Uzantı kartı · Bulanık
Fermatean bulanık TOPSIS
TOPSIS'in, bir yargıya verilen destek ve ret derecelerinin toplamı değil, küplerinin toplamı 1'i aşmayacak biçimde verildiği durumlar için biçimidir. Sezgisel bulanığın izin vermediği daha güçlü destek-ret çiftlerini kabul eder, gerisini kesin TOPSIS gibi işler.
Temel yöntem
TOPSIS →
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; beş adımlı iskelet ve karar mantığı değişmez.
Hücreler. Kesin TOPSIS'te her hücre tek sayıdır. Burada her hücre bir destek derecesi (μ) ve bir ret derecesi (ν) çiftidir; tek kısıt μ³+ν³≤1'dir. Sezgisel bulanıkta μ=0,8 ve ν=0,6 geçersizdir (toplamları 1'i aşar), Pisagor bulanıkta da geçersizdir (kareleri toplamı 1'i aşar); Fermatean bulanıkta küpleri toplamı (0,512+0,216=0,728) 1'in altında kaldığı için geçerlidir. Maliyet kriterinde destek ve ret yer değiştirir. Kriter ağırlıkları kesin sayı olarak dışarıdan alınır.
Ağırlıklama. Kesin TOPSIS her sütunu kriterin ağırlığıyla çarpar. Fermatean bulanıkta ağırlıklama, destek derecesini küçültüp ret derecesini küçük bir üsse yükselten bir işlemle yapılır; bu işlem sonucu hâlâ bir Fermatean bulanık çift üretir ve μ³+ν³≤1 kısıtını korur.
İdeal-anti ideal nokta ve uzaklık. İdeal nokta (FFPIS) her kriterde en yüksek destek ve en düşük ret derecesinden, anti-ideal (FFNIS) en düşük destek ve en yüksek ret derecesinden kurulur; bu, kesin TOPSIS'in üçüncü adımıyla aynı mantıktır. İki çift arasındaki uzaklık, küplerin (μ³, ν³) ve bunlardan türetilen belirsizlik payının farklarına dayanan bir Öklid uzaklığıdır; kesin TOPSIS'teki düz Öklid uzaklığının küp uzaya taşınmış hâlidir.
DecisionMind bu uzantıda küp tabanlı ağırlıklama ve uzaklık formüllerini sabit tutar. Ağırlıklar dışarıdan alınır; yöntem ağırlık üretmez.
Çıktı Nasıl Yorumlanır?
Yakınlık puanı kesin TOPSIS'teki gibi okunur: bu seçenek kümesi ve bu ağırlıklarla ideale ne kadar yakın olunduğunu söyler, yüzde ya da olasılık değildir. Fark şurada: destek ve ret dereceleri küp uzayda işlendiği için, aynı sayısal görünüme sahip iki çift (örneğin μ=0,8 ile μ=0,7) arasındaki fark küçük görünse de küp alındığında büyüyebilir ya da küçülebilir; bu yüzden ham μ-ν farkına bakarak puan farkını tahmin etmek yanıltıcıdır.
Bu nedenle:
"Fermatean bulanık TOPSIS daha geniş bir değer alanı kullandığı için sonuç daha güvenilirdir"
yerine:
"Bu puan, verilen destek ve ret derecelerinin küp uzaydaki uzaklığından hesaplanmıştır; sezgisel bulanıkta geçersiz kalacak kadar güçlü destek-ret çiftleri burada geçerlidir, ama bu yalnız değer alanını genişletir, sonucu otomatik olarak daha doğru yapmaz"
biçiminde yazmak doğrudur.
Ne Zaman Temel Yöntem Yerine Bu?
Uzmanlar bir yargıya hem güçlü destek hem belirgin çekince veriyorsa ve bu çift sezgisel ya da Pisagor bulanığın kısıtını aşıyorsa (μ+ν>1 ya da μ²+ν²>1, ama μ³+ν³≤1) bu uzantı uygundur. Örnek: bir uzman "0,9 destekliyorum, 0,6 da reddediyorum" diyorsa, bu çift sezgisel bulanıkta ve Pisagor bulanıkta geçersizdir ama küpleri toplamı (0,729+0,216=0,945) Fermatean bulanıkta hâlâ geçerlidir. Destek-ret çifti zaten sezgisel bulanığın kısıtına uyuyorsa Fermatean bulanık ek bir şey katmaz; sezgisel bulanık TOPSIS yeterlidir. Kesin TOPSIS'in çıkış koşulu burada da geçerlidir: bir kriterde taviz kabul edilmiyorsa bu uzantı da telafi edicidir ve eşik altını elemez.
Bu Uzantıya Özgü Hatalar
Değer alanı ihlali. Her çift μ³+ν³≤1 koşulunu sağlamalıdır; bu kontrol edilmeden hesaba girmek yöntemi geçersiz kılar.
Sezgisel bulanık kısıtına uyan veriyi gereksiz yere Fermatean bulanığa taşımak. Destek-ret çifti zaten μ+ν≤1 kısıtına uyuyorsa, Fermatean bulanığa geçmek ek bilgi katmaz, yalnız hesabı ve raporu karmaşıklaştırır.
Skor fonksiyonunu değiştirmek. Kanonik skor S=μ³-ν³'tür; başka bir skor fonksiyonu seçilirse sıralama değişebilir ve bu seçim raporda belirtilmelidir.
Küp uzaydaki farkı ham sayı farkı gibi yorumlamak. İki çiftin μ-ν farkı küçük görünse de küp alındığında uzaklık büyüyebilir; puan farkını yorumlarken bu doğrusal olmayan ilişki göz önünde tutulmalıdır.
Temel ilke şudur:
Fermatean bulanık TOPSIS, sezgisel ve Pisagor bulanığın kısıtını aşan güçlü destek-ret çiftlerini geçerli kılmak içindir; bu genişlik yalnız veri gerçekten bu kısıtı aşıyorsa bir şey katar, aksi hâlde hesabı gereksiz yere karmaşıklaştırır.
Vakalar
Birinci vaka DecisionMind'ın doğrulama örneğidir; manifestteki sentetik 3x3 tablo formüllere sadık biçimde kurulmuştur, literatür sayfası taşımaz. İkinci vaka öğretici kurgudur.
1. Öğretici örnek (DecisionMind'ın doğrulama örneği): Üç antrenman programı arasında seçim
Bir spor kulübü üç antrenman programını üç ölçütte karşılaştırır: beklenen performans artışı (çoğu iyi), sakatlık riski (azı iyi) ve sporcu uyum kolaylığı (çoğu iyi). Antrenörler her programın her ölçütteki desteğini ve reddini bir çift olarak verir; bazı çiftler sezgisel bulanığın kısıtını aşacak kadar güçlüdür.
| Program | Performans artışı (μ; ν) | Sakatlık riski (μ; ν, azı iyi) | Uyum kolaylığı (μ; ν) |
|---|---|---|---|
| P1 | 0,7; 0,4 | 0,6; 0,5 | 0,5; 0,5 |
| P2 | 0,8; 0,3 | 0,4; 0,6 | 0,6; 0,4 |
| P3 | 0,6; 0,5 | 0,5; 0,5 | 0,7; 0,4 |
| Ağırlık | 0,40 | 0,25 | 0,35 |
Bu çiftlerin bir kısmı (örneğin 0,7 ile 0,4) sezgisel bulanıkta geçerli kalırken, µ³+ν³ kısıtı hepsinde rahatça sağlanır; yöntem bu esnekliği tam olarak bu tür güçlü çiftler için kullanır. Yöntem sakatlık riskinde destek-ret çiftini yer değiştirir, her kriter için ideal ve anti-ideal noktayı küp uzayda kurar, ağırlıklı küp uzaklıklarını toplar ve yakınlık puanını hesaplar.
| Program | Yakınlık puanı | Sıra |
|---|---|---|
| P2 | 0,823 | 1 |
| P3 | 0,370 | 2 |
| P1 | 0,323 | 3 |
Sonuç şöyle okunur. P2, en ağır ölçüt olan performans artışında en yüksek destek ve en düşük ret derecesine sahiptir; sakatlık riskinde de en düşük dereceyi taşır. P1 hiçbir ölçütte öne çıkmaz ve son sıradadır.
Kulübün tereddüdü: ağırlık uyum kolaylığına yoğunlaştırılıp (0,10; 0,10; 0,80) yeniden hesaplandığında P3 (0,803) P2'yi (0,456) açık farkla geçmektedir; bu, P2'nin birinciliğinin performans artışı ve sakatlık riski ağırlığına tamamen bağlı olduğunu gösterir (bağımsız olarak kernel ile yeniden hesaplanmıştır).
Raporda: "Verilen ağırlıklarla P2 en yüksek yakınlık puanına sahiptir (0,823); ağırlık uyum kolaylığına yoğunlaştırıldığında (0,10; 0,10; 0,80) P3 öne geçmektedir, bu nedenle sıra bu ağırlığa duyarlıdır."
Kaynak: DecisionMind'ın FF-TOPSIS doğrulama örneği. TOPSIS iskeleti manifestteki formüllere dayanır; Fermatean bulanık kümenin tanımı Senapati ve Yager'in (2020) çalışmasına dayanır. Yakınlık puanları ve ağırlık takası senaryosu bu kartın yazarınca kernel doğrudan çalıştırılarak bağımsız olarak hesaplanmıştır.
2. Spor tesisi: Bir belediyenin yeni yüzme havuzu işletmecisi seçimi
Bir belediye, yeni açacağı yüzme havuzu kompleksinin işletmesini üç aday firmadan birine devredecektir. Üç ölçüt vardır: su kalitesi yönetimi kapasitesi, cankurtaran ve güvenlik standardı, işletme maliyeti (azı iyi). Belediye komisyonu her firmaya hem güçlü bir destek hem belirgin bir çekince veriyor; bazı firmalarda bu ikisi birlikte sezgisel bulanığın kısıtını aşacak kadar yüksektir.
Yöntem maliyet ölçütünde destek-ret çiftini yer değiştirir, her ölçütte ideal ve anti-ideal noktayı küp uzayda kurar, ağırlıklı uzaklıkları toplar. Diyelim ki en düşük maliyetli firma aynı zamanda güvenlik standardında en zayıf destek-ret çiftine sahiptir; yine de yakınlık puanında geride kalır, çünkü güvenlik standardı ağırlığı yüksek tutulmuştur.
Komisyonun tereddüdü şudur: iki firma arasındaki puan farkı küçükse, bu fark güvenlik standardı ölçütündeki destek-ret çiftinin küçük bir değişiminden kaynaklanabilir. Komisyon, güvenlik gibi hassas bir ölçütte puan farkının hangi kriterden geldiğini ayrıca göstermelidir.
Raporda: "Güvenlik standardı ağırlığıyla birinci firma öne çıkmaktadır; iki firma arasındaki fark bu ölçütteki destek-ret çiftine duyarlıdır ve sözleşme öncesi ayrıca değerlendirilmelidir."
3. Yapılmaması Gereken
Öğretici örnekte P1'in destek-ret çiftini keyfi biçimde küçültüp sezgisel bulanığın kısıtına sığdırmak (örneğin 0,7; 0,4 yerine 0,5; 0,3 yazmak): bu, uzmanın verdiği yargıyı bozar ve Fermatean bulanığın tam olarak izin verdiği güçlü çifti gereksiz yere zayıflatır. İkinci yanlış, μ³+ν³>1 olan bir çifti kontrol etmeden hesaba sokmaktır; motor bu durumda geçersiz bir değer üzerinde çalışır. Üçüncü yanlış, P2'nin 0,823 puanını "yüzde seksen üç uygun" diye okumaktır; puan yalnız bu üç program arasında kümenin kendi ideal ve anti-ideal noktalarına göre bir kıyastır.
Kaynaklar
Adımların formülleri, ara tabloları ve atıf biçimleri için DecisionMind yöntem sayfası: decisionmind.app/library/ff-topsis
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
Atanassov, K. T. (1986). Intuitionistic fuzzy sets. Fuzzy Sets and Systems, 20(1), 87–96. DOI: 10.1016/S0165-0114(86)80034-3
Hwang, C. L., & Yoon, K. (1981). Multiple Attribute Decision Making: Methods and Applications, A State-of-the-Art Survey. Lecture Notes in Economics and Mathematical Systems, Vol. 186. Springer-Verlag. DOI: 10.1007/978-3-642-48318-9