Метод расчета коэффициентов компетентности участников группового принятия решений для выбора наилучшей альтернативы при мультивариантности результата
Ключевые слова:
коэффициенты компетентности, групповое принятие решений, выбор лучшей альтернативы, мультивариантность результатаАннотация
В работе рассматривается проблема получения наилучшей альтернативы с помощью методов принятия решений, основанных на опыте специалиста и математических расчетов. Для решения данной проблемы подходит групповое принятие решений, однако оно может привести к выбору нескольких наилучших альтернатив (мультивариантности результата). Учет компетентности позволит отдать приоритет решению более компетентных участников и устранить возникновение нескольких наилучших альтернатив в процессе группового принятия решений. Сформулирована задача определения коэффициентов компетентности для участников группового принятия решений, которые обеспечивают выбор наилучшей альтернативы при мультивариантности результата. Разработан метод решения поставленной задачи, который включает в себя дискретизацию диапазона изменения входных переменных и уточнение в нем значений коэффициентов компетентности участников группового принятия решений. Уточнение выполняется с использованием либо мажоритарного принципа, либо с помощью лица, принимающего решение. Последующее вычисление коэффициентов компетентности для участников группового принятия решений осуществляется при помощи локальной линейной интерполяции уточненного коэффициента компетентности в окружающих точках из дискретизированного диапазона. Использование предложенного метода решения поставленной задачи рассмотрено на примере группового принятия решений по основным разновидностям мажоритарного принципа для выбора варианта технологического процесса нанесения гальванического покрытия. В результатах показано, что предложенный метод расчета коэффициентов компетентности участников группового принятия решений через локальную линейную интерполяцию является наиболее эффективным для выбора наилучшей альтернативы при мультивариантности результата по мажоритарному принципу относительного большинства.
Литература
1. Смирнов А.В., Молл Е.Г., Тесля Н.Н. Использование нечетких коалиционных игр при принятии социально ориентированных решений при госпитализации в условиях пандемии // Информатика и автоматизация. 2021. Т. 20. № 5. С. 1090–1114.
2. Шилов Н.Г., Пономарев А.В., Смирнов А.В. Анализ методов онтолого-ориентированного нейро-символического интеллекта при коллаборативной поддержке принятия решений // Информатика и автоматизация. 2023. Т. 22. № 3. С. 576–615.
3. Ларичев О.И. Объективные модели и субъективные решения // М.: Наука. 1987. 143 c.
4. Гущин Ю.Г., Парфенова М.Я., Парфенов И.И. Многокритериальная задача принятия решений с объективными и субъективными моделями // Вестник Ижевского государственного технического университета. 2007. № 3(35). С. 148–150.
5. Gomes M.I., Martins N.C. Mathematical Models for Decision Making with Multiple Perspectives: An Introduction // Boca Raton: CRC Press. 2022. 300 p.
6. Набатова Д.С. Математические и инструментальные методы поддержки принятия решений // М.: Издательство Юрайт. 2023. 292 с.
7. Biswas S. Measuring performance of healthcare supply chains in India: A comparative analysis of multi-criteria decision making methods // Decision Making Applications in Management and Engineering. 2020. vol. 3. no. 2. pp. 162–189.
8. Hezer S., Gelmez E., Ozceylan E. Comparative analysis of TOPSIS, VIKOR and COPRAS methods for the COVID-19 regional safety assessment // Journal of Infection and Public Health. 2021. vol. 14. no. 6. pp. 775–786.
9. Pramanik P.K.D., Biswas S., Pal S., Marinkovic D., Choudhury P.A. A Comparative Analysis of Multi-Criteria Decision-Making Methods for Resource Selection in Mobile Crowd Computing // Symmetry. 2021. vol. 13. no. 9. pp. 1–51. DOI: 10.3390/sym13091713.
10. Малтугуева Г.С., Юрин А.Ю. Метод поддержки принятия решений в малых группах // Вестник Бурятского государственного университета. Математика, информатика. 2012. № 1. С. 26–34.
11. Колпакова Т.А. Определение компетентности экспертов при принятии групповых решений // Радиоэлектроника, информатика, управление. 2011. № 1(24). С. 40–43.
12. Dutov A.V., Litovka Y.V., Nesterov V.A., Solovjev D.S., Solovjeva I.A., Sypalo K.I. Search for the optimal control over current regimes in electroplating processes with multi anodes at a diversified assortment of treated articles // Journal of Computer and Systems Sciences International. 2019. vol. 58. pp. 75–85.
13. Solovjev D.S., Solovjeva I.A., Konkina V.V., Litovka Y.V. Improving the uniformity of the coating thickness distribution during electroplating treatment of products using multi anode baths // Materials Today: Proceedings. 2019. vol. 19. no. 5. pp. 1895–1898.
14. Solovjev D.S., Potlov A.Y., Litovka Y.V. Reduction of nonuniformity in the thickness of a galvanic coating using disableable anode sections under current reversal conditions // Theoretical Foundations of Chemical Engineering. 2019. vol. 53. no. 1. pp. 97–106.
15. Solovjev D.S., Solovjeva I.A., Konkina V.V. Software Development for the Optimal Parts Location in the Bath Space with the Purpose to Reduce the Non-uniformity of the Coating Thickness // Proceedings of the 6th International Conference on Industrial Engineering (ICIE 2020). 2021. pp. 85–93.
16. Пчелинцева И.Ю., Литовка Ю.В. Система автоматизированного управления процессом нанесения гальванического покрытия в ванне с токонепроводящим экраном // Мехатроника, автоматизация, управление. 2022. Т. 23. № 4. С. 188–196.
17. Karimian N., Hashemi P., Afkhami A., Bagheri H. The principles of bipolar electrochemistry and its electroanalysis applications // Current Opinion in Electrochemistry. 2019. vol. 17. pp. 30–37.
18. Yang G., Deng D., Zhang Y., Zhu Q., Cai J. Numerical Optimization of Electrodeposition Thickness Uniformity with Respect to the Layout of Anode and Cathode // Electrocatalysis. 2021. vol. 12. no. 5. pp. 478–488.
19. Liu N., Xu Z. An overview of ARAS method: Theory development, application extension, and future challenge // International Journal of Intelligent Systems. 2021. vol. 36. no. 7. pp. 3524–3565.
20. Goswami S.S., Jena S., Behera D.K. Implementation of CODAS MCDM Method for the Selection of Suitable Cutting Fluid // 2021 International Conference on Simulation, Automation & Smart Manufacturing (SASM), Mathura, India. 2021. pp. 1–6.
21. Krishankumar R., Garg H., Arun K., Saha A., Ravichandran K.S., Kar S. An integrated decision-making COPRAS approach to probabilistic hesitant fuzzy set information // Complex & Intelligent Systems. 2021. vol. 7. pp. 2281–2298.
22. Yazdani M., Torkayesh A.E., Santibanez-Gonzalez E.D., Otaghsara S.K. Evaluation of renewable energy resources using integrated Shannon Entropy–EDAS model // Sustainable Operations and Computers. 2020. vol. 1. pp. 35–42.
23. Shil B., Sinha P., Das S., Tripathy B.C., Poojary P. Grey Relational Analysis–Based MADM Strategy Under Possibility Environment and Its Application in the Identification of Most Important Parameter Affecting Climate Change and the Impact of Urbanization on Hydropower Plants // Process Integration and Optimization for Sustainability. 2023. vol. 7. no. 3. pp. 599–608.
24. Ic Y.T. A multi-objective credit evaluation model using MOORA method and goal programming // Arabian Journal for Science and Engineering. 2020. vol. 45. no. 3. pp. 2035–2048.
25. Altin H. A Comparison of Performance Results Of Aras And Moosra Methods: American Continent Countries // Journal of Economics, Finance and Accounting. 2020. vol. 7. no. 2. pp. 173–186.
26. Warnars H.L.H.S., Fahrudin A., Utomo W.H. Student performance prediction using simple additive weighting (SAW) method // International Journal of Artificial Intelligence. 2020. vol. 9. no. 1. DOI: 10.11591/ijai.v9.i4.
27. Chakraborty S. TOPSIS and Modified TOPSIS: A comparative analysis // Decision Analytics Journal. 2022. vol. 2. no. 100021. pp. 1–7.
28. Pamucar D., Sremac S., Stevic Z., Cirovic G., Tomic D. New multi-criteria LNN WASPAS model for evaluating the work of advisors in the transport of hazardous goods // Neural Computing and Applications. 2019. vol. 31. pp. 5045–5068.
29. Соловьев Д.С. Метод объективизации значений весовых коэффициентов для принятия решений в многокритериальных задачах // Научно-технический вестник информационных технологий, механики и оптики. 2023. Т. 23. № 1. С. 161–168.
30. Saari D.G. Selecting a voting method: the case for the Borda count // Constitutional Political Economy. 2023. vol. 34. no. 3. pp. 357–366.
31. Соловьев Д.С. Выбор единственной альтернативы с использованием совокупности методов принятия решений при мультивариантности результата в многокритериальных задачах // Свидетельство о государственной регистрации программы для ЭВМ № 2023612846 от 08.02.2023. Заявка № 2023611961 от 08.02.2023.
2. Шилов Н.Г., Пономарев А.В., Смирнов А.В. Анализ методов онтолого-ориентированного нейро-символического интеллекта при коллаборативной поддержке принятия решений // Информатика и автоматизация. 2023. Т. 22. № 3. С. 576–615.
3. Ларичев О.И. Объективные модели и субъективные решения // М.: Наука. 1987. 143 c.
4. Гущин Ю.Г., Парфенова М.Я., Парфенов И.И. Многокритериальная задача принятия решений с объективными и субъективными моделями // Вестник Ижевского государственного технического университета. 2007. № 3(35). С. 148–150.
5. Gomes M.I., Martins N.C. Mathematical Models for Decision Making with Multiple Perspectives: An Introduction // Boca Raton: CRC Press. 2022. 300 p.
6. Набатова Д.С. Математические и инструментальные методы поддержки принятия решений // М.: Издательство Юрайт. 2023. 292 с.
7. Biswas S. Measuring performance of healthcare supply chains in India: A comparative analysis of multi-criteria decision making methods // Decision Making Applications in Management and Engineering. 2020. vol. 3. no. 2. pp. 162–189.
8. Hezer S., Gelmez E., Ozceylan E. Comparative analysis of TOPSIS, VIKOR and COPRAS methods for the COVID-19 regional safety assessment // Journal of Infection and Public Health. 2021. vol. 14. no. 6. pp. 775–786.
9. Pramanik P.K.D., Biswas S., Pal S., Marinkovic D., Choudhury P.A. A Comparative Analysis of Multi-Criteria Decision-Making Methods for Resource Selection in Mobile Crowd Computing // Symmetry. 2021. vol. 13. no. 9. pp. 1–51. DOI: 10.3390/sym13091713.
10. Малтугуева Г.С., Юрин А.Ю. Метод поддержки принятия решений в малых группах // Вестник Бурятского государственного университета. Математика, информатика. 2012. № 1. С. 26–34.
11. Колпакова Т.А. Определение компетентности экспертов при принятии групповых решений // Радиоэлектроника, информатика, управление. 2011. № 1(24). С. 40–43.
12. Dutov A.V., Litovka Y.V., Nesterov V.A., Solovjev D.S., Solovjeva I.A., Sypalo K.I. Search for the optimal control over current regimes in electroplating processes with multi anodes at a diversified assortment of treated articles // Journal of Computer and Systems Sciences International. 2019. vol. 58. pp. 75–85.
13. Solovjev D.S., Solovjeva I.A., Konkina V.V., Litovka Y.V. Improving the uniformity of the coating thickness distribution during electroplating treatment of products using multi anode baths // Materials Today: Proceedings. 2019. vol. 19. no. 5. pp. 1895–1898.
14. Solovjev D.S., Potlov A.Y., Litovka Y.V. Reduction of nonuniformity in the thickness of a galvanic coating using disableable anode sections under current reversal conditions // Theoretical Foundations of Chemical Engineering. 2019. vol. 53. no. 1. pp. 97–106.
15. Solovjev D.S., Solovjeva I.A., Konkina V.V. Software Development for the Optimal Parts Location in the Bath Space with the Purpose to Reduce the Non-uniformity of the Coating Thickness // Proceedings of the 6th International Conference on Industrial Engineering (ICIE 2020). 2021. pp. 85–93.
16. Пчелинцева И.Ю., Литовка Ю.В. Система автоматизированного управления процессом нанесения гальванического покрытия в ванне с токонепроводящим экраном // Мехатроника, автоматизация, управление. 2022. Т. 23. № 4. С. 188–196.
17. Karimian N., Hashemi P., Afkhami A., Bagheri H. The principles of bipolar electrochemistry and its electroanalysis applications // Current Opinion in Electrochemistry. 2019. vol. 17. pp. 30–37.
18. Yang G., Deng D., Zhang Y., Zhu Q., Cai J. Numerical Optimization of Electrodeposition Thickness Uniformity with Respect to the Layout of Anode and Cathode // Electrocatalysis. 2021. vol. 12. no. 5. pp. 478–488.
19. Liu N., Xu Z. An overview of ARAS method: Theory development, application extension, and future challenge // International Journal of Intelligent Systems. 2021. vol. 36. no. 7. pp. 3524–3565.
20. Goswami S.S., Jena S., Behera D.K. Implementation of CODAS MCDM Method for the Selection of Suitable Cutting Fluid // 2021 International Conference on Simulation, Automation & Smart Manufacturing (SASM), Mathura, India. 2021. pp. 1–6.
21. Krishankumar R., Garg H., Arun K., Saha A., Ravichandran K.S., Kar S. An integrated decision-making COPRAS approach to probabilistic hesitant fuzzy set information // Complex & Intelligent Systems. 2021. vol. 7. pp. 2281–2298.
22. Yazdani M., Torkayesh A.E., Santibanez-Gonzalez E.D., Otaghsara S.K. Evaluation of renewable energy resources using integrated Shannon Entropy–EDAS model // Sustainable Operations and Computers. 2020. vol. 1. pp. 35–42.
23. Shil B., Sinha P., Das S., Tripathy B.C., Poojary P. Grey Relational Analysis–Based MADM Strategy Under Possibility Environment and Its Application in the Identification of Most Important Parameter Affecting Climate Change and the Impact of Urbanization on Hydropower Plants // Process Integration and Optimization for Sustainability. 2023. vol. 7. no. 3. pp. 599–608.
24. Ic Y.T. A multi-objective credit evaluation model using MOORA method and goal programming // Arabian Journal for Science and Engineering. 2020. vol. 45. no. 3. pp. 2035–2048.
25. Altin H. A Comparison of Performance Results Of Aras And Moosra Methods: American Continent Countries // Journal of Economics, Finance and Accounting. 2020. vol. 7. no. 2. pp. 173–186.
26. Warnars H.L.H.S., Fahrudin A., Utomo W.H. Student performance prediction using simple additive weighting (SAW) method // International Journal of Artificial Intelligence. 2020. vol. 9. no. 1. DOI: 10.11591/ijai.v9.i4.
27. Chakraborty S. TOPSIS and Modified TOPSIS: A comparative analysis // Decision Analytics Journal. 2022. vol. 2. no. 100021. pp. 1–7.
28. Pamucar D., Sremac S., Stevic Z., Cirovic G., Tomic D. New multi-criteria LNN WASPAS model for evaluating the work of advisors in the transport of hazardous goods // Neural Computing and Applications. 2019. vol. 31. pp. 5045–5068.
29. Соловьев Д.С. Метод объективизации значений весовых коэффициентов для принятия решений в многокритериальных задачах // Научно-технический вестник информационных технологий, механики и оптики. 2023. Т. 23. № 1. С. 161–168.
30. Saari D.G. Selecting a voting method: the case for the Borda count // Constitutional Political Economy. 2023. vol. 34. no. 3. pp. 357–366.
31. Соловьев Д.С. Выбор единственной альтернативы с использованием совокупности методов принятия решений при мультивариантности результата в многокритериальных задачах // Свидетельство о государственной регистрации программы для ЭВМ № 2023612846 от 08.02.2023. Заявка № 2023611961 от 08.02.2023.
Опубликован
2024-01-11
Как цитировать
Соловьев, Д. С. (2024). Метод расчета коэффициентов компетентности участников группового принятия решений для выбора наилучшей альтернативы при мультивариантности результата. Информатика и автоматизация, 23(1), 169-193. https://doi.org/10.15622/ia.23.1.6
Раздел
Искусственный интеллект, инженерия данных и знаний
Copyright (c) Денис Сергеевич Соловьев
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Авторы, которые публикуются в данном журнале, соглашаются со следующими условиями: Авторы сохраняют за собой авторские права на работу и передают журналу право первой публикации вместе с работой, одновременно лицензируя ее на условиях Creative Commons Attribution License, которая позволяет другим распространять данную работу с обязательным указанием авторства данной работы и ссылкой на оригинальную публикацию в этом журнале. Авторы сохраняют право заключать отдельные, дополнительные контрактные соглашения на неэксклюзивное распространение версии работы, опубликованной этим журналом (например, разместить ее в университетском хранилище или опубликовать ее в книге), со ссылкой на оригинальную публикацию в этом журнале. Авторам разрешается размещать их работу в сети Интернет (например, в университетском хранилище или на их персональном веб-сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению, а также к большему количеству ссылок на данную опубликованную работу (Смотри The Effect of Open Access).