Использование web-сервисов для повышения согласованности суждений матриц парных сравнений

Парные сравнения критериев и альтернатив широко применяются в большом количестве актуальных технических и научных задач современности, в которых требуется провести ранжирование конечного множества объектов или выполнить оценку какого-либо объекта. Парные сравнения понятны и просты для эксперта, являются качественным и достоверным способом выставления оценок, однако стоит отметить, что сложность и размерность пространства критериев во многих задачах ведет к оказанию высокой нагрузкивозникать некорректные или ошибочные ситуации, ведущие к снижению согласованности суждений, а, в следствие, к принятию нерациональных решений. Алгоритмическое обеспечение для повышения согласованности суждений является востребованными среди экспертов и исследователей, что, в совокупности с большим количеством разнообразных задач, формирует требования по разработке соответствующего программного обеспечения: возможность доступа большого числа пользователей и независимость от предметной области, которые в высокой степени удовлетворяются web-интерфейсом. В данной работе авторы приводят описание эффективного метода повышения согласованности суждений в матрицах парных сравнений. Основная задача метода – максимальное повышение согласованности суждений при минимуме изменений, вносимых в матрицу, предложенную экспертом в качестве первоначальных оценок. В качестве количественной меры согласованности суждений используется классический показатель – индекс согласованности. На основании созданного алгоритма авторами было разработано программное обеспечение, которое доступно для исследователей в распределенных web-сервисах для поддержки принятия решений ws-dss.com.

Одной из основных задач в поддержке принятия решений является ранжирование конечного множества объектов (альтернатив), которые характеризуются конечным числом критериев, благодаря которым является возможным проводить сравнение между собой предметов ранжирования. В случае сложной научной или технической задачи, когда размерность множества альтернатив достаточно велика, а каждая из них, при этом, характеризуется своим множеством критериев, их ручной анализ становится затруднительным и, как правило, невозможным, что вынуждает использовать специализированное программное обеспечение – системы поддержки принятия решений (СППР), реализующие математический аппарат теории принятия решений.

1. T. Saaty, P. Pierfrancesco. Rethinking Design and Urban Planning for the Cities of the Future // Buildings, vol. 7, 76, pp. 1–22, 2017.
2. K.F. Yuen. The fuzzy cognitive pairwise comparisons for ranking and grade clustering to build a recommender system: An application of smartphone recommendation // Engineering Applications of Artifi cial Intelligence, Vol. 61, 2017, pp. 136–151.
3. M. Groves, J. Branke. Top-κ selection with pairwise comparisons // European Journal of Operational Research, Vol. 274, 2, 2019, pp. 615–626.
4. Huin S.F. Managing deployment of ERP systems in SMEs using multiagents // International Journal of Project Management. Vol.22. N.6. pp.511–517. 2004.
5. Batkovskiy A.M., Kurennykh A.E., Semenova E.G., Sudakov, V.A., Fomina, A.V., Balashov, V.M. Sustainable project management for multi-agent development of enterprise information systems // Entrepreneurship and Sustainability Issues 7(1). pp.278–290. 2019.
6. M. Condorcet, “Essai sur l’application de l’analyse à la probabilité des décisionsrendues á lapluralité des voix”, Paris, 1785.
7. J.C. de Borda, “Mémoire sur les électiones au scrutin”, Histoire de l’Académie Royale des Sciences, Paris, 1781.
8. T.L.Saaty, The Analytic Hierarchy Process: Planning, Priority Setting, Resources Allocation. Mcgraw-Hill, New York, 1980.
9. T. Kakiashvili, M. Woodbury. Smith Improving the medical scale predictability by the pairwise comparisons method: evidence from a clinical data study. Computer Methods and Programs in Biomedicine, 105, 2012, pp. 210–216.
10. K. Kułakowski, J. Szybowski, R. Tadeusiewicz, Tender with Success – The Pairwise Comparisons Approach, Procedia Computer Science, Vol. 35, 2014, pp. 1122–1131.
11. A. Kalinowska, T. Trzaskalik. Bonus Distribution for Employees of a Telephone Customer Service Department: A Case Study based on Pairwise Comparisons, Procedia Computer Science, Vol. 35, 2014, pp. 1145–1154.
12. T. Runarsson, X. Yao, “Stochastic ranking for constrained evolutionary optimization”, Evolutionary Computation, IEEE Transactions, on. 4, 2000, pp. 284–294.
13. T. Runarsson, X. Yao, “Search Biases in Constrained Evolutionary Optimization”, Systems, Man, and Cybernetics, Part C: Applications and Reviews, IEEE Transactions on. 35, 2005, pp. 233–243.

PlumX

Метрики публикации