Aralık değerli sezgisel bulanık MABAC (Xue, You, Lai ve Liu, 2016)

Dört şey değişir; sınır yaklaşım alanı mantığı değişmez.

Hücreler. Kesin MABAC'ta her hücre tek sayıdır. Burada her hücre dört sayıdan oluşur: destek derecesinin alt ve üst sınırı, ret derecesinin alt ve üst sınırı. Üst destek ile üst ret toplamı 1'i geçemez. Kriter ağırlıkları kesin sayı olarak dışarıdan verilir; DecisionMind bu ailede eksik ağırlık bilgisinden ağırlık türetmez, ağırlık zaten elde olmalıdır.

Ölçek eşitleme. Kesin MABAC her sütunu kendi en küçük ve en büyük değerine göre 0-1 arasına yerleştirir. Burada ayrı bir min-maks adımı yoktur. Maliyet kriterlerinde dört sayı yalnız yer değiştirir: destek aralığı ret aralığının, ret aralığı destek aralığının yerine geçer. Bu, TOPSIS'in bulduğu ideal-anti ideal noktalardan farklı bir eşitleme biçimidir; MABAC zaten sütunu tek bir uca göre değil, kümenin kendi ortalamasına göre değerlendirir.

Ağırlıklama ve sınır yaklaşım alanı. Her hücre kriterin ağırlığıyla, aralık değerli sezgisel bulanık cebrin kendi üstel kuralıyla ağırlıklanır: destek sınırları büyütücü bir kurala, ret sınırları küçültücü bir kurala göre değişir. Sınır yaklaşım alanı, kesin MABAC'taki gibi geometrik ortalamadır; burada dört sayının her biri için ayrı ayrı, aynı aralık değerli sezgisel bulanık geometrik ortalama kuralıyla alınır. Sınırın kendisi de dört sayılı bir aralık çiftidir.

Uzaklık ve toplam puan. Bir seçeneğin sınıra uzaklığı işaretli bir Öklid uzaklığıdır. Büyüklüğü dört sayının farklarından kurulur; işareti ise seçeneğin bu kriterde sınırdan üstün mü zayıf mı olduğunu gösteren bir skor karşılaştırmasından gelir (skor eşitse ikinci bir doğruluk karşılaştırması işareti belirler). Kesin MABAC'ta işaret zaten çıkarmanın kendisinden gelir; burada dört sayılı hücrelerde çıkarma tek başına yön vermediği için işaret ayrıca kurulur. Bu işaretli uzaklıklar kriterler boyunca toplanır ve toplam puana göre büyükten küçüğe sıralama yapılır.

DecisionMind bu klasik biçimde aralık değerli sezgisel bulanık ağırlıklamayı, geometrik ortalamalı sınırı ve işaretli Öklid uzaklığını sabit tutar. Ağırlıklar dışarıdan ve kesin sayı olarak alınır; kurucu makaledeki eksik ağırlık bilgisinden ağırlık türeten optimizasyon adımı bu motorda çalışmaz.

Toplam puan kesin MABAC'taki gibi okunur: pozitif puan sınırın üzerinde, negatif puan altında demektir ve bu yalnız bu seçenek kümesi için geçerlidir. Fark şurada: bu puanın altında, adımlar boyunca dört sayı olarak taşınmış bir destek-ret aralığı vardır ve puan bu aralığın genişliğini göstermez.

Bu nedenle:

"Aralık değerli sezgisel bulanık MABAC'a göre bu seçenek açık ara birincidir"

yerine:

"Bu seçenek verilen ağırlıklarla sınır yaklaşım alanının en üzerindedir; aradaki fark, destek-ret aralıklarının genişliğine ve ağırlık dağılımına duyarlıdır"

biçiminde yazmak doğrudur.

Bir yargının destek ve ret derecesi hakkında yalnız bir aralık biliniyorsa ve bu aralığın genişliğinin hesabın sonuna kadar taşınması isteniyorsa bu uzantı uygundur. Tipik durum, birden fazla değerlendiricinin verdiği destek-ret puanlarının alt ve üst sınırı bilinen bir karar tablosudur. Destek ve ret tek bir noktaysa, yani aralık genişliği sıfırsa, bu uzantı sezgisel bulanık MABAC'a indirgenir.

Kesin MABAC'ın çıkış koşulu burada da geçerlidir: bir kriterde taviz kabul edilmiyorsa bu uzantı da tam telafi edicidir ve eşik altını elemez. Kriterler ölçülmüşse ölçülmüş kalır; aralık değerli sezgisel bulanık hücre yalnız bir yargının destek-ret aralığı içindir.

Kısıt ihlali. Her hücrede alt sınır üst sınırdan küçük ya da eşit olmalı, üst destek ile üst ret toplamı 1'i geçmemelidir. Bu kısıt her hücrede ayrı ayrı kontrol edilmelidir.

İşaretli uzaklığı çıkarmanın kendisinden geldiğini sanmak. Dört sayılı hücrelerde düz çıkarma bir yön vermez; işaret ayrıca bir skor karşılaştırmasıyla kurulur. Bu adımı atlayıp yalnız büyüklüğü toplamak, hangi seçeneğin sınırın üzerinde hangisinin altında olduğunu kaybeder.

Eksik ağırlık bilgisini bu motorun tamamlayacağını varsaymak. Kurucu makalenin optimizasyon adımı, ağırlıkların yalnız kısmen bilindiği durumlar içindir. DecisionMind'ın bu ailedeki motoru ağırlığı dışarıdan ister; eksik ağırlıkla çalıştırmak hatalı sonuç değil, çalışmayan bir girdi üretir.

Maliyet kriterinde destek-ret yer değiştirmesini normalizasyon sanmak. Bu uzantıda ayrı bir min-maks normalizasyon adımı yoktur; maliyet-fayda ayrımı yalnız destek-ret yer değiştirmesiyle yapılır. Buna ek olarak kesin MABAC'ın min-maks adımını uygulamaya çalışmak yanlış bir çifte dönüştürme ekler.

Temel ilke şudur:

Aralık değerli sezgisel bulanık MABAC'ta destek-ret aralığı sınır yaklaşım alanı kurulana kadar dört sayı olarak taşınır; uzaklığın yönü çıkarmadan değil ayrı bir skor karşılaştırmasından gelir.