HFL-CODAS - Kararsız Bulanık Dilsel Terim Kümeli CODAS (HFLTS-zarflı Kombinatif Uzaklık Bazlı Değerlendirme)

Formül adımları

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

1. Birleştirilmiş CLE karar matrisini ve hizalanmış etiketleri doğrulayın.

   $$X=[x_{ij}^{CLE}]$$
   LaTeX

   X=[x_{ij}^{CLE}]

2. Her karşılaştırmalı dilsel ifadeyi bitişik bir HFLTS'ye dönüştürün.

   $$E_{G_H}(x^{CLE})=\{s_i,\dots ,s_j\}$$
   LaTeX

   E_{G_H}(x^{CLE})=\{s_i,\ldots,s_j\}

3. Liu–Rodríguez W1/W2 OWA operatörlerini kullanarak her yamuk bulanık zarfı oluşturun.

   $$W^1=(\alpha ,\alpha (1-\alpha ),\dots );W^2=({\alpha }^{n-1},(1-\alpha ){\alpha }^{n-2},\dots ,1-\alpha )$$
   LaTeX

   W^1=(\alpha,\alpha(1-\alpha),\ldots);\quad W^2=(\alpha^{n-1},(1-\alpha)\alpha^{n-2},\ldots,1-\alpha)

4. Skaler payda için zarfları durulaştırın ve fayda/maliyet kriterlerini normalleştirin.

   $$\kappa (\tilde{A})=\frac{1}{3}[a+b+c+d-\frac{cd-ab}{(c+d)-(a+b)}]$$
   LaTeX

   \kappa(\tilde A)=\frac13[a+b+c+d-\frac{cd-ab}{(c+d)-(a+b)}]

5. Normalleştirilmiş yamukları kriter-ağırlık zarflarıyla çarpın; açık kesin ağırlıklar için Yalçın Denk. (41) dejenere yamuklar olarak kullanılır.

   $${\tilde{r}}_{ij}={\tilde{w}}_j\otimes {\tilde{n}}_{ij}$$
   LaTeX

   \tilde r_{ij}=\tilde w_j\otimes\tilde n_{ij}

6. Her kriterin negatif ideali olarak en küçük kappa ağırlıklı yamuğu seçin.

   $${\widetilde{ns}}_j={\tilde{r}}_{i^{*}j},i^{*}=\mathrm{\backslash arg}{min}_i\kappa ({\tilde{r}}_{ij})$$
   LaTeX

   \tilde{ns}_j=\tilde r_{i^*j},\ i^*=\arg\min_i\kappa(\tilde r_{ij})

7. Negatif idealden ağırlıklı Öklid ve Hamming mesafelerini hesaplayın.

   $$E{D}_i=\sum _j{d}_E({\tilde{r}}_{ij},{\widetilde{ns}}_j),H{D}_i=\sum _j{d}_H({\tilde{r}}_{ij},{\widetilde{ns}}_j)$$
   LaTeX

   ED_i=\sum_j d_E(\tilde r_{ij},\tilde{ns}_j),\quad HD_i=\sum_j d_H(\tilde r_{ij},\tilde{ns}_j)

8. Eşik teta kullanarak göreceli değerlendirme matrisini oluşturun.

   $$p_{ik}=(E{D}_i-E{D}_k)+t(E{D}_i-E{D}_k)(H{D}_i-H{D}_k)$$
   LaTeX

   p_{ik}=(ED_i-ED_k)+t(ED_i-ED_k)(HD_i-HD_k)

9. Göreceli değerlendirmeleri toplayın ve azalan şekilde sıralayın.

   $$A{S}_i=\sum _k{p}_{ik}$$
   LaTeX

   AS_i=\sum_k p_{ik}

Sezgi

HFL-CODAS, Keshavarz Ghorabaee ve arkadaşlarının (2016) CODAS (COmbinative Distance-based ASsessment) yönteminin hesitant fuzzy linguistic ortamda Yalçın ve Yapıcı Pehlivan (2019, Symmetry) tarafından FUZZY ENVELOPE COUPLING aracılığıyla uyarlanmış halidir. ÖNEMLİ tasarım kararı: paper saf HFLTS aritmetiği üzerinde CODAS tanımlamaz; bunun yerine HFLTS'leri Liu-Rodríguez (2014) FUZZY ENVELOPE dönüşümüyle trapezoidal fuzzy sayılara çevirir ve standart fuzzy CODAS'ı çalıştırır. CODAS'ın kendine özgü mantığı şudur: "en iyi alternatif, NEGATİF-İDEAL çözüme aynı anda hem Euclidean (l_2) hem Taxicab (l_1) uzaklıkta UZAK olandır"; bu çift-uzaklık formülasyonu, TOPSIS'in pozitif+negatif ideal sıkıştırılmış closeness coefficient'inden farklı bir ayırt edicilik kazandırır. Birleşik skor H_i = E_i + θ(E_i, E_k)·T_i (Eq. paper §3.1) Euclidean Excellence (E_i) ve Taxicab Excellence (T_i) farklarını τ-eşiği üzerinde kombine eder. Vaka: Türk imalat firmasında 6 mavi-yaka adayı seçimi; sonuçlar fuzzy EDAS/TOPSIS/WASPAS/ARAS/COPRAS ile çapraz doğrulanmış.

Sonucu okuma: Use the performance CLE scale N..P and the separate criterion-importance scale DL..DH. Distances are always recomputed from the supplied CLEs.

Sınırlılıklar

• Rank reversal known on alternative-set changes (ref: Inherited from crisp CODAS (Keshavarz-Ghorabaee et al. 2016 EM); rank reversal under alternative addition/removal is possible due to negative-ideal denominator dependence.)

Sık yapılan hatalar

• Bir orta nokta aralığı, Liu-Rodríguez bulanık zarfı değildir.
• C5, yayınlanan durumda bir maliyet kriteridir.
• Tablo 6 ED/HD değerlerini girdi olarak enjekte etmeyin.