Unified Bayesian Frameworks for Multi-criteria Decision-making Problems

要約

この論文では、MCDM の手法と課題の確率的解釈を活用して、多基準意思決定 (MCDM) の問題のさまざまな側面に取り組むためのベイジアン フレームワークを紹介します。
ベイジアン モデルの柔軟性を活用することで、提案されたフレームワークは、グループの意思決定の問題や基準の相関関係など、MCDM の主要な課題に対する統計的に洗練されたソリューションを提供します。
さらに、これらのモデルは、正規分布や三角分布、間隔の好みなど、意思決定者 (DM) の好みにおけるさまざまな形の不確実性にも対応できます。
大規模なグループ MCDM シナリオに対処するために、確率的混合モデルが開発され、DM の均一なサブグループの識別が可能になります。
さらに、DM の好みに基づいて基準と代替案の相対的な重要性を評価するために、確率的ランキング スキームが考案されています。
さまざまな数値例の実験を通じて、提案されたフレームワークが検証され、その有効性が実証され、代替手法と比較して際立った特徴が強調されます。

要約(オリジナル)

This paper introduces Bayesian frameworks for tackling various aspects of multi-criteria decision-making (MCDM) problems, leveraging a probabilistic interpretation of MCDM methods and challenges. By harnessing the flexibility of Bayesian models, the proposed frameworks offer statistically elegant solutions to key challenges in MCDM, such as group decision-making problems and criteria correlation. Additionally, these models can accommodate diverse forms of uncertainty in decision makers’ (DMs) preferences, including normal and triangular distributions, as well as interval preferences. To address large-scale group MCDM scenarios, a probabilistic mixture model is developed, enabling the identification of homogeneous subgroups of DMs. Furthermore, a probabilistic ranking scheme is devised to assess the relative importance of criteria and alternatives based on DM(s) preferences. Through experimentation on various numerical examples, the proposed frameworks are validated, demonstrating their effectiveness and highlighting their distinguishing features in comparison to alternative methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google