Συστήματα Στήριξης Αποφάσεων

Σχετικά έγγραφα
Συστήματα Στήριξης Αποφάσεων

Συστήματα Στήριξης Αποφάσεων

Συστήματα Στήριξης Αποφάσεων

Αβεβαιότητα (Uncertainty)

Θεώρηση πολλαπλών κριτηρίων στη ΔΥΠ (3) Επανάληψη Μέθοδος Promethee II

ΟΜΟΙΟΤΗΤΑ ΒΙΟΚΟΙΝΟΤΗΤΩΝ

Πολυκριτήρια Ανάλυση Αποφάσεων

2 η ΕΝΟΤΗΤΑ ΑΚΕΡΑΙΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

Ο Αλγόριθµος της Simplex

Ομαδοποίηση Ι (Clustering)

Λήψη αποφάσεων υπό αβεβαιότητα

Πολυκριτηριακά Συστήματα Υποστήριξης Αποφάσεων

Λήψη αποφάσεων υπό αβεβαιότητα

Μέθοδοι Βελτιστοποίησης

Χρήστος Ι. Σχοινάς Αν. Καθηγητής ΔΠΘ. Συμπληρωματικές σημειώσεις για το μάθημα: «Επιχειρησιακή Έρευνα ΙΙ»

Στο στάδιο ανάλυσης των αποτελεσµάτων: ανάλυση ευαισθησίας της λύσης, προσδιορισµός της σύγκρουσης των κριτηρίων.

Θεώρηση π ολ πο λ λ α λ πλών απλών κρι κρ τ ι ηρίων τηρίων στη Δ η ΥΠ (1 ( )

Διδάσκων: Φοίβος Μυλωνάς

RALLY GREECE OFF ROAD «Όπως παλιά!»

Διαχείριση Περιβάλλοντος - Νομοθεσία

Έτος : Διάλεξη 2 η Διδάσκουσα: Κοντογιάννη Αριστούλα Τμήμα Τεχνολόγων Γεωπόνων-Κατεύθυνση Αγροτικής Οικονομίας Εφαρμοσμένη Στατιστική

Προγραμματισμός & Έλεγχος Παραγωγής. Κεφ. 7 Χρονικός Προγραμματισμός Συμπληρωματικές Σημειώσεις

Ποσοτικές Μέθοδοι Ανάλυσης στις Κοινωνικές Επιστήμες

1/12/2016. Πλεονεκτήματα. Μειονεκτήματα. (Roy, 1994)

Στο Κεφάλαιο 5 µελετώντας την προβολή του τρισδιάστατου χώρου στο επίπεδο της κάµερας εξετάστηκε

Σχεδίαση με Ηλεκτρονικούς Υπολογιστές

Διαχείριση Εφοδιαστικής Αλυσίδας II

Μέθοδοι Βελτιστοποίησης

Mέτρα (παράμετροι) θέσεως

«Ανάλυση κινδύνων και λήψη αποφάσεων: Αναμενόμενη τιμή»

Μόνος Εναντίον Όλων. Διευθυντής Εργαστηρίου Βιομηχανικών Σχέσεων και Διαπραγματεύσεων (CIRN)

Υποδείγματα με Πολυωνυμικά Κατανεμημένες Χρονικές Επιδράσεις.

Ενσωμάτωση της αβεβαιότητας Ασαφή δεδομένα Ανάλυση της αβεβαιότητας στο μοντέλο της απόφασης (π.χ. σύγκρουση στόχων)

ΤΜΗΜΑ ΟΙΚΟΝΟΜΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΑΚ. ΕΤΟΣ ΔΙΑΛΕΞΗ 6 η -Η ΔΥΙΚΗ ΜΕΘΟΔΟΣ SIMPLEX

Πανεπιστήµιο Κρήτης - Τµήµα Επιστήµης Υπολογιστών. Απειροστικός Λογισµός Ι. ιδάσκων : Α. Μουχτάρης. Απειροστικός Λογισµός Ι - 4η Σειρά Ασκήσεων

ΚΕΦΑΛΑΙΟ 5 Το Πρόβλημα της Συνάντησης Πολλών Πρακτόρων

Διαχείριση Υδατικών Πόρων Πολυκριτηριακή ανάλυση

Μοντελοποίηση προβληµάτων

Εισαγωγή στην ανάλυση SWOT. Χρήστος Θ. Κουσιδώνης, Νοέμβριος 2014

Τεχνικό Τοπογραφικό Σχέδιο

ΔΙΑΧΕΙΡΙΣΗ ΕΦΟΔΙΑΣΤΙΚΗΣ ΑΛΥΣΙΔΑΣ

Λήψη αποφάσεων υπό αβεβαιότητα. Παίγνια Αποφάσεων 9 ο Εξάμηνο

Βραχυπρόθεσμη τοπική μετεωρολογική πρόγνωση με αναζήτηση ανάλογων καταστάσεων

FORD ST _ST_Range_V2_2015MY.indd FC1-FC3 06/11/ :29:57

Οδηγίες χρήσης του R, μέρος 2 ο

Histogram list, 11 RANDOM NUMBERS & HISTOGRAMS. r : RandomReal. ri : RandomInteger. rd : RandomInteger 1, 6

Προγραμματισμός & Έλεγχος Παραγωγής. Κεφ. 7 Χρονικός Προγραμματισμός Συμπληρωματικές Σημειώσεις

Σέργιος Θεοδωρίδης Κωνσταντίνος Κουτρούμπας. Version 2

Μάθηση και Γενίκευση. "Τεχνητά Νευρωνικά Δίκτυα" (Διαφάνειες), Α. Λύκας, Παν. Ιωαννίνων

Πρόγραμμα Σπουδών: Διοίκηση Επιχειρήσεων & Οργανισμών Θεματική Ενότητα: ΔΕΟ 41 Αγορές Χρήματος & Κεφαλαίου. Ακαδημαϊκό έτος:

Apì ton diakritì kôbo ston q ro tou Gauss

Πίνακας 4.4 Διαστήματα Εμπιστοσύνης. Τιμές που Επίπεδο εμπιστοσύνης. Διάστημα εμπιστοσύνης

ΑΝΑΓΝΩΡΙΣΗ ΠΡΟΤΥΠΩΝ. Κατηγοριοποίηση. Αριστείδης Γ. Βραχάτης, Dipl-Ing, M.Sc, PhD

5 η ΕΝΟΤΗΤΑ ΠΟΛΥΚΡΙΤΗΡΙΑΚΟΣ ΜΗ ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

Μοντέλα Βαθμονόμησης-Analytic Hierarchy Process

ΣΕΜΙΝΑΡΙΟ Ο.Ε.Ε ΙΑΧΕΙΡΙΣΗ ΧΑΡΤΟΦΥΛΑΚΙΟΥ & RISK MANAGEMENT (ΠΑΡΑΓΩΓΑ) Άσκηση 1. Άσκηση 2. $ 1,685,000 ( $ 1,695,000) = $ 10,000 (κέρδος)

ΠΙΘΑΝΟΤΗΤΕΣ - ΣΤΑΤΙΣΤΙΚΗ

ΕΑΠ/ΠΛΗ22/ΑΘΗ.4. Έκτακτη ΟΣΣ 28/05/2016. Νίκος Δημητρίου.

ΔΙΟΙΚΗΣΗ ΒΙΟΜΗΧΑΝΙΚΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ I ΑΝΑΛΥΣΗ ΑΠΟΦΑΣΕΩΝ. Λέκτορας Ι. Γιαννατσής Καθηγητής Π. Φωτήλας ΛΗΨΗ ΑΠΟΦΑΣΕΩΝ

Εισαγωγή στη Διαδικασία Ιεραρχικής Ανάλυσης. Ρόκου Έλενα Μεταδιδακτορική Ερευνήτρια ΕΜΠ Κηρυττόπουλος Κωνσταντίνος Επ.

Βάσεις Δεδομένων Ι 8. Ερωτήματα (B) Τμήμα Διοίκησης Επιχειρήσεων (Μεσολόγγι) ΤΕΙ Δυτικής Ελλάδας

Επίλυση. 1) Αγωγός βαρύτητας

Ανάπτυξη και αποτελέσµατα πολυκριτηριακής ανάλυσης Κατάταξη εναλλακτικών σεναρίων διαχείρισης ΟΤΚΖ Επιλογή βέλτιστου σεναρίου διαχείρισης

Ποσοτικές Μέθοδοι Ανάλυσης στις Κοινωνικές Επιστήμες

ΘΕΣΗ ΟΜΑΔΑ ΟΜΑΔΑ ή ΣΧΟΛΗ - ΧΩΡΑ ΚΡΙΤΗΡΙΟ ΕΥΡΟΣ ΚΡΙΤΕΣ-JUDGE ΒΑΘΜΟΙ PLACE TEAM TEAM or SCHOOL - COUNTRY CRITERION RANGE A B SCORE

ΣYΣKEYEΣ ΘEPMIKΩN ΔIEPΓAΣIΩN

θέμα, βασικές έννοιες, ομοιόμορφη Δρ Μ. Σπηλιώτη Λέκτορα Κείμενα από Μπέλλος, 2008 και από τις σημειώσεις Χρυσάνθου, 2014

Διαχείριση Ηλεκτρικής Ενέργειας Οικονομική Κατανομή Παραγόμενης Ενέργειας

Διδάσκων: Νίκος Λαγαρός

ΕΚΠΑΙΔΕΥΤΙΚΟ ΣΕΝΑΡΙΟ.

ΔΙΟΙΚΗΤΙΚΗ ΒΙΟΜΗΧΑΝΙΚΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ I ΑΝΑΛΥΣΗ ΑΠΟΦΑΣΕΩΝ. Αναπλ. Καθηγητής Δ.Μ. Εμίρης Λέκτορας Ι. Γιαννατσής ΛΗΨΗ ΑΠΟΦΑΣΕΩΝ

ΔΙΑΤΜΗΜΑΤΙΚΟ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ

Ζητήματα ηήμ με τα δεδομένα

Επιχειρησιακή Έρευνα

Αξιολόγηση στο Σχεδιασμό του Χώρου

Θεωρία Δυαδικότητας ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ. Η παρουσίαση προετοιμάστηκε από τον Ν.Α. Παναγιώτου. Επιχειρησιακή Έρευνα

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα. Προγραμματισμός Η/Υ

Επιχειρησιακή Έρευνα

ΔΙΑΧΕΙΡΙΣΗ ΥΔΑΤΙΚΩΝ ΠΟΡΩΝ

ΕΠΛ 001: ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΕΠΙΣΤΗΜΗ ΤΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ. Ασκήσεις Επανάληψης

ΠΑΡΑΡΣΗΜΑ 11 ΤΠΟΤΡΓΔΙΟ ΠΑΙΓΔΙΑ ΚΑΙ ΠΟΛΙΣΙΜΟΤ ΓΙΔΤΘΤΝΗ ΜΔΗ ΣΔΥΝΙΚΗ ΚΑΙ ΔΠΑΓΓΔΛΜΑΣΙΙΚΗ ΔΚΠΑΙΓΔΤΗ

Ανάλυση Χρόνου, Πόρων & Κόστους

Δομές Επανάληψης. Όσο μέχρις ότου για. 22/11/08 Ανάπτυξη εφαρμογών 1

ΣΤΟΧΑΣΤΙΚΕΣ ΔΙΕΡΓΑΣΙΕΣ & ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ Αίθουσα Νέα Κτίρια ΣΗΜΜΥ Ε.Μ.Π.

Ένας απλός και γρήγορος αλγόριθμος για την αποκοπή γραμμών στο Scratch

Το µαθηµατικό µοντέλο του Υδρονοµέα

Πληροφορική ΙΙ Θεματική Ενότητα 7

Οι διαθέσιμες μέθοδοι σε γενικές γραμμές είναι:

ΕΑΠ/ΠΛΗ22/ΑΘΗ.3. Έκτακτη ΟΣΣ 31/05/2014. Νίκος Δημητρίου.

Επιχειρησιακή Έρευνα I

Πατώντας το πλήκτρο Enter ή το κουμπί Enter από την γραμμή τύπων εκτελείται η μαθηματική πράξη και παρουσιάζει το αποτέλεσμα του κελιού.

Από την απλή στη σύνθετη και πολλαπλή δομή επιλογής

Η γλώσσα προγραμματισμού C

Πολυκριτηριακά Συστήματα Υποστήριξης Αποφάσεων

Ένταξη διανομών Υπ. Γεωργίας στο ΕΓΣΑ 87 μέσω μετρήσεων GNSS: η περίπτωση του Συνοικισμού Δασοχωρίου Σερρών

ΑΞΙΟΛΟΓΗΣΗ ΣΤΟ ΣΧΕΔΙΑΣΜΟ ΤΟΥ ΧΩΡΟΥ. ΑΣΚΗΣΗ 3 η ΜΕΘΟΔΟΣ ELECTRE II ΠΑΡΑΔΕΙΓΜΑ ΕΦΑΡΜΟΓΗΣ. Υπεύθυνη μαθήματος Αναστασία Στρατηγέα Αναπλ. Καθηγ. Ε.Μ.Π.

Μοντελοποίησης και Βελτιστοποίηση Εφοδιαστικών Αλυσίδων 7 Ο εξάμηνο

ΕΑΠ/ΠΛΗ22/ΑΘΗ.4/4η ΟΣΣ/ Ν.Δημητρίου 1

ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ

Θέματα Προγραμματισμού Η/Υ

Transcript:

Συστήματα Στήριξης Αποφάσεων Τμήμα: Μηχανικών Παραγωγής & ιοίκησης ιδάσκων: A.Π. Βαβάτσικος, Di.Eng., PhD

Μέθοδοι ιδεατού σημείου Είναι μέθοδος συμβιβαστικού προγραμματισμού Υλοποιείται με την μέτρηση της απόστασης από το υποθετικό ιδεατό σημείο της ανάλυσης Το ιδεατό σημείο διαμορφώνεται από τις μέγιστες επιδόσεις που καταγράφουν οι εναλλακτικές λύσεις στα κριτήρια απόφασης Η μέτρηση της απόστασης υλοποιείται με τη χρήση των μέτρων Minowsi L L m 1 1 x, ό 1

Μέθοδοι ιδεατού σημείου ιακρίνονται τρεις οριακές καταστάσεις α/ Απόσταση του οικοδομικού τετραγώνου-manhattan Distance Metric β/ Ευκλείδεια απόσταση Απόστασης Cheychev L L 1 m x 1 1 2 m 2 2 x 1 L max x

Μέθοδοι ιδεατού σημείου ιακρίνονται τρεις οριακές καταστάσεις α/ Απόσταση του οικοδομικού τετραγώνου-manhattan Distance Metric β/ Ευκλείδεια απόσταση Απόστασης Cheychev L L 1 m x 1 1 2 m 2 2 x 1 L max x

Κατόπιν προτυποποίησης η τελική μορφή δίνεται από τις σχέσεις α/ Μέθοδος μέθοδος μέγιστης επίδοσης β/ Μέθοδος του εύρους των τιμών Μέθοδοι ιδεατού σημείου m S x L 1 1 m S x L 1 1

Μέθοδοι ιδεατού σημείου-η μέθοδος TOPSIS Στην μέθοδο συνυπολογίζεται και η απόσταση από το αντι-ιδεατό σημείοεναλλακτικό σενάριο Χρησιμοποιείται η Ευκλείδεια απόσταση max ( or min) t x ( or x ), t ( or ) B ( and K) min ( or max) t x ( or x ), t ( or ) B ( and K)

Απόσταση από το ιδεατό σημείο Απόσταση από το αντι-ιδεατό σημείο Σύνθεση με υπολογισμό της συγγενούς εγγύτητας Μέθοδοι ιδεατού σημείου-η μέθοδος TOPSIS K B PIS x w x w L 1 K B NIS x w x w L 1 1 0, i i i i i c S S S c

Μέθοδοι ιδεατού σημείου-η μέθοδος TOPSIS

Μέθοδοι ιδεατού σημείου-παράδειγμα Κριτήριο 1 Κριτήριο 2 Κριτήριο 3 Εναλλακτική 1 10 0.2 200 Εναλλακτική 2 40 0.3 250 Εναλλακτική 3 35 0.5 500 Εναλλακτική 4 20 0.25 300

Μέθοδοι ιδεατού σημείου- Υπολογισμός Βαρύτητας Κριτηρίων c1 c2 c3 c1 c2 c3 c1 1 1 2 3 c2 1 1 4 c3 1 1 A c1 1 2 3 1 2 2 5.00 0.414 c2 1/2 1 4 1/2 1 4 5.50 0.455 c3 1/3 1/4 1 1/3 1/4 1 1.58 0.131 12.08 A^2 A^4 A^4 A^4 W AxW λmax=axw/w c1 2.67 4.50 12.00 19.17 0.503 1.50 2.98 c2 2.33 3.00 9.00 14.33 0.376 1.11 2.96 c3 0.79 1.17 2.67 4.63 0.121 0.38 3.16 CI= λmax N ΑΘΡΟΙΣΜΑ 38.13 N 1 W AxW λmax c1 27.11 39.50 104.50 171.11 0.496 1.50 3.03 CI CR= c2 20.35 30.00 79.00 129.35 0.375 1.14 3.03 RI c3 6.94 10.17 27.11 44.23 0.128 0.39 3.02 ΑΘΡΟΙΣΜΑ 344.69 W AxW λmax CI RI CR c1 2264.42 3319.03 8786.72 14370.18 0.497 1.50 3.03 0.013 0.52 0.025 c2 1710.66 2507.43 6638.06 10856.16 0.375 1.14 3.03 c3 583.55 855.33 2264.42 3703.30 0.128 0.39 3.03 ΑΘΡΟΙΣΜΑ 28929.63 count 3.00 W AxW λmax CI RI CR c1 15932826.80 23353490.83 61825632.29 101111949.91 0.497 1.50 3.03 0.013 0.52 0.025 c2 12036662.16 17642699.75 46706981.65 76386343.57 0.375 1.14 3.03 c3 4105982.59 6018331.08 15932826.80 26057140.47 0.128 0.39 3.03 ΑΘΡΟΙΣΜΑ203555433.95 count 3.00

Μέθοδοι ιδεατού σημείου Προτυποποίηση Εναλλακτικών Σεναρίων Προτυποποίηση Εναλλακτικών Xs Επιδόσεις Εναλλακτικών Σεναρίων Xi (Μέθοδος Εύρους των επιδόσεων) c1 c2 c3 c1 c2 c3 w 0.497 0.375 0.128 w 0.497 0.375 0.128 a1 10 0.2 200 a1 0.00 1.00 0.00 Xs = Xi Xmin a2 40 0.3 250 a2 1.00 0.67 0.17 Xmax Xmin a3 35 0.5 500 a3 0.83 0.00 1.00 Xs = Xmax Xi a4 20 0.25 300 a4 0.33 0.83 0.33 Xmax Xmin max 40 0.5 500 min 10 0.2 200

Μέθοδοι ιδεατού σημείου Προτυποποίηση Εναλλακτικών Σεναρίων Προτυποποίηση Εναλλακτικών Xs Επιδόσεις Εναλλακτικών Σεναρίων Xi (Μέθοδος Εύρους των επιδόσεων) c1 c2 c3 c1 c2 c3 w 0.497 0.375 0.128 w 0.497 0.375 0.128 a1 10 0.2 200 a1 0.00 1.00 0.00 Xs = Xi Xmin a2 40 0.3 250 a2 1.00 0.67 0.17 Xmax Xmin a3 35 0.5 500 a3 0.83 0.00 1.00 Xs = Xmax Xi a4 20 0.25 300 a4 0.33 0.83 0.33 Xmax Xmin max 40 0.5 500 min 10 0.2 200

Μέθοδοι ιδεατού σημείου Στάθμιση Προτυποιημένων Σεναρίων Στάθμιση Wi x Xs Διαφορά από το Ιδεατό Σημείο c1 c2 c3 c1 c2 c3 w 0.497 0.375 0.128 w 0.497 0.375 0.128 a1 0.000 0.375 0.000 a1 0.497 0.000 0.128 a2 0.497 0.250 0.021 a2 0.000 0.125 0.107 a3 0.414 0.000 0.128 a3 0.083 0.375 0.000 a4 0.166 0.313 0.043 a4 0.331 0.063 0.085 max 0.497 0.375 0.128 min 0.000 0.000 0.000

Μέθοδοι ιδεατού σημείου Manhattan Distance Metric Απόσταση από το Ιδεατό Σημείο Συνολική Απόσταση A. Manhattan Distan =1 A. Manhattan Distan =1 c1 c2 c3 w 0.497 0.375 0.128 Άθροισμα Ran a1 0.497 0.000 0.128 a1 0.625 4th a2 0.000 0.125 0.107 a2 0.232 1st a3 0.083 0.375 0.000 a3 0.458 2nd a4 0.331 0.063 0.085 a4 0.479 3rd

Μέθοδοι ιδεατού σημείου Euclidean Distance Metric Απόσταση από το Ιδεατό Σημείο Συνολική Απόσταση B. Euclidean Distan =2 B. Euclidean Distan =2 c1 c2 c3 w 0.497 0.375 0.128 Άθροισμα Ran a1 0.247 0.000 0.016 a1 0.263 4th a2 0.000 0.016 0.011 a2 0.027 1st a3 0.007 0.141 0.000 a3 0.148 3rd a4 0.110 0.004 0.007 a4 0.121 2nd

Μέθοδοι ιδεατού σημείου 4 th Distance Metric Απόσταση από το Ιδεατό Σημείο Συνολική Απόσταση C. 4th Distan =4 C. 4th Distan =4 c1 c2 c3 w 0.497 0.375 0.128 Άθροισμα Ran a1 0.06088 0.00000 0.00027 a1 0.06115 4th a2 0.00000 0.00024 0.00013 a2 0.00037 1st a3 0.00005 0.01983 0.00000 a3 0.01988 3rd a4 0.01203 0.00002 0.00005 a4 0.01209 2nd

Μέθοδοι ιδεατού σημείου Cheychev Distance Metric Απόσταση από το Ιδεατό Σημείο Συνολική Απόσταση D. Cheychev Distan =10 D. Cheychev Distan =4 c1 c2 c3 w 0.497 0.375 0.128 Άθροισμα Ran a1 0.00091 0.00000 0.00000 a1 0.00091 4th a2 0.00000 0.00000 0.00000 a2 0.00000 1st a3 0.00000 0.00006 0.00000 a3 0.00006 3rd a4 0.00002 0.00000 0.00000 a4 0.00002 2nd

Μέθοδοι ιδεατού σημείου Cheychev Distance Metric Απόσταση από το Ιδεατό Σημείο Συνολική Απόσταση D. Cheychev Distan =10 D. Cheychev Distan =4 c1 c2 c3 w 0.497 0.375 0.128 Άθροισμα Ran a1 0.00091 0.00000 0.00000 a1 0.00091 4th a2 0.00000 0.00000 0.00000 a2 0.00000 1st a3 0.00000 0.00006 0.00000 a3 0.00006 3rd a4 0.00002 0.00000 0.00000 a4 0.00002 2nd

Βήμα 7ο: Εφαρμογή του κανόνα απόφασης Μέθοδοι ιδεατού σημείου Σύνοψη Συνολική Απόσταση A. Manhattan Distan =1 Άθροισμα a1 0.625 a2 0.232 a3 0.458 a4 0.479 Συνολική Απόσταση =2 B. Euclidean Distan Άθροισμα a1 0.263 a2 0.027 a3 0.148 a4 0.121 Συνολική Απόσταση C. 4th Distan =4 Άθροισμα a1 0.06115 a2 0.00037 a3 0.01988 a4 0.01209 Συνολική Απόσταση D. Cheychev Distan =4 Άθροισμα a1 0.00091 a2 0.00000 a3 0.00006 a4 0.00002 Ran 4th 1st 2nd 3rd Ran 4th 1st 3rd 2nd Ran 4th 1st 3rd 2nd Ran 4th 1st 3rd 2nd

Μέθοδοι ιδεατού σημείου TOPSIS-Εκπαιδευτικό παράδειγμα

Μέθοδοι ιδεατού σημείου TOPSIS Στάθμιση Wi x Xs Διαφορά από το Ιδεατό Σημείο c1 c2 c3 c1 c2 c3 w 0.497 0.375 0.128 w 0.497 0.375 0.128 a1 0.000 0.375 0.000 a1 0.497 0.000 0.128 a2 0.497 0.250 0.021 a2 0.000 0.125 0.107 a3 0.414 0.000 0.128 a3 0.083 0.375 0.000 a4 0.166 0.313 0.043 a4 0.331 0.063 0.085 max 0.497 0.375 0.128 min 0.000 0.000 0.000 Απόσταση από το Ιδεατό Σημείο Συνολική Απόσταση S+ B. Euclidean B. Euclidean Distan =2 Distan =2 c1 c2 c3 w 0.497 0.375 0.128 Άθροισμα Ran a1 0.247 0.000 0.016 a1 0.263 4th a2 0.000 0.016 0.011 a2 0.027 1st a3 0.007 0.141 0.000 a3 0.148 3rd a4 0.110 0.004 0.007 a4 0.121 2nd Συγγενής Εγγύτητα S Ci= S+ (+) S Διαφορά από το Αντι Ιδεατό Στάθμιση Wi x Xs Σημείο c1 c2 c3 c1 c2 c3 w 0.497 0.375 0.128 w 0.497 0.375 0.128 a1 0.000 0.375 0.000 a1 0.000 0.375 0.000 a2 0.497 0.250 0.021 a2 0.497 0.250 0.021 a3 0.414 0.000 0.128 a3 0.414 0.000 0.128 a4 0.166 0.313 0.043 a4 0.166 0.313 0.043 max 0.497 0.375 0.128 min 0.000 0.000 0.000 Απόσταση από το Αντι Ιδεατό Σημείο Συνολική Απόσταση S B. Euclidean B. Euclidean Distan =2 Distan =2 c1 c2 c3 w 0.497 0.375 0.128 Άθροισμα Ran a1 0.000 0.141 0.000 a1 0.141 3rd a2 0.247 0.063 0.000 a2 0.310 1st a3 0.171 0.000 0.016 a3 0.188 2nd a4 0.027 0.098 0.002 a4 0.127 4th Ci Ran a1 0.349 4th a2 0.920 1st a3 0.560 2nd a4 0.512 3rd

Μέθοδοι ιδεατού σημείου TOPSIS Συγγενής Εγγύτητα S Ci= S+ (+) S Ci Ran a1 0.349 4th a2 0.920 1st a3 0.560 2nd a4 0.512 3rd

Καλό διάβασμα