DOI: https://doi.org/10.31181/smeor11202419
تاريخ النشر: 2024-09-01
المؤلف: Bartłmiej Kizielewicz وآخرون
الموضوع الرئيسي: اتخاذ القرار متعدد المعايير
نظرة عامة
تناقش هذه القسم تطبيق تحليل القرار متعدد المعايير (MCDA) في اتخاذ القرارات المعقدة عبر مجالات مختلفة، مع التأكيد على أهمية مشاركة الخبراء في تطوير نماذج متعددة المعايير. يبرز تقنيات شائعة مثل المقارنات الزوجية وتعيين أوزان المعايير، والتي يمكن أن تواجه تحديات عندما يكون المدخلات من الخبراء غير متاحة. لمعالجة هذه القضايا، يتم تقديم طريقة التعرف العشوائي على الأوزان (SITW)، التي تستخدم عينات التقييم الموجودة لإعادة تحديد النماذج واستخراج الأوزان التي تتماشى مع تصنيفات نموذج مرجعي. تقارن الدراسة بين SITW وطرق قائمة على المعلومات مثل الإنتروبيا والانحراف المعياري (STD) في سياق وظيفة TRI الطبية، باستخدام معامل الارتباط المرجح لسبيرمان للتقييم.
تظهر النتائج أن طريقة SITW-TOPSIS تتفوق على الأساليب الأخرى في تحديد أوزان متعددة المعايير بدقة من خلال الاستفادة من البدائل التي تم تقييمها مسبقًا. تؤكد التحليلات الأداء المتفوق لـ SITW-TOPSIS مقارنةً بـ Entropy-TOPSIS و STD-TOPSIS. يقترح المؤلفون أن الأبحاث المستقبلية يجب أن تستكشف مجموعة أوسع من الأساليب والنماذج المرجعية، مثل نموذج المرجع الضبابي، وتدمج سيناريوهات عدم اليقين لتعزيز دعم القرار في البيئات المعقدة.
مقدمة
تناقش مقدمة هذه الورقة البحثية أهمية تحليل القرار متعدد المعايير (MCDA) في معالجة تحديات اتخاذ القرار المعقد عبر مجالات مختلفة، بما في ذلك اللوجستيات، والإدارة، والطب، والاستدامة. تسهل أدوات MCDA اتخاذ القرارات بشكل منظم من خلال استيعاب معايير متعددة متضاربة ودمج تفضيلات صانعي القرار المتنوعين. إن مشاركة الخبراء أمر حاسم لتطوير نماذج متعددة المعايير، حيث يقدمون رؤى من خلال طرق مثل المقارنات الزوجية وتوزيع الأوزان، والتي تعكس أهمية كل معيار في سياق القرار.
تسلط الورقة الضوء على التحديات المرتبطة بتوافر الخبراء وفقدان محتمل في معلمات النموذج، خاصة في المشاريع طويلة الأجل. لتخفيف هذه القضايا، تستكشف الدراسة تقنيات موضوعية لتحديد أوزان المعايير، مثل الإنتروبيا والانحراف المعياري، والتي لا تتطلب مشاركة مستمرة من الخبراء. تقدم طريقة التعرف العشوائي على الأوزان (SITW)، التي تحسن أوزان المعايير بناءً على عينات التقييم الموجودة. يتم مقارنة فعالية SITW مع الطرق التقليدية القائمة على المعلومات في سياق إعادة تحديد الوظائف الطبية لـ TRI، باستخدام معامل الارتباط المرجح لسبيرمان لتقييم تشابه التصنيفات عبر سيناريوهات مختلفة. ستفصل الأقسام اللاحقة من الورقة المنهجيات المستخدمة، وتقدم نتائج البحث، وتستخلص استنتاجات بناءً على التحليلات التي تم إجراؤها.
مناقشة
في هذا القسم، يناقش المؤلفون منهجيات مختلفة لتحديد الأوزان في نماذج تحليل القرار متعدد المعايير (MCDA)، مع التركيز بشكل خاص على تقنية تفضيل الطلب من خلال التشابه مع الحل المثالي (TOPSIS) وطريقة التعرف العشوائي على الأوزان (SITW). تقوم طريقة TOPSIS بتقييم البدائل بناءً على قربها من حل مثالي إيجابي (PIS) وحل مثالي سلبي (NIS)، باستخدام عملية تطبيع منظمة ومصفوفات قرار مرجحة. تتناول طريقة SITW، التي تستخدم تحسين سرب الجسيمات (PSO)، تحدي البيانات المدخلة المحدودة لتحديد الأوزان، مما يظهر أداءً متفوقًا في توليد التصنيفات مقارنةً بالطرق التقليدية التي تستخدم أوزان متساوية أو أوزان قائمة على الإنتروبيا.
تستخدم الدراسة مؤشر خطر الانصمام في احتشاء عضلة القلب (TRI) كمعيار لتقييم فعالية أساليب اختيار الأوزان المختلفة. تشير النتائج إلى أن طريقة SITW-TOPSIS تتفوق بشكل كبير على كل من TOPSIS الكلاسيكية بأوزان متساوية وغيرها من طرق الوزن الموضوعية مثل الإنتروبيا والانحراف المعياري، خاصة في مجموعات البيانات الأكبر. تشير قيم معامل الارتباط المرجح لسبيرمان ($r_W$) إلى أن طريقة SITW-TOPSIS تحقق دقة أعلى في تحديد النماذج المتوافقة بشكل وثيق مع وظيفة TRI، مع قيم متوسطة لـ $r_W$ تتجاوز 0.99 لمجموعات البيانات التي تحتوي على 50 بديلاً. يستنتج المؤلفون أن طريقة SITW-TOPSIS هي الأكثر فعالية لتحديد الأوزان في MCDA، موصين بمزيد من الأبحاث لاستكشاف تطبيقها مع نماذج مرجعية متنوعة وتحت ظروف عدم اليقين.
DOI: https://doi.org/10.31181/smeor11202419
Publication Date: 2024-09-01
Author(s): Bartłmiej Kizielewicz et al.
Primary Topic: Multi-Criteria Decision Making
Overview
The section discusses the application of Multi-Criteria Decision Analysis (MCDA) in complex decision-making across various domains, emphasizing the importance of expert engagement in developing multi-criteria models. It highlights common techniques such as pairwise comparisons and criterion weight assignment, which can face challenges when expert input is unavailable. To address these issues, the Stochastic Identification of Weights (SITW) method is introduced, which utilizes existing assessment samples to re-identify models and derive weights that align with a reference model’s rankings. The study compares SITW with information-based methods like Entropy and Standard Deviation (STD) in the context of the TRI medical function, employing Spearman’s weighted correlation coefficient for evaluation.
The findings reveal that the SITW-TOPSIS method outperforms other approaches in accurately identifying multi-criteria weights by leveraging previously evaluated alternatives. The analysis confirms the superior performance of SITW-TOPSIS compared to Entropy-TOPSIS and STD-TOPSIS. The authors suggest that future research should explore a wider range of approaches and reference models, such as the Fuzzy Reference Model, and incorporate uncertainty scenarios to enhance decision support in complex environments.
Introduction
The introduction of this research paper discusses the significance of Multi-Criteria Decision Analysis (MCDA) in addressing complex decision-making challenges across various fields, including logistics, management, medicine, and sustainability. MCDA tools facilitate structured decision-making by accommodating multiple conflicting criteria and incorporating the preferences of diverse decision-makers. The involvement of experts is crucial for developing multi-criteria models, as they provide insights through methods such as pairwise comparisons and criterion weighting, which reflect the importance of each criterion in the decision context.
The paper highlights the challenges associated with expert availability and the potential loss of model parameters, particularly in long-term projects. To mitigate these issues, the study explores objective techniques for determining criterion weights, such as entropy and standard deviation, which do not require continuous expert involvement. It introduces the Stochastic Identification of Weights (SITW) method, which optimizes criterion weights based on existing evaluation samples. The effectiveness of SITW is compared with traditional information-based methods in the context of re-identifying medical functions of TRI, using Spearman’s weighted correlation coefficient to assess the similarity of rankings across different scenarios. The subsequent sections of the paper will detail the methodologies employed, present the research findings, and draw conclusions based on the analyses conducted.
Discussion
In this section, the authors discuss various methodologies for identifying weights in multi-criteria decision analysis (MCDA) models, particularly focusing on the Technique for Order Preference by Similarity to an Ideal Solution (TOPSIS) and the Stochastic Identification of Weights (SITW) method. The TOPSIS method evaluates alternatives based on their proximity to a Positive Ideal Solution (PIS) and a Negative Ideal Solution (NIS), employing a structured normalization process and weighted decision matrices. The SITW method, utilizing Particle Swarm Optimization (PSO), addresses the challenge of limited input data for weight determination, demonstrating superior performance in generating rankings compared to traditional methods that use equal weights or entropy-based weights.
The study employs the Thrombolysis In Myocardial Infarction Risk Index (TRI) as a benchmark to evaluate the effectiveness of different weight selection approaches. Results indicate that the SITW-TOPSIS method significantly outperforms both the classic TOPSIS with equal weights and other objective weighting methods like Entropy and Standard Deviation, particularly in larger datasets. The Spearman’s weighted correlation coefficient ($r_W$) values suggest that the SITW-TOPSIS method achieves higher accuracy in identifying models closely aligned with the TRI function, with average $r_W$ values exceeding 0.99 for datasets containing 50 alternatives. The authors conclude that the SITW-TOPSIS method is the most effective for weight identification in MCDA, recommending further research to explore its application with diverse reference models and under conditions of uncertainty.