Fuzzy VIKOR (Opricovic, 2011)

Üç şey değişir; iki koşul (kabul edilebilir avantaj ve istikrar) burada da hesaplanır, tıpkı kesin VIKOR'da olduğu gibi.

Hücreler. Kesin VIKOR'da her hücre tek sayıdır. Burada her hücre üçgen bulanık sayıdır: en düşük, en olası, en yüksek. Kriter ağırlıkları burada kesindir, bulanık değildir. Fuzzy TOPSIS (Chen, 2000)'den farkı da budur: orada ağırlıklar da üçgendi, burada yalnız karar matrisi hücreleri üçgendir. DecisionMind bu uzantıda birden fazla karar vericinin puanlarını birleştiren bir mekanizma sunmaz; tek karar vericinin üçgenleriyle çalışır.

Ölçek eşitleme. Kesin VIKOR'daki gibi her ölçütte en iyi ve en kötü değere göre doğrusal normalizasyon yapılır; farkı, en iyi ve en kötü değerin üç köşenin ortalamasına (ağırlık merkezine) bakılarak seçilip tüm üç köşeye birden uygulanmasıdır. DecisionMind bu oranı köşe köşe alır: en düşük köşe en düşük köşeye, en olası en olasıya, en yüksek en yükseğe bölünür. Bu, tam bulanık bölme değil basitleştirilmiş bir köşe bazlı orandır ve motorun burada sabitlediği bir hesap kolaylığıdır.

Uzaklık / skor / birleştirme. Grup faydası S ve bireysel pişmanlık R, kesin VIKOR'daki gibi ağırlıklı farkların toplamı ve en büyüğüdür; farkı, toplamanın ve en büyüğü seçmenin üçgenin üç köşesinde ayrı ayrı yürütülmesidir. Bireysel pişmanlığı belirleyen ölçüt, her seçenek için ağırlıklı farkın ağırlık merkezi en büyük olan ölçüt olarak seçilir; sonra o ölçütün tüm üçgeni R olarak taşınır.

Sonuç ve durulaştırma. Q da üçgen olarak hesaplanır ve S ile R'nin köşe köşe birleşimidir. Durulaştırma en sonda, yalnız sıralama karşılaştırması için yapılır. Yöntem Q'nun ağırlık merkezini alır ve küçük olanı iyi sayar. Bu, Gri VIKOR'un tam tersidir. Orada beyazlaştırma en baştadır ve genişlik hiç hesaba girmez. Burada ise genişlik S ve R'nin içinde köşe köşe taşınır, yalnız son karşılaştırmada görünmez olur.

DecisionMind bu uzantıda en iyi/en kötü değerleri ağırlık merkezine göre seçer, köşe bazlı oranlamayı sabit tutar, ağırlıkları kesin alır ve iki koşulu, temel VIKOR'daki gibi, ağırlık merkezine indirgenmiş Q üzerinden gerçekten hesaplar. Bu, ailenin gri, sezgisel ve nötrosofik üyelerinden farkıdır. DecisionMind yalnız burada uzlaşma kümesi testini uygular.

Küçük Q iyidir, temel VIKOR'daki gibi. İki koşulun sonucu, yani tek çözüm mü küme mi olduğu, burada da rapor edilir; çünkü DecisionMind bu testi gerçekten çalıştırır. Burada Q'nun altında üç köşeli bir belirsizlik durur, aradaki fark budur. İki seçeneğin ağırlık merkezi farkı küçükse, bu fark girdilerin üçgen genişliğine göre anlamlı ya da anlamsız olabilir.

Bu nedenle:

"Bulanık VIKOR belirsizliği hesaba kattığı için sonuç daha güvenilirdir"

yerine:

"Girdiler üçgen bulanık sayı olsa da nihai karşılaştırma köşelerin ortalamasına inen tek bir Q üzerinden yapılmıştır; genişlik yalnız S ve R'nin içinde taşınmış, karşılaştırmada görünmez olmuştur"

biçiminde yazmak doğrudur.

Uzmanlar kriterleri sözel ya da yaklaşık puanlıyorsa ve bu puanları tek sayıya indirmek yapay bir kesinlik yaratacaksa; birden fazla tarafın çıkarı çatışıyorsa ve "en iyi" yerine "en az itiraz alacak" seçenek aranıyorsa, kesin VIKOR'un uzlaşma felsefesi burada bulanık girdiyle korunur.

Kriterler ölçülmüşse temel yöntemde kalınmalıdır; ölçülmüş bir fiyatı ya da süreyi üçgene çevirmek belirsizlik modellemek değil, belirsizlik üretmektir. Tablo karışıksa DecisionMind tek veri türü ister; ölçülmüş kriter de üçgene, üç bileşeni aynı sayı olacak biçimde yazılır. Temel VIKOR'un çıkış koşulu burada da aynen geçerlidir: bir kriterde hiç taviz kabul edilmiyorsa üstünlük yöntemlerine gidilir.

Değer-uzayı ihlali. Her üçgende en düşük değer en olasıya, en olası değer en yükseğe eşit ya da küçük olmalı ve hepsi negatif olmamalıdır; sıra bozulursa köşe bazlı oranlama anlamsız sayı üretir.

Ağırlıkları da üçgen vermeye çalışmak. Bu uzantı ağırlığı kesin bekler; Fuzzy TOPSIS (Chen 2000)'in üçgen ağırlık kabul etmesiyle karıştırılmamalıdır. Kesin bir ağırlık üçgene çevrilip girilirse DecisionMind bunu bir hata olarak reddeder ya da anlamsız bir sonuca götürür.

Önce durulaştırıp kesin VIKOR koşturmak. Üçgenleri baştan ağırlık merkezine indirip kesin yöntemi uygulamak Fuzzy VIKOR değildir; belirsizlik ilk adımda silinir.

İki koşulu atlayıp yalnız Q'su en küçük seçeneği "kazanan" ilan etmek. DecisionMind bu uzantıda koşulları gerçekten hesapladığından bunu görmezden gelmek, temel VIKOR'daki en yaygın hatanın burada da aynen geçerli olduğu anlamına gelir.

Temel ilke şudur:

Fuzzy VIKOR'da belirsizlik S ve R'nin köşelerinde taşınır ve yalnız son karşılaştırmada ağırlık merkezine iner; girdiyi baştan kesinleştiren ya da iki uzlaşma koşulunu atlayan her uygulama yöntemin katkısını yok eder.