DecisionMind Mühürlü, doğrulanabilir reprodüksiyon

Kullanım alanları

SIR

SIR - Üstünlük ve Aşağılık Sıralaması

Üstünlük-fayda hibridi

Formül adımları

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

  1. Adım 1 — Her kriter için ikili farklar d_j(A_i,A_l).

    dj(Ai,Al)=sj[Cj(Ai)−Cj(Al)],wheresj=+1forbenefitand−1forcost
    LaTeX d_j(A_i,A_l) = s_j [C_j(A_i) - C_j(A_l)], where s_j=+1 for benefit and -1 for cost
  2. Adım 2 — PROMETHEE'deki gibi altı tip tercih fonksiyonu P_j(d) ∈ [0,1].

    Pj(d)∈[0,1];Levelusesthresholds(qj,qj+pj)andLinearuses(sj,sj+rj)
    LaTeX P_j(d) ∈ [0,1]; Level uses thresholds (q_j, q_j+p_j) and Linear uses (s_j, s_j+r_j)
  3. Adım 3 — Her kriter için Üstünlük S_j ve Aşağılık I_j indeksleri.

    Sj(Ai)=∑l=1mPj(dj(Ai,Al)),Ij(Ai)=∑l=1mPj(dj(Al,Ai))
    LaTeX S_{j}(A_{i}) = \sum_{l=1}^{m} P_{j}\big(d_j(A_i,A_l)\big),\quad I_{j}(A_{i}) = \sum_{l=1}^{m} P_{j}\big(d_j(A_l,A_i)\big)
  4. Adım 4 — Toplu akışlar u^>(A_i) ve u^<(A_i).

    u>(Ai)=∑j=1nSj(Ai)wj,u<(Ai)=∑j=1nIj(Ai)wj
    LaTeX u^{>}(A_{i}) = \sum_{j=1}^{n} S_{j}(A_{i})\,w_{j},\quad u^{<}(A_{i}) = \sum_{j=1}^{n} I_{j}(A_{i})\,w_{j}
  5. Adım 5 — n-akış ve r-akış.

    ϕn(Ai)=u>(Ai)−u<(Ai),ϕr(Ai)=u>(Ai)u>(Ai)+u<(Ai)
    LaTeX \phi^{n}(A_{i}) = u^{>}(A_{i}) - u^{<}(A_{i}),\quad \phi^{r}(A_{i}) = \dfrac{u^{>}(A_{i})}{u^{>}(A_{i})+u^{<}(A_{i})}
  6. Adım 6 — SIR-PROMETHEE II ile sıralama (üç varyant).

    Rank by ϕn(Ai) descending (SIR-PROMETHEE II)
    LaTeX \text{Rank by } \phi^{n}(A_{i}) \text{ descending (SIR-PROMETHEE II)}

Yöntem ayrıntıları kaynak kütüphanedeki özgün (İngilizce) metindir.

Sezgi

Sonucu okuma: This manifest selects the valid SIR-SAW complete-ranking variant: superiority and inferiority indexes are aggregated by criterion weights, and alternatives are ranked by n-flow descending. Omit preference_functions only when the Type-I usual criterion is intended.

Varsayımlar

  • Decision-maker can specify preference (p), indifference (q), and veto (v) thresholds
  • Non-compensatory preference structure

Ne zaman kullanılmaz

  • Small dataset (m<3) → outranking benefit minimal
  • Compensatory preferences acceptable → simpler ranking method

Sık yapılan hatalar

  • SIR bir ailedir, tek bir evrensel skaler sıralama değildir. Bu uygulama açıkça SAW toplama artı net akış tam sıralamasıdır; Xu'nun kısmi kesişim sıralaması ve diğer toplama prosedürleri sessizce ikame edilmez.
  • Eşik sembolleri, burada kullanılan orijinal genelleştirilmiş kriter parametrizasyonunu takip eder: Seviye, q+p'den sonra kesin tercihe ulaşırken, Doğrusal, s+r'den sonra ulaşır. p ve r girdileri genişliklerdir, mutlak üst eşikler değildir.
  • Eksik veya geçersiz eşikler V-şeklini, Seviyeyi, Doğrusalı veya Gauss'u olağan tercih fonksiyonuna dönüştürmemelidir. Çekirdek bu tür girdileri reddeder.