QƏRARVERMƏ PROSESİNDƏ MƏNTİQİ MODELLƏŞDİRMƏNİN NƏZƏRİ VƏ PRAKTİK ƏSASLARI
Açar sözlər
məntiqi modelləşdirmə, çoxmeyarlı qərarvermə, qeyri-müəyyənlik, qeyri-səlis məntiq, həssaslıq təhliliXülasə
Qərarvermə mühitlərində məlumatın natamam, ziddiyyətli və çoxmənbəli olması klassik riyazi üsulların tətbiqini məhdudlaşdırır. Məntiqi modelləşdirmə bu çətinliyi dəyişən dərəcəli mənsubiyyət, interval qiymətləndirmə və qeyri-müəyyən inanc strukturları vasitəsilə formallaşdırır. Belə yanaşma subyektiv qiymətləndirmələri ölçüləbilən göstəricilərə çevirir və alternativlər arasında məntiqi ardıcıllıq yaratmağa imkan verir. Çoxmeyarlı qərarvermə üsullarının müqayisəli təhlili göstərir ki, metodun seçimi meyarların təbiətindən, məlumatın dəqiqlik səviyyəsindən və qərarvericilərin üstünlük strukturundan asılıdır. Praktik baxımdan məntiqi modelləşdirmə alternativlərin birbaşa müqayisəsinə, heterogen qiymətləndirmə semantikasının inteqrasiyasına və çoxmənbəli qeyri-müəyyənliyin modelləşdirilməsinə imkan yaradır. Hesitant (tərəddüdlü) qeyri-səlis çoxluqlar kimi genişləndirilmiş strukturlar ekspert rəylərindəki müxtəlifliyi itirmədən ümumi qərar meyarına çevirir. Qrup qərarverməsində qarşılıqlı təsir amillərinin nəzərə alınması yalnız fərdi üstünlüklərin deyil, kollektiv razılaşmanın da nəticəyə təsirini ölçməyə şərait yaradır. Bu yanaşma fotovoltaik stansiyaların yerləşdirilməsi kimi məkan və texniki meyarların birgə qiymətləndirilməsini tələb edən layihələrdə xüsusilə effektivdir. Həssaslıq təhlili modellərin davamlılığını yoxlayır, taksonomiyaya əsaslanan sistemlər isə uyğun metodun obyektiv seçilməsinə kömək edir. Qeyri-müəyyənlik yalnız ehtimalla deyil, məntiqi məhdudiyyətlər və prioritet strukturları ilə də ifadə olunduğundan, belə modellər müasir qərar dəstək sistemlərinin nəzəri təməlini gücləndirir. Böyük dil modellərinin qərar dəstəyinə daxil edilməsi isə məntiqi modelləşdirmənin gələcək inkişafı üçün yeni metodoloji suallar yaradır.
Referanslar
1.Badings, T., Simão, T. D., Suilen, M., & Jansen, N. (2023). Decision-making under uncertainty: Beyond probabilities. International Journal on Software Tools for Technology Transfer, 25, 375–391. https://doi.org/10.1007/s10009-023-00704-3
2.Biswas, A., Baranwal, G., & Tripathi, A. K. (2022). ABAC: Alternative by alternative comparison based multi-criteria decision making method. Expert Systems with Applications, 208, Article 118174. https://doi.org/10.1016/j.eswa.2022.118174
3.Chen, S.-M., & Hsu, M.-H. (2023). Multiple attribute decision making based on novel score function of interval-valued intuitionistic fuzzy values, score matrix, and nonlinear programming model. Information Sciences, 645, Article 119332. https://doi.org/10.1016/j.ins.2023.119332
4.Cheng, R., Fan, J., Wu, M., & Seiti, H. (2024). A dual-level multi-attribute group decision-making model considering interaction factors based on CCSD and MARCOS methods with R-numbers. Expert Systems with Applications, 243, Article 122839. https://doi.org/10.1016/j.eswa.2023.122839
5.Cinelli, M., Kadziński, M., Miebs, G., Gonzalez, M., & Słowiński, R. (2022). Recommending multiple criteria decision analysis methods with a new taxonomy-based decision support system. European Journal of Operational Research, 302(2), 633–651. https://doi.org/10.1016/j.ejor.2022.01.011
6.Demir, G., Chatterjee, P., & Pamučar, D. (2024). Sensitivity analysis in multi-criteria decision making: A state-of-the-art research perspective using bibliometric analysis. Expert Systems with Applications, 237, Article 121660. https://doi.org/10.1016/j.eswa.2023.121660
7.Gölcük, İ., Durmaz, E. D., & Şahin, R. (2022). Interval type-2 fuzzy development of FUCOM and activity relationship charts along with MARCOS for facilities layout evaluation. Applied Soft Computing, 128, Article 109414. https://doi.org/10.1016/j.asoc.2022.109414
8.Handler, A., Larsen, K. R., & Hackathorn, R. (2024). Large language models present new questions for decision support. International Journal of Information Management, 79, Article 102811. https://doi.org/10.1016/j.ijinfomgt.2024.102811
9.Jing, L., Zhang, H., Dou, Y., Feng, D., Jia, W., & Jiang, S. (2024). Conceptual design decision-making considering multigranularity heterogeneous evaluation semantics with uncertain beliefs. Expert Systems with Applications, 244, Article 122963. https://doi.org/10.1016/j.eswa.2023.122963
10.Li, L., & Xu, Y. (2024). An extended hesitant fuzzy set for modeling multi-source uncertainty and its applications in multiple-attribute decision-making. Expert Systems with Applications, 238, Article 121834. https://doi.org/10.1016/j.eswa.2023.121834
11.Li, Y., He, X., Martínez, L., Zhang, J., Wang, D., & Liu, X. A. (2024). Comparative analysis of three categories of multi-criteria decision-making methods. Expert Systems with Applications, 238, Article 121824. https://doi.org/10.1016/j.eswa.2023.121824
12.Nezhad Shahmohammad, F., Pourrahimian, Y., & Akbari-Gharalari, N. (2024). Synthesizing complexity: Trends, challenges, and future directions in fuzzy-based multicriteria decision-making (FMCDM) methods. Applied Soft Computing, 167, Article 112362. https://doi.org/10.1016/j.asoc.2024.112362
13.Samin, H., Bencomo, N., & Sawyer, P. (2022). Decision-making under uncertainty: Be aware of your priorities. Software and Systems Modeling, 21, 2213–2242. https://doi.org/10.1007/s10270-021-00956-0
14.Wan, S.-P., Wu, H., & Dong, J.-Y. (2024). An integrated method for complex heterogeneous multi-attribute group decision-making and application to photovoltaic power station site selection. Expert Systems with Applications, 242, Article 122456. https://doi.org/10.1016/j.eswa.2023.122456
15.Yang, S., Liao, H., & Wu, X. (2025). Prescriptive analytics for dynamic multi-criterion decision making considering learned knowledge of alternatives. Expert Systems with Applications, 263, Article 126350. https://doi.org/10.1016/j.eswa.2024.126350
Endirin
Yayımlanıb
Nömrə
Bölmə
Lisenziya
Müəllif hüququ (c) 2026 Horizon Multidisiplinar Elmi Jurnal
Bu çalışma Creative Commons Attribution 4.0 International License ile lisenziyalanıb.
