Kesin (Classical)

Kesin veriyle çalışan yöntemler

Bu türle çalışan her yöntemin kendi sayfası var. Akademi kartı olanlar felsefesi, çıktısının okunuşu ve vakalarıyla burada anlatılır; kartı henüz olmayanlar kütüphanedeki formül sayfasına açılır.

193 akademi kartı · 14 yalnız kütüphanede · katalogda 207 yöntem

Akademi kartı olan yöntemler

193 kart

SıralamaTOPSISTOPSIS, seçenekleri her kriterde en iyi ve en kötü değerlerden kurulan iki hayali noktaya uzaklıklarına göre sıralar: ideale en yakın ve en kötüye en uzak seçenek öne çıkar.Kartı aç →
SıralamaVIKORVIKOR, seçenekleri ideale toplam uzaklıkları ile en kötü tek kriterdeki uzaklıklarını birlikte tartarak sıralar; "herkesin kabul edebileceği" bir uzlaşma çözümü arar.Kartı aç →
SıralamaSAWSAW, her kriterin ölçeğini eşitleyip ağırlığıyla çarpar ve doğrudan toplar; çok kriterli karar yöntemlerinin en eski ve en yalın üyesidir. En yüksek ağırlıklı toplama sahip seçenek birinci sıraya çıkar.Kartı aç →
ÜstünlükPROMETHEE IIPROMETHEE II seçenekleri tek tek bir ideale kıyaslamaz. Onun yerine birbirleriyle ikişer ikişer karşılaştırır ve her kriterde "ne kadar daha iyi" sorusunu bir tercih fonksiyonuyla derecelendirir. Bu dereceleri net akışta toplayarak tam bir sıra çıkarır.Kartı aç →
ÜstünlükELECTRE ISeçenekleri sıralamaz; her seçenek çiftinde "yeterince çok kriterde üstün müyüm" (uyum) ve "hiçbir kriterde çok kötü değil miyim" (uyumsuzluk) sorularını birlikte sorarak, hiçbir seçenek tarafından geçilmeyen bir "çekirdek küme" çıkarır.Kartı aç →
Öznel ağırlıkAHPKriterleri ikili karşılaştırmalarla birbirine oranlar. Bu karşılaştırmalardan hem bir ağırlık vektörü hem de yargıların birbiriyle ne kadar çeliştiğini gösteren bir tutarlılık ölçüsü çıkaran öznel bir ağırlıklandırma yöntemidir.Kartı aç →
Öznel ağırlıkBWMKriterleri, uzmanın yalnızca en önemli ve en önemsiz kritere göre verdiği karşılaştırmalardan çıkan bir doğrusal-olmayan modelle ağırlıklandıran, az sayıda yargı isteyen öznel ağırlıklandırma yöntemidir.Kartı aç →
Öznel ağırlıkSWARASWARA, kriterleri önce önem sırasına dizer, sonra her kriteri yalnızca bir öncekiyle karşılaştırır; en az sayıda yargıyla bir ağırlık vektörü çıkaran öznel bir ağırlıklandırma yöntemidir.Kartı aç →
Nesnel ağırlıkEntropyKriter ağırlıklarını uzman görüşünden değil verinin kendisinden türeten yöntemdir: seçenekleri birbirinden ne kadar çok ayırıyorsa bir kriter o kadar ağırlık alır.Kartı aç →
Nesnel ağırlıkCRITICKriter ağırlıklarını verinin kendisinden türeten yöntemdir: bir kriter hem seçenekleri çok ayırıyorsa hem de diğer kriterlerin söylediğini tekrarlamıyorsa o kadar ağırlık alır.Kartı aç →
SıralamaEDASSeçenekleri ideale değil, kümenin kendi ortalamasına göre konumlarına bakarak sıralayan yöntemdir: ortalamanın belirgin biçimde üstünde olan ve altına az düşen seçenek öne çıkar.Kartı aç →
SıralamaCOPRASFayda kriterlerinin ağırlıklı toplamı ile maliyet kriterlerinin ağırlıklı toplamının oranını birleştirerek seçenekleri sıralayan ve en iyi seçeneğe göre yüzde cinsinden bir fayda derecesi veren yöntemdir.Kartı aç →
SıralamaMARCOSSeçenekleri hem ideal (en iyi mümkün) hem anti-ideal (en kötü mümkün) referans noktalarına oranlayıp bu iki oranı tek bir fayda fonksiyonunda birleştirerek sıralayan yöntemdir.Kartı aç →
SıralamaCODASCODAS, seçenekleri en kötü referans noktasına iki farklı uzaklık ölçüsüyle karşılaştırarak sıralayan bir yöntemdir. Önce düz çizgi, yani Öklid uzaklığına bakar; seçenekler birbirine çok yakın çıkarsa ek olarak yatay ve dikey uzaklığı, yani Taksi uzaklığını da kullanır.Kartı aç →
ÜstünlükPROMETHEEPROMETHEE, seçenekleri hayali bir ideale göre değil birbirlerine göre karşılaştıran bir üstünlük (outranking) yöntemleri ailesidir. Her kriterde "ne kadar daha iyi" sorusunu bir tercih fonksiyonuyla derecelendirerek seçenekleri ikişer ikişer kıyaslar. Bu karşılaştırmaları giren ve çıkan akışlarda toplayıp kısmi ya da tam bir sıra çıkarır.Kartı aç →
SıralamaTODIMTODIM, karar vericinin kazançlara karşı temkinli, kayıplara karşı aşırı duyarlı davrandığını varsayan davranışsal karar teorisini çok kriterli sıralamaya taşır. Seçenekleri ikişer ikişer, "kazanma" ve "kaybetme" olarak ayrı tartar.Kartı aç →
SıralamaWASPASWASPAS, iki farklı toplulaştırma mantığını, ağırlıklı toplamı ve ağırlıklı çarpımı, tek bir sonuçta birleştirir; birinin zayıf yanını diğerinin güçlü yanıyla dengeleyen bir sıralama yöntemidir.Kartı aç →
SıralamaARASHer seçeneği, aynı tablodan türetilen hayali "en iyi" seçeneğe göre ne kadar fayda sağladığının oranıyla ölçer. Bu oranı doğrudan yorumlanabilir bir yüzdesel fayda derecesine çeviren sıralama yöntemidir.Kartı aç →
ÜstünlükELECTRETek bir yöntem değil, bir üstünlük (outranking) yöntemleri ailesidir. Aile, "hangi seçenek hangisini açıkça geçer" ilişkisini uyum ve uyumsuzluk ölçütleriyle kurar. Aynı temel mantıktan yola çıkan üyeler, amaca göre seçim, sıralama ya da sınıflama üretir.Kartı aç →
SıralamaMABACMABAC seçenekleri ideale ya da ortalamaya göre değil, her kriter için kurulan hayali bir "sınır bölgesine" olan uzaklığına göre sıralar. Sınırın üzerinde kalmak seçeneği güçlendirir, altında kalmak zayıflatır.Kartı aç →
SıralamaMOORASeçenekleri, her kriterdeki değerini o kriterin toplam büyüklüğüne oranlayıp faydalı oranların toplamından zararlı oranların toplamını çıkararak sıralayan, hesap yükü en hafif yöntemlerden biridir.Kartı aç →
SıralamaGRASeçenekleri, her kriterde hayali bir "referans" seçeneğe (tüm kriterlerde en iyi performans) ne kadar yakın seyrettiğine bakarak, bir "gri ilişki derecesi" ile sıralayan yöntemdir.Kartı aç →
VerimlilikDEADEA, aynı türden birden çok birimi girdilerini çıktılarına dönüştürme başarısına göre karşılaştıran bir benchmarking yöntemidir. Her birime 0 ile 1 arasında bir verimlilik skoru verir; bir tercih sıralaması yöntemi değildir.Kartı aç →
SıralamaCoCoSoSeçenekleri hem toplamsal hem çarpımsal bir başarı ölçüsüyle değerlendirip, bu iki ölçüyü üç farklı uzlaşma stratejisiyle birleştirerek sıralayan yöntemdir.Kartı aç →
SıralamaMULTIMOORASeçenekleri üç farklı bakış açısıyla (oran, en kötü duruma uzaklık, tam çarpım) ayrı ayrı sıralayıp bu üç sıralamayı hâkimiyet kuramıyla tek bir sıraya birleştiren yöntemdir.Kartı aç →
SıralamaWPMWPM, seçenekleri her kriterdeki oranlarını kriterin ağırlığı kadar kuvvete yükseltip çarparak tek bir birimsiz skora indirger ve bu skora göre sıralar.Kartı aç →
SıralamaELECTRE IIELECTRE I'in çekirdek küme çıktısını yeterli görmez. Aynı üstünlük mantığını iki yönden (en iyiden aşağı, en kötüden yukarı) işleterek seçenekleri tam bir sıraya dizer. İki yön anlaşamazsa "kıyaslanamaz" demeyi tercih eden yöntemdir.Kartı aç →
SıralamaSPOTISSPOTIS, seçenekleri sabit bir ideal noktaya uzaklıklarına göre sıralar. Bu ideal nokta o analizdeki diğer seçeneklerden değil, analizden önce sabitlenmiş "olabilecek en iyi / en kötü" sınırlardan kurulur. Yöntem bu sayede sıranın seçenek kümesi değiştikçe kaymasını, yani sıra tersinmesini, önlemeyi amaçlar.Kartı aç →
SıralamaAROMANAROMAN tek bir normalizasyon biçimine güvenmez. İki farklı normalizasyonu bir karışım katsayısıyla harmanlar, sonra fayda ve maliyet ölçütlerinin toplamlarını bir denge parametresiyle birleştirip seçenekleri sıralar.Kartı aç →
SıralamaDNMADNMA, tek bir toplulaştırma mantığına (yalnız toplam ya da yalnız çarpım) güvenmez. Aynı veriyi üç farklı yöntemle (ağırlıklı toplam, ağırlıklı çarpım, ideale yakınlık) puanlar, sonra hem puanların hem sıraların tutarlılığını ödüllendirerek tek bir birleşik skor üretir.Kartı aç →
SıralamaMAUTMAUT her kriterdeki değeri önce kendi "fayda" ölçeğine çevirir, sonra bu faydaları ağırlıklı toplar. Sonuç, seçeneğin karar vericiye toplam ne kadar fayda sağladığının tek bir sayısıdır.Kartı aç →
SıralamaPSIPSI, kriterlere dışarıdan ağırlık istemez. Ağırlıkları seçenekler arasındaki değer farkından kendisi türetir, sonra seçenekleri bu ağırlıklarla sıralar.Kartı aç →
SıralamaRAFSIRAFSI, seçenekleri karar vericinin önceden belirlediği sabit ideal ve karşı-ideal noktalara göre tek bir ölçek aralığına haritalayıp sıralar. Bu sabit noktalar sayesinde seçenek eklenip çıkarıldığında sıra bozulmaz.Kartı aç →
SıralamaRAWECRAWEC, her seçeneği hem "en iyiye ne kadar yakın" hem "en kötüden ne kadar uzak" olduğu açısından ağırlıklı olarak ölçer, sonra bu iki bakışı tek bir karşılaştırma endeksinde birleştirir.Kartı aç →
SıralamaWISPWISP, her seçeneği hem toplama hem çarpmaya dayanan dört ayrı karşılaştırma mantığıyla puanlar ve bu dört sonucu ortalayarak tek bir sıra üretir.Kartı aç →
SıralamaARTASIHer kriter sütununu, o sütunun kendi büyüklüğüne göre genişleyen "uyarlanabilir" bir aralığa yerleştirir. Seçenekleri hem idealliğe hem anti-idealliğe göre birlikte puanlayan bir yöntemdir.Kartı aç →
Öznel ağırlıkCIMASBirden çok uzmanın verdiği önem puanlarını, uzmanların deneyimine göre tartarak kriter ağırlıklarına çeviren öznel ağırlıklandırma yöntemidir.Kartı aç →
SıralamaCRADISSeçenekleri, ideal noktaya ne kadar yaklaştıklarına ve en kötü noktadan ne kadar uzaklaştıklarına göre iki ayrı fayda oranıyla değerlendirip bu iki oranın ortalamasıyla sıralayan yöntemdir.Kartı aç →
Öznel ağırlıkDEMATELKriterler arasındaki karşılıklı etkiyi bir etki matrisinden çözerek her kriterin ne kadar etki verdiğini ve ne kadar etki aldığını ayırır. Böylece kriterleri neden grubu ile sonuç grubuna böler.Kartı aç →
SıralamaELECTRE IIISeçenek çiftlerini "ne kadar güvenilir biçimde üstünler" sorusuyla bulanık bir ölçekte karşılaştırır ve bu güvenilirlik derecelerini iki yönde damıtarak (distilasyon) bir sıra çıkarır; bazı çiftler kıyaslanamaz kalabilir.Kartı aç →
SıralamaLMAWLMAW her hücreyi önce yöne ve büyüklüğe duyarlı biçimde standartlaştırır, sonra logaritmik bir dönüşümden geçirir. Ardından ağırlıklı bir sıkıştırma fonksiyonuyla toplayarak seçenekleri sıralar. Amacı, uç değerlerin sıralamayı aşırı derecede sürüklemesini sınırlamaktır.Kartı aç →
Nesnel ağırlıkMERECMEREC kriter ağırlıklarını, o kriter tablodan çıkarılsaydı seçeneklerin genel performans değerlendirmesinin ne kadar değişeceğine bakarak türetir. Çıkarılınca en çok şey değişen kriter en çok ağırlığı alır.Kartı aç →
SıralamaOCRASeçenekleri girdi (maliyet) kriterlerindeki göreli geride kalmaları ile çıktı (fayda) kriterlerindeki göreli üstünlüklerini ayrı ayrı toplayıp tek bir ortak noktada birleştirerek sıralayan yöntemdir.Kartı aç →
SıralamaROVROV, seçenekleri fayda kriterlerindeki en-iyi-durum performansı ile maliyet kriterlerindeki en-kötü-durum performansının ortalamasına göre sıralar.Kartı aç →
SıralamaSMARTSMART, her kriterin en kötü ve en iyi ucunu 0 ile 1 arasına doğrudan yerleştirir, sonra bunları karar vericinin verdiği önem ağırlıklarıyla toplar; basit bir çok-özellikli derecelendirme yöntemidir.Kartı aç →
SıralamaAPLOCOAPLOCO, seçenekleri ikişer ikişer karşılaştırır: her seçeneğin rakibine göre kriter bazında ne kadar üstün olduğunu toplar, ne kadar geride kaldığını çıkarır ve kalan net puana göre sıralar.Kartı aç →
SıralamaCOBRACOBRA, seçenekleri dört ayrı referans noktasına (en iyi, en kötü, ortalamanın üstü ve ortalamanın altı) olan uzaklıklarını birleştirerek sıralar; tek bir ideal noktaya değil, dört farklı bakış açısına bakar.Kartı aç →
SıralamaCOMETCOMET, karar vermeden önce uzmana gerçek seçenekleri değil, kriterlerin olası bütün seviye kombinasyonlarını ("karakteristik nesneleri") gösterir; uzman bu kurgusal profilleri puanladıktan sonra gerçek seçenekler bu hazır tercih haritasına yerleştirilir.Kartı aç →
SıralamaUzlaşı ProgramlamaCompromise Programming, seçenekleri her kriterde ulaşılabilecek en iyi değerden ne kadar uzak kaldıklarına göre sıralar; en az uzaklaşan seçenek en iyi uzlaşma olarak öne çıkar.Kartı aç →
SıralamaUzlaşı SağlamaConsensus Reaching, bir karar tablosundaki her kriteri ayrı bir yargıç gibi ele alır ve bir seçeneğin bu yargıçlar arasında ne kadar tutarlı bir konumda kaldığını ölçer.Kartı aç →
SıralamaKriter KaldırmaKriter Çıkarma, bir sıralamayı üreten kriterlerin her birini tek tek tablodan çıkarıp sıralamanın ne kadar değiştiğine bakar; böylece sıralamanın hangi kritere ne kadar bağımlı olduğunu ortaya çıkarır.Kartı aç →
SıralamaÇapraz DoğrulamaÇapraz Doğrulama, bir sıralamadaki her seçeneği sırayla tablodan çıkarıp geri kalanların birbirine göre sırasının bozulup bozulmadığına bakarak, sıralamanın tek bir seçeneğin varlığına ne kadar bağımlı olduğunu ölçer.Kartı aç →
SıralamaERVDERVD, her seçeneği "ideal bir noktaya" değil, karar vericinin önceden belirlediği bir referans (beklenti) düzeyine göre değerlendirir; bu referansın altında kalan kayıpları üstündeki kazançlardan daha ağır sayar.Kartı aç →
SıralamaEVAMIXEVAMIX, bazı kriterler sayıyla ölçülürken bazıları yalnızca sıralamayla (birinci, ikinci, üçüncü gibi) ifade edildiğinde, bu iki türü birbirine dönüştürmeden aynı analizde birleştirir.Kartı aç →
SıralamaFDOSMFDOSM, her seçeneğin her kriterdeki performansını doğrudan bir "görüş puanı" olarak alır, bu puanı en iyi değere göre oranlar ve ağırlıklarla birleştirerek seçenekleri sıraya dizer.Kartı aç →
SıralamaFMEAFMEA, bir ürün ya da sürecin olası arıza biçimlerini görülme sıklığı, ciddiyet ve fark edilebilirlik puanlarının çarpımıyla tek bir risk sayısında birleştirir; en yüksek sayıyı alan arıza önce ele alınır.Kartı aç →
SıralamaFUCAFUCA, seçenekleri ham sayılarla değil her kriterdeki sırasıyla karşılaştırır; kriter sıralarının ağırlıklı toplamı en küçük olan seçenek öne çıkar.Kartı aç →
SıralamaHedef ProgramlamaHedef Programlama, her kriter için önce ulaşılabilir bir hedef düzeyi belirler, sonra seçenekleri bu hedeften ne kadar uzak kaldıklarına göre karşılaştırır; hedeflere en az sapmayla yaklaşan seçenek öne çıkar.Kartı aç →
SıralamaHellwig YöntemiHellwig yöntemi, birimleri dışarıdan verilen bir ağırlık kullanmadan, kendi verisinden kurduğu istatistiksel bir "gelişmişlik örüntüsüne" olan uzaklıklarına göre sıralar.Kartı aç →
SıralamaHFGPEHFGPE, her alternatifi tek bir merkezî otorite değil diğer tüm alternatifler değerlendirir; cömert ve sert iki bakış açısını tek bir ayarlanabilir parametreyle birleştirip ortalama akran puanına göre sıralar.Kartı aç →
SıralamaIV-PROJECTIONIV-PROJECTION, her seçeneği ideal seçenek yönünde ne kadar "izdüşüm" bıraktığına bakarak sıralar; bu izdüşüm hem seçeneğin ideale ne kadar benzediğini hem ideal yönde ne kadar büyük olduğunu birlikte taşır.Kartı aç →
SıralamaKEMIRAKEMIRA, kriterleri iki anlamlı gruba ayırıp her grubu uzmanların öncelik sıralamalarına uydurur, sonra iki grubun puanını toplayarak seçenekleri sıralar.Kartı aç →
SıralamaLINMAPLINMAP, kriterlere ağırlık sormak yerine seçenekler arasındaki ikili tercihlerinizi sorar; sonra bu tercihlerle en tutarlı ideal noktayı ve ağırlıkları kendisi bulup seçenekleri bu ideale uzaklığına göre sıralar.Kartı aç →
SıralamaYEREL-OWALOCAL-OWA, seçenekleri tek bir bölgede değil kendi komşuluklarında değerlendirir; her komşulukta hangi kriterin gerçekten ayırt edici olduğunu bulur ve bunu, karar vericinin genel risk tavrını yansıtan sıralı ağırlıklarla birleştirir.Kartı aç →
SıralamaYerel ADALocal WLC, aynı kriterin her bölgede aynı derecede önemli olmadığını kabul eder; her komşulukta kriter ağırlıklarını o komşuluktaki gerçek değişim aralığına göre yeniden hesaplayıp seçenekleri buna göre puanlar.Kartı aç →
SıralamaLoPMLoPM, her özelliğe bir sınır (bir taban, bir tavan ya da bir hedef değer) tanımlar; seçenekleri bu sınıra ne kadar uyduklarına göre puanlayıp ağırlıklı biçimde toplar.Kartı aç →
SıralamaMACONTMACONT, tek bir ölçek eşitleme biçimine güvenmek yerine üç farklı normalizasyonu harmanlar ve her seçeneği hem ortalama bir rakiple karşılaştırarak hem en iyi-en kötü uçlarına bakarak iki ayrı biçimde puanlayıp bu iki puanı birleştirir.Kartı aç →
SıralamaMAIRCAMAIRCA, her seçeneğin "teorik olarak hak ettiği" pay ile "gerçekte gösterdiği" performans arasındaki farkı ölçüp bu farkı en küçük olan seçeneği öne çıkarır.Kartı aç →
SıralamaMARAMARA, her seçeneği hayali bir "ideal seçenekle" karşılaştırıp aradaki farkı bir doğru parçasının altında kalan alan olarak ölçer; bu alan ne kadar küçükse seçenek o kadar öndedir.Kartı aç →
SıralamaMonte Carlo SimülasyonuMonte Carlo simülasyonu, tek bir ağırlık takımıyla tek bir sıra çıkarmak yerine binlerce olası ağırlık takımını dener ve her seçeneğin kaç kez birinci, kaç kez ikinci çıktığını sayarak sıralamanın ne kadar sağlam olduğunu gösterir.Kartı aç →
SıralamaMOOSRAMOOSRA, her seçeneğin fayda kriterlerindeki toplam ağırlıklı gücünü maliyet kriterlerindeki toplam ağırlıklı yüküne bölüp bu oranı en büyük olan seçeneği öne çıkarır.Kartı aç →
SıralamaNAIADENAIADE, iki seçeneği karşılaştırırken aradaki farkı "çok daha iyi", "biraz daha iyi" ve "farksız" gibi bulanık derecelere çevirir; ağırlık istemeden bu karşılaştırmaları tüm çiftler üzerinden birleştirip bir sıra çıkarır.Kartı aç →
SıralamaORESTEORESTE, alternatifleri ve kriterlerin önemini kesin sayılarla değil yalnızca sıralarıyla karşılaştırıp tek bir sıra üreten bir yöntemdir.Kartı aç →
SıralamaOWAOWA, kriter değerlerini hangi kriterden geldiğine değil her alternatifte aldığı sıraya göre ağırlıklandırıp karar vericinin iyimser ya da temkinli tutumunu sonuca yansıtan bir birleştirme yöntemidir.Kartı aç →
SıralamaPAMPAM, her alternatifi kriter sayısı kadar kenarlı bir çokgene dönüştürüp bu çokgenin kapladığı alana göre sıralayan bir yöntemdir.Kartı aç →
SıralamaPIVPIV, seçenekleri yalnızca her kriterde mümkün olan en iyi değere olan uzaklığına göre sıralar; TOPSIS'ten farklı olarak en kötü noktayı referans almaz.Kartı aç →
SıralamaPROBIDPROBID, seçenekleri tek bir ideal noktaya değil, en iyiden en kötüye sıralanmış bir dizi hayali "kademe" noktasına ve bunların ortalamasına olan uzaklığına göre değerlendiren bir sıralama yöntemidir.Kartı aç →
SıralamaPROSA-CPROSA-C, PROMETHEE II'nin ürettiği dengeli puanı, bir seçeneğin bu puanı tek bir kriterden mi yoksa hepsinden dengeli mi topladığını ölçen bir cezayla düzeltir; tek kriterde parlayıp diğerlerinde zayıf kalan seçenek geri çekilir.Kartı aç →
SıralamaYakınlık-Ayarlı ADAMekânsal Yakınlık Uyarlamalı WLC, her seçeneğin kriter ağırlıklarını sabit tutmak yerine, seçeneğin coğrafi konumuna göre yeniden dağıtır; bir referans noktaya yakın seçenekler kriterleri farklı önemle, uzak seçenekler farklı önemle görür.Kartı aç →
SıralamaQUALIFLEXQUALIFLEX, seçeneklerin olabilecek her sıralamasını tek tek dener ve her kriterin o sıralamayla ne kadar uyuştuğunu toplayarak en yüksek toplam uyumu veren sıralamayı seçer.Kartı aç →
SıralamaRAMRAM, her seçeneğin fayda ve maliyet kriterlerindeki toplam katkısını ayrı ayrı biriktirir ve maliyeti bir kuvvet üssüne, faydayı bir taban değerine yerleştirerek tek bir sayıya indirger; yüksek maliyet üssü küçültür, yüksek fayda tabanı büyütür.Kartı aç →
SıralamaSıra Tersine Dönme AnaliziSıra Tersinmesi Analizi, bir sıralama yönteminin sonucunu bir kez hesaplayıp bırakmaz; seçenek kümesine yeni bir aday ekleyerek ya da bir seçeneği çıkararak aynı yöntemi tekrar çalıştırır ve kalan seçeneklerin kendi aralarındaki sırasının bozulup bozulmadığını sayar.Kartı aç →
SıralamaRAPSRAPS, iki seçeneği doğrudan karşılaştırıp aradaki farkın büyüklüğünü ölçer ve her seçeneği, tüm rakiplerine karşı bu "ne kadar daha iyi" gücüne göre sıralar.Kartı aç →
SıralamaREGIMEREGIME, iki seçeneği karşılaştırırken sayıların büyüklüğüne değil yalnız kim daha iyi kim daha kötü olduğuna bakar ve bu basit üstünlük-alt olma bilgisini kriter ağırlıklarıyla toplayarak sıralar.Kartı aç →
SıralamaRIMRIM, "daha çoğu her zaman iyidir" varsayımı yerine her kriter için bir hedef aralık tanımlar ve seçenekleri, bu hedef aralığa ne kadar yakın olduklarına göre sıralar.Kartı aç →
SıralamaSAPEVO-MSAPEVO-M, birden fazla karar vericinin hem kriterler hem seçenekler için verdiği basit "hangisi daha iyi" yargılarını tek bir ortak sıraya toplulaştırır.Kartı aç →
SıralamaSECASECA, kriter ağırlıklarını dışarıdan almaz; seçenekleri sıralarken ağırlıkları da aynı hesapla, kendi verisinden türetir.Kartı aç →
SıralamaDuyarlılık AnaliziDuyarlılık analizi seçenekleri kendisi sıralamaz; bir sıralamanın, kriter ağırlıkları biraz oynatıldığında ne kadar sağlam kaldığını ölçer.Kartı aç →
SıralamaSIMUSSIMUS her kriteri sırayla "hedef" yapıp bir doğrusal programlama problemi çözer; seçeneklere verdiği paylar bu tekrarlanan çözümlerden çıkar.Kartı aç →
SıralamaSOWASOWA, seçenekleri kriter puanlarına göre sıralarken bulundukları coğrafi bölgeye göre farklı bir risk tutumu uygular; aynı tablo, bölgesine göre iyimser ya da kötümser değerlendirilir.Kartı aç →
SıralamaSPROBIDSPROBID, PROBID'in hesap yükünü azaltan biçimidir; seçenekleri ara sıradaki tüm referans noktalarına değil yalnız en iyi ve en kötü çeyrekteki referanslara göre sıralar.Kartı aç →
SıralamaSTOCHASTIC-UTASTOCHASTIC-UTA, karar vericinin verdiği bir referans sıralamadan tutarlı bir fayda fonksiyonu çıkarır ve kriter değerlerindeki belirsizliği örnekleme yoluyla sonuca yansıtır.Kartı aç →
SıralamaTaksonomi YöntemiTAXONOMY, seçenekleri her kriterde kendi ortalama ve standart sapmalarına göre standartlaştırıp hayali bir "en iyi" referans noktasına uzaklıklarını tek bir gelişmişlik ölçüsüne çevirir.Kartı aç →
SıralamaUTAUTA, karar vericinin birkaç örnek seçeneği nasıl sıraladığını gözlemleyip bu sıralamayla tutarlı bir toplamsal fayda fonksiyonunu doğrusal programlamayla çıkarır.Kartı aç →
SıralamaUTA*UTASTAR, karar vericinin küçük bir seçenek grubu için önceden verdiği bir sıralamayı alır, bu sıralamayı en az hatayla üreten bir fayda fonksiyonu çıkarır ve bu fonksiyonu bütün seçeneklere uygulayarak tam listeyi sıralar.Kartı aç →
SıralamaWEBIRAWEBIRA, her seçeneği ideale ne kadar yakın ve en kötü durumdan ne kadar uzak olduğuna göre iki ayrı oran hesaplar; bu iki oranın farkını ağırlıklı toplayarak seçenekleri sıralar.Kartı aç →
SıralamaWEDBAWEDBA, seçenekleri her kriterde en iyi ve en kötü değerlerden kurulan iki hayali noktaya olan ağırlıklı Öklid uzaklığına göre sıralar; en kötüye uzak, en iyiye yakın seçenek öne çıkar.Kartı aç →
SıralamaAğırlık Duyarlılık AnaliziAğırlık duyarlılık analizi, bir sıralamayı üreten kriter ağırlıklarının ne kadar değişebileceğini ve bu değişimin sırayı ne zaman bozacağını hesaplayan bir sağlamlık testidir.Kartı aç →
SıralamaAğırlıklı OylamaAğırlıklı oylama, birden çok karar vericinin ya da kaynağın verdiği sıralamaları, her birinin güvenilirliğine göre ağırlıklandırılmış Borda puanlarıyla tek bir ortak sıraya dönüştürür.Kartı aç →
SıralamaWINGSWINGS, birbirini etkileyen bileşenlerden kurulu bir sistemde her bileşenin ne kadar merkezi olduğunu ve etkileyen mi yoksa etkilenen mi konumda durduğunu ölçen bir yapısal analiz yöntemidir.Kartı aç →
SıralamaWSMWSM, her seçeneğin puanını, kriter değerlerinin ağırlıklarla çarpılıp toplanmasıyla hesaplayan, çok kriterli karar yöntemlerinin en eski ve en sade olanıdır.Kartı aç →
ÜstünlükEXPROM IEXPROM I, iki seçenek arasındaki farkı "biraz daha iyi" ve "çok daha iyi, neredeyse tartışılmaz" diye iki katmanda değerlendirir ve net biçimde kıyaslanamayan çiftleri zorla sıraya sokmadan bırakır.Kartı aç →
ÜstünlükEXPROM IIEXPROM II, iki seçenek arasındaki farkı "biraz daha iyi" ve "çok daha iyi, neredeyse tartışılmaz" diye iki katmanda değerlendirir. EXPROM I'den farklı olarak her seçeneği tek bir net akış puanına indirip tam bir sıra verir.Kartı aç →
ÜstünlükPAMSSEM IPAMSSEM I, seçenekleri ikişer ikişer karşılaştırır ve her çiftte birinin diğerini ne kadar geçtiğini ölçer; bazı çiftlerde bu karşılaştırma net bir sonuç vermez ve iki seçenek karşılaştırılamaz kalır.Kartı aç →
ÜstünlükPAMSSEM IIPAMSSEM II, PAMSSEM I ile aynı uyum ve akış hesabını kullanır, ama sonunda her seçeneği net akışına göre sıraya koyar; karşılaştırılamaz çift bırakmaz, her zaman tam bir sıralama üretir.Kartı aç →
ÜstünlükSIRSIR, her seçeneğin diğerlerine göre ne kadar üstün ve ne kadar aşağıda kaldığını ayrı ayrı hesaplar, sonra bu iki değeri tek bir net puanda birleştirerek seçenekleri sıralar.Kartı aç →
Yapısal analizISMISM, bir grup faktör arasındaki "hangisi hangisini etkiliyor" ilişkisini bir uzman kurulundan toplayıp bunları katmanlara ayıran, kök nedenden sonuca doğru bir hiyerarşi çizen bir yapısal analiz yöntemidir.Kartı aç →
Öznel ağırlıkANPANP, kriterler ve seçenekler arasındaki ilişkiyi tek yönlü bir hiyerarşiyle değil, karşılıklı etkileşimlerin bulunduğu bir ağ olarak modelleyip bu ağın dengeye oturduğu noktadan ağırlık üreten bir yöntemdir.Kartı aç →
Öznel ağırlıkDANPDANP, kriterler arasındaki karşılıklı etkileşimi önce DEMATEL ile ölçer, sonra bu etkileşimi ANP'nin ağ yapısına aktararak kriterlere birbirini etkileme gücüne göre ağırlık verir.Kartı aç →
Öznel ağırlıkDelphi YöntemiDelphi, uzmanlardan tur tur, birbirlerinin kimliğini bilmeden görüş toplar ve her turda önceki turun özetini göstererek görüşlerin bir uzlaşıya yaklaşıp yaklaşmadığını izler.Kartı aç →
Öznel ağırlıkDIBRDIBR, uzmanın kriterleri önem sırasına dizmesini ve yalnız ardışık iki kriter arasındaki payı belirtmesini ister; ağırlıkları bu ardışık paylardan zincirleme türetir.Kartı aç →
Öznel ağırlıkFUCOMFUCOM, uzmanın kriterleri önem sırasına dizmesini ve yalnız ardışık kriterler arasındaki önem oranını belirtmesini ister; ağırlıkları, bu oranlarla mümkün olan en tutarlı biçimde eşleştiren bir hesapla bulur.Kartı aç →
Öznel ağırlıkBulanık DelphiBulanık Delphi, uzmanlardan tek bir sayı yerine "en az, en olası, en çok" biçiminde üçgen bir aralık ister; uzmanlar arasındaki görüşü bu üçgenleri birleştirerek toplar ve tek bir merkez değere indirip ağırlığa çevirir.Kartı aç →
Öznel ağırlıkLBWALBWA, uzmandan önce en önemli kriteri seçmesini, sonra kalan kriterleri birkaç önem seviyesine ayırıp her seviye içinde küçük bir etki puanı vermesini ister; kriterler arasında ikili karşılaştırma yapılmaz.Kartı aç →
Öznel ağırlıkMACBETHMACBETH, uzmandan hiçbir sayı istemez; yalnız iki seçenek arasındaki çekicilik farkının "yok, çok zayıf, zayıf, orta, güçlü, çok güçlü, aşırı" kategorilerinden hangisine girdiğini sorar ve bu sözel yargıları tutarlı bir sayısal ölçeğe çevirir.Kartı aç →
Öznel ağırlıkPIPRECIAPIPRECIA, kriterleri herhangi bir sırayla ele alır ve her kriterin bir öncekine göre daha mı önemli, eşit mi, yoksa daha mı az önemli olduğunu tek bir sayıyla sorar; SWARA'nın aksine kriterlerin önceden önem sırasına dizilmesini istemez.Kartı aç →
Öznel ağırlıkRevize Simos ProsedürüUzmana kriterleri temsil eden kartları en önemsizden en önemliye dizdiren, aralarına konan boş kartlarla önem farkının büyüklüğünü ölçen, tek bir uç oranla ölçeği sabitleyen öznel ağırlıklandırma yöntemidir.Kartı aç →
Öznel ağırlıkROCKriterlere yalnızca sıralama bilgisinden, hiçbir sayısal karşılaştırma istemeden ağırlık atayan, kapalı bir formülle çalışan öznel ağırlıklandırma yöntemidir.Kartı aç →
Öznel ağırlıkSIWECBirden çok uzmandan doğrudan puan alıp her uzmanın kendi puanlama tutarlılığını (ne kadar ayırt edici puan verdiğini) kullanarak kriter ağırlığı üreten öznel ağırlıklandırma yöntemidir.Kartı aç →
Öznel ağırlıkSalınım AğırlıklandırmasıUzmandan her kriteri en kötüden en iyiye "sıçratmanın" getirdiği faydayı 100 üzerinden doğrudan puanlamasını isteyen, bu puanları normalize ederek ağırlık üreten öznel ağırlıklandırma yöntemidir.Kartı aç →
Nesnel ağırlıkCCSDKriter ağırlıklarını hem her kriterin kendi içindeki yayılımından hem de o kriterin genel değerlendirmeyle olan ilişkisinden, bir doğrusal olmayan denklem sistemini çözerek türeten nesnel ağırlıklandırma yöntemidir.Kartı aç →
Nesnel ağırlıkCILOSCILOS, bir kriterde en iyi seçeneği tercih etmenin diğer kriterlerde ne kadar kayba yol açtığını ölçerek kriter ağırlıklarını verinin kendisinden türetir.Kartı aç →
Nesnel ağırlıkFAREFARE, kriterlerin birbirini ne kadar ve hangi yönde etkilediğine dair bir ilişki tablosundan yola çıkarak, en çok etkileyen kritere en yüksek ağırlığı verir.Kartı aç →
Nesnel ağırlıkGini Katsayısı AğırlıklandırmasıKriter ağırlığını, alternatiflerin o kriterdeki payının ne kadar eşitsiz dağıldığından türeten nesnel ağırlık yöntemidir: pay birkaç alternatifte yığılıyorsa kriter yüksek, pay herkese eşit dağılıyorsa kriter düşük ağırlık alır.Kartı aç →
Nesnel ağırlıkIDOCRIWKriter ağırlıklarını iki farklı nesnel ölçüyü, verinin ayırt ediciliğini ve bir kriteri göz ardı etmenin doğuracağı kaybı, birlikte kullanarak türeten nesnel ağırlık yöntemidir.Kartı aç →
Nesnel ağırlıkLODECILODECI, kriter ağırlığını uzmana sormak yerine seçenekler arasındaki en büyük farktan türetir: bir kriterde en azından bir çift seçenek birbirinden ne kadar uzaksa, o kriter kararda o kadar söz sahibi olur.Kartı aç →
Nesnel ağırlıkLOPCOWLOPCOW, kriter ağırlığını verinin kendi içindeki yayılımdan türetir: seçenekleri en iyisine göre ne kadar çok "kaybettiriyorsa" bir kriter o kadar ağırlık kazanır.Kartı aç →
Nesnel ağırlıkMPSIMPSI, Preference Selection Index yönteminin seçenekleri sıralamak için içeride sessizce kullandığı bir ara değeri alır ve onu doğrudan görünür bir kriter ağırlığı olarak sunar.Kartı aç →
Nesnel ağırlıkNMDNMD, kriter ağırlığını verinin ortalamasından türetir: seçenekler bir kriterde ortalama olarak en iyiden ne kadar uzaksa, o kriter o kadar ağırlık kazanır.Kartı aç →
Nesnel ağırlıkPCA AğırlıklandırmasıPCA Ağırlıklandırma, kriter ağırlığını kriterler arasındaki ortak hareketten türetir: bir kriter, seçenekleri asıl ayıran birkaç "ana eksenden" ne kadar çok pay alıyorsa o kadar ağırlık kazanır.Kartı aç →
Nesnel ağırlıkStandart Sapma AğırlığıKriter ağırlığını uzmana sormadan, o kriterde seçeneklerin birbirinden ne kadar farklılaştığından türeten en sade nesnel ağırlık yöntemidir.Kartı aç →
Nesnel ağırlıkSPC (Kriterin Simetri Noktası)Bir kriterin en küçük ve en büyük değerinin tam ortasını "simetri noktası" sayıp seçeneklerin bu noktadan ne kadar uzaklaştığına bakarak kriter ağırlığı türeten nesnel yöntemdir.Kartı aç →
Nesnel ağırlıkWENSLOHer kriterin birikimli değerlerini bir zikzak çizgi gibi düşünüp bu çizginin uzunluğunu ortalama eğimine oranlayarak kriter ağırlığı türeten nesnel yöntemdir.Kartı aç →
DuyarlılıkBootstrap Yeniden ÖrneklemeElinizdeki seçenek kümesini yerine koyarak defalarca yeniden çeker, her çekilişte sıralamayı baştan üretir ve bir seçeneğin sırasının bu rastlantıya ne kadar bağlı olduğunu gösterir.Kartı aç →
DuyarlılıkKendall τİki sıralamayı ikişer ikişer karşılaştırıp aynı yönde giden çiftlerle ters yönde giden çiftlerin farkını tek bir sayıya indiren, iki sıralamanın ne kadar örtüştüğünü ölçen katsayıdır.Kartı aç →
DuyarlılıkKendall WÜç ya da daha çok sıralayıcının (uzman, yöntem, kriter) verdiği sıraların birbirine ne kadar yakın olduğunu, sıfır ile bir arasında tek bir uzlaşı katsayısına indiren yöntemdir.Kartı aç →
DuyarlılıkSENSITIVITY-ANALYSIS-WEIGHTBir sıralamanın kazananını kriter ağırlıklarındaki küçük değişikliklerin devirip devirmediğini ölçen yöntemdir; sıralamayı kendisi üretmez, üretilmiş bir sıralamanın ne kadar sağlam olduğunu söyler.Kartı aç →
DuyarlılıkMorris Tarama YöntemiBir karar sonucunu etkileyen çok sayıda etken arasından, hangisinin gerçekten önemli olduğunu ve hangisinin sonucu düz mü yoksa girift biçimde mi etkilediğini az sayıda deneyle ayıklayan bir tarama yöntemidir.Kartı aç →
DuyarlılıkSobol' Duyarlılık İndeksleriBir karar sonucundaki değişkenliğin ne kadarının hangi etkenden geldiğini, etkenlerin tek başına mı yoksa birbirleriyle birlikte mi etkidiğini de ayırarak yüzde yüze tamamlanan paylara bölen bir duyarlılık yöntemidir.Kartı aç →
DuyarlılıkSpearman Sıra Korelasyonu ρİki ayrı sıralamanın birbirine ne kadar benzediğini tek bir sayıyla ölçen yöntemdir; artı bir tam uyum, eksi bir tam ters uyum, sıfır ise ilişkisizlik demektir.Kartı aç →
TutarlılıkGeometrik Tutarlılık İndeksi (GCI)Bir ikili karşılaştırma matrisinin (örneğin AHP'de kriterlerin birbirine göre önem yargılarının) ne kadar tutarlı olduğunu, geometrik ortalama üzerinden tek bir sayıyla ölçen bir tutarlılık göstergesidir.Kartı aç →
TutarlılıkHarmonik Tutarlılık İndeksi (HCI)Bir ikili karşılaştırma matrisinin tutarlılığını, Saaty'nin klasik özdeğer yöntemine benzer ama harmonik ortalama üzerinden hesaplayan, daha temkinli sonuç veren bir tutarlılık göstergesidir.Kartı aç →
TutarlılıkKoczkodaj Tutarsızlık İndeksiKoczkodaj tutarsızlık indeksi, bir ikili karşılaştırma tablosundaki en çelişkili üçlüyü bulur ve bu çelişkinin büyüklüğünü tek bir sayıyla gösterir.Kartı aç →
Toplulaştırma ve oylamaAVERAGE-RANKINGOrtalama sıralama, aynı seçenekler için elde birden çok sıra listesi olduğunda her seçeneğin sıra numaralarının ortalamasını alarak tek bir birleşik sıra üretir.Kartı aç →
Toplulaştırma ve oylamaBorda SayımıBorda sayımı, her seçeneğe sıra listelerindeki konumuna göre bir puan verir ve seçenekleri bu puanların toplamına göre sıralar.Kartı aç →
Toplulaştırma ve oylamaBRAUERS-DOMINANCEBaskınlık kuramı, bir seçeneğin bütün sıra listelerinde diğerinden kesinlikle geride kalmadığı ve en az birinde önde olduğu durumları sayar; kesin üstünlük yoksa seçenekler arasında ayrım yapmaz.Kartı aç →
Toplulaştırma ve oylamaChoquet İntegraliChoquet integrali, kriterleri sabit ağırlıklarla değil kriter gruplarına atanmış bir "önem ölçüsüyle" birleştirir; böylece kriterler arasındaki sinerji ve fazlalık ilişkileri hesaba katılır.Kartı aç →
Toplulaştırma ve oylamaCondorcet YöntemiCONDORCET, seçenekleri ikişer ikişer karşılaştırır ve diğer bütün seçenekleri ikili karşılaştırmada yenen seçeneği kazanan ilan eder; böyle bir seçenek yoksa yöntem bunu açıkça söyler.Kartı aç →
Toplulaştırma ve oylamaCOOK-SEIFORDCOOK-SEIFORD, her seçeneğin farklı sıralama kaynaklarındaki konumları ile olası bir hedef sırası arasındaki toplam farkı en aza indiren tek bir atamayı bulur.Kartı aç →
Toplulaştırma ve oylamaCopeland YöntemiCOPELAND, her seçeneği bütün rakipleriyle ikili karşılaştırır ve galibiyet sayısından mağlubiyet sayısını çıkararak elde ettiği net skora göre tam bir sıra kurar.Kartı aç →
Toplulaştırma ve oylamaDodgson YöntemiDODGSON, her seçeneğin çoğunluğun kazananı olması için sıralamalarda kaç bitişik yer değiştirmeye ihtiyaç duyduğunu hesaplar; en az değişikliği gerektiren seçeneği kazanan ilan eder.Kartı aç →
Toplulaştırma ve oylamaKemeny-YoungKEMENY-YOUNG, bütün olası tam sıralamalar arasından, sıralama kaynaklarının tamamıyla toplamda en az uyuşmazlığa düşen tek sıralamayı seçer.Kartı aç →
Toplulaştırma ve oylamaMEDIAN-RANKINGMedyan sıralama, aynı seçenek kümesi için elde edilmiş birden çok ayrı sıralamayı, her seçeneğin bu sıralardaki ortanca (medyan) konumuna bakarak tek bir sıraya indirger.Kartı aç →
Toplulaştırma ve oylamaNANSONNanson yöntemi, her turda seçeneklerin ortalama puanının altında kalanları eleyerek geriye kalanları yeniden puanlar; tek bir seçenek kalana kadar bu eleme turlarını tekrarlar.Kartı aç →
Toplulaştırma ve oylamaRATRAT, seçeneklerden birini referans olarak seçer ve diğer bütün seçeneklerin, farklı yöntemlerin verdiği sıralarda bu referansa göre ne kadar geride ya da önde kaldığını tek bir sayıda birleştirir.Kartı aç →
Toplulaştırma ve oylamaSchulze YöntemiSchulze yöntemi, seçenekleri ikişer ikişer karşılaştırır ve her çiftin arasındaki en güçlü dolaylı üstünlük yolunu bularak, ikili karşılaştırmalarla tutarlı bir sıra üretir.Kartı aç →
Toplulaştırma ve oylamaWAMWAM her kriterin puanını kendi ağırlığıyla çarpıp toplar ve seçenekleri tek bir sayıya indirger; kriterler arasında tam bir denge kurar, hiçbirini ötekine üstün tutmaz.Kartı aç →
Toplulaştırma ve oylamaBonferroni Ortalama (BM)Bonferroni ortalaması kriterleri ikişer ikişer eşleştirip her çiftin çarpımını ortalar; böylece bir kriterin zayıflığının başka bir kriterin zayıflığıyla üst üste binmesini, tek başına bir zayıflıktan daha ağır biçimde cezalandırır.Kartı aç →
Toplulaştırma ve oylamaHeron Ortalama (HM)Heronian ortalaması, kriterleri kendisiyle de dâhil olmak üzere çift çift eşleştirip her çiftin çarpımını ortalar; Bonferroni ortalamasına yakın bir mantık kullanır ama her kriterin kendi karesini de hesaba katar, bu yüzden aşırı uçlara Bonferroni'den biraz daha toleranslıdır.Kartı aç →
Toplulaştırma ve oylamaAğırlıklı Güç Ortalama (Hölder Ortalama)Güç ortalaması, tek bir kuvvet parametresini değiştirerek harmonik ortalamadan geometrik ortalamaya, oradan aritmetik ortalamaya ve daha ötesine uzanan tüm bir ortalama ailesini tek bir formülle üretir; parametre büyüdükçe sonuç da büyür.Kartı aç →
Toplulaştırma ve oylamaAğırlıklı Geometrik OrtalamaWGM her kriterin puanını kendi ağırlığı kadar üsse çıkarıp çarpar; bir kriterde çok düşük puan alan seçeneği, diğer kriterlerdeki başarısı ne olursa olsun ağır biçimde cezalandırır.Kartı aç →
Toplulaştırma ve oylamaAğırlıklı Harmonik OrtalamaWHM, kriter puanlarının tersini alıp bunları ağırlıklı olarak ortalar ve o ortalamanın tersini geri döndürür; aile içindeki en cezalandırıcı toplulaştırma biçimidir, düşük bir puanı diğerlerinden çok daha ağır basar.Kartı aç →
NormalizasyonDoğrusal Maks NormalleştirmeBu yöntem her kriter sütununu kendi en iyi değerine bölerek ölçeklendirir; fayda kriterinde en büyük değer, maliyet kriterinde en küçük değer sütunun referans noktası olur ve o kriterde en iyi seçenek her zaman tam 1 puan alır.Kartı aç →
NormalizasyonDoğrusal Toplam NormalleştirmeBu yöntem her kriter sütununu kendi toplamına bölerek ölçeklendirir; her seçenek o kriterdeki toplam performansın ne kadarını kendine aldığını gösteren bir pay alır ve sütun toplamı her zaman 1 olur.Kartı aç →
NormalizasyonLogaritmik NormalleştirmeBu yöntem her sütunu, hücrelerin doğal logaritmasını sütundaki logaritmaların toplamına bölerek ölçeklendirir; böylece büyük değerler arasındaki oransal fark korunurken mutlak büyüklük farkının baskınlığı azalır.Kartı aç →
NormalizasyonMin-Maks NormalleştirmeBu yöntem her kriter sütununu, o sütundaki en kötü ve en iyi değer arasındaki aralığa göre 0 ile 1 arasına yerleştirir; sütunun en iyisi her zaman 1, en kötüsü her zaman 0 puan alır.Kartı aç →
NormalizasyonVektör NormalleştirmeVektör normalizasyonu, bir karar tablosundaki her sütunu kendi Öklid uzunluğuna bölerek tüm ölçütleri birimsiz ve karşılaştırılabilir hale getiren bir hazırlık adımıdır.Kartı aç →
NormalizasyonVektör (L2) NormalizasyonuVektör (L2) normalizasyonu, bir karar tablosundaki her sütunu kendi Öklid uzunluğuna bölerek ölçütleri birimsiz ve karşılaştırılabilir hale getiren aynı klasik hazırlık adımının DecisionMind'daki ikinci kaydıdır.Kartı aç →
NormalizasyonZ-Skor NormalleştirmeZ-skor normalizasyonu, bir karar tablosundaki her sütunu kendi ortalamasına ve standart sapmasına göre ölçekleyerek her ölçütü "ortalamadan kaç standart sapma uzakta" biçiminde birimsiz bir sayıya çeviren bir hazırlık adımıdır.Kartı aç →
UzaklıkChebyshev UzaklığıChebyshev uzaklığı, iki seçenek arasındaki uzaklığı tüm ölçütlerin toplamına göre değil, yalnız en büyük tek ölçüt farkına göre ölçen bir uzaklık hesabıdır.Kartı aç →
UzaklıkÖklid UzaklığıÖklid uzaklığı, iki seçenek arasındaki toplam farkı, her ölçütteki farkın karesini alıp toplayarak ve karekökünü bularak tek bir düz çizgi uzunluğuna indirger.Kartı aç →
UzaklıkHamming UzaklığıHamming uzaklığı iki eş uzunluklu diziyi karşılaştırır ve yalnız kaç konumda tamamen farklı olduklarını sayar; farkın büyüklüğüyle ilgilenmez.Kartı aç →
UzaklıkManhattan UzaklığıManhattan uzaklığı iki seçenek arasındaki farkı, her kriterdeki mutlak sapmayı tek tek toplayarak ölçer; bir kriterdeki büyük sapma diğerlerini gölgede bırakmaz.Kartı aç →
UzaklıkMinkowski UzaklığıMinkowski uzaklığı, tek bir p sayısıyla ayarlanan genel bir uzaklık ailesidir; p büyüdükçe en kötü tek kriterin ağırlığı artar, küçüldükçe sapmalar kriterler arasında eşit paylaşılır.Kartı aç →
UzaklıkMahalanobis UzaklığıMahalanobis uzaklığı, kriterler arasındaki ilişkiyi (korelasyonu) hesaba katarak iki noktanın ne kadar uzak olduğunu ölçer; aynı ham fark, kriterlerin birbirine göre alışıldık örüntüsüne uyup uymamasına göre küçük ya da büyük çıkabilir.Kartı aç →
BWM uzantılarıBayesçi BWMBayesçi BWM, birden çok karar vericinin en-iyi ve en-kötü kritere göre verdiği karşılaştırmaları, hepsini tek bir hiyerarşik olasılık modelinde birleştirerek ağırlığa çeviren BWM biçimidir. Çıktı yine bir ağırlık vektörüdür; ama her ağırlığın yanında bir güven aralığı ve kriterler arası üstünlüğün ne kadar kesin olduğunu gösteren bir olasılık tablosu gelir.Kartı aç →
PROMETHEE uzantılarıPROMETHEE IPROMETHEE ailesinin, giren ve çıkan akışları tek bir net akışta birleştirmeden ayrı tuttuğu ve bazı seçenek çiftlerini dürüstçe "karşılaştırılamaz" bıraktığı biçimidir. Çıktısı tam bir sıra değil, kısmi bir üstünlük ilişkisidir.Kartı aç →
PROMETHEE uzantılarıPROMETHEE IIIPROMETHEE ailesinin, her seçeneğin net akışını tek bir sayı değil bir güven aralığı olarak sunduğu biçimidir. İki seçenek yalnız aralıkları çakışmıyorsa kesin olarak sıralanır; aralıklar çakışıyorsa ikisi kayıtsız sayılır.Kartı aç →
PROMETHEE uzantılarıPROMETHEE VPROMETHEE'nin sıralama yerine seçim yaptığı biçimidir. Bir kaynak kısıtı altında, toplam net akışı en yükseğe çıkaran seçenek alt kümesini bulur. Çıktı bir sıra değildir, her seçenek için seçildi ya da reddedildi kararıdır.Kartı aç →
PROMETHEE uzantılarıPROMETHEE VIPROMETHEE'nin, ağırlıkların tam olarak bilinmediği durumlar için sıralamayı bir aralığa çevirdiği biçimidir. Her seçeneğin net akışı tek bir sayı değil, ağırlıklar makul bir bant içinde değişirken alabileceği en düşük ve en yüksek değerdir.Kartı aç →
ELECTRE uzantılarıELECTRE IVELECTRE ailesinin kriterlere hiç ağırlık vermeyen üyesidir. Her kriter için üç eşikle (kayıtsızlık, tercih, veto) çalışır ve çıktısı tam bir sıra değil, iki yönlü bir damıtmadan çıkan kısmi bir ön sıradır.Kartı aç →
GRA uzantılarıAralık-Sayı Gri İlişki AnaliziBu, kriter değerlerinin tek bir sayı yerine bilinen, kesin bir alt ve üst sınırla verildiği durumlar için çalışan GRA biçimidir. Sınırları hiçbir adımda tek bir sayıya indirmeden taşır; referansı ve uzaklığı iki sınırdan birlikte hesaplar.Kartı aç →
DEA uzantılarıVeri zarflama analizi BCC (değişken ölçek getirisi)Bu, DEA'nın birimlerin farklı büyüklükte olduğu ve bu büyüklük farkının verimlilik karşılaştırmasını çarpıtmaması gerektiği durumlar için biçimidir. Çıktı yine bir verimlilik skoru, ayrıca her birimin ölçek getirisi (küçük ölçekte mi, büyük ölçekte mi avantajlı) sınıflaması.Kartı aç →
DEA uzantılarıDEA çapraz verimlilikBu, DEA'nın her birimin yalnız kendi seçtiği ağırlıklarla değil, diğer bütün birimlerin kendi seçtiği ağırlıklarla da değerlendirildiği, birimlerin birbirini karşılıklı puanladığı biçimidir. Çıktı, her birim için tek bir çapraz-verimlilik ortalamasıdır ve bu ortalama birimleri tam bir sırayla dizer.Kartı aç →
DEA uzantılarıDinamik ağ DEA (aktarım varlıklı, kötü çıktılı)Bu, DEA'nın birimleri tek bir yılda değil art arda birden çok dönemde karşılaştıran biçimidir. Dönemler arası aktarılan bir varlığı ve bir dönemden diğerine sarkan istenmeyen çıktıyı da hesaba katar. Çıktısı her birim için tek bir birleşik verimlilik puanıdır.Kartı aç →
DEA uzantılarıÇevresel DEA (istenmeyen çıktılı)Bu, DEA'nın istenmeyen bir çıktının (kirletici gibi) serbestçe atılamadığı, girdilerle birlikte oransal olarak daraltılabildiği durumlar için biçimidir. Çıktısı yine 0 ile 1 arasında bir çevresel verimlilik puanıdır.Kartı aç →
DEA uzantılarıİki aşamalı ağ DEA (istenmeyen çıktılı)Bu, DEA'nın bir birimin girdiyi tek adımda değil, ara bir ürün üzerinden iki ardışık aşamada çıktıya çevirdiği durumlar için biçimidir. İkinci aşamada istenmeyen bir çıktı da üretebilir. Çıktısı yine 0 ile 1 arasında bir ağ verimlilik puanıdır.Kartı aç →
DEA uzantılarıAğ SBM DEA (pencere analizli)Bu, DEA'nın çok aşamalı bir süreci, aşama başına ayrı önem ağırlıklarıyla değerlendiren biçimidir. Girdi/çıktı fazlalıklarını oransal değil doğrudan ölçer, birden çok dönemi bir pencere içinde birlikte inceleyebilir. Çıktısı yine 0 ile 1 arasında bir ağ verimlilik puanıdır.Kartı aç →
DEA uzantılarıDEA aralık ayarlı verimsizlik ölçüsü (RAM)RAM, DEA'nın klasik radyal (yüzdesel) skorunun gözden kaçırabildiği girdi fazlasını ve çıktı eksiğini, her ölçütün kendi değer aralığına göre ayrı ayrı ölçüp toplayan bir DEA biçimidir. Çıktı yine 0 ile 1 arasında bir verimsizlik puanıdır, ama bu puan yalnız orantılı küçülmeyi değil kalan tüm fazlalığı da yakalar.Kartı aç →
DEA uzantılarıSapma tabanlı DEA (SBM)SBM, DEA'nın klasik yüzdesel küçülme oranı yerine, her girdi fazlasını ve çıktı eksiğini kendi ölçeğinde doğrudan ölçen bir DEA biçimidir. Sonuç yine 0 ile 1 arasında bir verimlilik puanıdır, ama bu puan orana değil doğrudan fazlalık payına (slack) dayanır.Kartı aç →
DEA uzantılarıSüper verimlilik DEASüper verimlilik DEA, klasik DEA'da eşit derecede "etkin" (θ=1) sayılan birimleri kendi aralarında da sıralamaya izin veren bir biçimdir. Her birim, kendi verisi referans kümesinden çıkarılarak yeniden değerlendirilir; bu sayede etkin birimler arasında da bir üstünlük derecesi ortaya çıkar.Kartı aç →
SPOTIS uzantılarıDengeli SPOTISDengeli SPOTIS, sabit ideale ek olarak karar vericinin belirlediği bir "gerçekçi hedef" noktasını da hesaba katan SPOTIS biçimidir. İki referans noktasına olan uzaklığı bir katsayıyla harmanlar; sonucu yine tek bir mesafe değeriyle sıralar.Kartı aç →
SMART uzantılarıSMART ağırlıklandırmaSMART ağırlıklandırma, SMART'ın önem puanlarını ağırlığa çeviren adımını tek başına çalıştıran bir ağırlıklandırma yöntemidir. Girdisi bir alternatif tablosu değil, yalnız kriterlere verilen önem puanlarıdır; çıktısı toplamı 1 olan bir ağırlık vektörüdür.Kartı aç →

Kütüphanedeki diğer yöntemler

Bu yöntemlerin akademi kartı henüz hazırlanmadı. Formülleri, adımları ve kaynak atıfı kütüphanede; bağlantı doğrudan yöntem sayfasına açılır.

IV-ARAS - Interval extension of ARAS1966 ↗
IV-COPRAS - Interval extension of COPRAS1966 ↗
IV-EDAS - Interval extension of EDAS1966 ↗
IV-MARCOS - Interval extension of MARCOS1966 ↗
IV-MOORA - Interval extension of MOORA1966 ↗
IV-SAW - Interval extension of SAW1966 ↗
IV-TODIM - Interval extension of TODIM2020 ↗
IV-TOPSIS - Interval extension of TOPSIS2006 ↗
IV-VIKOR - Interval extension of VIKOR1966 ↗
IV-WASPAS - Interval extension of WASPAS1966 ↗
N-COCOSO - Neutrosophic CoCoSo2024 ↗
N-WISP - Neutrosophic WISP2022 ↗
Prob-ARAS - Stochastic extension of PROB-ARAS2010 ↗
VIKOR-SMAA - VIKOR with Stochastic Multicriteria Acceptability Analysis2009 ↗