In the present study, a distance-ba

In the present study, a distance-based fuzzy MCDM approach has been employed. The approach is based on the
distance from the ideal and non-ideal solutions. This was initially proposed by Karsak (2002). The novel feature of
this approach is that it can handle problems that are having both crisp and fuzzy data. This approach is interrelated
with technique for order preference by similarity to ideal solution (TOPSIS) (Hwang and Yoon 1981).
The traditional TOPSIS approach uses the Euclidean norm to normalise the original attribute values, and the
Euclidean distance to calculate each alternative’s distance from the ideal and anti-ideal solutions. The normalisation
and distance functions form the key components of the TOPSIS approach. Normalisation is performed to make the
criterion values unit-free and comparable. Besides the cumbersome computations required for applying the square
root operator to fuzzy data, a drawback of applying the Euclidean norm is that the minimum and the maximum
values of the normalised scale are not equal for each criterion, which results in difficulties in making inter-criterion
comparisons (Karsak 2002). In the present approach, some changes have been made to make it easier for
computation.
In the present MCDM approach, a linear scale transformation for normalisation, with an interval of 0 to 1, has
been employed. Therefore, there is no need to obtain the square root of fuzzy data, and it can address the problem
with crisp data, triangular fuzzy numbers, and linguistic terms simultaneously. The methodology of the proposed
approach is presented in the next section.

ผลลัพธ์ (ไทย) 1:

ในการศึกษาปัจจุบัน ตามระยะเอิบ MCDM วิธีการมีการจ้าง วิธีการตามห่างจากโซลูชั่นเหมาะ และไม่เหมาะ เริ่มต้นนี้ถูกนำเสนอ โดย Karsak (2002) ลักษณะนวนิยายของวิธีการนี้คือ ว่า มันสามารถจัดการกับปัญหาที่มีข้อมูลชัดเจน และคมชัด วิธีการนี้จะสัมพันธ์กันด้วยเทคนิคพิเศษสั่งโดยความคล้ายคลึงกันต่อ (TOPSIS) (Hwang และจินเกสท์ 1981) เหมาะสำหรับวิธีการ TOPSIS ดั้งเดิมใช้ปกติ Euclidean normalise ค่าแอตทริบิวต์ดั้งเดิม และยุคลิดในการคำนวณระยะห่างของแต่ละทางเลือกจากโซลูชั่นเหมาะ และป้องกันเหมาะ Normalisation ที่และฟังก์ชันระยะทางเป็นส่วนประกอบสำคัญของวิธี TOPSIS Normalisation จะทำให้การเกณฑ์ค่า ฟรีหน่วย และเทียบเท่า นอกจากประมวลผลที่ยุ่งยากที่จำเป็นสำหรับการใช้สี่เหลี่ยมตัวรากข้อมูลเอิบ คืนเงินของใช้ปกติ Euclidean คือต่ำสุดและสูงสุดค่าของขนาด normalised ไม่เท่ากันสำหรับแต่ละเงื่อนไข ผลในความยากลำบากในการทำเกณฑ์ระหว่างเปรียบเทียบ (Karsak 2002) ในวิธีการนำเสนอ เปลี่ยนแปลงบางอย่างได้ทำให้ง่ายขึ้นคำนวณในวิธี MCDM อยู่ มีสเกลเชิงเส้นการแปลงสำหรับ normalisation กับช่วง 0 ถึง 1การจ้างงาน ดังนั้น ไม่จำเป็นต้องหาค่ารากที่สองของข้อมูลที่ชัดเจน และมันสามารถแก้ไขปัญหามีชื่นข้อมูล เลขสามปุย และภาษาศาสตร์เงื่อนไขพร้อมกัน กฎเกณฑ์นำเสนอวิธีการนำเสนอในส่วนถัดไป

ผลลัพธ์ (ไทย) 3:

ในการศึกษาครั้งนี้ใช้วิธีการฟัซซี่ , ระยะทางขนาดจิ๋วได้รับการว่าจ้าง วิธีการขึ้นอยู่กับ
ระยะห่างจากเหมาะและไม่เหมาะโซลูชั่น นี้ตอนแรกที่เสนอโดย karsak ( 2002 ) คุณลักษณะใหม่ของ
วิธีนี้ก็คือว่ามันสามารถจัดการกับปัญหานั้นมีทั้งกรอบและข้อมูลแบบฟัซซี่ วิธีการนี้เป็นคาบ
กับเทคนิคสำหรับการสั่งการโดยความคล้ายคลึงกันกับโซลูชั่นที่สมบูรณ์แบบ ( topsis ) ( ฮวางยุน 1981 ) .
วิธีการ topsis ดั้งเดิมใช้บรรทัดฐานการใช้ปกติคุณลักษณะค่าเดิมและ
ระยะทางแบบยุคลิดในการคำนวณของทางเลือกแต่ละระยะห่างจากอุดมคติและโซลูชั่นป้องกันที่เหมาะสมที่สุด การฟื้นฟู
และระยะทางฟังก์ชันรูปแบบองค์ประกอบหลักของ topsis )การฟื้นฟูจะดำเนินการเพื่อให้
เกณฑ์ค่าหน่วยฟรี และเทียบเท่า นอกจากการคำนวณยุ่งยากต้องใช้ผู้ประกอบการรากที่สอง
ข้อมูลคลุมเครือ ข้อเสียเปรียบของการใช้บรรทัดฐานที่ต่ำสุด
ค่าเนื่องจากขนาดจะไม่เท่ากันในแต่ละเกณฑ์ ซึ่งผลลัพธ์ในความยากลำบากในการเกณฑ์
อินเตอร์การเปรียบเทียบ ( karsak 2002 ) ในวิธีการนำเสนอ การเปลี่ยนแปลงบางอย่างเกิดขึ้น ทำให้มันง่ายขึ้นสำหรับ

ในแนวทางการคำนวณได้ ขนาดจิ๋วปัจจุบันการเปลี่ยนแปลงมาตราส่วนเชิงเส้นสำหรับการฟื้นฟู กับช่วงเวลา 0 ถึง 1 , มี
คน จึงมีความต้องการที่จะรับรากที่สองของข้อมูลที่คลุมเครือ และสามารถแก้ไขปัญหา
ข้อมูลกรอบสามเหลี่ยมแบบตัวเลขด้านภาษาและด้านพร้อมกัน วิธีการเสนอ
วิธีการนำเสนอในส่วนถัดไป