Calculating the Final Weights of th

Calculating the Final Weights of the Alternatives and the Criteria
As mentioned before, the supermatrix has some blocks. Columns of each block is a vector
indicating the impact of the elements of the left side corresponding cluster on the
elements at the top of the supermatrix. To have a stochastic supermatrix, clusters should
be compared with each other. The resulting priorities of the clusters are used to weight the
corresponding blocks. Through this, the supermatrix becomes column stochastic (Saaty,
1996b).
It should be noted that only the direct interaction between elements are shown by
synthesizing ratio scale priority vectors derived from pair-wise comparison matrices in a
network. Elements could interact either directly or indirectly in systems-with-feedback.
As an example, some four elements (as A, B, C and D) and their various impacts on each
other are shown in Fig. 5.
The total impact of A on B consists of many components. The direct impact (or
first order impact) of A on B is represented with a solid line in Fig. 5. All the first
order impacts can be obtained directly from the supermatrix. There are also some indirect
impacts of A on B through a third element. For instance, there is an impact
of A on B through C. In Fig. 5, this second order impacts is represented with dotted
gray lines. The contribution of this indirect impacts from the total second order
impact of A on B can be obtained by multiplying the impact of A on C by the impact
of C on B. Another second order impact of A on B is through D. This second
order impact is represented with dotted black lines. The last second order impact
of A on B is through the impact of A on itself and then on B. This second order
impact is represented with solid gray lines. The total of the second order impacts
can be obtained from the square of the super matrix. As can be seen in Fig. 5, there is also a third order impact of A on B represented with dashed lines. The contribution
of third order impact from the total third order impact of A on B can be obtained
by multiplying the impact of A on C by the impact of C on D and by the impact
of D on B. The total of third order impacts could be obtained from the third
power of the supermatrix, and the fourth and next order impacts are obtained in the
same way. Thus the limiting power of the supermatrix which is column stochastic
should be computed. This concept is parallel to the Markov chain process (Meade
and Sarkis, 1998). The limiting power of the supermatrix has an equilibrium distribution,
as in the Markov chain process. Alternatives in the model can be ordered
using limiting priorities obtained from the equilibrium distribution of the supermatrix.

Kết quả (Việt) 1:

Tính toán trọng lượng cuối cùng của các lựa chọn thay thế và các tiêu chíNhư đã đề cập trước khi, supermatrix có một số khối. Cột của mỗi khối là một vectorcho thấy tác động của các yếu tố của cụm tương ứng bên trái trên cácyếu tố ở trên cùng của supermatrix. Để có một supermatrix ngẫu nhiên, cụm nênđược so sánh với nhau. Ưu tiên kết quả trong những được sử dụng để trọng lượng cáckhối tương ứng. Thông qua điều này, supermatrix trở thành cột ngẫu nhiên (Saaty,1996b).Cần lưu ý rằng chỉ là sự tương tác trực tiếp giữa các yếu tố được thể hiện bởiTổng hợp tỷ lệ quy mô ưu tiên vectơ có nguồn gốc từ pair-wise so sánh ma trận trong mộtmạng. Yếu tố có thể tương tác trực tiếp hoặc gián tiếp trong hệ thống với phản hồi.Ví dụ, một số yếu tố bốn (là A, B, C và D) và của tác động khác nhau trên mỗikhác được thể hiện trong hình 5.Tác động tổng của A trên B bao gồm nhiều thành phần. Tác động trực tiếp (hoặclần đầu tiên đặt hàng tác động) của A và b được đại diện với một dòng rắn trong hình 5. Lần đầu tiênĐặt hàng tác động có thể được lấy trực tiếp từ supermatrix. Có cũng một số gián tiếptác động của A trên B thông qua một yếu tố thứ ba. Ví dụ, có là một tác độnga b thông qua C. Trong hình 5, thứ hai này đặt hàng tác động được đại diện với rải rácdòng màu xám. Sự đóng góp của này tác động gián tiếp từ lệnh thứ hai tất cảtác động của A trên B có thể thu được bằng cách nhân tác động của A trên C bởi tác độngc ngày sinh Một lệnh thứ hai, các tác động của A và b là thông qua mất Thứ hai nàytác động đơn đặt hàng được đại diện với dòng rải rác màu đen. Lệnh thứ hai cuối cùng tác độnga b là thông qua tác động của A trên riêng của mình và sau đó ngày sinh Thứ tự thứ hai nàytác động được đại diện với rắn màu xám dòng. Tổng số của lệnh thứ hai tác độngcó thể thu được từ quảng trường của ma trận siêu. Như có thể được nhìn thấy trong hình 5, đó cũng là một tác động đến thứ tự thứ ba của A b đại diện với dòng tiêu tan. Sự đóng gópThứ ba để tác động từ thứ ba để tất cả các tác động của A và b có thể thu đượcbằng cách nhân tác động A trên C bởi tác động của C ngày D và tác độngd ngày sinh Tổng thứ ba để tác động có thể được lấy từ thứ basức mạnh của supermatrix, và thứ tư và tiếp theo thứ tự tác động thu được trong cáctheo cùng một cách. Do đó hạn chế sức mạnh của supermatrix đó là cột ngẫu nhiênnên được tính. Khái niệm này là song song với quá trình chuỗi Markov (Meadevà Sarkis, 1998). Lực đẩy giới hạn của supermatrix có một phân phối cân bằng,như trong quá trình chuỗi Markov. Lựa chọn thay thế trong các mô hình có thể được đặt hàngsử dụng hạn chế ưu tiên thu được từ phân phối cân bằng của supermatrix.

Kết quả (Việt) 2:

Tính toán các trọng số cuối cùng của giải pháp khác và các tiêu chí
Như đã đề cập trước đây, supermatrix có một số khối. Cột của mỗi khối là một vector
chỉ ra tác động của các yếu tố của phía bên trái tương ứng với cluster trên
các yếu tố ở trên cùng của supermatrix. Để có một supermatrix ngẫu nhiên, cụm nên
được so sánh với nhau. Các ưu tiên kết quả của các cụm được sử dụng để cân các
khối tương ứng. Thông qua đó, các supermatrix trở thành cột ngẫu nhiên (Saaty,
1996b).
Cần lưu ý rằng chỉ có sự tương tác trực tiếp giữa các yếu tố này được thể hiện bởi
tổng hợp vectơ ưu tiên quy mô tỷ lệ xuất phát từ cặp-khôn ngoan ma trận so sánh trong một
mạng. Các yếu tố có thể tương tác trực tiếp hoặc gián tiếp trong các hệ thống với các thông tin phản hồi.
Như một ví dụ, một số bốn yếu tố (như A, B, C và D) và các tác động khác nhau của họ trên mỗi
khác được hiển thị trong hình. 5.
Tổng tác động của A trên B bao gồm nhiều thành phần. Tác động trực tiếp (hoặc
tác động thứ tự đầu tiên) của A về B được biểu diễn bằng một đường liền mạch trong hình. 5. Tất cả các đầu tiên
tác động để có thể được lấy trực tiếp từ các supermatrix. Ngoài ra còn có một số gián tiếp
tác động của A vào B thông qua một yếu tố thứ ba. Ví dụ, có một tác động
của A vào B qua C. Trong hình. 5, điều này ảnh hưởng trật tự thứ hai được đại diện với chấm
dòng màu xám. Sự đóng góp của các tác động gián tiếp này từ tổng số thứ tự thứ hai
tác động của A vào B có thể thu được bằng cách nhân các tác động của A trên C do tác động
của C trên B. Một tác động bậc hai của A về B là thông qua D. thứ hai này
thứ tự tác động được đại diện với các đường màu đen chấm. Tác động thứ tự thứ hai cuối cùng
của A vào B là nhờ tác động của A trên chính nó và sau đó trên B. tự thứ hai này
tác động được đại diện với các đường màu xám rắn. Tổng các tác động tự thứ hai
có thể thu được từ quảng trường của siêu ma trận. Như có thể thấy trong hình. 5, đó cũng là một tác động thứ ba của A vào B đại diện với các đường đứt nét. Sự đóng góp
của các tác động thứ ba trong tổng số tác động thứ ba của A vào B có thể thu được
bằng cách nhân các tác động của A trên C do ảnh hưởng của C trên D và do tác động
của D trên B. Tổng các tác động thứ ba có thể được lấy từ ba
quyền lực của supermatrix, và những tác động tự thứ tư và tiếp thu được trong
cùng một cách. Như vậy sức mạnh hạn chế của supermatrix đó là cột ngẫu nhiên
nên được tính. Khái niệm này là song song với quá trình chuỗi Markov (Meade
và Sarkis, 1998). Sức mạnh hạn chế của supermatrix có một phân phối cân bằng,
như trong quá trình chuỗi Markov. Lựa chọn thay thế trong mô hình có thể được đặt
bằng cách sử dụng hạn chế ưu tiên thu được từ sự phân bố cân bằng của supermatrix.