走向可解释的TOPSIS：权重和聚合对排名的视觉洞察
摘要：加权均值和标准差空间：TOPSIS中的可视化和解释 TOPSIS是一种常用的多准则决策分析方法，广泛应用于各行各业的替代方案评估和排名。然而，TOPSIS的内部工作解释起来很困难，特别是在准则数量较多的情况下。为了解决这个问题，最近的研究表明，TOPSIS的聚合可以用替代方案的均值（M）和标准差（SD）来表示，从而创建了MSD空间，用于可视化和解释聚合结果。尽管MSD空间非常实用，但它假设准则具有相等的重要性，因此在实际排名问题中的适用性较差。在本文中，我们将MSD空间的概念推广到加权准则，引入了加权均值和标准差的概念，定义了加权均值和标准差空间（WMSD空间）。我们证明了即使在准则具有权重的情况下，无论准则数量如何，TOPSIS和类似的基于距离的聚合方法仍然可以在平面上成功地可视化和解释。所提出的WMSD空间为解释实际决策问题中的TOPSIS排名提供了实用的方法。
作者：Robert Susmaga, Izabela Szczech, Dariusz Brzezinski
论文ID：2306.07706
分类：Artificial Intelligence
分类简称：cs.AI
提交时间：2023-06-14