Küp Pisagor bulanık EDAS (Paul, Jana ve Pal, 2023)

Dört şey değişir.

Hücreler. Kesin EDAS'ta her hücre tek sayıdır. Burada her hücre altı sayıdan oluşur: bir Pisagor aralığı (destek için [Y⁻,Y⁺], ret için [F⁻,F⁺]) VE bir Pisagor noktası (destek Y, ret F). Aralık kısmı "bu değerlendirme şu bant içinde makul" bilgisini, nokta kısmı "en olası tek değer" bilgisini taşır; ikisi birbirinin yerine geçmez, birlikte tutulur. Kısıt Pisagor'dur: aralığın üst ucunda (Y⁺)²+(F⁺)² ≤ 1, nokta kısmında Y²+F² ≤ 1. Kriter ağırlıkları kesin sayı olarak dışarıdan alınır.

Uzman birleştirme (grup kararı). Bu uzantı birden fazla uzmanın matrisini destekler. Uzman ağırlıklarıyla ağırlıklandırılmış bir geometrik birleştirme kuralı (CuPyFWG), K uzmanın hücrelerini tek bir kolektif hücreye indirger; tek uzman varsa bu adım hiçbir şeyi değiştirmez. Kesin EDAS grup kararını doğrudan desteklemez, girdiyi zaten birleşik kabul eder; burada birleştirme yöntemin kendi adımıdır.

Ağırlık kaynağı: kağıt üstünde optimizasyon, motorda doğrudan girdi. Kurucu makale (Paul, Jana ve Pal, 2023), kriter ağırlıklarını doğrusal olmayan bir optimizasyonla türetir. Bu optimizasyon kısmi ağırlık kısıtları altında çalışır ve bir çözücü gerektirir. DecisionMind'ın motoru bu optimizasyonu ÇALIŞTIRMAZ; ağırlıklar doğrudan girdi olarak verilir. Manifestin bildirdiği β ve q parametreleri (makalenin optimizasyon amacına ait) bu kartın yazarınca kernel kodu okunarak kontrol edilmiş ve motorun hiçbir adımında kullanılmadığı görülmüştür. Bu iki parametreyi değiştirmek sonucu hiç etkilemez; ağırlığı değiştirmek gerekir.

Skor, sapma ve birleştirme. Her hücrenin skoru, aralık kısmının Pisagor skoruyla nokta kısmının Pisagor skorunun ortalamasıdır. Sütun ortalaması aynı skor üzerinden, seçeneklerin Pisagor ağırlıklı geometrik ortalamasıyla kurulur. Geri kalanı kesin EDAS'ın kendisidir: her hücrenin bu ortalamaya göre lehte ve aleyhte sapması ölçülür, ağırlıklarla toplanır, normalize edilir ve tek bir değerlendirme puanında birleştirilir. Skor negatif çıkabildiği için (Pisagor skoru −1 ile 1 arasındadır), sütun ortalaması da negatif olabilir; bu durumda sapma hesabının paydası negatif bir sayı olur ve dikkatli kurulmazsa lehte/aleyhte işaretleri ters dönebilir. Bu, manifestin kendi bildirdiği bir risktir (bkz. Bu Uzantıya Özgü Hatalar).

DecisionMind bu uzantıda skor fonksiyonunu, geometrik ortalama kuralını ve kesin EDAS'ın sapma-normalizasyon adımlarını sabit tutar. Ağırlıklar dışarıdan gelir; yöntem kendisi ağırlık üretmez.

Değerlendirme puanı kesin EDAS'taki gibi okunur: kümenin kendi ortalamasına göre bir konumdur. Fark şurada: bu ortalama artık bir aralık VE bir nokta değerlendirmesinin birleşiminden gelir. İki seçenek aynı nokta değerine sahipken farklı aralık genişliğine sahip olabilir; genişlik, skor hesaplandığı andan itibaren tek sayıya karışır ve puanın kendisinde ayrı görünmez.

Bu nedenle:

"Küp Pisagor bulanık EDAS, aralık ve nokta bilgisini birlikte kullandığı için daha güvenilir bir sonuç veriyor"

yerine:

"Bu puan, aralık değerlendirmesiyle nokta değerlendirmesinin ortalamasından gelir; hangi seçeneğin aralığı geniş, hangisininki dar olduğu puanın kendisinde görünmez, ayrı raporlanmalıdır"

biçiminde yazmak doğrudur.

Uzmanlar bir kriteri hem bir bant (en az şu, en çok şu) hem tek bir en olası değer olarak birlikte veriyorsa bu uzantı düşünülür. Amaç bu iki bilgiyi birbirine indirgemeden birlikte taşımaktır. Birden fazla uzmanın matrisi varsa yöntem bunları kendi içinde birleştirir; ağırlıkları kağıttaki gibi optimizasyonla türetmek isteniyorsa bu, DecisionMind dışında ayrı bir adımda yapılmalı ve sonuç doğrudan ağırlık olarak girilmelidir. Ölçülmüş bir kriteri aralık-nokta çiftine çevirmek belirsizlik modellemek değil belirsizlik üretmektir. Kesin EDAS'ın çıkış koşulu burada da geçerlidir: bir kriterde taviz kabul edilmiyorsa bu uzantı da telafi edicidir.

β ve q parametrelerini ayarlayarak sonucu değiştirmeyi beklemek. Bu iki parametre makalenin ağırlık-optimizasyon adımına aittir; DecisionMind'ın motoru bu adımı çalıştırmaz, dolayısıyla bu parametreler hiçbir hesap adımında okunmaz. Sonucu değiştirmenin tek yolu ağırlığı doğrudan değiştirmektir.

Sütun ortalaması negatif çıktığında sapma işaretlerini kontrol etmemek. Skor −1 ile 1 arasında olduğundan bir kriterin ortalaması negatif çıkabilir; bu durumda lehte/aleyhte sapma hesabının paydası negatif olur ve dikkatli kurulmazsa işaretler ters dönebilir. Bu manifestin kendi bildirdiği bir risktir; sonuç kabul edilmeden önce her kriterin ortalama skorunun işareti kontrol edilmelidir.

Değer alanı ihlali. Aralığın üst ucunda (Y⁺)²+(F⁺)² ≤ 1 ve nokta kısmında Y²+F² ≤ 1 sağlanmalıdır; bu, sezgisel toplamdan (Y+F≤1) değil karelerin toplamından kontrol edilir.

Uzman ağırlıklarını eşit varsayıp raporlamamak. Birden fazla uzman varsa birleştirme uzman ağırlıklarına duyarlıdır; ağırlıklar belirtilmeden "uzmanlar birleştirildi" demek eksik bir rapordur.

Temel ilke şudur:

Bu motorda ağırlıklar her zaman doğrudan girdi olarak gelir; makalenin optimizasyon parametreleri (β, q) motor tarafından okunmaz ve sonucu hiçbir biçimde etkilemez. Rapor bu sınırı açıkça belirtmelidir.