Pisagor bulanık CoCoSo

Üç şey değişir; beş adımlı iskelet ve karar mantığı değişmez.

Hücreler. Kesin CoCoSo'da her hücre tek sayıdır. Burada her hücre bir çifttir: destek derecesi μ, ret derecesi ν. Bu iki değer μ² + ν² ≤ 1 kuralına uymak zorundadır; toplamları (μ+ν) 1'i aşabilir, karelerinin toplamı aşamaz. Kriter ağırlıkları kesin sayı olarak dışarıdan gelir; yöntem ağırlık üretmez.

Skor ve ölçek eşitleme. Her hücre önce Pisagor bulanık ailenin kanonik skoruyla tek sayıya indirilir: s = μ² − ν². Maliyet kriterinde bu indirgemeden önce çift tersine çevrilir: (μ, ν) yerine (ν, μ) yazılır. Skor 1 kaydırılır, sonra sütun bazında yön-duyarlı min-max ile 0-1'e çekilir. Bu, kesin CoCoSo'nun sütun ölçeklemesiyle aynı işi görür; fark, ölçeklenen şeyin ham kriter değeri değil skor fonksiyonunun çıktısı olmasıdır.

Toplamsal ve çarpımsal ölçü; denge katsayısı. Ölçeklenmiş skorlar üzerinden ağırlıklı toplam (P benzeri) ve ağırlıklı kuvvet-toplamı (R benzeri) ölçüleri, ardından üç uzlaşma stratejisi kesin CoCoSo'yla aynı formüllerle hesaplanır. Bir noktada bu uzantı N-COCOSO ve P-COCOSO'dan ayrılır: üçüncü uzlaşma stratejisindeki denge katsayısı λ burada motor içinde 0,5'te SABİTTİR ve kullanıcı tarafından değiştirilemez; N-COCOSO'da bu katsayı dışarıdan verilebilen bir parametredir.

DecisionMind bu uzantıda skor fonksiyonunu, maliyet tersine çevirmesini ve λ=0,5'i sabit tutar. Ağırlıklar dışarıdan gelir.

Kesin CoCoSo'daki gibi K skoru yalnız bu seçenek kümesi içinde bir sıralamadır. Üç uzlaşma stratejisinin uyuşup uyuşmadığı sağlamlığı gösterir.

Fark şurada: μ ve ν ayrı ayrı bilgi taşır, ama ikisi de skor fonksiyonuna girdiğinde tek bir farka (μ²−ν²) indirilir ve o andan sonra kaybolur. Aynı skora, güçlü destek-güçlü ret ile de zayıf destek-zayıf ret ile de ulaşılabilir; K skoru ikisini ayırt etmez.

Bu nedenle:

"Pisagor bulanık CoCoSo, destek-ret dengesini daha ince modellediği için sonuç daha güvenilirdir"

yerine:

"μ ve ν, skor hesaplanana kadar bilgi taşır; skor hesaplandıktan sonra sıralamayı taşıyan artık kesin CoCoSo'nun kendisidir, bu yüzden sonucun sağlamlığı ayrıca (üç strateji hemfikir mi, bir hücre değişince sıra bozuluyor mu) sınanmalıdır"

biçiminde yazmak doğrudur.

Uzmanlar bir yargıya hem güçlü destek hem belirgin çekince veriyorsa ve bu ikisinin toplamı sezgisel bulanık kısıtı (toplam ≤ 1) aşıyorsa bu uzantı kullanılır. Toplam zaten 1'i aşmıyorsa sezgisel bulanık CoCoSo (if-cocoso) yeterlidir; Pisagor'a geçmenin kattığı bir bilgi olmaz. Karelerin toplamı da 1'i aşıyorsa Pisagor yetersiz kalır ve q-Rung ortopair CoCoSo (qr-cocoso) gerekir.

Ölçülmüş bir kriteri doğrudan μ-ν çiftine çevirmek belirsizlik modellemek değil belirsizlik üretmektir. Kesin yöntemin çıkış koşulu burada da geçerlidir: matris tek türde olmalı, bir kriterde taviz kabul edilmiyorsa bu uzantı da telafi edicidir.

ν'yü 1 − μ yazmak. Bu durumda toplam her zaman tam 1 olur ve hesap fiilen sezgisel bulanık CoCoSo'ya döner; Pisagor yapının sağladığı ek kabul alanı hiç kullanılmamış olur.

Değer alanını kontrol etmeden veri girmek. Her hücre μ² + ν² ≤ 1 koşulunu sağlamalıdır. Bu kontrol edilmeden hesaba girmek yöntemi geçersiz kılar.

λ'nın değiştirilebildiğini sanmak. N-COCOSO ve P-COCOSO'da denge katsayısı dışarıdan verilebilirken, PF-COCOSO'da bu katsayı motor içinde 0,5'te sabittir. Raporda "λ şu değere ayarlandı" demek bu uzantı için yanlıştır.

Sütun genişliği daraldığında patlayan değerler. Bir seçeneğin skoru sütunun diğer değerlerine çok yaklaşırsa min-max paydası küçülür, K skorları gerçekçi olmayan büyüklüklere sıçrayabilir; bu, kesin CoCoSo'nun da bilinen bir zayıflığıdır.

Temel ilke şudur:

PF-COCOSO'da μ ve ν yalnız skor hesaplanana kadar ayrı bilgi taşır; skor hesaplandıktan sonra sıralamayı taşıyan artık kesin CoCoSo'nun kendisidir. Denge katsayısı burada sabittir, kullanıcı tarafından ayarlanamaz.