Karar verici | Online (Parayla Ödev Yaptırma)

ÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (49) – HESAPLAMALI SONUÇLARIN ANALİZİ – Çok Amaçlı Karar Verme Nedir? – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma

odevcimonline — Thu, 29 Oct 2020 04:26:59 +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.

Örnek 11-2: İdeal Mod AHP Durumu

Önceki örnekle benzer şekilde, ideal mod AHP durumu en iyi bir örnekle açıklanır. Aşağıdakinin, üç kriter ve üç alternatif AI ‘A2 ve A) ile basit bir problemin karar matrisi olduğunu varsayalım.

Daha önce olduğu gibi, yukarıdaki verilerin de çift yönden karşılaştırmalarla mükemmel tutarlılık gösteren yargı matrislerinden türetildiği varsayılır. İdeal mod AHP yukarıdaki karar matrisine uygulandığında, üç alternatifin “Birleşik Öncelikler” vektörü altında gösterilen öncelik değerlerine sahip olduğu kolayca görülebilir.

Bu nedenle, maksimizasyon durumunda, yukarıdaki birleşik öncelikler, üç alternatifin aşağıdaki gibi sıralandığını gösterir:

A2> A3> AI ‘

Örnek 11-1’deki tartışmaya benzer şekilde, sonraki üç alternatifler ikili bir şekilde karşılaştırılır. Yani, asıl sorun, her biri iki alternatife sahip üç küçük soruna bölünmüştür. Bu türden ilk problem (A2 ve A alternatif çiftini dikkate alır) aşağıdaki karar matrisi ile açıklanmıştır.

Şimdi yukarıdaki matristeki sütunlar, AHP ideal modunun öngördüğü şekilde normalize edilmiştir (yani, her vektördeki elemanlar o vektördeki en büyük değere bölünmüştür).

Benzer şekilde, bu tür ikinci problem (Al ve A2 alternatiflerinin çiftini dikkate alan) aşağıdaki karar matrisi ile açıklanmaktadır. Önceki sonuçlar, birlikte ele alındığında, üç alternatifin sıralamasının şu olması gerektiğini göstermektedir:

A3> A2> AI

İlk örnekte olduğu gibi, bu sıralama, tüm alternatifler aynı anda düşünüldüğünde elde edilenden farklıdır (yani: A2> A3> AI) Önceki açıklayıcı örnekte olduğu gibi, aşağıdaki ilişkilerin doğru olması gerektiği gözlemlenebilir. Bu ikili karşılaştırmalar, aşağıdaki ikili karşılaştırma matrisinin kullanılmasına ve ardından ekteki birleşik önceliklere götürür:

Bu birleşik öncelik değerleri (şimdi bire kadar eklenir), üç alternatifin sıralamasının şu olması gerektiğini gösterir: A2> A3> AI ‘Bununla birlikte, önceki matristeki ikili karşılaştırmalar tek tek ele alındığında, türetilmiş sıralama farklı. Yani bu sıralama: A3> A2> AI’dır.

Bu sıralama (tanım gereği), daha küçük üç alt problemin çözülmesinden ve daha sonra kısmi çözümlerin birleştirilmesinden elde edilen sıralamayla aynıdır. Yani, bu durumda, birleştirilmiş ikili matristen türetilen sıralama, daha küçük üç problem dikkate alındığında elde edilen sıralamadan farklıdır. Açıkça, Örnek 11-1’deki durum bu değildi. Önceki sıralama anormallik kategorilerinin yanı sıra, farklı türde bir sıralama anormalliği ortaya çıkabilir ve sonraki bölümde tartışılacaktır.

ALTERNATİFLER BİR KEZ İKİ VE AYRICA GRUP OLARAK KARŞILAŞTIRILDIĞINDA SIRALAMA ANORMALİTELERİ

Önceki tartışmalar, orijinal veya ideal mod AHP kullanıldığında, bazen doğru sıralamanın ne olduğu çok açık olmayabilir. Tüm alternatifler ve karar kriterleri kullanıldığında elde edilen sıralama kabul edilmeli mi? Ya da iki alternatifi (ve tüm kriterleri bir arada) dikkate alan daha küçük problemlerin çözümlerinin birleştirilmesinden elde edilen sıralama kabul edilmeli mi? Birleştirilmiş ikili karşılaştırmalar içeren matris düşünüldüğünde de, önceki iki sıralamadan farklı olan üçüncü bir sıralama elde edilebilir. Yukarıdaki senaryolar orijinal veya ideal mod AHP kullanıldığında mümkündür.

Burada, karar vericinin önceki senaryolarda olduğu gibi sorunlu bir durumla karşılaştığında, nihai sonuçları kabul ederken daha dikkatli olması gerektiği tartışılabilir. Sorunun özelliklerinin yeniden değerlendirilmesi (özellikle yeni karar kriterleri getirilebilirse), daha az belirsiz sonuçlara yol açabilecek daha sağlam verilerle sonuçlanabilir.

Bununla birlikte, önceki bölümlerde tartışılan iki sayısal örneğin gösterdiği gibi, tüm ikili karşılaştırmalar (yani, alternatif çiftlerini tek bir kriter açısından değerlendirenler) mükemmel bir şekilde tutarlı olduğunda bile sonuçsuz sonuçlara ulaşmak mümkündür. Bu örneklerdeki karar matrislerindeki verilerde durumun gerçekte böyle olduğunu hatırlayın. Bu nedenle cevaplanması gereken ilk soru, alternatiflerin doğru sıralamasıdır.

Hangisinin doğru sıralama olduğuna karar vermek açık uçlu bir soru olabilir. Doğru sıralamanın, tüm alternatifler ve karar kriterleri aynı anda değerlendirildiğinde elde edilen sıralama olduğu iddia edilebilir.

Bununla birlikte, daha küçük sorunların çözümlerinin daha güvenilir olduğu da iddia edilebilir, çünkü bunlar daha basit (bir seferde sadece iki alternatif dikkate alınır) karar problemleri içerir. Daha basit sorunların daha güvenilir çözümlere yol açtığı varsayımı kabul edilirse, kabul edilmesi gereken bir sonraki ifade, daha küçük sorunların kısmi sıralamalarının birleştirilmesiyle elde edilen sorunun en güvenilir olanıdır.

Son nedenin yanı sıra, neden daha küçük problemlerden elde edilen sıralamanın, tüm alternatifler tüm kriterler açısından aynı anda düşünüldüğünde elde edilen sıralamadan daha güvenilir olabileceği ikinci bir argüman vardır. Bu bölümün başında ve diğer bölümlerde de bahsedildiği gibi, hem orijinal hem de ideal mod AHP, bir karar probleminde yeni veya mevcut alternatiflerin kopyaları sunulduğunda alternatiflerin sıralaması değişebileceği için sert bir şekilde eleştirilmiştir. Bu gözlemler, AHP yönteminin geçerliliği ile ilgili bilimsel ve uygulayıcı topluluklarda birçok tartışmalı anlaşmazlığın temelini oluşturdu.

Karar verici, daha küçük sorunların çözümlerini tarayarak elde edilen sıralamayı kabul ettiğinde, önceki anormallikler meydana gelemez. Bu açıkça doğrudur çünkü alternatiflerin sıralaması, o anda iki olarak değerlendirildiklerinde nasıl sıralandıklarına bağlıdır. Yeni alternatifler sunulduğunda, mevcut alternatiflerin karşılaştırılmasının sonuçları, yeni alternatiflerin tanıtılmasından önce aynı kalır.

Bu nedenle, eski alternatiflerin göreceli sıralaması, ek alternatifler getirilmesi sonucunda asla değişmeyecektir.
Bununla birlikte, daha küçük problemlerin bir önceki sekansının yine de aşırı derecede anormalliklere yol açması mümkündür. Daha spesifik olarak, iki alternatifi aynı anda karşılaştırmak için orijinal veya ideal mod AHP kullanıldığında, yeni bir sıralama çelişkisine ulaşmak mümkündür. Bu, aşağıdaki örnekte en iyi şekilde gösterilmiştir.

Örnek 11-3: İdeal Mod AHP Vakası

Önceki açıklayıcı örneklerde olduğu gibi, dört kriterli ve üç alternatifli bir sorun ele alınmıştır. A i j verileri, sürekli aralıktaki [9, 1] gerçek (normalleştirilmemiş) sayılardır. İdeal mod AHP’yi kullandığını varsayalım. AI ve Az alternatifleri önceki iki örnekteki gibi karşılaştırıldığında, şu türetilir: Az> AI. Benzer şekilde, alternatifler AI ve AJ karşılaştırıldığında, daha sonra şunu ortaya çıkardı: AI> AJ. Yani bu ilişkiler, üç alternatifin sıralamasının aşağıdaki gibi olması gerektiğini göstermektedir: Az> Al> A3. Bununla birlikte, iki alternatif A3 ve Az karşılaştırıldığında, elde edilen sıralama şöyledir: A3> Az.

The post ÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (49) – HESAPLAMALI SONUÇLARIN ANALİZİ – Çok Amaçlı Karar Verme Nedir? – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma first appeared on Online (Parayla Ödev Yaptırma).

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

odevcimonline — Sat, 17 Oct 2020 04:02:33 +0000

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.

Çok Amaçlı Karar Verme Analizi ile ilgili aramalar

Çok kriterli karar verme yöntemleri ppt

Çok kriterli karar verme problemleri

Çok Kriterli karar verme

Çok Kriterli karar Verme yöntemleri PDF

Çok kriterli karar VERME yöntemleri sınıflandırma

Çok KRİTERLİ Karar Verme yöntemleri tez

Çok kriterli karar verme terimleri

Çok KRİTERLİ KARAR VERME YÖNTEMLERİ sınıflandırma

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.

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).

ÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (24) – DUYARLILIK ANALİZİ YAKLAŞIMI – Çok Amaçlı Karar Verme Nedir? – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma

odevcimonline — Thu, 08 Oct 2020 05:32:00 +0000

MCDM YÖNTEMLERİ İÇİN DUYARLILIK ANALİZİ YAKLAŞIMI

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.Ros Insua [1990] kitabı ayrıca SENSATO’nun açıklamasını da içermektedir; karar yardımcıları için bir duyarlılık analiz paketinin bir prototip kütüphanesi. Bölüm, verilerin stokastik olmadığını varsayar ve belirleyici bir ÇKKY ortamında karar kriterlerinin ağırlıkları ve alternatiflerin performans ölçüleri üzerindeki duyarlılık analizi konusuna odaklanır.

AHP kullanıldığında duyarlılık analizinde yeni bir gelişme Masuda’dan [1990] kaynaklanmaktadır. Bu çalışmada Masuda, karar matrisinin tüm vektörlerindeki değişikliklerin alternatiflerin sıralaması üzerindeki etkisini inceledi.

Bu yazar, çok seviyeli fahiyerarşi olarak değerlendirdi. Bununla birlikte, belirli bir problemin ayrı bir veri parçasındaki değişiklikler (yani, tek bir kriter ağırlığındaki değişiklikler veya belirli bir kriter açısından bir alternatifin performans değerindeki değişiklikler) üzerinde bir duyarlılık analizi gerçekleştirmek için bir prosedür sunmamıştır.

Bu bölümde de detaylı olarak açıklanan Sanchez, 1997], Masuda tarafından geliştirilenin tamamlayıcısıdır. Bu nedenle, bu iki yaklaşım birlikte kullanılabilir (çünkü önerilen yaklaşım, Masuda yaklaşımı bir seferde tek bir vektörü dikkate alırken bireysel yargılara odaklanabilir).

Ayrıca, [1994] ‘te Armacost ve Hosseini, tek seviyeli bir hiyerarşi AHP problemi için en kritik kriterin belirlenmesi için bir prosedür sundu. Çalışmaları, bir kriterin mevcut ağırlığındaki en küçük değişikliğin ne olması gerektiğini açıkça belirlemez, öyle ki alternatiflerin mevcut sıralaması değişecektir.

İlgili bir yorum olarak, burada AHP’ye dayanan Uzman Seçimi (http://expertchoice.com/) yazılım paketininelementarysensitivite analizi gerçekleştirdiği de belirtilmelidir. Kullanıcı, karar kriterlerinin ağırlıklarını grafiksel olarak değiştirme ve alternatiflerin sıralamalarının nasıl değişeceğini ekranda görme seçeneğine sahiptir.

Ancak, kriter duyarlılık analizi konusu sistematik olarak çalışılmamaktadır. Dahası, Uzman Seçimi, alternatiflerin performans ölçümlerindeki değişikliklerin etkilerini incelemek için herhangi bir yol sunmamaktadır (bu, bu bölümde önerilen metodolojinin bir parçasıdır).

Karar vermede, karar kriterlerine atanan ağırlıklar, kriterlerin gerçek önemini temsil etmeye çalışır. Kriterler nicel terimlerle ifade edilemediğinde (maliyet, ağırlık, hacim vb.), Bu kriterlerin önemini doğru bir şekilde ifade etmek zordur.

Yukarıdakine benzer bir durumda, karar verme süreci, kritik kriterleri tanımlayarak (resmi tanım daha sonra verilecektir) ve daha sonra bu kriterlerin ağırlıklarını daha doğru bir şekilde yeniden değerlendirerek önemli ölçüde iyileştirilebilir. Sezgisel inanç, en yüksek ağırlığa sahip ölçütün en kritik olanı olduğudur. Bu her zaman doğru olmayabilir ve bazı durumlarda en düşük ağırlığa sahip kriter en kritik kriter olabilir.

Karar verici, her bir kriterin ne kadar kritik olduğunu belirleyebilirse daha iyi kararlar verebilir. Diğer bir deyişle, alternatiflerin gerçek sıralamasının karar kriterlerinin mevcut ağırlıklarındaki değişikliklere ne kadar duyarlı olduğu. Bu nedenle, bu bölümde birbiriyle yakından ilişkili iki duyarlılık analizi problemini inceleyeceğiz. İlk problemde, kriterlerin ağırlıkları üzerinde bir duyarlılık analizi yaparak her bir kriterin ne kadar kritik olduğunu belirleriz.

Bu duyarlılık analizi yaklaşımı, kriterlerin mevcut ağırlıklarındaki en küçük değişikliğin ne olduğunu belirler ve alternatiflerin mevcut sıralamasını değiştirebilir. İkinci problemde, alternatiflerin çeşitli performans ölçütlerinin (bir seferde tek bir karar kriteri açısından) alternatiflerin sıralamasında ne kadar kritik olduğunu belirlemek için benzer bir kavram kullanıyoruz.

Bu bölüm aşağıdaki şekilde düzenlenmiştir. Bir sonraki bölüm [Triantaphyllou ve Sanchez, 1997] ‘de analiz edilen iki duyarlılık probleminin biçimsel tanımlarını sunmaktadır. İlgili kavramlar ve yöntemler, bazı gösterim örnekleri açısından ayrıca açıklanmaktadır. Bu hassasiyet sorunlarının içgörüsünü artırmak için bazı hesaplama deneyleri de yapıldı. Son olarak, son bölüm önerilen metodolojinin ana sonuçlarını sunmaktadır.

İKİ ANA DUYARLILIK ANALİZİ PROBLEMİNİN AÇIKLAMASI

Daha önce olduğu gibi, bu bölümde çalışılacak tipik MCDM problemi m alternatifler ve n karar kriterleri üzerinde tanımlanmıştır. Mevcut veriler, Bölüm 1’de tanımlandığı gibi aij ve Wj girişleriyle (i = 1,2,3, …, m ve) = 1, 2, 3, …, m) bir karar matrisi oluşturur. O halde, temel MCDM sorunu, en iyi alternatifin nasıl belirleneceği veya tüm alternatifler kümesinin nasıl sıralanacağıdır.

Tüm karar kriterleri aynı anda düşünüldüğünde Pi (i = 1, 2, 3, …, m için) alternatif Ai’nin nihai tercihini temsil etsin. Bölüm 2’de gösterildiği gibi, farklı karar yöntemleri, tercih değerlerinin hesaplanmasında farklı prosedürler uygular Pi ‘Bu bölümde, genellik kaybı olmaksızın varsayılacaktır (istenen sıralama, endekslerin basit bir şekilde yeniden düzenlenmesiyle elde edilebilir), m alternatifleri, aşağıdaki ilişki (sıralama) sağlanacak şekilde düzenlenmiştir (yani, ilk alternatif her zaman en iyi alternatiftir ve benzeri):

PI ~ P2 ~ P3 ••• ~ Pm ‘

Bu bölüm iki ana sorunu ele almaktadır. İlk büyük sorun, önceki tipik MCDM problemindeki en kritik kriterin nasıl belirleneceğidir. Sezgisel olarak, en kritik kriterin, en yüksek ağırlık Wj’ye karşılık gelen kriter olduğu düşünülebilir.

Ancak, bu kritiklik kavramı yanıltıcı olabilir. Bu bölümde en kritik kriter iki alternatif yolla tanımlanmıştır. İlk olarak ilgi, en iyi (en üstteki) alternatifin göstergesinin değişip değişmediğidir. İkinci tanımda ilgi, herhangi bir alternatifin sıralamasındaki değişiklikler üzerinedir. Bu tanımlar sonraki bölümde resmi olarak verilmektedir.

Önceki kritiklik kavramında, en küçük değişim terimi de iki farklı şekilde tanımlanabilir. İlk yol, en küçük değişikliği mutlak terimlerle tanımlamaktır. İkinci yol, göreceli terimlerdeki en küçük değişikliği tanımlamaktır.

Örneğin, C ve C2 ölçütlerinin sırasıyla w] = 0,30 ve w2 = 0,50 ağırlıkları olduğunu varsayalım. Ayrıca, ilk ağırlık w11 = 0.35 olduğunda, alternatiflerin mevcut sıralamasının değiştiğini varsayalım.

Benzer şekilde, ikinci ağırlık w12 = 0.57 olduğunda (ve w] 0.30’a eşit kaldığında), alternatiflerin mevcut sıralamasının değiştiğini varsayalım. Mutlak olarak, ilk kriter en kritik kriterdir.

MCDM Yöntemleri: Karşılaştırmalı Bir Çalışma, I = 0.05, C için karşılık gelen değişiklik: I w – W 12 22 0.07 olur. Yani, ilk kriter için kritik değişim, değişiklikler mutlak terimlerle hesaplandığında ikinci kriterden daha küçüktür.

The post ÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (24) – 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).