Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Utility Inspired Generalizations of TOPSIS

Created by
  • Haebom

저자

Robert Susmaga, Izabela Szczech

개요

본 논문은 대안을 순위 매기는 데 널리 사용되는 TOPSIS 기법을 개선하는 것을 목표로 한다. TOPSIS는 이상점과 반이상점까지의 거리에 기반하여 순위를 매기는 방법으로, 기존에는 유틸리티 기반 방법과는 근본적으로 다르다고 여겨졌다. 하지만 최근 연구에서 TOPSIS가 유틸리티의 가중 평균과 가중 표준 편차로 분해될 수 있다는 점을 통해 유틸리티 기반 방법의 일반화된 형태임을 보였다. 본 논문에서는 기존 TOPSIS의 한계인 가중 평균과 가중 표준 편차의 영향력 조절 불가능성을 해결하기 위해, 의사결정자의 선호도에 따라 가중 평균과 가중 표준 편차의 영향력을 조절할 수 있는 TOPSIS의 수정된 방법을 제안한다. 이 수정된 방법은 기존 TOPSIS를 일반화한 것으로, 의사결정자의 선호도에 따라 기존 TOPSIS로 작동하거나, 가중 평균과 가중 표준 편차 간의 절충을 통해 유틸리티 기반 방법으로 점진적으로 변환될 수 있다. 결론적으로, 제안된 일반화된 TOPSIS는 의사결정자의 선호도를 반영하여 순위에 영향을 미칠 수 있는 실용적인 도구가 될 것으로 기대된다.

시사점, 한계점

시사점:
기존 TOPSIS의 한계점인 가중 평균과 가중 표준 편차의 영향력 조절 불가능성을 해결하였다.
의사결정자의 선호도를 반영하여 순위에 대한 조절 가능성을 제공한다.
기존 TOPSIS와 유틸리티 기반 방법을 통합하는 일반화된 방법론을 제시한다.
의사결정 과정의 투명성과 해석 가능성을 향상시킨다.
한계점:
제안된 방법의 실제 적용에 대한 추가적인 실증 연구가 필요하다.
의사결정자의 선호도를 정확하게 반영하는 방법에 대한 추가적인 연구가 필요하다.
복잡한 의사결정 문제에 대한 적용 가능성과 효율성에 대한 추가적인 검토가 필요하다.
👍