İçeriğe geçScholarGate
KütüphaneKitaplığımMasaReview StudioAsistan
Giriş
Bu sayfada
SezgiNasıl çalışırNe zaman kullanılırGüçlü yönler & sınırlılıklarYaygın tuzaklar🔒 Tam yöntemi okuKaynaklarİlişkili yöntemler
Bu sayfaya atıf yapBu sayfada bir hata mı var? Bildir / düzeltme öner →
Ana sayfa›Karar verme›Fuzzy Logarithm Methodology of Additive Weights (TFN) (Bulanık Logaritma Toplamsal Ağırlıklar Metodolojisi (TFN))
MCDMWeight SubjectiveFuzzy TFN

Fuzzy Logarithm Methodology of Additive Weights (TFN) (Bulanık Logaritma Toplamsal Ağırlıklar Metodolojisi (TFN))

Fuzzy Logarithm Methodology of Additive Weights (TFN)

F-LMAW (Bulanık Logaritma Toplamsal Ağırlıklar Metodolojisi (TFN)), Božanić, D., Pamučar, D., Milić, A., Marinković, D., Komazec, N. tarafından 2021'de kesikli (crisp); 2022'de ise uyarlayıcı (variant applicator) olarak tanıtılmış öznel ağırlıklı çok kriterli karar verme (ÇKKV) yöntemidir. Alternatiflerin birden çok kritere göre puanlandığı bir karar matrisini yapılandırılmış, tekrarlanabilir bir sonuca dönüştürür.

ScholarGate
  1. MCDM
  2. v1
  3. 1 Kaynaklar
  4. PUBLISHED
Bu sayfaya atıf yap →
Araçlar & kaynaklar
Slaytları indir
Öğren & keşfet

Tam yöntemi oku

Yalnızca üyeler

Bu bölümü okumak için ücretsiz hesapla giriş yapın.

Giriş yap

Yöntem haritası

İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.

F-LMAW
Karmaşık Oransal Değerle…Ortalama Çözümden Uzaklı…Logaritmik Katkı Ağırlık…Çok Nitelikli Sınır Yakl…Alternatiflerin Ölçümü v…İdeal Çözüme Benzerliğe…Ağırlıklı Toplamsal Çarp…

Ne zaman kullanılır

F-LMAW, dilsel uzman değerlendirmelerinden simpleks üzerinde (Σ w_j = 1, w_j ≥ 0) kesikli kriter ağırlıkları döndürür. (i) yalnızca sözel uzman görüşleri mevcut olduğunda, (ii) aşırı öncelikleri sıkıştıran bir logaritmik dönüşüm istendiğinde ve (iii) en az bir uzman ve en az iki kriter olduğunda kullanılır. Birden çok uzman olduğunda, logaritmik dönüşümden önce uzman öncelikleri Bonferroni ortalaması (varsayılan p=q=1) ile toplanır.

Güçlü yönler & sınırlılıklar

Güçlü yönler
  • Adım adım denetlenebilen şeffaf, tekrarlanabilir bir hesaplama prosedürünü takip eder.
  • Tek bir karar matrisi içinde farklı ölçek ve birimlerdeki birden çok kriteri ele alır.
Sınırlılıklar
  • Sonuçlar, seçilen normalizasyona, ağırlıklara ve parametre ayarlarına bağlıdır.

Kaynaklar

  1. Božanić, D., Pamučar, D., Milić, A., Marinković, D., Komazec, N. (2022). Modification of the Logarithm Methodology of Additive Weights (LMAW) by a Triangular Fuzzy Number and Its Application in Multi-Criteria Decision Making. Axioms DOI: 10.3390/axioms11030089 ↗

Bu sayfayı kaynak gösterin

ScholarGate. (2026, June 2). Fuzzy Logarithm Methodology of Additive Weights (TFN). ScholarGate. https://scholargate.app/tr/decision-making/f-lmaw

İlişkili yöntemler

Karmaşık Oransal DeğerlendirmeOrtalama Çözümden Uzaklığa Dayalı DeğerlendirmeLogaritmik Katkı Ağırlıkları MetodolojisiÇok Nitelikli Sınır Yaklaşım Alanı KarşılaştırmasıAlternatiflerin Ölçümü ve Uzlaşma Çözümüne Göre Sıralanmasıİdeal Çözüme Benzerliğe Göre Tercih Sıralaması TekniğiAğırlıklı Toplamsal Çarpımsal Değerlendirme

Hangi yöntem?

Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.

  • Karmaşık Oransal DeğerlendirmeKarar verme↔ karşılaştır
  • Ortalama Çözümden Uzaklığa Dayalı DeğerlendirmeKarar verme↔ karşılaştır
  • Logaritmik Katkı Ağırlıkları MetodolojisiKarar verme↔ karşılaştır
  • Çok Nitelikli Sınır Yaklaşım Alanı KarşılaştırmasıKarar verme↔ karşılaştır
  • Alternatiflerin Ölçümü ve Uzlaşma Çözümüne Göre SıralanmasıKarar verme↔ karşılaştır
  • İdeal Çözüme Benzerliğe Göre Tercih Sıralaması TekniğiKarar verme↔ karşılaştır
  • Ağırlıklı Toplamsal Çarpımsal DeğerlendirmeKarar verme↔ karşılaştır
Yan yana karşılaştır →

Benzer yöntemler

Z-Sayıları Bulanık Logaritmik Toplayıcı Ağırlıklar MetodolojisiLogaritmik Katkı Ağırlıkları MetodolojisiBulanık SIWECBulanık Tam Tutarlılık Yöntemi (TFN)LOgarithmic Percentage Change-driven Objective Weighting (LOPCOW)Tam Tutarlılık YöntemiSeviye Bazlı Ağırlık DeğerlendirmesiFuzzy AROMAN

İlgili referans kavramlar

Decision MakingDecision Support SystemsWeighted ScoresRisk ve Belirsizlik Altında Karar Verme ÖlçütleriUygulamalı MatematikParticipative Decision Making

Bu sayfada bir hata mı var? Bildir / düzeltme öner →

ScholarGate — F-LMAW (Fuzzy Logarithm Methodology of Additive Weights (TFN)). 2026-07-21 tarihinde şu adresten erişildi: https://scholargate.app/tr/decision-making/f-lmaw · Veri seti: https://doi.org/10.5281/zenodo.20539026
Hızlı bilgiler
Originator
Božanić, D., Pamučar, D., Milić, A., Marinković, D., Komazec, N.
Subfamily
Weight Subjective
Year
2021 crisp; 2022 variant applicator
Type
Triangular-fuzzy linguistic expert weighting with Bonferroni aggregation; logarithmic transform around an absolute anti-ideal point
Value Space
Fuzzy TFN
Uncertainty
epistemic
Compensation
Yok
Rank Reversal
Hayır
İlişkili yöntemler
Karmaşık Oransal DeğerlendirmeOrtalama Çözümden Uzaklığa Dayalı DeğerlendirmeLogaritmik Katkı Ağırlıkları MetodolojisiÇok Nitelikli Sınır Yaklaşım Alanı KarşılaştırmasıAlternatiflerin Ölçümü ve Uzlaşma Çözümüne Göre Sıralanmasıİdeal Çözüme Benzerliğe Göre Tercih Sıralaması TekniğiAğırlıklı Toplamsal Çarpımsal Değerlendirme
ScholarGate

Araştırma yöntemleri için içerik öncelikli bir referans kütüphanesi — her yöntemin ne olduğu, nasıl çalıştığı ve nereden geldiği.

Açık veri (CC-BY)

Keşfet

  • Kütüphane
  • Yöntemlerde ara…
  • Alanlara göre gez
  • Alanlar
  • Yolculuk
  • Karşılaştır
  • Hangi yöntem?

Başvuru

  • Konular
  • Atlas
  • Sözlük
  • Metodoloji
  • Felsefe

Çalışma alanı

  • Kitaplığım
  • Masa
  • Sohbet

Şirket

  • Hakkımızda
  • Fiyatlandırma
  • İletişim
  • Yöntem öner

Kayıtlar, başvuru amacıyla yayımlanmış kaynaklardan derlenmiştir. Herhangi bir bilginin doğruluğunu ve kendi kullanımınıza uygunluğunu denetlemek sizin sorumluluğunuzdadır.

© 2026 ScholarGate · Araştırma yöntemleri referans kütüphanesi
  • Gizlilik
  • Çerezler
  • Koşullar
  • Hesabı sil