PiF-MOORA - MOORA yönteminin Picture uzantısı

Formül adımları

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

1. Adım 1 — Resim bulanık karar matrisi D = (α_ij) oluştur.

   $$D=({\alpha }_{i}j{)}_{m\times n};{\alpha }_{i}j=⟨{\mu }_{i}j,{\eta }_{i}j,{\nu }_{i}j⟩;{\mu }_{i}j+{\eta }_{i}j+{\nu }_{i}j\le 1$$
   LaTeX

   D = (α_ij)_{m×n}; α_ij = ⟨μ_ij, η_ij, ν_ij⟩; μ_ij + η_ij + ν_ij ≤ 1

2. Adım 2 — Her alternatif için fayda kriterlerini PFWA ile birleştir → B_i.

   $$B_i=⟨1-{\prod }_{j\in J⁺}(1-{\mu }_{i}j{)}^{w_j},{\prod }_{j\in J⁺}({\eta }_{i}j{)}^{w_j},{\prod }_{j\in J⁺}({\nu }_{i}j{)}^{w_j}⟩$$
   LaTeX

   B_i = ⟨ 1 - ∏_{j∈J⁺}(1-μ_ij)^{w_j}, ∏_{j∈J⁺}(η_ij)^{w_j}, ∏_{j∈J⁺}(ν_ij)^{w_j} ⟩

3. Adım 3 — Her alternatif için maliyet kriterlerini PFWA ile birleştir → C_i.

   $$C_i=⟨1-{\prod }_{j\in J⁻}(1-{\mu }_{i}j{)}^{w_j},{\prod }_{j\in J⁻}({\eta }_{i}j{)}^{w_j},{\prod }_{j\in J⁻}({\nu }_{i}j{)}^{w_j}⟩$$
   LaTeX

   C_i = ⟨ 1 - ∏_{j∈J⁻}(1-μ_ij)^{w_j}, ∏_{j∈J⁻}(η_ij)^{w_j}, ∏_{j∈J⁻}(ν_ij)^{w_j} ⟩

4. Adım 4 — Tian-Peng 2020 skor fonksiyonu ile defuzzify.

   $$s_B(i)=S(B_i),s_C(i)=S(C_i);S(p)=(1/3)(\delta +1-\xi +1-\gamma )$$
   LaTeX

   s_B(i) = S(B_i), s_C(i) = S(C_i); S(p) = (1/3)(δ + 1 - ξ + 1 - γ)

5. Adım 5 — MOORA oran sistemi: y_i = s_B(i) - s_C(i).

   $$y_i=s_B(i)-s_C(i)$$
   LaTeX

   y_i = s_B(i) - s_C(i)

6. Adım 6 — Alternatifleri y_i azalan sırasına göre sırala.

   $$ranking=argsor{t}_{d}esc(y_i)$$
   LaTeX

   ranking = argsort_desc(y_i)

Sezgi

Picture outranking/ranking - Picture Fuzzy Set (PiFS: μ, η, ν; μ+η+ν ≤ 1). Output typically utility (higher value = preferred).

Sonucu okuma: pif-moora extends MOORA to handle Picture uncertainty. All arithmetic operations (normalisation, weighting, distance computation) are performed using Picture Fuzzy Set (PiFS: μ, η, ν; μ+η+ν ≤ 1) algebra. The final scores are defuzzified via score function S = μ − ν before ranking.

Varsayımlar

• Decision matrix entries are valid Picture Fuzzy 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 MOORA 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 Picture Fuzzy 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 PiFS: μ (membership), η (neutral), ν (non-membership); μ+η+ν ≤ 1 koşulunu sağladığından emin olun.
• Defuzzifikasyon yöntemi sıralamayı etkiler: score function S = μ − ν kanonik seçimdir.
• Bu manifestin B.extensions bloğunda kaynak gösterilen Wei (2017), 'Picture fuzzy aggregation operators...' (DOI 10.3233/JIFS-161798) GERİ ÇEKİLMİŞTİR (RETRACTED); bu kaynağı PFWA/agregasyon gerekçesi olarak KULLANMAYIN.