DecisionMind Mühürlü, doğrulanabilir reprodüksiyon

Kullanım alanları

Z-VIKOR

Z-VIKOR - VIKOR yönteminin Z-Number uzantısı

Z-Number üstünlük/sıralama - Z-Sayı (Z = (A, B): kısıtlama A, güvenilirlik B; her ikisi bulanık)

Formül adımları

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

  1. Adım 1 — Z-sayı karar matrisi Z_ij=(A_ij,B_ij); Kang 2012 ile Ã'(x)=√α·μ_A(x) veya doğrudan Shen 2018 kapsamlı ağırlıklı Z-uzaklığı; en iyi Z_j^* ve en kötü Z_j^-.

    Zij=(Aij,Bij);  A~′(x)=α·μA(x), α=∫μB(x)dx;  Zj*=\argmax/miniZij, Zj−=\argmin/maxiZij
    LaTeX Z_{ij} = (A_{ij}, B_{ij});\ \ \tilde{A}'(x) = \sqrt{\alpha}\cdot \mu_{A}(x),\ \alpha = \int \mu_{B}(x)\, dx;\ \ Z_{j}^{*} = \arg\max/\min_{i} Z_{ij},\ Z_{j}^{-} = \arg\min/\max_{i} Z_{ij}
  2. Adım 2 — Klasik VIKOR S_i ve R_i, kapsamlı Z-uzaklığı d ile (Shen 2018).

    Si=∑j=1nwjd(Zj*,Zij)d(Zj*,Zj−),Ri=maxj[wjd(Zj*,Zij)d(Zj*,Zj−)]
    LaTeX S_{i} = \sum_{j=1}^{n} w_{j}\,\dfrac{d(Z_{j}^{*}, Z_{ij})}{d(Z_{j}^{*}, Z_{j}^{-})},\quad R_{i} = \max_{j}\left[w_{j}\,\dfrac{d(Z_{j}^{*}, Z_{ij})}{d(Z_{j}^{*}, Z_{j}^{-})}\right]
  3. Adım 3 — VIKOR endeksi Q_i; klasik VIKOR yapısı.

    Qi=vSi−S*S−−S*+(1−v)Ri−R*R−−R*, S*=miniSi, S−=maxiSi, R*=miniRi, R−=maxiRi
    LaTeX Q_{i} = v\,\dfrac{S_{i}-S^{*}}{S^{-}-S^{*}} + (1-v)\,\dfrac{R_{i}-R^{*}}{R^{-}-R^{*}},\ S^{*}=\min_{i}S_{i},\ S^{-}=\max_{i}S_{i},\ R^{*}=\min_{i}R_{i},\ R^{-}=\max_{i}R_{i}
  4. Adım 4 — A^(1) (en düşük Q'lu alternatif) uzlaşık çözüm olarak yalnızca hem C1 (kabul edilebilir avantaj) hem C2 (kabul edilebilir kararlılık) sağlanırsa önerilir. C1 sağlanmazsa Q(A^(M)) − Q(A^(1)) < DQ koşulunu sağlayan en uzun A^(1)..A^(M) öneki döndürülür. Yalnızca C2 sağlanmazsa {A^(1), A^(2)} döndürülür.

    DQ=1m−1;C1:Q(A(2))−Q(A(1))≥DQ;C2:A(1) is best in S or in R
    LaTeX DQ = \dfrac{1}{m-1};\quad C1: Q(A^{(2)}) - Q(A^{(1)}) \ge DQ;\quad C2: A^{(1)} \text{ is best in } S \text{ or in } R

Yöntem ayrıntıları kaynak kütüphanedeki özgün (İngilizce) metindir.

Sezgi

Z-Number outranking/ranking - Z-Number (Z = (A, B): restriction A, reliability B; both fuzzy). Output typically utility (higher value = preferred).

Sonucu okuma: z-vikor extends VIKOR to handle Z-Number uncertainty. All arithmetic operations (normalisation, weighting, distance computation) are performed using Z-Number (Z = (A, B): restriction A, reliability B; both fuzzy) algebra. The final scores are defuzzified via convert to regular fuzzy: Ã = B·A, then centroid before ranking.

Varsayımlar

  • Decision matrix entries are valid Z-Number 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 VIKOR 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 Z-Number 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 Z = (A, B) where A restricts values, B indicates reliability of A; both TFNs typically koşulunu sağladığından emin olun.
  • Defuzzifikasyon yöntemi sıralamayı etkiler: convert to regular fuzzy: Ã = B·A, then centroid kanonik seçimdir.
  • B (reliability) her hücrede aynıysa, sqrt(alpha) sabiti f*/f- ve S_i/R_i oranlarında tam olarak iptal olur; sıralama VE skorlar değişmeden kalır. Bu, düzeltmenin B'yi okumadığının değil, yöntemin ölçek-değişmezliğinin kanıtıdır. Hata/düzeltme kanıtı için B'yi TEK bir hücrede (tüm matriste değil) değiştirin.

Hesap adımları ve dayanakları

  1. Construct Z-number decision matrix Z_ij = (A_ij, B_ij); convert via Ã'(x) = √α · μ_A(x) with α = ∫μ_B(x)dx (Kang 2012) or apply the Shen 2018 comprehensive weighted Z-distance directly. Determine best Z_j^* and worst Z_j^- per criterion direction in the converted space.

    Dayanak: Report §5.2 Formulas 1-2; Shen 2018 Z-VIKOR

  2. Apply classical VIKOR utility S_i and regret R_i on the converted Z-values: S_i = Σ_j w_j·d(Z_j^*, Z_ij)/d(Z_j^*, Z_j^-) (L_1-metric); R_i = max_j [w_j · d(Z_j^*, Z_ij)/d(Z_j^*, Z_j^-)] (L_∞-metric), with d the comprehensive Z-distance.

    Dayanak: Report §5.2 Formula 2 - utility and regret with Z-distance

  3. VIKOR index Q_i as convex combination of normalised S and R, with compromise coefficient v (classical VIKOR aggregation).

    Dayanak: Report §5.2 Formula 3 - VIKOR index (classical)

  4. Propose A^(1) (the lowest-Q alternative) as compromise solution iff both C1 (acceptable advantage) and C2 (acceptable stability) hold. If C1 fails, return the maximum prefix A^(1)..A^(M) for which Q(A^(M)) − Q(A^(1)) < DQ. If only C2 fails, return {A^(1), A^(2)}.

    Dayanak: Opricovic & Tzeng 2004, §2 Eqs.(6)-(7)