önceki yazıdaki matris, ilk yaklaşımla türetilen matris ile aynıdır. Bununla birlikte, ikili yaklaşımda karar vericinin, toplam 28 (= 3 (3-1) / 2 + 5 [3 (3-1) /) gerektiren 5 (yani 1 + 3 + 1) yargı matrisi oluşturması gerekiyordu. 2] + 5 (5-1) / 2) ikili karşılaştırma. Bu, ilk yaklaşımda gerekli olan ikili karşılaştırmaların toplam sayısından% 15.14'lük bir azalmayı temsil etmektedir. Bu azalma çok önemli görünmese de, alternatiflerin sayısı karar kriterlerinin sayısından çok daha fazla olduğunda, ikili yaklaşımı kullanmanın faydaları önemli ölçüde artar. Bu, bir sonraki bölümde sunulan sayısal sonuçlarda daha ayrıntılı incelenecektir. FARKLI BOYUTLARDAKİ PROBLEMLER İÇİN BAZI SAYISAL SONUÇLAR İlkel ve ikili yaklaşımlar altında gerekli olan toplam karşılaştırma sayısını ve bunların net farkını hesaplayan (7-5), (7-6) ve (7-7) ifadelerini ele alalım. Şekil 7-1, 7-2, 7-3 ve 7-4, karar kriteri n sayısı sırasıyla 10, 15, 20 ve 25'e eşit olduğunda bu değerleri gösterir. Bu ifadelerde de gösterildiği gibi, bu fonksiyonların değerleri m'nin değeri (yani alternatiflerin sayısı) ile ikinci dereceden artar. Dahası, Sonuç 7-1'in koşulu karşılandığında (yani, m> n + 1 olduğunda), dualiteye bağlı net düşüş pozitiftir. Burada, bu dört temsili grafiğin tümünde, ikili problem için karşılaştırma sayısının, alternatiflerin sayısı ile neredeyse doğrusal olarak arttığını gözlemlemek de ilginçtir. Bu, elbette ikili yaklaşımın kullanılması için gerekli olan karşılaştırma sayısının güzel bir özelliğidir. Önceki gözlem, bu çalışmada ele alınan m ve n parametrelerinin aralıkları için geçerlidir. Önceki rakamlardan ve analizlerden, alternatiflerin sayısı 35'ten fazla ise, ikili yaklaşım kapsamındaki karşılaştırmaların sayısının daha ikinci dereceden bir artış oranı varsayacağı anlaşılmaktadır. Bununla birlikte, gerçek hayattaki sorunların çoğunun 35'ten daha az alternatif içerdiği makul bir şekilde tartışılabilir (bu, önceki grafiklerde üst sınırdır). Öte yandan, geleneksel (asal) yaklaşım altında gerekli olan karşılaştırma sayısı, bu rakamlarda ikinci dereceden fark edilir şekilde artmaktadır. Önceki gözlemler, yaklaşımının, nitel verileri ortaya çıkarmak için ikili karşılaştırmaları kullanan çoğu gerçek hayattaki karar problemleri için önemli ölçüde faydalı olmasının zorlayıcı bir nedenidir. Farklı boyut problemleri için ikili yaklaşım uygulandığında elde edilen karşılaştırmaların (ifade (7-4) olarak verilmiştir) sayısındaki net azalmayı göstermektedir. Şekil 7-6, çeşitli boyutlardaki problemlerde ikili yaklaşım kullanıldığında elde edilen yüzde (%) azalmaları göstermektedir. Daha önce olduğu gibi, bu artışlar karar problemlerinin boyutuna ilişkin ikinci dereceden modelleri takip etmektedir. Şekil 7-6'da, alternatiflerin sayısı arttığında, indirgeme oranlarının sabit bir değere yakınsadığı göze çarpmaktadır. Açıkçası, bu Corollary 7-2 ile doğrudan uyum içindedir. SONUÇLAR Önceki analizler, m alternatifi ve n kriteri olan bir MCDM problemini çözmek için gereken karşılaştırma sayısının, alternatiflerin sayısı kriter sayısı artı birden önemli ölçüde daha fazla olduğunda önemli ölçüde azaltılabileceğini göstermektedir. Bu, dualite yaklaşımı açısından başarılır. Bu yaklaşımda karar verici, kriterlerin her seferinde tek bir alternatifte ne kadar iyi performans gösterdiğini karşılaştırır. İkili karşılaştırmaları uygulamanın geleneksel yönteminde, karar vericiden alternatifleri bir seferde tek bir kriter açısından karşılaştırması veya bir dizi kriteri karşılaştırması (göreli önem ağırlıkları çıkarıldığında) istendiğine dikkat edilmelidir. Gerekli toplam ikili karşılaştırma sayısında elde edilen azalmalar bazı analitik formüllerle verilmiştir. Bu çalışmanın temel bulguları da birkaç şekilde tasvir edilmiştir. Burada, sorunun boyutu büyüdükçe bu azalmaların daha dramatik hale geldiğini vurgulamak dikkat çekicidir. Böylece önerilen dualite yaklaşımı, büyük boyutlu karar problemleri için daha pratik hale gelir. Dualite kavramı, karar bilimlerinde (örneğin, doğrusal programlamada) eski bir kavram olmasına rağmen, önerilen dualite yaklaşımı, MCDM problem çözmede yeni bir gelişmedir. Önerilen yöntem AHP'ye veya varyantlarına ve ayrıca karar vericilerden nitel veya bulanık veriler elde etmek için ikili karşılaştırmaları kullanan diğer herhangi bir yönteme uygulanabilir. İlginç bir soru, bu dualite yaklaşımının farklı ikili karşılaştırmalara nasıl genişletileceğidir (Bölüm 5'te tanımlandığı gibi). Diğer bir amaç, bu sonuçları, karar kriterlerinin organize edilme biçimindeki birden çok hiyerarşiye sahip sorunlara genişletmek olabilir. Bu ilgi çekici alanda daha fazla araştırma, belirli bir MCDM sorununun ikili formülasyonundan elde edilen bilgileri kullanmanın daha fazla faydasını ortaya çıkarabilir. MCDM YÖNTEMLERİ İÇİN DUYARLILIK ANALİZİ YAKLAŞIMI ARKA PLAN BİLGİLERİ Doğrusal programlama, envanter modelleri ve yatırım analizi gibi bazı yöneylem araştırması ve yönetim bilimi modelleri için duyarlılık analizi üzerine önemli araştırmalar vardır (örneğin, [Wendel, 1992] ve [Triantaphyllou, 1992]). Bununla birlikte, deterministik MCDM modelleri için duyarlılık analizi üzerine araştırmalar oldukça sınırlıdır. İlgili literatüre kısa bir genel bakış [Triantaphyllou ve Sanchez, 1997]) 'de bulunabilir. Simon French [1986; ve 1989] duyarlılık analizinin karar vermedeki rolünü vurguladılar. Yargıları modellemedeki bazı zorlukların üstesinden gelmek için etkileşimli karar yardımcılarının kullanımının bir analizini yaptı. İncelenen modeller deterministik yerine çoğunlukla stokastikti. Ayrıca, daha iyi ve daha genel duyarlılık analiz araçlarına sahip olmanın önemini vurguladı. Ayrıca, [1989] 'da French ve Rios Insua, rakipleri mevcut bir optimal çözüme belirlemek için bir mesafeyi en aza indirme yaklaşımı kullandılar. RiosInsuainhisseminalbook [1990] tarafından açıklanan çok amaçlı karar vermede duyarlılık analizi için bir metodoloji. Tehdit tedavisi, karar vermede geleneksel Bayesci yaklaşımın sonuçlarını genişleten duyarlılık analizi için genel bir çerçeve sundu. Kısmi ve / veya şüpheli verileri kullanan durumlara vurgu yapılır. Ayrıca, bu çalışma "düz maksimum ilkesinin" neden geçerli olmadığına dair bir analiz içermektedir. Rios Insua [1990] kitabı ayrıca SENSATO'nun açıklamasını da içerir; karar yardımcıları için bir duyarlılık analizi paketinin bir prototip kitaplığı. Ancak, bu bölüm verilerin stokastik olmadığını varsayar ve belirleyici bir ÇKKY ortamında karar kriterlerinin ağırlıkları ve alternatiflerin performans ölçütlerine ilişkin duyarlılık analizi konusuna odaklanır. AHP kullanıldığında duyarlılık analizinde yeni bir gelişme Masuda [1990] 'dan kaynaklanmaktadır. Bu çalışmada Masuda, karar matrisinin tüm vektörlerindeki değişikliklerin alternatiflerin sıralaması üzerindeki etkisini inceledi. Yazar, çok düzeyli ,iyerarşi olarak da değerlendirmiştir. 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.