Nötrosofik tereddütlü TOPSIS (Akram, Naz ve Smarandache, 2019)

Beş şey değişir; karar mantığı aynı kalır.

Hücreler. Kesin TOPSIS'te her hücre tek sayıdır. Burada her hücre üç bileşenden oluşur: doğruluk, belirsizlik, yanlışlık. Farkı N-TOPSIS'ten ayıran şudur: burada her bileşenin kendisi de tek bir sayı değil bir tereddütlü kümedir, yani birden fazla makul değer birlikte tutulur. Örneğin bir tedarikçinin bir kriterdeki doğruluk bileşeni {0,6; 0,7} biçiminde iki değerle verilebilir. Aynı hücrede doğruluk, belirsizlik ve yanlışlık kümeleri farklı uzunlukta olabilir. Kriter ağırlıkları burada dışarıdan alınmaz; yöntem ağırlıkları verinin kendisinden türetir.

Uzunluk eşitleme. Aynı kriterdeki bütün seçeneklerin doğruluk kümeleri birbirine, belirsizlik kümeleri birbirine, yanlışlık kümeleri birbirine eşit uzunluğa getirilir. Eksik yer bir katsayıyla (λ) doldurulur: kümenin en büyüğü ile en küçüğü λ oranında karıştırılır. λ=0,5 nötr bir doldurmadır; λ=0 temkinli (küçük değere yakın), λ=1 iddialıdır (büyük değere yakın).

Ağırlıklama. Kesin TOPSIS ağırlığı dışarıdan alır. Burada yöntem, her kriterde seçenekler arasındaki T-I-F uzaklığının ne kadar büyük olduğunu ölçer; seçenekleri en çok ayıran kriter en yüksek ağırlığı alır. Ağırlıklar tam olarak biliniyorsa bu hesaplama gerekli değildir ve N-TOPSIS gibi ağırlığı dışarıdan alan bir uzantı kullanılmalıdır.

İdeal ve anti-ideal. Kesin TOPSIS'te ideal ve anti-ideal her sütunun kendi en iyi ve en kötü değerinden kurulur. Burada ideal ve anti-ideal veriden bağımsız, sabit iki noktadır: ideal, doğruluğu tam (1), belirsizliği ve yanlışlığı sıfır olan nokta; anti-ideal bunun tam tersidir. Bu iki nokta hangi veri girilirse girilsin değişmez.

Uzaklık ve sonuç. Uzaklık, doğruluk, belirsizlik ve yanlışlık kümelerindeki farkların bir kuvvet parametresiyle (α) birleştirilmesinden hesaplanır; α=2 Öklid, α=1 ise mutlak farkların ortalamasına yakın bir uzaklık verir. Yakınlık katsayısı yine 0 ile 1 arasında tek bir sayıdır.

DecisionMind bu uzantıda uzunluk eşitleme kuralını, sabit ideal noktaları ve genelleştirilmiş uzaklık formülünü sabit tutar. λ ve α kullanıcı tarafından seçilir ve raporda belirtilmelidir.

Yakınlık katsayısı kesin TOPSIS'teki gibi okunur, yalnız bu seçenek kümesini sıralar. Fark şuradadır: puan, ağırlıkların da veriden türetildiği bir hesabın sonucudur. Ağırlıkların nasıl dağıldığı, hangi kriterin seçenekleri en çok ayırdığını gösterir ve bu bilgi raporda ayrıca paylaşılmalıdır.

Bu nedenle:

"SNHF-TOPSIS hem belirsizliği hem ağırlığı veriden türettiği için en nesnel sonucu verir"

yerine:

"Ağırlıklar seçenekler arasındaki T-I-F farkının büyüklüğünden türetilmiştir; bu ağırlık dağılımı raporda paylaşılmalı ve α parametresinin seçimine duyarlılık ayrıca gösterilmelidir"

biçiminde yazmak doğrudur.

Bilgi eksik, tutarsız ya da çelişkili ise ve bu eksiklik ya da çelişki hakkında da uzmanlar arasında birden fazla savunulabilir değer varsa bu uzantı kullanılır. Ağırlıklar tam olarak biliniyorsa bu uzantı değil, ağırlığı dışarıdan alan N-TOPSIS kullanılmalıdır; verinin kendisinden ağırlık türetmek, bilinen bir ağırlığı görmezden gelmek olur. Her bileşen (doğruluk, belirsizlik, yanlışlık) tek bir sayıysa ve tereddüt yoksa yine N-TOPSIS yeterlidir. Kriter ölçülmüşse temel yöntemde kalınmalıdır; DecisionMind tabloyu tek veri türünde ister.

Uzunluk eşitlemeden önce uzaklık hesaplamak. Doğruluk, belirsizlik ve yanlışlık kümeleri eşit uzunluğa getirilmeden karşılaştırılırsa uzaklıklar tanımsız hâle gelir.

Ağırlıkları dışarıdan dayatmaya çalışmak. Bu uzantı ağırlığı kendisi türetir; ağırlıklar zaten kesin biçimde biliniyorsa N-TOPSIS kullanılmalıdır.

Maliyet kriterinde otomatik bir yön çevirisi beklemek. Bu kernelde girilen doğruluk-belirsizlik-yanlışlık dereceleri doğrudan kullanılır; kesin TOPSIS'teki ya da N-TOPSIS'teki gibi maliyet kriterinde otomatik bir tümleyen alma işlemi uygulanmaz. Kriter yönü etiketlenmiş olsa bile hesabı etkilemez. Kullanıcı, maliyet kriterinin doğruluk derecesini girerken bu kriterin gerçek yönünü zaten göz önünde bulundurmalıdır.

α'ya duyarlılığı görmezden gelmek. Yakınlık katsayısı α'nın seçimine göre değişir; hangi α'nın kullanıldığı raporda belirtilmelidir.

Temel ilke şudur:

Her bileşendeki her değer gerçekten birden fazla savunulabilir kaynaktan gelmelidir; ağırlıklar veriden türetildiği için raporda ayrıca paylaşılmalı, kriter yönünün bu kernelde otomatik işlenmediği unutulmamalıdır.