Sezgisel bulanık VIKOR (Devi, 2011)

Üç şey değişir; iki koşul (kabul edilebilir avantaj ve istikrar) fikri değişmez ama DecisionMind bu uzantıda ikisini de hesaplamaz.

Hücreler. Kesin VIKOR'da her hücre tek sayıdır; burada her hücre bir destek (μ) ve bir ret (ν) derecesidir, toplamları 1'i aşmaz. Kriter ağırlıkları kesindir. DecisionMind bu uzantıda birden fazla karar vericinin oylarını sunum katmanında birleştirmez; tek karar vericinin destek/ret çiftleriyle çalışır.

Ölçek eşitleme (yön çevirme). Kesin VIKOR'da maliyet ölçütünde en iyi ve en kötü değer basitçe yer değiştirir; en küçük değer iyi sayılır. Burada aynı fikir yargı düzeyinde uygulanır. Maliyet ölçütünde destek ve ret dereceleri yer değiştirir. "Bu seçenek bu ölçütte iyidir" yargısına verilen destek ret olur, ret de destek olur. Böylece hesabın geri kalanı, sanki bütün ölçütler "çoğu iyi"ymiş gibi aynı yönde ilerler.

Uzaklık / skor / birleştirme. Yöntem en iyi çifti, her ölçütteki en yüksek destek ve en düşük ret derecesini bir araya getirerek kurar; en kötü çifti tam tersi biçimde oluşturur. Her seçeneğin bu en iyi çifte uzaklığını, destek ve ret farklarının karelerini toplayıp yarısının karekökünü alarak hesaplar. Bu, iki dereceyi tek bir sayıya indiren normalize edilmiş bir mesafedir ve kararsızlık payı bu mesafede ayrıca yer almaz. Bu mesafenin en iyi çift ile en kötü çift arasındaki mesafeye oranı, kesin VIKOR'daki normalize farkın karşılığıdır. Yöntem ölçüt bazındaki bu oranı ağırlıklandırıp toplar (S) ve en büyüğünü ayırır (R).

Sonuç ve durulaştırma. Durulaştırma, Gri VIKOR ile Fuzzy VIKOR arasında bir yerde kalır. Gri VIKOR'da durulaştırma en baştadır, Fuzzy VIKOR'da ise en sondadır; burada destek/ret çifti uzaklık hesabının içinde tek bir sayıya iner. Bu andan sonra S, R ve Q tamamen kesin sayılardır. Belirsizlik, Fuzzy VIKOR'daki gibi sona kadar ayrı taşınmaz, ama girdi de Gri VIKOR'daki gibi en baştan beyazlaştırılmaz. Ölçüt bazındaki normalize fark, iki uç arasında kalan tek gerçek belirsizlik izidir.

DecisionMind bu uzantıda uzaklığı bu biçimde sabitler ve uzlaşma katsayısı v'yi varsayılan 0,5 alır. Fuzzy VIKOR'dan farklı olarak iki koşulu hesaplamaz, yalnız Q sıralamasını üretir.

Küçük Q iyidir. Ancak temel VIKOR kartında anlatılan iki koşul (kabul edilebilir avantaj, kabul edilebilir istikrar) bu uzantıda DecisionMind tarafından sınanmaz; kullanıcı bunu S ve R sütunlarına bakarak kendisi denetlemelidir. Ayrıca iki seçeneğin Q'su eşit ya da çok yakın çıkabilir. Bu, VIKOR'un normal ve dürüst bir sonucudur, hesap hatası değildir. Veri destek/ret çiftleri hâlinde geldiği için bu yakınlık kesin VIKOR'a göre daha sık görülebilir.

Bu nedenle:

"Sezgisel bulanık VIKOR'a göre en iyi seçenek A1'dir"

yerine:

"A1 ile A3'ün uzlaşma indeksi bu ağırlıklarla ve v = 0,5'te eşittir; DecisionMind bu uzantıda uzlaşma koşullarını sınamadığından hangisinin öne çıkacağı S ve R sütunlarına bakılarak ayrıca değerlendirilmelidir, A2 ise açık farkla üçüncüdür"

biçiminde yazmak doğrudur.

Değerlendirme bir yargıdan geliyorsa ve uzmanın karşı görüşü de ölçülebilir bir bilgi taşıyorsa; birden fazla tarafın çıkarı çatışıyorsa ve "en iyi" yerine "en az itiraz alacak" seçenek aranıyorsa, kesin VIKOR'un uzlaşma felsefesi burada destek/ret çiftiyle korunur.

Uzman yalnız "ne kadar uygun" sorusuna cevap veriyorsa ve karşı görüş için ayrı bir kaynak yoksa, ν'yü 1 − μ diye yazıp bu uzantıya geçmeye gerek yoktur; bu, kesin veriyle aynı bilgiyi taşır. Tablo karışıksa DecisionMind tek veri türü ister. Temel VIKOR'un çıkış koşulu burada da aynen geçerlidir. Bir kriterde hiç taviz kabul edilmiyorsa üstünlük yöntemlerine gidilmelidir.

Değer-uzayı ihlali. μ ve ν her ikisi de 0-1 arasında olmalı ve toplamları 1'i aşmamalıdır; aşarsa DecisionMind hesabı reddeder.

ν'yü 1 − μ olarak yazmak. Bu, kararsızlık payını her hücrede sıfırlar ve maliyet ölçütlerindeki yer değiştirmeyi de anlamsızlaştırır, çünkü μ ve ν birbirinin tam tümleyeni hâline gelir. Aşağıdaki Vaka 1 tablosunda her hücrenin kararsızlık payı sabit 0,10'dur; bu yüzden ν = 1 − μ yazmak o örnekte sıralamayı değiştirmez. Ama bu, tablonun özel bir simetrisidir, genel kural değildir. Kararsızlık payı hücreden hücreye değişen gerçek bir tabloda aynı kısayol sırayı değiştirebilir ve bilgiyi geri getirilemez biçimde siler.

Maliyet ölçütünde yer değiştirmeyi atlamak. Destek ve ret dereceleri yalnız fayda ölçütlerinde olduğu gibi bırakılırsa, "azı iyi" ölçütte yüksek destek yanlışlıkla iyi sayılır ve sıra tersine döner.

Destek ve reddi tek kaynaktan türetmek. "Uygun" diyen uzman oranını μ, geri kalanı otomatik olarak ν yazmak, kararsız kalanları karşı görüşe saymak demektir.

Temel ilke şudur:

Destek ve ret dereceleri ayrı kaynaklardan gelmeli, maliyet ölçütünde ikisi birlikte yer değiştirmeli ve kararsızlık payı hiçbir zaman μ'den geriye hesaplanan bir sayı olarak sıfırlanmamalıdır.