COOK-SEIFORD - Cook ve Seiford - uzaklık tabanlı sıralama toplulaştırma

Formül adımları

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

1. Build m×m distance matrix where d_jk = sum over rankings of |rank(alt_j) − k|. Apply Hungarian algorithm to assign alternatives to target ranks minimizing total distance.

   $$d_{j,k}={\Sigma }_i|r_{i}j-k|;solveassignmentproblem(mintotaldistance)$$
   LaTeX

   d_{j,k} = Σ_i |r_ij − k|; solve assignment problem (min total distance)

Sezgi

Distance matrix + Hungarian assignment. Output typically rank_position (lower value = preferred).

Sonucu okuma: Input: rank matrix (rows=alts, cols=rankings, cell=rank 1..m). Source: Orakçı 2024 §1.8.7.

Varsayımlar

• Input is a rank matrix (1=best, m=worst per voter)
• Each voter ranks all alternatives

Ne zaman kullanılmaz

• Cardinal preferences important → use a MAUT method

Sınırlılıklar

• Assumes: Input is a rank matrix (1=best, m=worst per voter)
• Assumes: Each voter ranks all alternatives

Sık yapılan hatalar

• Hatalı: 'COOK-SEIFORD bu varsayımı kontrol etmeden uygulamak'. Doğrusu: Input is a rank matrix (1=best, m=worst per voter)
• Hatalı: 'COOK-SEIFORD bu varsayımı kontrol etmeden uygulamak'. Doğrusu: Each voter ranks all alternatives
• Hatalı: COOK-SEIFORD'yi 'Cardinal preferences important → use a MAUT method' durumunda kullanmak - recommendation_metadata.not_recommended_when alternatif öneriyor.