DecisionMind Mühürlü, doğrulanabilir reprodüksiyon

Kullanım alanları

ARTASI

ARTASI - Uyarlanabilir Standartlaştırılmış Aralıklara Dayalı Alternatif Sıralama Tekniği

İki seviyeli standartlaştırma + ideal/anti-ideal fayda (β-çapalı)

Formül adımları

Analiz motorunun yöntem bildirimindeki (manifest F.steps) adımlar; raporlardaki formüllerle aynı kaynaktır.

  1. Adım 1 — Uyarlanabilir standartlaştırılmış aralıklar.

    Sjmax=maxiLij+(maxiLij)1/m;Sjmin=miniLij−(miniLij)1/m
    LaTeX S_{j}^{\max} = \max_{i} L_{ij} + (\max_{i} L_{ij})^{1/m};\quad S_{j}^{\min} = \min_{i} L_{ij} - (\min_{i} L_{ij})^{1/m}
  2. Adım 2 — Birinci-seviye standartlaştırma.

    Rij=Lij−SjminSjmax−Sjmin(βu−βl)+βl
    LaTeX R_{ij} = \dfrac{L_{ij} - S_{j}^{\min}}{S_{j}^{\max} - S_{j}^{\min}}\,(\beta^{u}-\beta^{l}) + \beta^{l}
  3. Adım 3 — İkinci-seviye standartlaştırma (yön).

    Cij=Rij (J+);Cij=−Rij+maxiRij+miniRij (J−)
    LaTeX C_{ij} = R_{ij}\ (J^{+});\quad C_{ij} = -R_{ij} + \max_{i} R_{ij} + \min_{i} R_{ij}\ (J^{-})
  4. Adım 4 — İdeal fayda P+.

    Pij+=(Cij/maxiCij)·Wj·βu
    LaTeX P^{+}_{ij} = (C_{ij}/\max_{i} C_{ij}) \cdot W_{j} \cdot \beta^{u}
  5. Adım 5 — Anti-ideal fayda P−.

    Pij−=(miniCij/Cij)·Wj·βu
    LaTeX P^{-}_{ij} = (\min_{i} C_{ij}/C_{ij}) \cdot W_{j} \cdot \beta^{u}
  6. Adım 6 — Birleşik fayda N+ ve N−.

    Ni+=∑jPij+;Ni−=∑jPij−
    LaTeX N^{+}_{i} = \sum_{j} P^{+}_{ij};\quad N^{-}_{i} = \sum_{j} P^{-}_{ij}
  7. Adım 7 — Son fayda K_i.

    Ki=(Ni++Ni−)+(ψ(f(Ni+))τ+(1−ψ)(f(Ni−))τ)1/τ
    LaTeX K_{i} = (N^{+}_{i} + N^{-}_{i}) + (\psi (f(N^{+}_{i}))^{\tau} + (1-\psi)(f(N^{-}_{i}))^{\tau})^{1/\tau}

Yöntem ayrıntıları kaynak kütüphanedeki özgün (İngilizce) metindir.

Sezgi

Two-level standardization + ideal/anti-ideal utility (β-anchored). Output typically utility (higher value = preferred).

Sonucu okuma: K_i ∈ ℝ; higher K means better alternative. ARTASI uses two-level standardisation with adaptive bounds (S_max, S_min go slightly beyond the data via the (·)^(1/m) term) and combines ideal-direction utility (P+) with anti-ideal utility (P−). ψ controls the trade-off and τ controls the Minkowski-style aggregation strength.

Varsayımlar

  • Criteria preferences are independent (no synergistic interactions)
  • Compensation is acceptable: high score on one criterion can offset low on another
  • Decision matrix is complete (no missing values)

Ne zaman kullanılmaz

  • Criteria strongly correlated → consider DEMATEL/ANP for interdependence
  • Non-compensatory preferences → consider outranking (ELECTRE/PROMETHEE)

Sınırlılıklar

  • Assumes: Criteria preferences are independent (no synergistic interactions)
  • Assumes: Compensation is acceptable: high score on one criterion can offset low on another
  • Assumes: Decision matrix is complete (no missing values)

Sık yapılan hatalar

  • Negatif değer durumu: işaretli üs.
  • ψ uç değerlerde K'nın bir tarafı dominant olur.

Hesap adımları ve dayanakları

  1. Adaptive standardized intervals: S_j^max = max_i L_ij + (max_i L_ij)^(1/m); S_j^min = min_i L_ij − (min_i L_ij)^(1/m).

    Dayanak: Kara et al. 2024, Eqs (17)-(18)

  2. First-level standardization: linear rescaling of L_ij to interval [β^l, β^u] using adaptive bounds.

    Dayanak: Kara et al. 2024, Eq (19)

  3. Second-level standardization with direction. C_ij = R_ij for benefit; C_ij = −R_ij + max R + min R for cost.

    Dayanak: Kara et al. 2024, Eq (20)

  4. Ideal utility P+_ij = (C_ij/max_i C_ij) · W_j · β^u.

    Dayanak: Kara et al. 2024, Eq (21)

  5. Anti-ideal utility P−_ij = (min_i C_ij/C_ij) · W_j · β^u.

    Dayanak: Kara et al. 2024, Eq (22)

  6. Aggregate utility N+ and N−.

    Dayanak: Kara et al. 2024, Eqs (24)-(25)

  7. Final utility K_i = (N+ + N−) + (ψ f(N+)^τ + (1−ψ) f(N−)^τ)^(1/τ); f(N+) = N+/(N+ + N−).

    Dayanak: Kara et al. 2024, Eq (26)