Uzantı kartı · Bulanık
Fermatean bulanık TODIM
TODIM'in, bir yargıyı destekleme ve reddetme derecesinin sezgisel bulanığın izin verdiğinden daha geniş bir bölgede birlikte yüksek olabildiği durumlar için çalışan biçimidir. Aynı kayıptan kaçınma mantığını bu destek-ret çiftleri arasındaki uzaklık ve skor karşılaştırmasıyla yürütür.
Temel yöntem
TODIM →
Felsefe, işleyiş, güçlü ve zayıf yanlar temel yöntem kartında; bu kart yalnız farkı anlatır.
Veri türü (aile)
Bulanık (Fuzzy) →
Bu veri türü nedir, ne zaman kullanılır, hücreye nasıl yazılır: ailenin ayrıntılı anlatımı burada.
Temel Yöntemden Ne Değişir?
Üç şey değişir; kayıptan kaçınma mantığı ve referans kriter yaklaşımı değişmez.
Hücreler. Kesin TODIM'de her hücre tek sayıdır. Burada her hücre bir çifttir: destek derecesi μ ve ret derecesi ν. Sezgisel bulanıkta μ+ν toplamı 1'i aşamazken, burada μ³+ν³ küpler toplamı 1'i aşamaz. Bu, aynı μ ve ν için sezgisel bulanığa göre daha geniş bir bölgeye izin verir; örneğin μ=0,8 ve ν=0,7 sezgisel bulanıkta geçersizken burada geçerlidir. Ağırlıklar kesin sayıdır. DecisionMind bu uzantıda grup kararını desteklemez.
Ölçek eşitleme. Kesin TODIM'de maliyet kriterleri sütun bazında oranlanarak fayda yönüne çevrilir. Burada aynı amaç Fermatean tümleyeniyle sağlanır: maliyet kriterindeki her (μ, ν) çifti (ν, μ) ile yer değiştirir. Bu bir bölme değil bir yön çevirmedir.
Uzaklık ve skor. Kesin TODIM'de iki değer arasındaki fark doğrudan çıkarmadır. Burada iki adım ayrışır. Skor s=μ³−ν³ hangi seçeneğin o kriterde kazandığını belirler. Uzaklık ise Fermatean Hamming uzaklığıyla (μ, ν ve belirsizlik payı π'nin küplerindeki farkların toplamı) hesaplanır. Kesin TODIM'de fark hem büyüklüğü hem yönü tek adımda verir; burada büyüklüğü uzaklık, yönü skor karşılaştırması belirler.
Sonuç. Küresel değer yine 0 ile 1 arasında normalize edilmiş tek bir sayıdır; destek-ret çiftindeki belirsizlik uzaklık hesabına girer ama sonuçta durulaşır, sayı Fermatean bulanık kalmaz.
DecisionMind bu uzantıda skor fonksiyonu olarak μ³−ν³'yü, uzaklık fonksiyonu olarak Fermatean Hamming uzaklığını sabit tutar. Kayıptan kaçınma katsayısı θ kernel içinde sabit 1 alınır; bu uzantıda θ, HF-TODIM ve IVIF-TODIM'in aksine, DecisionMind'ın kullanıcıya açtığı bir parametre değildir. Referans kriter de otomatiktir, kesin TODIM'den farklı olarak kullanıcı tarafından değiştirilemez.
Çıktı Nasıl Yorumlanır?
Küresel değerin okunması kesin TODIM'deki gibidir: en düşük toplam üstünlük 0, en yüksek 1 alır, mutlak bir "iyi/kötü" ölçütü değildir.
Fark şudur. Kazanan-kaybeden yönü skor farkından, büyüklüğü Fermatean Hamming uzaklığından gelir. Sezgisel bulanıkta geçersiz sayılacak kadar yüksek bir destek-ret çifti burada geçerli olabileceğinden, aynı görünen bir yargı iki veri türünde farklı bir uzaklığa karşılık gelebilir. Rapor bu yüzden hangi veri türünün kullanıldığını açıkça belirtmelidir.
Bu nedenle:
"Fermatean bulanık TODIM'e göre A2 en iyi seçenektir"
yerine:
"Destek-ret çiftleri Fermatean Hamming uzaklığıyla karşılaştırılmış, kazanç-kayıp yönü μ³−ν³ skoruyla belirlenmiştir; A2 en yüksek küresel değere sahiptir ve bu sıra θ=0,5 ile θ=5 arasında korunmaktadır"
biçiminde yazmak doğrudur.
Ne Zaman Temel Yöntem Yerine Bu?
Bir yargının destek ve ret derecesi sezgisel bulanığın izin verdiği bölgenin dışında kalıyorsa, yani uzman hem desteğe hem redde yüksek bir değer veriyorsa bu uzantı uygundur. Karar vericinin kayıplara kazançlardan daha duyarlı davrandığı sezgisi kararın doğasına uyuyorsa da aynı şekilde uygundur.
Destek ve ret sezgisel bulanığın sınırları içinde kalıyorsa (μ+ν≤1) bu ek genişliğin bir katkısı olmaz, sezgisel bulanık TODIM (IF-TODIM) yeterlidir. Kriterler ölçülmüşse kesin TODIM'de kalınır. TODIM'in çıkış koşulu aynen geçerlidir: bir kriterde taviz kabul edilmiyorsa önce eleme uygulanır; kayıptan kaçınma varsayımı uymuyorsa Fermatean bulanık TOPSIS gibi simetrik telafi eden bir yöntem tercih edilir.
Bu Uzantıya Özgü Hatalar
Değer uzayı ihlali. Her hücrede μ³+ν³ toplamının 1'i aşmadığı kontrol edilmelidir; sezgisel bulanık için geçerli olan μ+ν≤1 kuralıyla karıştırılmamalıdır.
Skor fonksiyonunu değiştirip sonucu karşılaştırmak. DecisionMind μ³−ν³ skorunu sabit tutar. Başka bir skor fonksiyonu (örneğin yalnız μ'yü esas alan) farklı bir kazanan-kaybeden sırası üretebilir.
θ'nın DecisionMind arayüzünde ayarlanabilir olduğunu varsaymak. Bu uzantıda kayıptan kaçınma katsayısı kernel içinde sabit 1 alınır; HF-TODIM ya da IVIF-TODIM'deki gibi bir kullanıcı parametresi değildir.
"Daha gelişmiş" yanılgısı. Sezgisel bulanığın sınırları içinde kalan bir veriyi yalnız daha geniş bir bölgeye izin veriyor diye Fermatean bulanığa açmak bilgi eklemez.
Temel ilke şudur:
Fermatean bulanık TODIM'de kazanan-kaybeden yönü μ³−ν³ skorundan, büyüklüğü küp uzaydaki Hamming uzaklığından gelir; bu uzantı yalnız destek-ret çifti sezgisel bulanığın sınırlarını gerçekten aşıyorsa bilgi ekler.
Vakalar
Birinci vaka DecisionMind'ın doğrulama örneğidir: literatürde ortak bir FF-TODIM uygulama örneği bulunmadığı için üç seçenekli, üç kriterli sentetik bir tablo formül zincirine sadık kalınarak kurulmuştur. İkinci vaka öğretici bir kurgudur.
1. Öğretici örnek: Üç adayın üç kriterde destek-ret puanlanması (DecisionMind doğrulama örneği)
Üç aday üç kriterde değerlendiriliyor; her hücre destek (μ) ve ret (ν) derecesinden oluşuyor. Birinci ve ikinci kriter "çoğu iyi", üçüncü kriter "azı iyi"dir. Ağırlıklar C1=0,40 (referans), C2=0,35, C3=0,25.
| Aday | C1 | C2 | C3 (maliyet) |
|---|---|---|---|
| A1 | μ 0,70 / ν 0,40 | μ 0,50 / ν 0,50 | μ 0,60 / ν 0,50 |
| A2 | μ 0,80 / ν 0,30 | μ 0,60 / ν 0,40 | μ 0,40 / ν 0,60 |
| A3 | μ 0,60 / ν 0,50 | μ 0,70 / ν 0,40 | μ 0,50 / ν 0,50 |
| Yön | çoğu iyi | çoğu iyi | azı iyi |
| Ağırlık | 0,40 (referans) | 0,35 | 0,25 |
Yöntem C3'te destek-reddi yer değiştirir, her hücrenin skorunu (μ³−ν³) bulur, göreli ağırlıkları kurar, her aday çiftini ikişer ikişer karşılaştırır: kazanan tarafta pozitif, kaybeden tarafta θ=1 ile büyütülmüş negatif katkı toplar ve küresel değeri 0-1 aralığına ölçekler.
| Aday | Küresel değer | Sıra |
|---|---|---|
| A2 | 1,000 | 1 |
| A3 | 0,473 | 2 |
| A1 | 0,000 | 3 |
Sonuç şöyle okunur. A2, birinci kriterde (referans, en ağır) en yüksek destek ve en düşük ret derecesine sahiptir; bu üstünlük üçüncü kriterdeki (maliyet) göreli zayıflığını fazlasıyla dengeler. A1 birinci kriterde en düşük skora sahip olduğu için üçüncüdür; küresel değerinin 0 olması bu üç aday içindeki en düşük göreli üstünlüğü gösterir.
Kurulun tereddüdü şudur: θ değiştirildiğinde sıra değişir mi? θ=0,5'ten θ=5'e kadar denendiğinde (bağımsız Python ile aynı motor yeniden koşturularak), A2 birinci ve A1 üçüncü sabit kalmaktadır; A3'ün değeri θ=0,5'te 0,475'e, θ=5'te 0,465'e iner, yani sıra θ'ya duyarlı değildir. Ağırlıklar C1 ile C3 arasında yer değiştirse (C1=0,25, C3=0,40) bile A3'ün değeri 0,407'ye iner, sıra yine bozulmaz.
Raporda: "Birinci kritere verilen en yüksek ağırlıkla A2 net olarak öndedir; bu sıra θ=0,5 ile θ=5 arasında ve ağırlık dağılımı değiştirildiğinde de korunmaktadır."
Kaynak: Bu vaka DecisionMind'ın Fermatean bulanık TODIM motorunun doğrulama örneğidir; matris ve ağırlıklar formüllere sadık biçimde sentetik olarak kurulmuştur, bir makale ya da kitap tablosu değildir. θ duyarlılığı ve ağırlık takası senaryolarının sayıları bu kartın yazarınca aynı motorla bağımsız olarak yeniden hesaplanmıştır.
2. Spor tesisi: Bir belediyenin yeni spor kompleksi yüklenicisi seçimi
Bir belediye, yeni bir spor kompleksinin inşaatı için üç yüklenici arasından seçim yapacaktır. Üç ölçüt vardır: teknik yeterlilik, teslim süresine uyum ve maliyet (bu sonuncusu "azı iyi"). Yükleniciler henüz sahada çalışmadığı için teknik yeterlilik ve teslim süresine uyum ölçülemez. Değerlendirme komisyonu, geçmiş referans projelerine dayanarak her yüklenici için hem ne kadar güvendiğini hem ayrı bir gerekçeyle ne kadar çekince duyduğunu bildirmiştir. Bu değerlendirmelerde destek ve ret birlikte yüksek çıkabilmektedir, çünkü bazı referanslar çok olumlu, bazıları ciddi endişeler taşımaktadır. Komisyon teknik yeterliliğe en yüksek ağırlığı (referans kriter) vermiştir.
Yöntem üç yükleniciyi ikişer ikişer karşılaştırır: her kriterde skor farkına göre kazanan-kaybeden yönünü belirler, Fermatean Hamming uzaklığını hesaplar ve küresel değeri kurar. Diyelim ki en yüksek teknik yeterlilik puanına sahip yüklenici aynı zamanda en yüksek maliyete sahiptir; yine de birinci çıkar, çünkü teknik yeterliliğin ağırlığı maliyetten yüksektir.
Komisyonun tereddüdü şudur: bu yüklenicinin teslim süresine uyum konusunda hem destek hem ret derecesi yüksektir, yani referanslar arasında güçlü bir görüş ayrılığı vardır. Bu ayrılık küresel değerde küçük bir ağırlıkla temsil edilir. Komisyon, sözleşme öncesi bu görüş ayrılığının kaynağını ayrıca araştırmalıdır.
Raporda: "Teknik yeterliliğe verilen en yüksek ağırlıkla en deneyimli yüklenici öne çıkmaktadır. Bu yüklenicinin teslim süresine uyumu hakkında referanslar arasında belirgin bir görüş ayrılığı bulunmaktadır; bu ayrılık sözleşme öncesi ayrıca değerlendirilmelidir."
3. Yapılmaması Gereken
Öğretici tabloda A2'nin birinci kriterdeki destek-ret çiftini (0,80; 0,30) sezgisel bulanığa uydurmak için keyfi olarak (0,55; 0,40) gibi bir çifte küçültmek: bu, verinin gerçekte taşıdığı bilgiyi siler ve gereksiz bir veri türü değişikliğine yol açar. İkinci yanlış, θ'yı DecisionMind arayüzünden değiştirilebilir sanıp raporda "θ=2 ile koşuldu" gibi bir ayar iddia etmektir; bu uzantıda θ sabittir. Üçüncü yanlış, A2'nin 1,000 küresel değerini "mükemmel aday" diye okumaktır; bu değer yalnızca bu üç adayı birbirine göre ölçekler.
Kaynaklar
Adımların formülleri, ara tabloları ve atıf biçimleri için DecisionMind yöntem sayfası: decisionmind.app/library/ff-todim
Senapati, T., & Yager, R. R. (2020). Fermatean fuzzy sets. Journal of Ambient Intelligence and Humanized Computing, 11, 663–674. DOI: 10.1007/s12652-019-01377-0
Senapati, T., & Yager, R. R. (2019). Fermatean fuzzy weighted averaging/geometric operators and its application in multi-criteria decision-making methods. Engineering Applications of Artificial Intelligence, 85, 112–121. DOI: 10.1016/j.engappai.2019.05.012
Gomes, L. F. A. M., & Lima, M. M. P. P. (1992). TODIM: Basics and application to multicriteria ranking of projects with environmental impacts. Foundations of Computing and Decision Sciences, 16, 113–127. (DOI yok)
Atanassov, K. T. (1986). Intuitionistic fuzzy sets. Fuzzy Sets and Systems, 20(1), 87–96. DOI: 10.1016/S0165-0114(86)80034-3