ELECTRE - Part II Prof. Gaurav Dixit Department of Management Studies Indian Institute of Technology Roorkee To access the translated content: 1. The translated content of this course is available in regional languages. For details please visit https://nptel.ac.in/translation The video course content can be accessed in the form of regional language text transcripts, books which can be accessed under downloads of each course, subtitles in the video and Video Text Track below the video. Your feedback is highly appreciated. Kindly fill this form https://forms.gle/XFZhSnHsCLML2LXA6 2. Regional language subtitles available for this course To watch the subtitles in regional languages: 1. Click on the lecture under Course Details. 2. Play the video. 3. Now click on the Settings icon and a list of features will display 4. From that select the option Subtitles/CC. 5. Now select the Language from the available languages to read the subtitle in the regional language.
R માં MCDM તકનીકો નું પ્રયોગ અભ્યાસક્રમમાં
તમારું સ્વાગત છે. અગાઉના વ્યાખ્યાનમાં
આપણે બીજી પદ્ધતિની શરૂઆત કરી હતી. તો
ચાલો આગળ વધીએ. આપણે આગળ વધીએ તે પહેલા,
ચાલો આપણે અગાઉના વ્યાખ્યાન જે ચર્ચા
કરી હતી તેનો ઝડપી સંક્ષેપ કરીએ. આપણે
ELECTRE વિશે ચર્ચા કરી હતી, ELECTRE નો અર્થ છે
વાસ્તવિકતાને વ્યક્ત કરતો નાબૂદી અને
પસંદગી, રોય દ્વારા વિકસિત કરવામાં આવી
હતી જેને ELECTRE તરીકે ઓળખવામાં આવે છે
અને વિચારધારાની આઉટરેન્કિંગ શ્રેણીની
છે. તે તેમાં શામેલ તકનીકી પરિમાણોની
સંખ્યા અને ELECTRE તકનીકનો અમલ કરતી વખતે ઉપયોગમાં
લેવાતા પગલાંના કારણે સહેજ જટિલ છે. આ તકનીકમાં,
AHPના જેમ, આપણે જોડીની સરખામણીનો ઉપયોગ
કરીએ છીએ. આ એવા પાસાઓ હતા જેની ચર્ચા આપણે
અગાઉના વ્યાખ્યાનમાં કરી હતી.
આપણે ELECTRE નો ઉપયોગ ક્યારે કરી શકીએ
તે દૃશ્યોની પર પણ ચર્ચા કરી હતી. પસંદગીની
સમસ્યાઓ માટે, ELECTRE I, ELECTRE Iv, ELECTRE Is વિવિધ
પદ્ધતિઓ છે. પછી રેન્કિંગ સમસ્યાઓ માટે, ELECTRE
II, ELECTRE III, અને ELECTRE Iv જેવી વિવિધ ELECTRE પદ્ધતિઓ
છે. સમસ્યાઓણે વર્ઘીકરણ કરવા માટે, આપણી પાસે
અલગ અલગ પદ્ધતિઓ છે ELECTRE-Tri, ELECTRE-Tri-B, ELECTRE-Tri-C.
તેથી, અપણે અગાઉના વ્યાખ્યાનમાં આ તમામ
પાસાઓની ચર્ચા કરી હતી. આપણે સ્વયંચાલિત
સમજણ વિશે વાત કરી જ્યાં આપણે ચર્ચા
કરી હતી કે આપણે નિર્ણય લેનારાઓ પાસેથી સ્પષ્ટ
રેન્કિંગ મેળવવાની જરૂર છે અને પછી ત્યાંથી
માપદંડ ના વજન અને થ્રેશોલ્ડનો અંદાજ
કરવામાં આવે છે. ELECTRE સાથેની સમસ્યાની
પણ ચર્ચા કરવામાં આવી હતી કે અમુક પરિમાણો
અથવા ઇનપુટ્સ નિર્ણય લેનારાઓ પાસેથી લેવામાં
આવે છે અને અસંગતતાઓનું જોખમ રહેલું છે. પછી
આપણે ELECTRE III પર વિગતવાર ચર્ચા શરૂ કરી. આપણે
બે ખાસ તબક્કાઓની ચર્ચા કરી હતી. પ્રથમ
તબક્કામાં, આઉટરેન્કિંગ સંબંધોનું રચના કરવામાં
આવે છે અને બીજા તબક્કામાં, પ્રથમ તબક્કાના આઉટપુટનો
ઉપયોગ થાય છે, એટલે કે, પ્રથમ તબક્કામાં
જે પણ આઉટરાંકિંગ સંબંધોની ચર્ચા કરવામાં
આવી હતી તેનો ઉપયોગ પસંદગીના ઓર્ડર બનાવવા
માટે થાય છે. આપણે વળતરની અસરની
પણ ચર્ચા કરી હતી જે પસંદગીના દિશાના
કારણે ટાળી શકાય છે કારણ કે તે સામાન્ય
રીતે તમામ માપદંડો માટે ઉચ્ચ બાજુએ
લેવામાં આવે છે. વ્યાખ્યાનના છેલ્લા ભાગમાં, આપણે
આઉટરેંકિંગ સંબંધની ચર્ચા કરી હતી. આપણે
કેટલીક શરતો વિશે વાત કરી અને ELECTRE માં
વસ્તુઓને કેવી રીતે સૂચવવામાં આવે છે
તે વિશે વાત કરી. તેથી જો ત્યાં બે વિકલ્પો
a અને b હોય તો a S b એ સૂચવે છે કે a b ને આઉટ રેંક
કરે છે. બીજા શબ્દોમાં કહીએ તો, આપણે કહી
શકીએ કે a ઓછામાં ઓછું b જેટલું સારું છે.
આ આઉટરેંકિંગ સંબંધની મજબૂતાઈને આપણે કેવી
રીતે માપી શકીએ? તેના માટે, આપણી પાસે આઉટરેન્કિંગ
ડિગ્રી નામનો ખ્યાલ છે જેનો ઉપયોગ આઉટરેંકિંગ
સંબંધની મજબૂતાઈને માપવા માટે થાય છે.
આને S (a,b) તરીકે દર્શાવવામાં આવે છે અને તેનું
મૂલ્ય સામાન્ય રીતે શૂન્ય અને એકની વચ્ચે
હોય છે. હવે, આ વ્યાખ્યાનમાં, આપણે આઉટરેન્કિંગ
ડિગ્રી વિશે વધુ વિગતવાર ચર્ચા કરીશું.
આઉટરેંકિંગ ડિગ્રીમાં બે પરિપ્રેક્ષ્યો
ગણવામાં આવે છે અને આ બંને પરિપ્રેક્ષ્યોને
પછીના તબક્કામાં આઉટરેન્કિંગ ડિગ્રી
પર એકંદર પરિપ્રેક્ષ્ય બનાવવા માટે એકત્ર
કરવામાં આવે છે. ચાલો તેમના વિશે વાત કરીએ.
પ્રથમ પરીપેક્ષને એકરૂપતા ના નામ થી
ઓળખવામાં આવે છે અને બીજાને વિસંગતતા
ના નામ થી ઓળખવામાં આવે છે. સુસંગતતા
અને વિસંગતતા બંને, ચોક્કસ આઉટરેંકિંગ
સંબંધ માટે માપવામાં આવે છે જેમ કે a આઉટરેંક
b અથવા a ઓછામાં ઓછું b જેટલું સારું છે.
તો, આપણે આ માપન ક્યારે કરવાની જરૂર છે? ચાલો
એ પાસાની ચર્ચા કરીએ. આ પરિપ્રેક્ષ્યોને
માપવા માટે, આપણે માપદંડો પર નિર્ણય
લેનારની પસંદગીનો સમાવેશ કરીએ છીએ.
પછી સુસંગતતા ડિગ્રીમાં, આપણે આ બે થ્રેશોલ્ડને
સમાવિષ્ટ કરીએ છીએ: તટસ્થતા અને પસંદગી.
તેથી, સુસંગતતા ડિગ્રીને માપતી વખતે તટસ્થતા
અને પસંદગીની મર્યાદાનો સમાવેશ કરવામાં આવે
છે. જ્યારે આપણે વિસંગતતા ડિગ્રી વિશે વાત
કરીએ છીએ, ત્યારે ત્રીજી થ્રેશોલ્ડ
કે જેનો આપણે ELECTRE માં ઉપયોગ કરીએ છીએ તેને
વીટો થ્રેશોલ્ડ કહેવાય છે, તે વિસંગતતા ડિગ્રી
સંબંધિત માપનો ભાગ છે. હવે, ચાલો એક પછી
એક સુસંગતતા અને વિસંગતતાના પરિપ્રેક્ષ્યો
વિશે વાત કરીએ.
ચાલો સુસંગતતા ડિગ્રીથી શરૂઆત કરીએ. આ પરિપ્રેક્ષ્યમાં,
દરેક માપદંડ માટે, આપણે ચોક્કસ આઉટરેંકિંગ
સંબંધને માપવા માટે આંશિક સુસંગતતા ડિગ્રીની
ગણતરી કરીએ છીએ. તેથી, a આઉટરેન્કસ b એ આઉટરેંકિંગ
સંબંધ છે તે નિવેદન વાસ્તવમાં આપેલ માપદંડ
fi ના સંદર્ભમાં માપવામાં આવે છે, અને આને cij
તરીકે સૂચિત કરવામાં આવે છે, જ્યાં c એ (a,b)
ની સુસંગતતા ડિગ્રી ci માટે વપરાય છે; a
અને b બંને વિકલ્પો છે અને સુસંગતતા
ડિગ્રી માપન ci (a,b) તરીકે સૂચવવામાં આવે છે.
તેથી, જો આપણે માપદંડના સંદર્ભમાં આ આંશિક
સુસંગતતાની ડિગ્રીને જોઈએ, તો આપણે કંઈક
એવું કરીએ છીએ જે આપણે AHP માં કરીએ છીએ
જ્યારે કે AHP ના વંશવેલો માળખામાં દરેક સ્તરનું
મૂલ્યાંકન કરવામાં આવે છે અથવા જોડીમાં
સરખામણી કરવામાં આવે છે જે તાત્કાલિક
ઉપરના સ્તરને આધારે કરવામાં આવે છે. એ
જ રીતે, આઉટરેંકિંગ સંબંધમાં જે a છે તે
તેટલો જ સારો છે જેટલો આપેલ માપદંડના સંદર્ભમાં
b છે અને આ એ રીતે કરવામાં આવે છે. AHP માં આપણે
માપદંડો માટે પણ જોડી પ્રમાણે સરખામણી
કરી છે જે અહીં કરવામાં આવી નથી. માપદંડો
માટે, નિર્ણય લેનારાઓ પાસેથી ઇનપુટ લેવામાં
આવે છે અને તે એવા વિકલ્પો છે કે જેની
વચ્ચે આઉટરેંકિંગ સંબંધોની ગણતરી કરવામાં
આવે છે અને આપણે એના માપન કરીએ છીએ. દરેક
આઉટરેંકિંગ સંબંધોને દરેક માપદંડના સંદર્ભમાં
માપવામાં આવે છે અને તેને આંશિક સુસંગતતા
ડિગ્રી તરીકે ઓળખવામાં આવે છે. આંશિક સુસંગતતા
ડિગ્રી શબ્દ પરથી જ, આપણે વિચાર મેળવી
શકીએ છીએ કે પછીથી આપણે પરિણામોને એકીકૃત
કરીશું અને આપણે એકંદર સુસંગતતા ડિગ્રીની
ગણતરી કરીશું. ચાલો હવે પછીના મુદ્દાની
ચર્ચા કરીએ જે સુસંગતતાના ડિગ્રી વિશે છે. વિકલ્પોના
પ્રદર્શનમાં તફાવતને માપવા માટે, આપણે
આ બે થ્રેશોલ્ડનો ઉપયોગ કરીએ છીએ જેની
આપણે ચર્ચા કરી છે: તટસ્થતા જે qi નો ઉપયોગ
કરીને સૂચવવામાં આવે છે, અને પસંદગી
જે pi દ્વારા સૂચવવામાં આવે છે. આ બે થ્રેશોલ્ડ
અથવા પરિમાણો અગાઉ ચર્ચા કર્યા મુજબ
નિર્ણય લેનાર દ્વારા નિર્દિષ્ટ કરવાના
છે. આપણે સ્વચાલિત સમજણ પદ્ધતિઓ અને
નિર્ણય લેનારાઓ પાસેથી આ પરિમાણો નું કેવી
રીતે અનુમાન કરી શકાય તે વિશે વાત
કરી. આપણે આગળ વધવા માટે
આ બે થ્રેશોલ્ડની જરૂર છે અને આંશિક
સુસંગતતા ડિગ્રીની ગણતરી કરવી જોઈએ
અને પછી એકંદર સુસંગતતા ડિગ્રી ની ગણતરી
કરવામાં આવે છે. ચાલો આ બે થ્રેશોલ્ડની
ચર્ચા કરીએ. અત્યાર સુધી, આપણે તેમની
ટૂંકમાં ચર્ચા કરી છે. હવે આપણે આગળ વધીએ
તે પહેલાં આપણે તેમને વ્યાખ્યાયિત કરીએ.
તટસ્થતાની થ્રેશોલ્ડનો અર્થ એટલે શું? આ થ્રેશોલ્ડ
આપેલ માપદંડના સંદર્ભમાં વિકલ્પોના પ્રદર્શન
વચ્ચેનો સૌથી મોટો તફાવત સૂચવે છે જેમ
કે તેઓ નિર્ણય લેનાર માટે તટસ્થ રહે છે.
તેથી, તટસ્થતા થ્રેશોલ્ડ સૌથી મોટા તફાવતો
સૂચવે છે જેમ કે સૌથી મોટા ડેલ્ટા, જે આ
બે વિકલ્પો માટે નિર્ણય અથવા નિર્ણય
લેનારની પસંદગી બદલશે નહીં. તેથી, મુખ્ય
વિચાર એ છે કે ચલો કહીએ કે a નું પ્રદર્શન
4.2 છે અને b નું પ્રદર્શન 4.4 છે. તેથી, તફાવત
માત્ર 0.2 છે. હવે, જો તટસ્થતાની થ્રેશોલ્ડ
0.5 છે અને અહીં બે વિકલ્પો વચ્ચેનો તફાવત 0.2
છે, તો આ તફાવત તટસ્થતાની થ્રેશોલ્ડ કરતા ઓછો
છે. તેથી, નિર્ણય લેનાર દ્વારા આ તફાવતને
અવગણવામાં આવશે. આ ELECTRE પ્રક્રિયા અને
નિર્ણય લેનારાઓની પસંદગીઓ અનુસાર,
આઉટરેંકિંગ સંબંધ બાંધવામાં આવશે.
હવે, જ્યારે આપણે તટસ્થતાના થ્રેશોલ્ડને
વ્યાખ્યાયિત કર્યું છે, હવે આપણને સમજાશે
કે આ ચોક્કસ થ્રેશોલ્ડ આપણે કેવી રીતે આઉટરેંકિંગ
સંબંધો બાંધવા માટે આ ખૂબ જ મહત્વપૂર્ણ
ભાગ છે. તેથી, તટસ્થતા થ્રેશોલ્ડ દ્વારા,
મારો અર્થ એ છે કે આપેલ માપદંડના સંદર્ભમાં
બે વિકલ્પોના પ્રદર્શન વચ્ચેનો સૌથી મોટો
તફાવત ના લીધે નિર્ણય અથવા નિર્ણય લેનારની
પસંદગીમાં કોઈ ફેરફાર થશે નહીં.
હવે આપણે બીજા થ્રેશોલ્ડ વિશે વાત કરીશું
જે પસંદગી થ્રેશોલ્ડ છે. તો, આનો અર્થ શું
છે? પસંદગીના થ્રેશોલ્ડ આપેલ માપદંડના સંદર્ભમાં
બે વિકલ્પોના પ્રદર્શન વચ્ચેનો સૌથી મોટો
તફાવત સૂચવે છે જે અન્ય કરતાં પ્રાધાન્ય
છે. જો બે વિકલ્પોના પ્રદર્શન વચ્ચેનો
તફાવત વધે છે, અને જો આ તફાવત આપેલ મૂલ્ય
કરતાં વધારે છે જે પસંદગીની મર્યાદા
છે, તો આપણે કહીશું કે વિકલ્પ b કરતા વિકલ્પ
a ને પ્રાધાન્ય આપવામાં આવે છે અથવા એક વિશિષ્ટ
વિકલ્પને પ્રાધાન્ય આપવામાં આવે છે. તેથી,
એક અર્થમાં તટસ્થતાના થ્રેશોલ્ડ આપણને
વિકલ્પોના પ્રદર્શનમાં નાના તફાવતોને અવગણવા
માટે કહે છે, અને પસંદગી થ્રેશોલ્ડ આપણને
જણાવે છે કે જો તફાવત ચોક્કસ મૂલ્ય કરતાં
મોટો હોય, તો આપણે આપણી પસંદગીનો ઉલ્લેખ
કરી શકીએ છીએ. આ બે થ્રેશોલ્ડ અને
જે રીતે તેઓને વ્યાખ્યાયિત કરવામાં આવ્યા છે
તે આપણને સમજૂતી આપશે અને જ્યારે
આપણે કહીએ છીએ કે અચોક્કસતા અથવા અનિશ્ચિતતા
છે અને તે પછી પણ ELECTRE પદ્ધતિ યોગ્ય હોઈ
શકે છે તે વિશે માટે પણ આપણને સમજણ આપશે.
તેથી, તમે જોઈ શકો છો કે જો વિકલ્પોના
આ પ્રદર્શનના મૂલ્યો વેરવિખેર હશે પરંતુ
તે મર્યાદિત શ્રેણીમાં છે, તો તટસ્થતા અને
પસંદગીના થ્રેશોલ્ડનો ખ્યાલ હજી પણ સમાન
પરિણામો આપશે. તેથી, આ બે વ્યાખ્યાઓમાંથી
આપણને આ વિચાર મળે છે.
આંશિક સુસંગતતાની ડિગ્રી રેખીય પ્રક્ષેપ
દ્વારા કાઢવામાં આવે છે જેમાં આ બે
થ્રેશોલ્ડનો સમાવેશ થાય છે. જ્યારે આપણે
એકાગ્રતાની ડિગ્રી વિશે ચર્ચા કરી રહ્યા
હતા, ત્યારે આપણે બે પરિપ્રેક્ષ્યોની
ચર્ચા કરી હતી, એકાગ્રતા અને વિસંગતતા. આપણે
એ પણ ચર્ચા કરી કે તે બંને કેવી રીતે
જોડાશે. સુસંગતતા સાથે, આપણે આંશિક
સુસંગતતાના ડિગ્રીની ગણતરી કરીશું અને
આંશિક સુસંગતતા ડિગ્રી કેવી રીતે કાઢવામાં
આવશે એ પણ જોઈશું. હવે, આ બે થ્રેશોલ્ડનો
ઉપયોગ કરીને આંશિક સુસંગતતાની ડિગ્રી
કાઢવામાં આવશે. આ થ્રેશોલ્ડ ગણતરીના
મૂળભૂત સ્તર અથવા માપનના મૂળભૂત સ્તરમાં
મુખ્ય ભૂમિકા ભજવે છે જે આપણે ELECTRE પદ્ધતિમાં
કરીએ છીએ. ચાલો આપણે આગળ વધીએ અને ચર્ચા
કરીએ કે આ આંશિક સુસંગતતા ડિગ્રીઓની ગણતરી
કેવી રીતે કરવામાં આવે છે.
આપણે અહીં કેટલીક શરતો જોઈ શકીએ છીએ.
તેથી, fi(b) વિકલ્પ b માટે છે. તેથી, fi(b) એ માપદંડ
fi ના સંદર્ભમાં વિકલ્પ b નું પ્રદર્શન છે.
fi(a) દ્વારા મારો મતલબ એ આપેલ માપદંડના
સંદર્ભમાં વિકલ્પ a નું પ્રદર્શન છે
જે fi છે અને pi દ્વારા મારો અર્થ પસંદગીની
ડિગ્રી છે જેની ચર્ચા કરવામાં આવી હતી.
જો વિકલ્પ b નું પ્રદર્શન વિકલ્પ 'a' વત્તા પસંદગીના
થ્રેશોલ્ડના પ્રદર્શન કરતા વધારે હોય, તો
આંશિક સુસંગતતા ડિગ્રી જે ci(a,b) છે તેને શૂન્ય
તરીકે વ્યાખ્યાયિત કરવામાં આવશે.
આને વધુ વિગતમાં વિઝ્યુઅલાઈઝ (visualize)
કરવા અને સમજવા માટે, આપણે આ ચાર્ટને અહીં
જોઈશું જે આંશિક એકરૂપતા ડિગ્રી ci(a,b)
વિશે છે.
તેથી, અહીં તમે જોઈ શકો છો કે y-અક્ષ પર,
આપણી પાસે ci(a,b) છે જે આંશિક સુસંગતતા ડિગ્રી
છે જેને આપણે a,b બે વિકલ્પો માટે માપવા
માંગીએ છીએ. આઉટરેંકિંગ સંબંધ એ છે કે a આઉટરેન્કસ
b. આપણે y અક્ષ પર જોઈ શકીએ છીએ, આપણી પાસે
જે ક્રમ છે તે શૂન્ય અને એકની વચ્ચે છે.
તેથી, મૂલ્યો શૂન્ય અને એક વચ્ચે આવેલા
છે. આપણે જોઈ શકીએ છીએ કે X-અક્ષમાં આપણી
પાસે fi(b) છે. . તેથી, જો fi(b) ને X-અક્ષ સાથે
માપવામાં આવે છે, જો આ fi(b)>[fi(a)+pi], તો આપણે
જોઈ શકીએ છીએ કે ci(a,b) નું મૂલ્ય શૂન્ય
થઈ જશે. તેથી, જો fi(b)>[fi(a)+pi], તેનો અર્થ એ છે કે
વિકલ્પ b નું પ્રદર્શન વિકલ્પ a ના પ્રદર્શન
કરતા વધારે છે અને તે તફાવત પસંદગીની
ડિગ્રીમાં દર્શાવેલ કરતાં વધારે છે, તો
પછી ci(a,b) ની આંશિક સુસંગતતા ડિગ્રી શૂન્ય તરીકે
વ્યાખ્યાયિત કરવામાં આવશે કારણ કે પસંદગી
થ્રેશોલ્ડ ઉમેર્યા પછી પણ b નું મૂલ્ય
a કરતા વધારે છે. હવે, ચાલો બીજા મુદ્દા
પર જઈએ. જો fi(b) નું મૂલ્ય [fi(a)+qi] અને [fi(a)+pi] વચ્ચે
હોય, તો તેનો અર્થ એ છે કે માપદંડ fi ના
સંદર્ભમાં વિકલ્પ a નું પ્રદર્શન અને
જો આપણે તટસ્થતાના થ્રેશોલ્ડને ઉમેરીએ
ત્યાં, b નું મૂલ્ય [fi(a)+qi] ના મૂલ્ય કરતાં
વધારે છે પરંતુ [fi(a)+pi] કરતાં ઓછું છે. તેથી,
જો આપણે a ની કિંમત પર પસંદગીની થ્રેશોલ્ડ
ઉમેરીએ તો fi(b) નું મૂલ્ય આના કરતા ઓછું
છે, પછી આંશિક સુસંગતતા ડિગ્રી ci(a,b) શૂન્ય
અને એકની વચ્ચે હશે.
ચાલો ફરીથી આંશિક સુસંગતતા ડિગ્રીના
આ ચોક્કસ ચાર્ટ પર પાછા જઈએ. X-અક્ષ પર
જો f(b) એ [fi(a)+qi] અને [fi(a)+pi] ની વચ્ચે આવેલું
હોય, તો તમે આંશિક સુસંગતતા ડિગ્રી
ci(a,b) નું મૂલ્ય શૂન્ય અને એક વચ્ચે હશે.
તેથી, ત્યાં બે દૃશ્યો છે જેના વિશે આપણે
આંશિક સંમતિની ડિગ્રી કાઢવા માટે ચર્ચા
કરી હતી. હવે ત્રીજું દૃશ્ય
એ છે કે જ્યાં fi(b), [fi(a)+qi] કરતાં ઓછું અથવા
બરાબર છે. તે કિસ્સામાં, ci(a,b) ને એક તરીકે વ્યાખ્યાયિત
કરવામાં આવશે.
ચાલો ચાર્ટ પર પાછા જઈએ. જો fi(b), [fi(a)+qi] કરતાં
ઓછું હોય, તો ci(a,b) ની આંશિક સુસંગતતા ડિગ્રી
એક હશે, તેથી b કરતાં a સ્પષ્ટપણે પસંદ
કરવામાં આવશે. તેથી, પ્રથમ દૃશ્યમાં,
જ્યારે fi(b)>[fi(a)+pi], ત્યારે b ને a ઉપર સ્પષ્ટ રીતે
પસંદ કરવામાં આવે છે. બીજા દૃશ્યમાં,
જ્યારે fi(b) નું મૂલ્ય [fi(a)+qi] અને [fi(a)+pi] વચ્ચે
હશે ત્યારે તે મૂલ્ય શૂન્ય અને એકની વચ્ચે
હશે અને આપણે કહી શકીએ કે જો a ઓછામાં
ઓછું b જેટલું સારું હોય તો તે મૂલ્ય વચ્ચે
આવશે. પછી આપણી પાસે ત્રીજું દૃશ્ય છે.
તેમાં, જો fi(b) [fi(a)+qi] કરતાં ઓછી અથવા બરાબર હોય,
તો a ને સ્પષ્ટપણે b કરતાં પ્રાધાન્ય
આપવામાં આવશે. બે દૃશ્યોમાં, આપણી
પાસે ખૂબ જ સ્પષ્ટ પસંદગીઓ છે અને એક
દૃશ્યમાં, મૂલ્ય એ વચ્ચે રહેલું છે
જ્યાં આંશિક સુસંગતતા ડિગ્રી શૂન્ય અને
એકની વચ્ચે હોઈ શકે છે. ચાલો આગળ વધીએ.
આ આંશિક સુસંગતતા ડિગ્રી પર ચર્ચા
હતી. આ આંશિક સુસંગતતાની ડિગ્રી દરેક માપદંડના
સંદર્ભમાં ગણવામાં આવે છે.
હવે ચાલો એકંદરે સુસંગતતાની ડિગ્રીની
ચર્ચા કરીએ. તેથી, આને C(a,b) તરીકે સૂચવવામાં
આવે છે. આ તમામ આંશિક સુસંગતતા ડિગ્રીઓનો
ભારિત સરવાળો છે. તેથી, તમામ આઉટરેંકિંગ
સંબંધો માટે આપણે ગણતરી કરેલ તમામ
આંશિક સુસંગતતા ડિગ્રીઓ અહીં ઉપયોગમાં લેવાશે
અને ભારિત રકમ લેવામાં આવશે.
આ વજન ક્યાંથી આવે છે? આ વજન માપદંડના
સ્કોર્સ હશે, જેના વિશે આપણે વાત કરી
છે કે માપદંડના સ્કોર્સ પણ નિર્ણય લેનારાઓના
ઇનપુટ્સ પર આધારિત હશે. તેથી, આ ઇનપુટ્સ
માપદંડના સ્કોર્સનું અનુમાન કરશે અને
જ્યારે આપણે આંશિક સુસંગતતા ડિગ્રીનો
ભારાંકિત સરવાળો લઈશું ત્યારે એકંદર
સુસંગતતા ડિગ્રીની ગણતરી માટે તેઓ વજન
તરીકે ઉપયોગમાં લેવાશે. એકવાર આપણે એકંદર
સુસંગતતા ડિગ્રીની ગણતરી કરી લીધા પછી,
આપણે ખરેખર મૂલ્યાંકન કરી શકીએ છીએ અને
તે મૂલ્યાંકનમાં આ એકંદર સુસંગતતા
ડિગ્રી તમામ માપદંડોના સંદર્ભમાં a એ ઓછામાં
ઓછું b જેટલું સારું છે તે માપવા માટે
છે. તેથી, તમામ માપદંડોના સંદર્ભમાં એકંદર
સુસંગતતા ડિગ્રી એક માપ હશે. તો ચાલો
આગળ વધીએ. અત્યાર સુધી આપણે જે પરિપ્રેક્ષ્ય
વિશે વાત કરી છે તે એકરૂપતા ડિગ્રી છે.
આપણે વિસંગતતા ડિગ્રી વિશે વાત હાલ સુધી
નથી કરી.
વિસંગતતા ડિગ્રીથી મારો અર્થ એ છે કે
આપણે વિસંગતતા ડિગ્રીની ગણતરી કરીએ છીએ અને
આપણે આપેલ માપદંડના સંદર્ભમાં આંશિક
વિસંગતતા ડિગ્રીની ગણતરી કરવા જઈ રહ્યા
છીએ. તેથી, આંશિક વિસંગતતા ડિગ્રીને di(a,b) તરીકે
સૂચવવામાં આવે છે જ્યાં a અને b એ બે વિકલ્પો
છે, આપેલ માપદંડ fi ના સંદર્ભમાં a એ ઓછામાં
ઓછા b જેટલું સારું છે તેવા નિવેદન સાથે
નિર્ણય લેનારના વિસંગતતાને માપે છે.
જેમ કે સુસંગતતા ડિગ્રીમાં જ્યાં
સુસંગતતા માપવામાં આવી રહી હતી ત્યાં
આપણે સૌ પ્રથમ આંશિક સુસંગતતા માપી હતી.
વિસંગતતા ડિગ્રીના કિસ્સામાં, આપણે
પહેલા આંશિક વિસંગતતાને માપીએ છીએ અને દરેક
આઉટરેંકિંગ સંબંધોને માપદંડના સંદર્ભમાં
માપવામાં આવશે જેને આંશિક વિસંગતતા ડિગ્રી
કહેવામાં આવશે. જયારે a ઓછામાં ઓછું b જેટલું
સારું છે એવા દાવાથી મજબૂત અસંમતિ હોય
ત્યારે આ આંશિક વિસંગતતા ડિગ્રીનું મહત્તમ
મૂલ્ય 1 હશે. જો આની સાથે મજબૂત
અસંમતિ હશે, તો વિસંગતતા મૂલ્ય એક હશે. જો પ્રદર્શનમાં
કોઈ તફાવત હોય, જેમકે [fi(b)-fi(a)], તો ત્યારે નિર્દિષ્ટ
વીટો થ્રેશોલ્ડ કરતા વધારે છે. અત્યાર
સુધી, આપણે વીટો થ્રેશોલ્ડ વિશે વધુ વાત કરી
નથી. આ વ્યાખ્યાનના પહેલા ભાગમાં, આપણે
ELECTRE માં ઉપયોગમાં લેવાતા વીટો થ્રેશોલ્ડ
વિશે ચર્ચા કરી. તેથી, વીટો થ્રેશોલ્ડમાં,
જો [fi(b)-fi(a)], અને જો કાર્યક્ષમતામાં આ તફાવત vi દ્વારા
દર્શાવવામાં આવેલ મૂલ્ય કરતાં વધારે
હોય, જ્યાં v એ વીટો સૂચવે છે, અને પછી
fi માપદંડ તેનો વીટો સેટ કરે છે.
જો તફાવત આપેલ થ્રેશોલ્ડ લેવલ કરતા વધારે
હોય તો વીટો ખ્યાલ લાગુ કરવામાં આવે
છે. આ તફાવત અને તેની સરખામણી જેમાં વીટો
થ્રેશોલ્ડનો સમાવેશ થાય છે તે આપણેને
આંશિક વિસંગતતા ડિગ્રીનું મૂલ્ય આપશે અને તેના
આધારે આપણે આગળની ગણતરીઓ કરીશું. આ
આંશિક વિસંગતતા ડિગ્રીના મહત્તમ મૂલ્ય માટે,
જો કોઈ મજબૂત મતભેદ હોય, તો આ એક હશે. જો
a એ ઓછામાં ઓછું b જેટલું સારું છે તેવા દાવાને
રદિયો આપવાનું કોઈ કારણ ન હોય, તો આ આંશિક
વિસંગતતાની ડિગ્રી તેનું લઘુત્તમ મૂલ્ય
પ્રાપ્ત કરશે જે શૂન્ય છે. હવે, ચાલો
ત્રણ દૃશ્યો પર વિચાર કરીએ. એ દૃશ્યો સુસંગતતા
ડિગ્રીની જેમ, સમાન પ્રકારના દૃશ્યો
છે, પરંતુ હવે તેમાં વીટો થ્રેશોલ્ડ સામેલ
હશે.
તેથી, પ્રથમ એ છે કે જો fi(b)>[fi(a)+vi], જ્યાં vi
એ વીટો થ્રેશોલ્ડ છે, તો આંશિક વિસંગતતા
ડિગ્રી di(a,b) એક હશે.
તો, ચાલો આ ચાર્ટ દ્વારા આ જ વાત સમજીએ. ચાલો
RHSનો મૂલ્યને ધ્યાનમાં લઈએ જે [fi(a) + vi] છે. તેથી,
તમે અહીં [fi(a) + vi] માં જોઈ શકો છો અને X અક્ષ
પર આપણી પાસે fi(b) છે. તેથી, જો fi(b) > [fi(a) + vi],
તો તમે di(a,b) મૂલ્ય જોઈ શકો છો, એટલે કે આંશિક
વિસંગતતા ડિગ્રી નું મહત્તમ મૂલ્ય
૧ હશે.
ચાલો પાછા જઈએ અને બીજા દૃશ્યની ચર્ચા
કરીએ. વિસંગતતા ડિગ્રીના કિસ્સામાં, આપણે
બે થ્રેશોલ્ડનો સમાવેશ કરીએ છીએ, એક પસંદગી
થ્રેશોલ્ડ છે, અને બીજો વીટો થ્રેશોલ્ડ
છે. તેથી, બીજા દૃશ્યમાં,
આપેલ માપદંડ fi ના સંદર્ભમાં વિકલ્પ
b નું પ્રદર્શન, અને તે [fi(a) + pi] અને [fi(a) + vi]
વચ્ચે આવેલું છે, તો આંશિક વિસંગતતા
ડિગ્રી di(a,b) નું મૂલ્ય પણ શૂન્ય અને એક વચ્ચે
હશે. ત્રીજું દૃશ્ય એ
છે કે જ્યારે fi(b) [fi(a)+pi] કરતાં ઓછી અથવા બરાબર
હોય છે. તેથી, જો તમે RHS બાજુ જુઓ, તો તે
[fi(a)+pi] છે, જેનો અર્થ થાય છે પસંદગીની
થ્રેશોલ્ડ નો સરવાળો, તેથી જો fi(b) વેલ્યુ
તેના કરતા ઓછી અથવા બરાબર હોય, તો di(a,b)
ની કિંમત શૂન્ય છે. તેથી, આ કિસ્સામાં,
આંશિક વિસંગતતા ડિગ્રી તેના ન્યૂનતમ મૂલ્યને
પ્રાપ્ત કરશે.
ચાલો આગળ વધીએ.
આપણે આઉટરેન્કિંગ ડિગ્રી અને મુખ્યત્વે
એકંદર આઉટરેંકિંગ ડિગ્રીની ગણતરી કેવી
રીતે કરીશું? આપણે સુસંગતતા ડિગ્રીની
ચર્ચા કરી છે. આપણે વિસંગતતા ડિગ્રી
વિશે પણ ચર્ચા કરી છે. આ બંને ડિગ્રીઓમાં,
સુસંગતતા અને વિસંગતતા, આપણે તમામ માપદંડોના
સંદર્ભમાં બધા માટે આંશિક એકાગ્રતા ડિગ્રીની
ગણતરી કરીએ છીએ અને પછી તમામ માપદંડોના
સંદર્ભમાં આંશિક વિસંગતતા ડિગ્રીની
ગણતરી કરીએ છીએ અને એકંદર સુસંગતતા ડિગ્રી
અને એકંદર વિસંગતતા ડિગ્રીની ગણતરી કરવામાં
આવે છે. એકંદર આઉટરેન્કિંગ ડિગ્રી માટે, આપણે
એકંદર આઉટરેન્કિંગ ડિગ્રીનો સારાંશ
આપવા માટે આ સુસંગતતા અને વિસંગતતા ડિગ્રીનો
ઉપયોગ કરીએ છીએ. તેથી, એક માપની ગણતરી કરવામાં
આવે છે અને તે અમને a આઉટરેંક b ની વિધાનની
મજબૂતાઈ વિશે જણાવશે. તેથી, એકંદર આઉટરેંકિંગ
ડિગ્રી S(a,b) તરીકે સૂચવવામાં આવે છે.
જ્યારે આપણે R માં કવાયત કરીશું ત્યારે
તે વધુ સ્પષ્ટ રીતે સમજી શકાશે. આ પછી,
બીજું મહત્વનું પાસું છે જે ELECTRE પદ્ધતિઓનો
બીજો તબક્કો છે જે ડિસ્ટિલેશન છે.
તેથી, પ્રથમ તબક્કાથી, આપણે જોડી પ્રમાણે
આઉટરેન્કિંગ ડિગ્રી અને આમાં સંકળાયેલા
વિવિધ પગલાં મેળવીએ છીએ જેની આપણે ચર્ચા
કરી છે. એકવાર આપણે જોડી પ્રમાણે આઉટરેન્કિંગ
ડિગ્રી મેળવી લઈએ, આપણે આગલા તબક્કામાં
પસંદગીનો ક્રમ બનાવીશું અને આ તબક્કાને નિસ્યંદન
તબક્કા (distillation phase) તરીકે ઓળખવામાં આવે છે.
અહીં, આપણી પાસે બે પ્રક્રિયાઓ છે: ચડતા
અને ઉતરતા નિસ્યંદન પ્રક્રિયાઓ (ascending
and descending
distillation procedures). અંતિમ રેન્કિંગ બનાવવા
માટે આ બે પ્રક્રિયાઓનો ઉપયોગ કરવામાં આવશે.
આ દરેક ચડતી અને ઉતરતી નિસ્યંદન પ્રક્રિયાઓ
તેના પોતાના ટ્રાન્ઝિટિવ પ્રી-ઓર્ડર ઉત્પન્ન
કરવા જઈ રહી છે જે એકબીજાથી અલગ હોઈ
શકે છે. તેથી, આપણે આ બે પ્રી-ઓર્ડરનું
આંતરછેદ લઈશું અને અંતિમ રેન્કિંગ બનાવીશું.
તેથી, ELECTRE પદ્ધતિઓનો ઉપયોગ કરીને નિર્ણયની
સમસ્યાઓને ઉકેલવા માટે આપણું રેન્કિંગ
તૈયાર કરવા માટે આ પગલાંઓ છે. તેથી,
આપણે આ પગલાંને આવરી લીધા છીએ. હવે પછીના
વ્યાખ્યાનમાં, આપણે R માં એક કવાયત દ્વારા
આ વિભાવનાઓને વધુ વિગતવાર સમજીશું.
આપણે આ વ્યાખ્યાન અહીં સમાપ્ત કરીશું.
આભાર.