DecisionMind Mühürlü, doğrulanabilir reprodüksiyon

Kullanım alanları

P-CODAS

P-CODAS - P-CODAS yönteminin Plithogenic uzantısı

Plithogenic üstünlük/sıralama - Plitojenik Küme (PltK: çelişki dereceleriyle nitelik değerleri)

Formül adımları

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

  1. Contradiction adjustment; cost complement.

    p^ij=(T+c(1−T),I(1−c),F(1−c))
    LaTeX \hat{p}_{ij}=(T+c(1-T),I(1-c),F(1-c))
  2. PNWA weighting and Plithogenic NIS.

    v~ij=(1−(1−T^ij)wj,I^ijwj,F^ijwj);pj−=(miniT~ij,maxiI~ij,maxiF~ij)
    LaTeX \tilde{v}_{ij}=(1-(1-\hat{T}_{ij})^{w_j},\hat{I}_{ij}^{w_j},\hat{F}_{ij}^{w_j});\quad p_j^-=(\min_i\tilde{T}_{ij},\max_i\tilde{I}_{ij},\max_i\tilde{F}_{ij})
  3. Euclidean E_i and Taxicab T_i separations.

    dE(p1,p2)=[(T1−T2)2+(I1−I2)2+(F1−F2)2]/3;dH=[(|T1−T2|+|I1−I2|+|F1−F2|)]/3;Ei=∑jwj[dE(v~ij,pj−)]2;Ti=∑jwjdH(v~ij,pj−)
    LaTeX d_E(p_1,p_2)=\sqrt{[(T_1-T_2)^2+(I_1-I_2)^2+(F_1-F_2)^2]/3};\;d_H=[(|T_1-T_2|+|I_1-I_2|+|F_1-F_2|)]/3;\;E_i=\sqrt{\sum_j w_j[d_E(\tilde{v}_{ij},p_j^-)]^2};\;T_i=\sum_j w_j d_H(\tilde{v}_{ij},p_j^-)
  4. Relative assessment matrix h_ik; threshold τ=0.02.

    hik=(Ei−Ek)+ψ(Ei−Ek)(Ti−Tk);ψ(x)=1if |x|≥0.02 else 0
    LaTeX h_{ik}=(E_i-E_k)+\psi(E_i-E_k)(T_i-T_k);\;\psi(x)=1\;\text{if }|x|\geq 0.02\text{ else }0
  5. Appraisal score.

    ASi=∑k=1mhik
    LaTeX AS_i=\sum_{k=1}^m h_{ik}
  6. Rank descending by AS_i.

    rank descending by ASi
    LaTeX \text{rank descending by }AS_i

Yöntem ayrıntıları kaynak kütüphanedeki özgün (İngilizce) metindir.

Sezgi

Sonucu okuma: p-codas extends P-CODAS to handle Plithogenic uncertainty. All arithmetic operations (normalisation, weighting, distance computation) are performed using Plithogenic Set (PltS: attribute values with contradiction degrees) algebra. The final scores are defuzzified via dominant value defuzzification; approach varies by appurtenance function before ranking.

Varsayımlar

  • Decision matrix entries are valid Plithogenic 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 CODAS directly (avoid unnecessary uncertainty layer)
  • Aggregation operator (PFWA/PFOWA/etc.) not specified - output ambiguous

Sık yapılan hatalar

  • Değer-uzayı ihlali: hesaplamadan önce tüm girişlerin Plithogenic: each attribute has a set of values V with appurtenance degrees and contradiction degrees c(v,D) koşulunu sağladığından emin olun.
  • Defuzzifikasyon yöntemi sıralamayı etkiler: dominant value defuzzification; approach varies by appurtenance function kanonik seçimdir.