DecisionMind Mühürlü, doğrulanabilir reprodüksiyon

Kullanım alanları

COCOSO

COCOSO - Birleşik Uzlaşı Çözümü

Üstel karşılaştırma agregasyonu (WSM + WPM kombinasyonu)

Formül adımları

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

  1. Adım 1 — Kriter türüne göre uzlaşı normalleştirmesi.

    rij={xij−minxijmaxxij−minxijj∈J+maxxij−xijmaxxij−minxijj∈J−
    LaTeX r_{ij} = \begin{cases} \dfrac{x_{ij}-\min x_{ij}}{\max x_{ij}-\min x_{ij}} & j\in J^{+} \\ \dfrac{\max x_{ij}-x_{ij}}{\max x_{ij}-\min x_{ij}} & j\in J^{-} \end{cases}
  2. Adım 2 — Ağırlıklı toplam bileşeni S_i.

    Si=∑j=1nwjrij
    LaTeX S_{i} = \sum_{j=1}^{n} w_{j}\,r_{ij}
  3. Adım 3 — Ağırlıklı çarpım bileşeni P_i.

    Pi=∑j=1n(rij)wj
    LaTeX P_{i} = \sum_{j=1}^{n} (r_{ij})^{w_{j}}
  4. Adım 4 — Üç değerlendirme skoru k_a, k_b, k_c.

    ka,i=Pi+Si∑k(Pk+Sk),  kb,i=SiminkSk+PiminkPk,  kc,i=λSi+(1−λ)PiλmaxkSk+(1−λ)maxkPk
    LaTeX k_{a,i}=\dfrac{P_{i}+S_{i}}{\sum_{k}(P_{k}+S_{k})},\ \ k_{b,i}=\dfrac{S_{i}}{\min_{k} S_{k}}+\dfrac{P_{i}}{\min_{k} P_{k}},\ \ k_{c,i}=\dfrac{\lambda S_{i}+(1-\lambda)P_{i}}{\lambda \max_{k} S_{k}+(1-\lambda)\max_{k} P_{k}}
  5. Adım 5 — Nihai uzlaşı k_i ve azalan sıralama.

    ki=(ka,ikb,ikc,i)1/3+13(ka,i+kb,i+kc,i)
    LaTeX k_{i} = (k_{a,i}\,k_{b,i}\,k_{c,i})^{1/3} + \tfrac{1}{3}(k_{a,i}+k_{b,i}+k_{c,i})

Yöntem ayrıntıları kaynak kütüphanedeki özgün (İngilizce) metindir.

Sezgi

Aggregated exponential comparison (WSM + WPM combination). Output typically utility (higher value = preferred).

Sonucu okuma: k_i > 0. Higher k_i means better. COCOSO combines three appraisal strategies (k_ia: proportional total, k_ib: ratio to minimum, k_ic: weighted λ-compromise) into a geometric-arithmetic mean. The three strategies check robustness - if all three agree, the ranking is stable.

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

  • Sabit kriter sütunu: min-maks normalleştirme paydası sıfırdır - E-2'yi kontrol edin.

Hesap adımları ve dayanakları

  1. Compromise normalisation per criterion type.

    Dayanak: Yazdani 2019, p.2506 Eq.(1)

  2. Weighted Sum component S_i = Σ w_j r_ij.

    Dayanak: Yazdani 2019, p.2506 Eq.(2)

  3. Weighted Product component P_i.

    Dayanak: Yazdani 2019, p.2506 Eq.(3)

  4. Three appraisal scores k_a (additive), k_b (sum of ratios), k_c (balanced).

    Dayanak: Yazdani 2019, p.2506 Eqs.(4)-(6)

  5. Final compromise k_i and descending ranking.

    Dayanak: Yazdani 2019, p.2507 Eq.(7)