Küresel bulanık CoCoSo

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

Hücreler. Kesin CoCoSo'da her hücre tek sayıdır. Burada her hücre üç dereceden oluşur: destek (μ), ret (ν), kararsızlık (π). Tek kısıt üç derecenin karelerinin toplamının 1'i aşmamasıdır; kararsızlık burada geriye kalan bir pay değildir, uzman tarafından ayrıca verilir. Kriter ağırlıkları kesin sayı olarak dışarıdan gelir. Yöntemin kendi literatüründe birden fazla uzmanın yargısını birleştiren bir grup-karar adımı vardır; DecisionMind bu ailede grup kararını desteklemez, kullanıcı tek, önceden birleştirilmiş bir matris girer.

Skor ve ölçek eşitleme. Maliyet kriterinde önce üçlü tümlenir: (μ, ν, π) yerine (ν, μ, π) yazılır. Her hücre, Kutlu Gündoğdu-Kahraman'ın (2019) skor fonksiyonuyla tek sayıya indirilir: s = (μ−π)² − (ν−π)². Skor 1 kaydırılır, sonra sütun bazında min-max ile 0-1'e çekilir.

Önemli bir sınır: skor fonksiyonu tekdüze (monoton) değildir. s = (μ−π)² − (ν−π)² formülü μ'ye göre türevlendiğinde 2(μ−π) çıkar. π (kararsızlık) yüksekse ve μ, π'den küçükse, μ büyüdükçe s KÜÇÜLÜR; yani destek derecesi arttıkça skor kötüleşir. Bu, DecisionMind'ın tüm SF-ailesi (küresel bulanık) uzantılarında geçerli, KG-K (2019) skorunun kendisinden kaynaklanan bir özelliktir; bir katalog taramasında (2026-09-13) fark edilmiş, SF-COCOSO için bu kartın hazırlığında Python ile ayrıca doğrulanmıştır (bkz. onay notları). Somut örnek: μ=0,3 iken s=−0,07 çıkar. π aynı değerde sabit tutulup μ 0,7'ye çıkarılır, ν de 0,1'e indirilir; yani hem destek artar hem ret azalır, iki yönde de "iyileşme" olur. Buna rağmen s=−0,24'e düşer. Daha güçlü destek ve daha düşük ret, burada daha kötü bir skorla sonuçlanır. Aşağıdaki "Bu Uzantıya Özgü Hatalar" bölümünde bu, tam bir kernel koşumuyla gösterilmiştir.

Toplamsal ve çarpımsal ölçü. Ölçeklenmiş skorlar üzerinden ağırlıklı toplam (P) ve ağırlıklı kuvvet-toplamı (R) ölçüleri, ardından üç uzlaşma stratejisi kesin CoCoSo'yla aynı formüllerle hesaplanır. DecisionMind, P veya R'nin toplamı sıfırsa, herhangi birinin en küçüğü sıfırsa ya da dengeli-strateji paydası sıfırsa hesabı sessizce yürütmez; tipli bir hata (DEGENERATE_DATA_FOR_METHOD) döndürür.

DecisionMind bu uzantıda KG-K (2019) skorunu, maliyet tümlemesini 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.

Asıl fark burada ortaya çıkar: yukarıdaki tekdüzelik sınırı yüzünden, bir kriterde "daha fazla destek, daha az ret" görünen bir hücre, kararsızlık payı büyükse aslında daha düşük bir skor alabilir. Bu, kesin sayılarla çalışan CoCoSo'da hiç karşılaşılmayan bir durumdur; orada büyük ham değer her zaman büyük skor demektir.

Bu nedenle:

"Bu seçeneğin destek derecesi daha yüksek, ret derecesi daha düşük, o hâlde bu kriterde skoru diğerinden iyi olmalı"

yerine:

"Skor, destek ve ret derecelerini kararsızlık payına göre birlikte değerlendirir; kararsızlık büyükse destek artışı skoru iyileştirmeyebilir, bu yüzden hangi hücrenin hangi skoru aldığı ayrıca kontrol edilmelidir"

biçiminde yazmak doğrudur.

Uzmanlar bir yargıya destek, ret ve kararsızlık derecesini ayrı ayrı veriyorsa bu uzantı kullanılır. Bu üç bilgi resim bulanık yapının kısıtına (toplamları ≤ 1) sığmayacak kadar yüksekse küresel bulanık gerekir; ayrım veri türü kartındadır. Ölçülmüş bir kriter doğrudan üç dereceye açılmaz. Kesin yöntemin çıkış koşulu burada da geçerlidir: matris tek türde olmalı, bir kriterde taviz kabul edilmiyorsa bu uzantı da telafi edicidir.

Skorun tekdüze olduğunu varsaymak. Bu, en kritik hatadır. Aşağıdaki küçük örnek, DecisionMind'ın motoru doğrudan çalıştırılarak üretilmiştir. İki kriterli, üç seçenekli bir tabloda C1'in kararsızlık payı yüksektir (π=0,6):

A3, C1'de hem en yüksek destek (μ=0,70) hem en düşük ret (ν=0,10) derecesine sahiptir; ikisi de A1 ve A2'den iyidir. Buna rağmen A3, bu kriterde en kötü ölçeklenmiş skoru alır; A1 ise en zayıf görünen girdiye (μ=0,30) sahipken en iyi skoru alır. Nedeni, π=0,60'ın μ'den büyük olması ve skor formülünün bu bölgede μ arttıkça küçülmesidir. İki kriterli tam hesapta bu, nihai sıralamayı A2, A1, A3 yapar; yani "en güçlü destek ve en düşük ret" A3'ü sona düşürür.

DEGENERATE_DATA_FOR_METHOD hatasını veri hatası sanmamak. P+R toplamı sıfırsa, ya da P veya R'nin en küçüğü sıfırsa, DecisionMind hesabı durdurup bu hatayı verir. Bu, motorun bir kusuru değil, k_a/k_b/k_c oranlarının o veri kümesinde matematiksel olarak tanımsız olduğunun dürüst bir bildirimidir.

Değer-uzayı kısıtını karıştırmak. Kısıt μ²+ν²+π²≤1'dir; üç derecenin kendisinin toplamı değildir.

Skor fonksiyonunu değiştirip aynı sonucu beklemek. KG-K (2019) skoru sabit kuraldır; başka bir skor fonksiyonu farklı bir sıra, hatta farklı bir tekdüzelik davranışı verebilir.

Temel ilke şudur:

SF-COCOSO'nun (ve tüm küresel bulanık ailenin) skor fonksiyonu tekdüze değildir; kararsızlık payı yüksek bir kriterde daha yüksek destek ve daha düşük ret, daha kötü bir skorla sonuçlanabilir. Bu, veriden değil skor fonksiyonunun matematiksel yapısından kaynaklanır ve raporda gizlenmemelidir.