Uzantı kartı · Pisagor bulanık
Pisagor bulanık GRA
GRA'nın, kriter puanlarının bir yargıyı destekleme ve reddetme derecesiyle verildiği ve bu iki derecenin toplamının 1'i aşabildiği durumlar için çalışan biçimidir. Referansa uzaklığı bu iki dereceden hesaplar ve sonucu yine bir gri ilişki derecesiyle sıralar.
Temel yöntem
GRA →
Felsefe, işleyiş, güçlü ve zayıf yanlar temel yöntem kartında; bu kart yalnız farkı anlatır.
Veri türü (aile)
Pisagor bulanık (Pythagorean) →
Bu veri türü nedir, ne zaman kullanılır, hücreye nasıl yazılır: ailenin ayrıntılı anlatımı burada.
Temel Yöntemden Ne Değişir?
Dört şey değişir; referans-uzaklık-katsayı iskeleti değişmez.
Hücreler. Kesin GRA'da her hücre tek sayıdır. Burada her hücre bir destek (μ) ve bir ret (ν) derecesidir. Sezgisel bulanıkta μ artı ν en fazla 1 olabilirken, burada karelerin toplamı sınırlanır: μ² artı ν² en fazla 1'dir. Bu, μ = 0,7 ve ν = 0,4 gibi toplamı 1'i aşan (1,1) ama kareler toplamı (0,49 artı 0,16 eşittir 0,65) 1'in altında kalan çiftlerin de geçerli olmasını sağlar. Ağırlıklar kesin sayı olarak kalır; GRA ağırlık üretmez, dışarıdan alır.
Maliyet kriterinde tümleme. Kesin GRA maliyet kriterini normalizasyon formülünde tersine çevirir. Burada normalizasyon yoktur; bunun yerine "azı iyi" bir kriterin her hücresinde destek ve ret dereceleri yer değiştirir (μ ile ν yer değiştirir).
Referans ve uzaklık. Referans, her sütunun kendi en yüksek destek ve en düşük ret derecesinden kurulan bir Pisagor idealdir. Bu, sütunun farklı satırlarından gelen bileşenlerin bir araya getirilmesiyle oluşan, gerçekte tek bir seçeneğe ait olması gerekmeyen bir noktadır; kesin GRA'nın hayali referans dizisiyle aynı mantığı taşır. Uzaklık da mutlak fark değil, bileşenlerin kareleri üzerinden hesaplanan bir Öklid benzeri uzaklıktır: destek kareleri, ret kareleri ve kararsızlık karelerinin farklarının kareleri toplamının yarısının köküdür.
Gri ilişki katsayısı ve derecesi. Bu uzaklıklar, kesin GRA'daki aynı formülle (ayırt edicilik katsayısı ρ = 0,5, DecisionMind'da sabit) gri ilişki katsayısına, sonra ağırlıklı toplamla gri ilişki derecesine çevrilir.
DecisionMind Pisagor bulanık GRA'da tek-pozitif-ideal referansı, kareler üzerinden Öklid uzaklığı tanımını ve ayırt edicilik katsayısını (ρ = 0,5) sabit tutar; ağırlıklar dışarıdan kesin sayı olarak alınır.
Çıktı Nasıl Yorumlanır?
Gri ilişki derecesi, kesin GRA'daki gibi bir seçeneğin bu analizdeki Pisagor referansa göreli yakınlığını gösterir; başka bir analizle karşılaştırılamaz.
Fark şurada. Referans hem "en güçlü destek" hem "en düşük ret" arayan bileşik bir noktadır ve bu iki bileşen kareleri üzerinden karşılaştırılır. Küçük görünen bir μ farkı, μ 1'e yaklaştıkça kareler farkında hızla büyür. Bu yüzden raporda yalnız gri ilişki derecesi değil, hangi kriterin destek mi ret mi bakımından referanstan uzaklaştırdığı da belirtilir.
Bu nedenle:
"Pisagor bulanık GRA'ya göre A2 en güvenilir seçenek çıktı"
yerine:
"A2'nin gri ilişki derecesi 0,8192 ile en yüksek; bu üstünlük A2'nin en ağır kriterde (C1) referansa yapışık olmasından ve maliyet kriterindeki üstünlüğünden gelir"
biçiminde yazmak doğrudur.
Ne Zaman Temel Yöntem Yerine Bu?
Uzman çiftlerinin toplamı 1'i aşıyorsa, yani "hem çok destekliyorum hem ciddi çekincem var" biçimindeki bir yargı sezgisel bulanık kısıta sığmıyorsa bu uzantı kullanılır. Ayrıntı Pisagor bulanık veri türü kartındadır; q-Rung ile karıştırılmaması gereken sınır da orada anlatılır.
Uzman çiftleri zaten sezgisel kısıta sığıyorsa Pisagor'a geçmenin bir katkısı yoktur, yalnız ayırt edicilik azalır. Kriterler ölçülmüşse temel GRA'da kalınmalıdır. Kesin yöntemin çıkış koşulu burada da geçerlidir: matris tek türde olmalı, bir kriterde taviz kabul edilmiyorsa bu uzantı da telafi edicidir.
Bu Uzantıya Özgü Hatalar
Değer alanı ihlali. Her hücrede μ ile [0,1] arasında, ν ile [0,1] arasında ve μ² artı ν² en fazla 1 olmalıdır; bu kısıt kontrol edilmeden hesaba girilmemelidir.
ν'yü 1 eksi μ yazmak. Bu, Pisagor bulanık veriyi kesin veriye indirger; kararsızlık payı sıfırlanır ve yapının GRA'ya kattığı tek şey ortadan kalkar.
Maliyet kriterinde tümlemeyi unutmak. "Azı iyi" bir kriterde destek ve ret dereceleri yer değiştirilmezse referans dizisi bu kriterde yanlış uçtan kurulur.
Sezgisel kısıta sığan çifti Pisagor'da kullanmak. Uzman çiftlerinin hiçbirinin toplamı 1'i aşmıyorsa Pisagor'a geçmenin kattığı bir bilgi yoktur, yalnız ayırt edicilik azalır.
Ayırt edicilik katsayısını hiç sorgulamamak. ρ = 0,5 DecisionMind'ın sabit değeridir; uzaklıkların birbirine yakın olduğu tablolarda bu seçim sonucu etkiler.
Temel ilke şudur:
Pisagor bulanık GRA'da referans, o analizin kendi en güçlü destek ve en düşük ret değerinden kareler üzerinden kurulur. ν'yü 1 eksi μ yazmak, maliyet kriterinde tümlemeyi atlamak ya da sezgisel kısıta sığan bir çift için bu geniş alanı kullanmak, yöntemin tek katkısını boşa çıkarır.
Vakalar
Birinci vaka DecisionMind'ın doğrulama örneğidir. Literatürde ortak bir PF-GRA uygulama örneği bulunmadığı için üç seçenekli, üç kriterli sentetik bir tablo, manifestteki formül zincirine sadık kalınarak kurulmuştur. İkinci vaka öğretici bir kurgudur.
1. Öğretici örnek: Üç tedarikçinin üç kriterde Pisagor bulanık değerlendirmesi
Bir firma üç tedarikçiyi üç kriterde karşılaştırıyor: teslim güvenilirliği (C1) ve kalite güvencesi (C2) çoğu iyi, birim maliyet (C3) azı iyi. Ağırlıklar C1 = 0,40, C2 = 0,35, C3 = 0,25.
| Tedarikçi | C1 | C2 | C3 (azı iyi) |
|---|---|---|---|
| A1 | (0,70; 0,40) | (0,50; 0,50) | (0,50; 0,60) |
| A2 | (0,80; 0,30) | (0,60; 0,40) | (0,60; 0,40) |
| A3 | (0,60; 0,50) | (0,70; 0,40) | (0,50; 0,50) |
Yöntem C3'te destek-reddi yer değiştirir, her sütunun en yüksek destek ve en düşük ret çiftinden Pisagor referansı kurar, kareler üzerinden uzaklığı ölçer ve ρ = 0,5 ile gri ilişki derecesine çevirir.
| Tedarikçi | Gri ilişki derecesi | Sıra |
|---|---|---|
| A2 | 0,8192 | 1 |
| A3 | 0,6196 | 2 |
| A1 | 0,4248 | 3 |
Sonuç şöyle okunur. A2, en ağırlıklı kriter olan C1'de referansın kendisidir (0,80; 0,30) ve tersine çevrilmiş C3'te de referansa yakındır. A3'ün C2'deki (0,70; 0,40) üstünlüğü bu farkı kapatmaya yetmez, çünkü C1'in ağırlığı C2'den fazladır.
Firmanın tereddüdü ağırlıklardadır. Bağımsız Python hesabıyla doğrulandığında, C2 ağırlığı 0,35'ten 0,60'a çıkarılıp C1 0,40'tan 0,20'ye, C3 0,25'ten 0,20'ye çekilirse A3 (0,7757) A2'yi (0,6901) geçer. Yani A2'nin önde olması teslim güvenilirliğine verilen yüksek ağırlığa bağlıdır; kalite güvencesi öne çıkarılırsa birincilik A3'e geçer.
Raporda: "Verilen ağırlıklarla (0,40; 0,35; 0,25) A2 referans diziye en yakın tedarikçidir (gri ilişki derecesi 0,8192). Ağırlık kalite güvencesine belirgin biçimde kaydırıldığında (0,20; 0,60; 0,20) birincilik A3'e geçmektedir (0,7757); bu nedenle hangi kriterin öncelikli sayıldığı raporda gerekçelendirilmelidir."
Kaynak: 3 tedarikçi çarpı 3 kriterlik, elle izlenebilir öğretici bir örnektir; DecisionMind'ın Pisagor Bulanık GRA motorunun doğrulama örneğidir. Gri ilişki derecelerini ve ağırlık duyarlılığını bu kartın yazarı Python ile bağımsız hesapladı; sonuçlar DecisionMind manifestindeki beklenen sonuçla (A2 > A3 > A1, aynı ondalık değerler) birebir örtüşür.
2. Perakende: Bir zincir mağazanın yeni şube için bölge seçimi
Bir perakende zinciri, yeni bir şube için üç bölge arasında seçim yapacaktır. Üç kriter kullanılır: yaya trafiği potansiyeli ve bölgenin hedef müşteri profiline uygunluğu (çoğu iyi), aylık kira bedeli (azı iyi). Her bölge için bu yargıya ne kadar destek verildiği ve ne kadar çekince taşındığı ayrı ayrı puanlanmıştır; bazı bölgelerde destek ve çekince toplamı sezgisel kısıtı aştığı için Pisagor bulanık çiftlere geçilmiştir.
Yöntem üç bölgeyi karşılaştırır: kira kriterinde destek-reddi yer değiştirir, referansı kurar, kareler üzerinden uzaklığı ölçer ve gri ilişki derecelerini hesaplar. Diyelim ki yaya trafiğinde en güçlü destek-ret çiftine sahip bölge, kirasının göreli yüksekliğine rağmen birinci sırada çıktı; çünkü yaya trafiği ağırlığı kiradan fazlaydı.
Zincirin tereddüdü şurada. Müşteri profiline uygunluk kriterinin ağırlığı artırılırsa, kirası düşük ama yaya trafiği daha zayıf olan bir bölge öne geçebilir. Bu, üç kriterin göreli önem sırasının zincirin büyüme stratejisini yansıttığı ve rapor edilmesi gerektiği anlamına gelir.
Raporda: "Yaya trafiğine verilen yüksek ağırlıkla bu kriterde güçlü olan bölge birinci sıraya çıkmıştır; kira bedelindeki göreli dezavantajı bu üstünlüğü değiştirmemektedir. Müşteri profiline uygunluk ağırlığı artırılırsa sıra değişebilir ve bu duyarlılık ayrıca raporlanmalıdır."
3. Yapılmaması Gereken
Öğretici örnekte A2'nin C1 hücresini (0,80; 0,30) yazarken ν'yü 1 eksi μ ile (0,80; 0,20) türetmek birinci yanlıştır; bu, Pisagor'un ek kabul alanını hiç kullanmadan hesabı kesin veriye yaklaştırır. İkinci yanlış, C3'te (azı iyi) destek-reddi yer değiştirmeden bırakmaktır; bu durumda referans dizisi en pahalı tedarikçiye göre kurulur. Üçüncü yanlış, ağırlık değişikliğiyle A2 ve A3'ün yer değiştirdiği bu duyarlılığı görmezden gelip "A2 açık ara birinci" diye raporlamaktır; sıra ağırlık seçimine bağlıdır ve bu rapordan gizlenmemelidir.
Kaynaklar
Adımların formülleri, ara tabloları ve atıf biçimleri için DecisionMind yöntem sayfası: decisionmind.app/library/pf-gra
Yager, R. R. (2014). Pythagorean membership grades in multicriteria decision making. IEEE Transactions on Fuzzy Systems, 22(4), 958–965. DOI: 10.1109/TFUZZ.2013.2278989
Atanassov, K. T. (1986). Intuitionistic fuzzy sets. Fuzzy Sets and Systems, 20(1), 87–96. DOI: 10.1016/S0165-0114(86)80034-3
Deng, J. L. (1989). Introduction to grey system theory. The Journal of Grey System, 1(1), 1–24. (DOI yok)
Kuo, Y., Yang, T., & Huang, G. W. (2008). The use of grey relational analysis in solving multiple attribute decision-making problems. Computers & Industrial Engineering, 55(1), 80–93. DOI: 10.1016/j.cie.2007.12.002