提高多准则决策中的偏好细分：融入时间序列分析和多目标方法
摘要：偏好分解分析（PDA）是一种广泛使用的多准则决策分析方法，旨在从决策者提供的整体判断中提取偏好信息。本文提出了一种适用于PDA的原始方法框架，该框架解决了该领域中的两个重要挑战。首先，它考虑了数据的多维结构，以基于描述性指标（如趋势和平均值）捕捉决策者的偏好。这种新颖的方法使得在涉及时间序列分析的决策情境中能够理解决策者的偏好，而时间序列分析在中长期影响决策中是常见的。其次，本文通过提出多目标和蒙特卡洛模拟方法，解决了PDA方法常遇到的鲁棒性问题。该方法能够考虑多个偏好模型，并提供一个收敛到最可能的偏好模型的机制。本文使用真实数据对所提出的方法进行了评估，证明了它在基于指标和时间序列描述性指标的偏好捕捉方面的有效性。多目标分析突出了生成多个解的特点，并且在特定条件下，揭示了实现收敛到一个代表决策者偏好的单一解的可能性。
作者：Betania S.C. Campello, Sarah BenAmor, Leonardo T. Duarte, Jo~ao Marcos Travassos Romano
论文ID：2308.05259
分类：Optimization and Control
分类简称：math.OC
提交时间：2023-08-11