Grey-COPRAS - COPRAS yönteminin Grey uzantısı

Formül adımları

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

1. Adım 1 — Beyazlat, sütun toplamı normalizasyon, ağırlıklandır.

   $$\begin{gathered} {\widehat{v}}_{ij}=\frac{1}{2}(v_{ij}^L+v_{ij}^U); \\ {\overline{v}}_{ij}=\frac{{\widehat{v}}_{ij}}{{\sum }_k{\widehat{v}}_{kj}}; \\ {v}_{ij}=w_j{\overline{v}}_{ij} \end{gathered}$$
   LaTeX

   \hat{v}_{ij}=\tfrac{1}{2}(v_{ij}^L+v_{ij}^U);\\ \bar{v}_{ij}=\frac{\hat{v}_{ij}}{\sum_k\hat{v}_{kj}};\\ v_{ij}=w_j\bar{v}_{ij}

2. Adım 2 — Fayda toplamı S_i+ ve maliyet toplamı S_i-.

   $$\begin{gathered} S_i^{+}=\sum _{j\in {\Omega }_b}{v}_{ij}; \\ {S}_i^{-}=\sum _{j\in {\Omega }_c}{v}_{ij} \end{gathered}$$
   LaTeX

   S_i^+=\sum_{j\in\Omega_b}v_{ij};\\ S_i^-=\sum_{j\in\Omega_c}v_{ij}

3. Adım 3 — Göreceli önem Q_i ve fayda derecesi N_i. Azalan sıra.

   $$\begin{gathered} Q_i=S_i^{+}+\frac{{\sum }_k{S}_k^{-}}{S_i^{-}{\sum }_k(1/S_k^{-})}; \\ {N}_i=\frac{Q_i}{Q_{max}}\times 100\%; \\ \text{rank descending by }{Q}_i \end{gathered}$$
   LaTeX

   Q_i=S_i^++\frac{\sum_k S_k^-}{S_i^-\sum_k(1/S_k^-)};\\ N_i=\frac{Q_i}{Q_{\max}}\times100\%;\\ \text{rank descending by }Q_i

Sezgi

Grey outranking/ranking - Grey Interval Number (GIN: [x̲, x̄]). Output typically utility (higher value = preferred).

Sonucu okuma: grey-copras extends COPRAS to handle Grey uncertainty. All arithmetic operations (normalisation, weighting, distance computation) are performed using Grey Interval Number (GIN: [x̲, x̄]) algebra. The final scores are defuzzified via whitenisation: (x̲ + x̄)/2 before ranking.

Varsayımlar

• Decision matrix entries are valid Grey numbers/tuples
• Underlying crisp method's compensation assumption holds in uncertain space
• All decision-maker(s) and experts use the same linguistic/uncertainty scale

Ne zaman kullanılmaz

• Classical data sufficient - use base COPRAS directly (avoid unnecessary uncertainty layer)
• Aggregation operator (PFWA/PFOWA/etc.) not specified - output ambiguous

Sınırlılıklar

• Rank reversal known on alternative-set changes (ref: inherited from crisp base; cf. Belton-Gear 1983, Wang-Luo 2009)
• Assumes: Decision matrix entries are valid Grey numbers/tuples
• Assumes: Underlying crisp method's compensation assumption holds in uncertain space
• Assumes: All decision-maker(s) and experts use the same linguistic/uncertainty scale

Sık yapılan hatalar

• Değer-uzayı ihlali: hesaplamadan önce tüm girişlerin GIN: x̲ ≤ x̄ (lower and upper bounds of interval) koşulunu sağladığından emin olun.
• Defuzzifikasyon yöntemi sıralamayı etkiler: whitenisation: (x̲ + x̄)/2 kanonik seçimdir.