Makro Gösterge Masası

Her değer, bulunduğu sütunun karelerinin toplamının kareköküne bölünür. Böylece farklı birimlerdeki kriterler karşılaştırılabilir hale gelir.

Normalize matrisin her sütunu ilgili kriterin ağırlığıyla çarpılır. Tablonun ilk satırı kullanılan ağırlıkları gösterir; renkli hücreler bir sonraki adımda belirlenen ideal değerlerdir.

Her kriter için ağırlıklı normalize değerlerin en iyisi pozitif ideal (A⁺), en kötüsü negatif ideal (A⁻) çözümü oluşturur. Fayda kriterinde en iyi değer en büyük, maliyet kriterinde en küçük değerdir.

Her alternatifin pozitif ve negatif ideal çözüme Öklid uzaklığı hesaplanır: önce kriter bazında farkların kareleri alınır, sonra satır toplamının karekökü bulunur. S⁺ küçük, S⁻ büyük olan alternatif daha iyidir.

C değeri 1'e yaklaştıkça alternatif pozitif ideal çözüme yaklaşır. Alternatifler C değerine göre büyükten küçüğe sıralanır.

Her kriter için alternatiflerin aldığı en iyi değer f* ve en kötü değer f⁻ belirlenir. Fayda kriterinde en iyi değer en büyük, maliyet kriterinde en küçük değerdir. VIKOR ham değerlerle çalışır; ayrı bir normalizasyon adımı yoktur.

Tablodaki her hücre, alternatifin o kriterde en iyi değerden ağırlıklı uzaklığıdır. S bu uzaklıkların toplamı (grup faydası), R ise en büyüğüdür (bireysel pişmanlık). İkisinde de küçük değer daha iyidir. Her satırda R'yi belirleyen hücre vurgulanmıştır.

A⁽¹⁾ ve A⁽²⁾, Q sıralamasında ilk iki alternatiftir. İki koşul da sağlanırsa A⁽¹⁾ uzlaşık çözümdür. Yalnız K2 sağlanmazsa A⁽¹⁾ ve A⁽²⁾ birlikte; K1 sağlanmazsa Q(A⁽ᴹ⁾) − Q(A⁽¹⁾) < DQ olan tüm alternatifler uzlaşık çözüm kümesini oluşturur.

Her kriter 0–1 aralığına taşınır; en iyi değer 1 olur. Optimum kriterlerde hedef değere (OB) eşit olan değer 1, hedeften en uzak olan 0 olur. Referans seri x₀ her kriterde en iyi değerden (1) oluşur.

Her alternatifin normalize değerinin referans seriden (1) mutlak farkı alınır. Δmin ve Δmax tüm tablodaki en küçük ve en büyük farktır ve bir sonraki adımda katsayıların hesabında kullanılır.

Gri ilişkisel derece, alternatifin referans seriye (ideal alternatife) benzerliğidir. Γ büyük olan alternatif daha iyidir. Eşit ağırlıkta bu değer katsayıların ortalamasına eşittir.

Her kriterin alternatifler üzerindeki aritmetik ortalaması referans çözüm olarak alınır.

PDA, alternatifin o kriterde ortalamadan ne kadar iyi olduğunu; NDA ne kadar kötü olduğunu gösterir. Her hücrede ikisinden en fazla biri sıfırdan büyüktür. Paydada ortalamanın mutlak değeri kullanılır; böylece ortalaması negatif olan kriterlerde (ör. zarar eden firmaların kârlılığı) uzaklığın yönü bozulmaz. Tüm değerler pozitifse sonuç klasik EDAS ile aynıdır.

PDA ve NDA değerleri kriter ağırlıklarıyla çarpılıp satır bazında toplanır (SP, SN). Ardından SP en büyük SP değerine bölünür (NSP); SN için 1 − SN / max SN alınır (NSN). Böylece iki ölçüt de 0–1 aralığına taşınır ve büyük değer iyi olur.

AS büyük olan alternatif daha iyidir. Ortalamadan olumlu sapması en yüksek ve olumsuz sapması en düşük olan alternatif ilk sıraya yerleşir.

Her değer ideal çözümün değerine oranlanır. Böylece ideal çözüm bütün kriterlerde 1 olur; diğer alternatifler 0 ile 1 arasında yer alır. Maliyet kriterlerinde oran ters çevrilir, böylece küçük değer büyük normalize değer alır.

Normalize değerler kriter ağırlıklarıyla çarpılıp satır bazında toplanır (S). Alternatifin anti-ideal çözüme göre fayda derecesi K⁻, ideal çözüme göre fayda derecesi K⁺'dır. K⁻ ne kadar büyük ve K⁺ 1'e ne kadar yakınsa alternatif o kadar iyidir.

f(K⁻) anti-ideal, f(K⁺) ideal çözüme göre fayda fonksiyonudur. Bu iki fonksiyon tanım gereği bütün alternatiflerde aynı değeri alır (yalnızca S_AI ve S_AAI'ye bağlıdır); alternatifleri birbirinden ayıran K⁺ ve K⁻ değerleridir. İkisi f(K) fayda fonksiyonunda birleştirilir ve alternatifler f(K) değerine göre büyükten küçüğe sıralanır.

Min-maks normalizasyonuyla her kriterde en iyi değer 1, en kötü değer 0 olur. Bu dönüşüm negatif değerlerle de çalışır.

S, ağırlıklı toplam modelinin (SAW); P, ağırlıklı üstel modelin (WPM benzeri) puanıdır. Üstel modelde ağırlık üs olarak kullanıldığı için düşük normalize değerler daha az cezalandırılır.

Üç stratejinin geometrik ortalaması ile aritmetik ortalaması toplanır. k büyük olan alternatif daha iyidir.

Normalize değerler ağırlıklarla çarpılıp toplanır. Bu, basit toplamsal ağırlıklandırma (SAW) modelidir.

Normalize değerlerin ağırlık kadar kuvveti alınıp çarpılır. Çarpım modeli, bir kriterde çok zayıf olan alternatifi toplam modelden daha fazla cezalandırır.

Her kriterde en iyi değer 1, en kötü değer 0 olur. Min-maks normalizasyonu negatif değerlerle de çalışır.

Normalize değerlere 1 eklenip ağırlıkla çarpılır. Böylece her hücre w ile 2w arasında yer alır ve bir sonraki adımdaki geometrik ortalama sıfır olmaz.

Her kriter için ağırlıklı değerlerin geometrik ortalaması, o kriterin sınır yaklaşım alanıdır. Bu sınırın üstünde kalan alternatif o kriterde ideal bölgeye, altında kalan anti-ideal bölgeye yakındır.

q > 0 olan hücreler alternatifin o kriterde sınırın üstünde, q < 0 olanlar altında kaldığını gösterir. Satır toplamı S büyük olan alternatif daha iyidir.