KR101418307B1 - 다중 의사 결정 문제 해결을 위한 구간 회색수 및 엔트로피 기반 해법 연산 방법 - Google Patents
다중 의사 결정 문제 해결을 위한 구간 회색수 및 엔트로피 기반 해법 연산 방법 Download PDFInfo
- Publication number
- KR101418307B1 KR101418307B1 KR1020120148207A KR20120148207A KR101418307B1 KR 101418307 B1 KR101418307 B1 KR 101418307B1 KR 1020120148207 A KR1020120148207 A KR 1020120148207A KR 20120148207 A KR20120148207 A KR 20120148207A KR 101418307 B1 KR101418307 B1 KR 101418307B1
- Authority
- KR
- South Korea
- Prior art keywords
- decision
- gray
- criterion
- solution
- matrix
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
본 발명의 다중 의사 결정 문제 해법 도출 방법은 (a) 의사 결정에 참여하는 K 명의 의사 결정자들이 n 개의 대안들을 m 개의 기준들에 따라 평가하는 언어적 변수들로 구성된 n×m 의사 결정 행렬을 의사 결정자마다 생성하는 단계, (b) 각 의사 결정자의 의사 결정 행렬마다, 언어적 변수들에 상응하는 구간 회색수들을 정규화하여, 정규화된 의사 결정 행렬들을 구하는 단계, (c) 각 의사 결정자의 정규화 의사 결정 행렬마다, 각 기준에서의 분산에 기초하여 각 기준에 대한 가중치를 연산하고, 연산된 가중치를 이용하여 가중 정규화 의사 결정 행렬들을 생성하는 단계, (d) 각 의사 결정자의 가중 정규화 의사 결정 행렬로부터 긍정적 이상 해법과 부정적 이상 해법을 각각 결정하는 단계, (e) 긍정적 이상 해법과 부정적 이상 해법 및 가중 정규화 의사 결정 행렬을 이용하여, 회색 상관 계수를 각 의사 결정자마다 연산하는 단계, (f) 각 대안에 관하여 회색 상관 계수로부터 회색 상관 지수들을 각각 연산하는 단계, (g) 모든 의사 결정자들의 회색 상관 지수들에 대하여, 각 대안마다 그룹 분리 척도를 연산하는 단계, (h) 각 대안마다 그룹 분리 척도에 기초하여 상대적 근접도를 결정하는 단계 및 (i) 상대적 근접도들의 크기 순서에 따라 대안들의 순위를 결정하는 단계를 포함할 수 있다.
Description
본 발명은 의사 결정 방법론에 관한 것으로, 더욱 상세하게는, 다중 의사 결정 방법론에 관한 것이다.
현실 세계에서는 다양한 의견과 취향을 가진 다수의 사람들이 집단으로 특정한 문제에 대해 의사 결정을 해야 하는 경우가 많다. 간단한 예로 여러 명의 친구들이 단체로 모임을 가지려는 계획에서도, 의사 결정 참여자들은 크기, 장소, 비용, 교통편, 일정 등 다양한 기준과 척도에서 서로 다른 취향과 기준을 가지고 의견을 제시할 수 있다. 어떤 경우이든, 최종적으로 하나의 대안을 도출하여야 하고, 도출된 대안은 모든 참여자들을 만족시키지는 못할 지라도 다른 어떤 대안보다 더 많은 참여자들을 더 많이 만족시키는 대안이어야 한다.
이러한 다중 의사 결정(MCDM: Multiple-Criteria Decision Making) 문제의 해법을 체계적으로 도출하기 위해, SAW(Simple Additive Weighting) 기법이나, ELECTRE(Elimination and Choice Translating Reality), WPM(Weighted-Product Model), TOPSIS(Technique Ordered Preference by Similarity to the Ideal Solution)과 같은 방법론들이 다양하게 제안되어 왔다.
특히 고전적인 MCDM 방법론들 중에 TOPSIS는 긍정적 이상 해법(positive ideal solution)에 대해 가장 짧은 거리를 가지면서 또한 부정적 이상 해법(negative ideal solution)에 대해서는 가장 먼 거리를 가지는 대안을 해법으로 제안하는 방법론으로 사람의 해법 결정 논리를 모방한 방법론이라 할 수 있다.
하지만 이러한 고전적인 MCDM 문제 해법 방법론들은 대체로 단순화한 모델링에 적합한 특정한 상황에서는 적절한 해법을 도출할 수 있었지만 현실 세계에서 불완전하고 애매모호한 문제들을 다루는 데에는 제한적이다.
이에 대응하여 퍼지 이론(Fuzzy theory)나 회색 이론(Grey theory)이 제안되었는데, 두 이론 모두 불확실한 정보를 수학적으로 다룰 수 있다. 회색 이론은 애매모호한 상황(fuzzy situation)을 좀더 유연하게 다룰 수 있고 비교 대안 집합과 기준 대안 사이의 회색 가능성 지수(grey possibility degree)를 계산하여 모든 대안들의 순위를 결정할 수 있다는 점 등에서 퍼지 이론보다 더 우월하다고 인정받고 있다.
본 발명이 해결하고자 하는 과제는 TOPSIS 방법론과 회색 이론을 기반으로, 현실 세계에서 참여자들의 모호하고 불확실한 기준을 고려하여 다중 의사 결정 문제의 해법을 도출하는 방법을 제공하는 데에 있다.
본 발명의 일 측면에 따른 다중 의사 결정 문제 해법 도출 방법은
(a) 의사 결정에 참여하는 K 명의 의사 결정자들(DM: decision maker)이 n 개의 대안들을 m 개의 기준들에 따라 평가하는 언어적 변수들(linguistic variables)로 구성된 n×m 의사 결정 행렬(grey-based decision matrices)을 의사 결정자마다 생성하는 단계;
(b) 각 의사 결정자의 의사 결정 행렬마다, 상기 언어적 변수들에 상응하는 구간 회색수들을 정규화(normalize)함으로써, 정규화된 의사 결정 행렬들을 구하는 단계;
(c) 각 의사 결정자의 정규화 의사 결정 행렬마다, 각 기준에서의 분산(diversity)에 기초하여 각 기준에 대한 가중치를 연산하고, 상기 연산된 가중치를 이용하여 가중 정규화 의사 결정 행렬들을 생성하는 단계;
(d) 각 의사 결정자의 가중 정규화 의사 결정 행렬로부터 긍정적 이상 해법과 부정적 이상 해법을 각각 결정하는 단계;
(e) 상기 긍정적 이상 해법과 부정적 이상 해법 및 상기 가중 정규화 의사 결정 행렬을 이용하여, 회색 상관 계수(grey relation coefficient)를 각 의사 결정자마다 연산하는 단계;
(f) 각 대안에 관하여 상기 회색 상관 계수로부터 회색 상관 지수(degree of grey relation)들을 각각 연산하는 단계;
(g) 모든 의사 결정자들의 회색 상관 지수들에 대하여, 각 대안마다 그룹 분리 척도(group separation measure)를 연산하는 단계;
(h) 각 대안마다 상기 그룹 분리 척도에 기초하여 상대적 근접도(relative closeness)를 결정하는 단계;
(i) 상기 상대적 근접도들의 크기 순서에 따라 대안들의 순위를 결정하는 단계를 포함할 수 있다.
일 실시예에 따라, 상기 언어적 변수에 대해, 기준마다 편익 기준(benefit criterion) 타입 및 비용 기준(cost criterion) 타입을 각각 고려하여 구간 회색수가 할당될 수 있다.
와 같이 구간 회색수로서 정규화되며,
일 실시예에 따라, 상기 단계 (c)에서, 각 기준에 대한 가중치는 각 기준에서의 엔트로피에 기초하여 연산될 수 있다.
일 실시예에 따라, 상기 단계 (c)에서, 각 기준에 대한 가중치들의 합은 1일 수 있다.
에 의해 표현되고, 여기서 J는 편익 기준 변수(larger-the-better variable)이고, J'는 비용 기준 변수(smaller-the-better variable)이며, 가중 정규화 의사 결정 행렬 의 요소 는 하한이 이고 상한은 인 구간 회색수로서 정규화 의사 결정 행렬 의 요소 에 각 기준에서의 분산(diversity)에 기초하여 연산된 각 기준에 대한 가중치 를 승산하여 다음 수학식
에 의해 연산될 수 있다.
에 의해 연산되며, 여기서 는 긍정적 이상 해법과 가중 정규화된 대안을 각각 의미하는 두 구간 회색수들의 편차이고, ζ는 인 차등 계수(differential coefficient)이며, 는 부정적 이상 해법과 가중 정규화된 대안을 각각 의미하는 두 구간 회색수들의 편차(deviation)일 수 있다.
일 실시예에 따라, 상기 차등 계수 ζ는 0.5일 수 있다.
에 의해 연산될 수 있다.
에 의해 연산될 수 있다.
에 의해 연산될 수 있다.
본 발명의 다중 의사 결정 문제 해법 도출 방법에 따르면, 어떤 의사 결정 문제에서 다양한 측면의 다수의 선택지가 있을 경우에, 다수의 참여자들의 선호를 좀더 효율적으로 조정하여 최대한 많은 참여자들을 최대한 만족시키는 대안을 도출할 수 있다.
도 1은 본 발명의 일 실시예에 따른 다중 의사 결정 문제 해법 도출 방법을 예시한 순서도이다.
도 2는 본 발명의 일 실시예에 따른 다중 의사 결정 문제 해법 도출 방법 중 가중 정규화 행렬 요소를 생성하기 위해 엔트로피에 기초한 가중치를 연산하는 절차를 구체적으로 예시한 순서도이다.
도 3은 본 발명의 일 실시예에 따른 다중 의사 결정 문제 해법 도출 방법론과 종래의 TOPSIS 방법론을 각각 이용하여 도출한 근접도 지수들을 비교한 그래프이다.
도 2는 본 발명의 일 실시예에 따른 다중 의사 결정 문제 해법 도출 방법 중 가중 정규화 행렬 요소를 생성하기 위해 엔트로피에 기초한 가중치를 연산하는 절차를 구체적으로 예시한 순서도이다.
도 3은 본 발명의 일 실시예에 따른 다중 의사 결정 문제 해법 도출 방법론과 종래의 TOPSIS 방법론을 각각 이용하여 도출한 근접도 지수들을 비교한 그래프이다.
본문에 개시되어 있는 본 발명의 실시예들에 대해서, 특정한 구조적 내지 기능적 설명들은 단지 본 발명의 실시예를 설명하기 위한 목적으로 예시된 것으로, 본 발명의 실시예들은 다양한 형태로 실시될 수 있으며 본문에 설명된 실시예들에 한정되는 것으로 해석되어서는 아니 된다.
이하, 첨부한 도면들을 참조하여, 본 발명의 바람직한 실시예를 보다 상세하게 설명하고자 한다. 도면상의 동일한 구성요소에 대해서는 동일한 참조부호를 사용하고 동일한 구성요소에 대해서 중복된 설명은 생략한다.
회색 이론은 J.L. Deng "The Introduction of grey system", The Journal of Grey System 1, 1989를 참조한다.
설명의 편의를 위해 회색 이론을 간략히 소개하면, 회색 이론은 회색 집합(grey set)이라는 개념에 기반한 새로운 수학적 이론들 중 하나로서, 이산 데이터와 불완전한 정보를 가지는 불확정 문제에서 해를 구하는 데에 효과적으로 이용될 수 있다.
구간 회색수(interval grey number), 상대적 연산자(relative operator) 및 수열들의 회색 상관 계수(grey relational coefficient of sequences)은 다음과 같이 정의될 수 있다.
1. 구간 회색수
구간 회색수는 하한 과 상한 을 가지는 회색수를 가리키며, 상하한이 고정된 값을 가질 경우에 으로 표시한다. 만약 이면, 는 "결정론적 숫자(deterministic number)" 또는 "백색수(white number)"라고 한다. 반면에 인 경우에는, 는 "흑색수(black number)"라고 부른다.
2. 구간 회색수의 연산
구간 회색수의 연산 규칙은 다음 수학식 1과 같다.
3. 회색 상관 계수
이 경우에, 만약 각각의 대안들의 색인 값들(index value)을 표준화(standardizing)하는 가중 구간 회색수(weight interval grey number)들로 이루어진 수열(sequence)가 다음 수학식 3과 같고,
기준 수열은 다음 수학식 4와 같다면
이때, 구간 회색수의 회색 상관 계수들은 다음과 같이 정의된다.
본 발명의 다중 의사 결정 문제 해법 도출 방법에서는, 기존의 다중 의사 결정 문제 해법 도출 방법에서 활용하지 않았던 구간 회색수 및 엔트로피 이론을 이용한다.
구체적으로, 구간 회색수를 이용하여 대안에 대한 명확하지 않은 평가나 애매모호한 태도를 다룰 수 있고, 엔트로피 이론을 이용하여 기준들 사이의 경중에 대한 의사 결정자의 주관적인 의도를 객관화할 수 있다.
도 1은 본 발명의 일 실시예에 따른 다중 의사 결정 문제 해법 도출 방법을 예시한 순서도이다.
도 1을 참조하면, 다중 의사 결정 문제 해법 도출 방법은 아래와 같이 크게 9 단계의 연산으로 표현할 수 있다.
먼저, 단계(S11)에서, 의사 결정에 참여하는 K 명의 의사 결정자들(DM: decision maker)이 n 개의 대안들을 m 개의 기준들에 따라 평가하는 언어적 변수들(linguistic variables)로 구성된 n×m 회색수 기반의 의사 결정 행렬(grey-based decision matrices)을 생성한다.
다음으로 단계(S12)에서는, 구간 회색수들을 정규화(normalize)함으로써, 정규화된 의사 결정 행렬을 구한다.
단계(S13)에서는, k 번째(k는 1≤k≤K인 자연수) 의사 결정자의 정규화 의사 결정 행렬의 각 기준에서의 분산(diversity)에 기초하여 각 기준에 대한 가중치를 연산하고, 연산된 가중치를 이용하여 가중 정규화 의사 결정 행렬을 생성한다.
단계(S14)에서, 가중 정규화 의사 결정 행렬로부터 긍정적 이상 해법과 부정적 이상 해법을 각각 결정한다.
단계(S15)에서, 긍정적 이상 해법과 부정적 이상 해법을 이용하여 대안들의 회색 상관 계수(grey relation coefficient)를 연산한다.
단계(S16)에서, 각 대안에 관하여 긍정적 이상 해법과 부정적 이상 해법에 대한 회색 상관 지수(degree of grey relation)를 연산한다.
단계(S17)에서, 모든 의사 결정자들을 고려해야 하므로, 각 대안의 그룹 분리 척도(group separation measure)를 연산한다.
단계(S18)에서, 이상 해법에 대한 상대적 근접도(relative closeness)를 결정한다.
단계(S19)에서, 상대적 근접도의 크기 순서에 따라 대안들의 순위를 결정한다.
아래에서는, 각 단계별로 구체적인 연산 절차들이 설명된다.
먼저 단계(S11)에서, 의사 결정에 참여하는 K 명의 의사 결정자들이 n 개의 대안들을 m 개의 기준들에 따라 평가하는 언어적 변수들로 구성된 n×m 회색수 기반의 의사 결정 행렬 을 생성한다.
표 1에서 나타난 바와 같이, 언어적 변수들은 의사 결정자들이 각 대안들의 가치를 평가하는 언어적 표현을 의미하며, 예를 들어, 매우 낮음(VL), 낮음(L), 보통(M), 높음(H), 매우 높음(VH)와 같은 용어들이다.
기준들은 두 가지 종류로 분류될 수 있는데, 하나는 편익 기준(benefit criterion)이라고 하여 값이 클수록 좋은 대안임을 의미하는 기준이고, 다른 하나는 비용 기준(cost criterion)이라고 하여 값이 작을수록 좋은 대안임을 의미하는 기준이다.
따라서, 언어적 변수들에 대해서는 편익 기준(benefit criterion) 타입 및 비용 기준(cost criterion) 타입을 각각 고려하여 구간 회색수들이 각각 할당될 수 있다.
언어적 변수 | 편익 기준 구간 회색수 | 비용 기준 구간 회색수 |
매우 낮음 | [1, 2] | [9, 10] |
낮음 | [3, 4] | [7, 8] |
보통 | [5, 6] | [5, 6] |
높음 | [7, 8] | [3, 4] |
매우 높음 | [9, 10] | [1, 2] |
는 k 번째 의사결정자가 i 번째 대안에 관하여 j 번째 기준으로 가치 평가를 내린 결과를 가리키는 언어적 변수이다. 언어적 변수 L에 구간 회색수가 할당되어 있기 때문에 를 이용하여 많은 수의 기준, 의사 결정자 집단 및 대안들을 수학적으로 다룰 수 있다.
통상적으로, 다중 기준 의사 결정 문제에서는, 각각의 측정된 값들은 서로 교차 연산할 수 있도록 정규화되어야 한다. 따라서, 구간 회색수를 이용하는 의사 결정 행렬도 정규화되는데, 기존의 의사 결정 행렬의 정규화는 각 기준들이 편익 기준 타입과 비용 기준 타입으로 분류되는 점을 고려하지 않은 것에 비해, 본 발명의 의사 결정 행렬의 정규화는 편익 기준 타입과 비용 기준 타입을 고려하여 수행된다.
단계(S13)에서는, k 번째(k는 1≤k≤K인 자연수) 의사 결정자의 정규화 의사 결정 행렬 의 각 기준 에서의 분산(diversity)에 기초하여 각 기준 에 대한 가중치 를 연산하고, 연산된 가중치 를 정규화 의사 결정 행렬 의 요소 에 곱하여 가중 정규화 의사 결정 행렬 의 요소 를 생성한다.
상식적으로, 각각의 의사결정자에 의해 각 기준마다 가치 평가를 할 때에는 각 기준에는 기준마다 달라지는 주관적인 가중치가 부여될 것임을 생각할 수 있다. 하지만 수많은 의사결정자들로부터 주관적인 의도를 반영하여 각 기준들의 가중치를 직접 설정하게 할 수는 없다. 또한 이 부분에 관하여 널리 채택되는 방법론은 없는 실정이다.
본 발명의 발명자는, 주관적인 의도를 반영할 가중치를 객관적으로 추정하기 위해, 각 기준들에 관하여, 의사결정자가 어떤 기준에 따라 부여한 평가 점수들이 더 많이 분산되어 있을수록 그 기준이 다른 기준들보다 더 중요한 역할을 하는 기준일 것임을 관찰하였다.
예를 들어 만약 여행 계획에서 여행지 기준이 중요하다고 생각하는 의사 결정자라면, 여행지 기준에 따라 대안들에 대한 평가가 크게 엇갈릴 것이다. 반면에, 의사 결정자가 상대적으로 가격은 중요하지 않다고 생각한다면, 가격 기준에 따라 대안들의 평가는 별 차이가 없을 것이다. 그렇다면 여행 계획의 최종 결정은 가격 기준보다는 여행지 기준으로 좌우될 가능성이 상대적으로 높다고 단정해도 무방할 것이다.
이에 따라, 본 발명에서는, k 번째 의사 결정자의 정규화 의사 결정 행렬 의 분산에 의해 k 번째 의사 결정자의 기준들에 관한 주관적 의중을 객관적으로 반영할 수 있도록, k 번째 의사 결정자의 정규화 의사 결정 행렬 에서 각 기준 에 관하여 엔트로피 의 크기에 상응하는 가중치 를 연산하고, 연산된 가중치 를 정규화 의사 결정 행렬 에 승산하여 가중 정규화 의사 결정 행렬 를 구한다.
구체적으로, 기준 에 관한 엔트로피 를 이용하여 가중치 를 연산하기 위해 도 2를 참조하면, 도 2는 본 발명의 일 실시예에 따른 다중 의사 결정 문제 해법 도출 방법 중 가중 정규화 행렬을 생성하는 절차를 구체적으로 예시한 순서도이다.
도 2에서, 정규화된 n×m 행렬의 요소 가 있을 때에 j번째 열(column)의 엔트로피 는 단계(S131)에서, 정규화 행렬 요소들 의 각각의 전체 크기에 대한 비율 을 다음 수학식 9와 같이 연산한다.
단계(S134)에서, 엔트로피 에 기초하여 기준 에 관한 분산 을 수학식 12와 같이 얻는다. 기준 에 관하여 대안들에 대해 k 번째 의사 결정자가 부여한 가치 평가 점수가 분산되어 있을수록 분산 는 더 클 것이고, 이 기준 가 의사결정의 결과를 좌우할 가능성이 커지며, 따라서 더 중요한 요소임을 의미한다.
다시 도 1로 돌아가서, 단계(S14)에서, 가중 정규화 의사 행렬 로부터 긍정적 이상 해법(positive ideal solution) 과 부정적 이상 해법(negative ideal solution) 을 각각 결정한다.
여기서 J는 편익 기준 변수(larger-the-better variable)이고, J'는 비용 기준 변수(smaller-the-better variable)이다.
단계(S15)에서, 긍정적 이상 해법 및 부정적 이상 해법 과 각각의 대안들에 관한 가중 정규화 의사 결정 행렬 의 요소 사이에서, 앞서 수학식 3과 관련하여 정의된 회색 상관 계수(grey relation coefficient)들 , 을 수학식 17과 수학식 18과 같이 각각 연산한다.
여기서 는 긍정적 이상 해법과 가중 정규화된 대안을 각각 의미하는 두 구간 회색수들의 편차이고, ζ는 통상적으로 0.5의 값을 가지는 인 차등 계수(differential coefficient)이다.
단계(S16)에서, 각 대안에 관하여 회색 상관 계수들 , 로부터, 긍정적 이상 해법과 부정적 이상 해법에 대한 회색 상관 지수(degree of grey relation) , 를 다음 수학식 19와 같이 각각 연산한다.
단계(S17)에서, 모든 의사 결정자들 DMk에 관하여, 회색 상관 지수들 , 을 결합하여, 각 대안 Ai마다 그룹 분리 척도(group separation measure), , 를 다음 수학식 20과 같이 각각 연산한다.
이어서, 단계(S19)에서, 상대적 근접도 의 크기 순서에 따라 대안들의 순위를 결정한다. 대안들마다 상대적 근접도 가 연산되면, 크기 순서 대로 배열될 수 있고, 상대적 근접도 1에 가장 가까운 대안이 최상의 해법으로 도출될 수 있다.
도 3은 본 발명의 일 실시예에 따른 다중 의사 결정 문제 해법 도출 방법론과 종래의 TOPSIS 방법론을 각각 이용하여 도출한 근접도 지수들을 비교한 그래프이다.
종래의 TOPSIS 방법론과 본 발명의 다중 의사 결정 문제 해법 도출 방법론은 모두 긍정적 이상 해법과 가까울수록, 그리고 부정적 이상 해법과는 멀수록 상대적 근접도가 높아진다.
도 3에서, 종래의 TOPSIS 방법론에 비해 본 발명의 다중 의사 결정 문제 해법 도출 방법론은 대안들의 근접도 지수가 대체로 더 커지고 있는데, 그로 인해 대안들의 상대적 근접도 값들 사이의 간격이 좀더 벌어지기 때문에 대안들 사이의 우열을 좀더 쉽게 판단할 수 있다.
이상과 같이 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명이 상기의 실시예에 한정되는 것은 아니며, 이는 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다. 따라서, 본 발명의 사상은 아래에 기재된 특허청구범위에 의해서만 파악되어야 하고, 이와 균등하거나 또는 등가적인 변형 모두는 본 발명 사상의 범주에 속한다 할 것이다.
또한, 본 발명에 따른 방법은 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 기록매체의 예로는 ROM, RAM, 광학 디스크, 자기 테이프, 플로피 디스크, 하드 디스크, 비휘발성 메모리 등이 있으며, 또한 캐리어 웨이브(예를 들어 인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
Claims (12)
- 컴퓨터 시스템에 의해 다중 의사 결정 문제 해법을 도출하는 방법에 있어서,
(a) 의사 결정에 참여하는 K 명의 의사 결정자들(DM: decision maker)이 n 개의 대안들을 m 개의 기준들에 따라 평가하는 언어적 변수들(linguistic variables)로 구성된 n×m 의사 결정 행렬(grey-based decision matrices)을 의사 결정자마다 생성하는 단계;
(b) 각 의사 결정자의 의사 결정 행렬마다, 상기 언어적 변수들에 상응하는 구간 회색수들을 정규화(normalize)함으로써, 정규화된 의사 결정 행렬들을 구하는 단계;
(c) 각 의사 결정자의 정규화 의사 결정 행렬마다, 각 기준에서의 분산(diversity)에 기초하여 각 기준에 대한 가중치를 연산하고, 상기 연산된 가중치를 이용하여 가중 정규화 의사 결정 행렬들을 생성하는 단계;
(d) 각 의사 결정자의 가중 정규화 의사 결정 행렬로부터 긍정적 이상 해법과 부정적 이상 해법을 각각 결정하는 단계;
(e) 상기 긍정적 이상 해법과 부정적 이상 해법 및 상기 가중 정규화 의사 결정 행렬을 이용하여, 회색 상관 계수(grey relation coefficient)를 각 의사 결정자마다 연산하는 단계;
(f) 각 대안에 관하여 상기 회색 상관 계수로부터 회색 상관 지수(degree of grey relation)들을 각각 연산하는 단계;
(g) 모든 의사 결정자들의 회색 상관 지수들에 대하여, 각 대안마다 그룹 분리 척도(group separation measure)를 연산하는 단계;
(h) 각 대안마다 상기 그룹 분리 척도에 기초하여 상대적 근접도(relative closeness)를 결정하는 단계;
(i) 상기 상대적 근접도들의 크기 순서에 따라 대안들의 순위를 결정하는 단계를 포함하는 다중 의사 결정 문제 해법 도출 방법. - 청구항 1에 있어서, 상기 언어적 변수에 대해, 기준마다 편익 기준(benefit criterion) 타입 및 비용 기준(cost criterion) 타입을 각각 고려하여 구간 회색수가 할당되는 것을 특징으로 하는 다중 의사 결정 문제 해법 도출 방법.
- 청구항 1에 있어서, 상기 단계 (c)에서, 각 기준에 대한 가중치는 각 기준에서의 엔트로피에 기초하여 연산되는 것을 특징으로 하는 다중 의사 결정 문제 해법 도출 방법.
- 청구항 4에 있어서, 상기 단계 (c)에서, 각 기준에 대한 가중치들의 합은 1인 것을 특징으로 하는 다중 의사 결정 문제 해법 도출 방법.
- 청구항 1에 있어서, 상기 단계(d)에서, 상기 가중 정규화 의사 행렬 로부터, 상기 긍정적 이상 해법 과 상기 부정적 이상 해법 은 다음의 수학식들
에 의해 표현되고, 여기서 J는 편익 기준 변수(larger-the-better variable)이고, J'는 비용 기준 변수(smaller-the-better variable)이며, 가중 정규화 의사 결정 행렬 의 요소 는 하한이 이고 상한은 인 구간 회색수로서 정규화 의사 결정 행렬 의 요소 에 각 기준에서의 분산(diversity)에 기초하여 연산된 각 기준에 대한 가중치 를 승산하여 다음 수학식
에 의해 연산된 것임을 특징으로 하는 다중 의사 결정 문제 해법 도출 방법. - 청구항 7에 있어서, 상기 차등 계수 ζ는 0.5인 것을 특징으로 하는 다중 의사 결정 문제 해법 도출 방법.
- 컴퓨터에서 청구항 1 내지 청구항 11 중 어느 한 청구항에 따른 다중 의사 결정 문제 해법 도출 방법을 구현할 수 있는 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록 매체.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020120148207A KR101418307B1 (ko) | 2012-12-18 | 2012-12-18 | 다중 의사 결정 문제 해결을 위한 구간 회색수 및 엔트로피 기반 해법 연산 방법 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020120148207A KR101418307B1 (ko) | 2012-12-18 | 2012-12-18 | 다중 의사 결정 문제 해결을 위한 구간 회색수 및 엔트로피 기반 해법 연산 방법 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20140080773A KR20140080773A (ko) | 2014-07-01 |
KR101418307B1 true KR101418307B1 (ko) | 2014-07-14 |
Family
ID=51732210
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020120148207A KR101418307B1 (ko) | 2012-12-18 | 2012-12-18 | 다중 의사 결정 문제 해결을 위한 구간 회색수 및 엔트로피 기반 해법 연산 방법 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR101418307B1 (ko) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101675198B1 (ko) * | 2014-07-22 | 2016-11-11 | 성균관대학교산학협력단 | 다중 의사 결정 문제 해결을 위한 계층적 분석 기법, 회색수 및 엔트로피 기반의 해법 연산 방법 |
KR102020597B1 (ko) * | 2014-09-05 | 2019-11-04 | 전자부품연구원 | 의사 결정 장치 및 방법 |
CN108242025B (zh) * | 2016-12-26 | 2021-11-30 | 中国科学院沈阳自动化研究所 | 基于信息熵-区间数的砂岩油藏注水开发效果评价方法 |
CN107292090B (zh) * | 2017-05-31 | 2020-07-03 | 浙江大学 | 一种高速压力机结构方案综合评价方法 |
CN110874698A (zh) * | 2019-11-21 | 2020-03-10 | 国网福建省电力有限公司 | 一种具有抗逆序及权重自适应的黑启动方案评估方法 |
CN112950049B (zh) * | 2021-03-19 | 2024-03-15 | 北京工商大学 | 一种基于信息自动识别的藻类水华应急治理群决策方法及装置 |
-
2012
- 2012-12-18 KR KR1020120148207A patent/KR101418307B1/ko active IP Right Grant
Non-Patent Citations (2)
Title |
---|
Yong-Huang Lin 외 2명, Dynamic multi-attribute decision making model with Grey number evaluations, Expert Systems with Applications 35 1638-1644, 2007 * |
Yong-Huang Lin 외 2명, Dynamic multi-attribute decision making model with Grey number evaluations, Expert Systems with Applications 35 1638-1644, 2007* |
Also Published As
Publication number | Publication date |
---|---|
KR20140080773A (ko) | 2014-07-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101675198B1 (ko) | 다중 의사 결정 문제 해결을 위한 계층적 분석 기법, 회색수 및 엔트로피 기반의 해법 연산 방법 | |
Xu et al. | A survey of approaches to decision making with intuitionistic fuzzy preference relations | |
KR101418307B1 (ko) | 다중 의사 결정 문제 해결을 위한 구간 회색수 및 엔트로피 기반 해법 연산 방법 | |
Dotoli et al. | A stochastic cross‐efficiency data envelopment analysis approach for supplier selection under uncertainty | |
Baležentis et al. | MULTIMOORA-FG: a multi-objective decision making method for linguistic reasoning with an application to personnel selection | |
Vahdani et al. | Soft computing based on new interval-valued fuzzy modified multi-criteria decision-making method | |
Longaray et al. | Proposal for using AHP method to evaluate the quality of services provided by outsourced companies | |
Tian et al. | A fuzzy TOPSIS model via chi-square test for information source selection | |
Blanco Mesa et al. | New aggregation operators for decision making under uncertainty: an pplications in selection of entrepreneurial opportunities | |
CN113822499B (zh) | 一种基于模型融合的列车备件损耗预测方法 | |
Aytekin et al. | Nearest solution to references method for multicriteria decision-making problems | |
Contreras | A distance-based consensus model with flexible choice of rank-position weights | |
CN111784109A (zh) | 一种基于毕达哥拉斯模糊集和vikor的供应商选择方法 | |
Dammak et al. | Crisp multi-criteria decision making methods: State of the art | |
Izadikhah | Deriving weights of criteria from inconsistent fuzzy comparison matrices by using the nearest weighted interval approximation | |
Van Hoorn | Automatability of work and preferences for redistribution | |
CN113537759B (zh) | 一种基于权重自适应的用户体验度量模型 | |
Sundaram et al. | Determination of optimal double sampling plan using genetic algorithm | |
Kang et al. | A novel interval grey number and entropy-based solution for multiple-criteria group decision making problem | |
Guo et al. | Weight analysis for multiattribute group decision-making with interval grey numbers based on decision-makers’ psychological criteria | |
CN112365302A (zh) | 产品推荐网络的训练方法、装置、设备及介质 | |
Niazmand et al. | A Fuzzy SQFE approach in supplier’s performance monitoring | |
Elgazzar et al. | A SW application system for measuring supply chain operations' performance using SCOR FAHP technique | |
Haidn | Flight recommender system using implicit feedback | |
George et al. | Integration of Simple Additive Weighting (SAW) and Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) for supplier selection |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant | ||
FPAY | Annual fee payment |
Payment date: 20170703 Year of fee payment: 4 |
|
FPAY | Annual fee payment |
Payment date: 20180820 Year of fee payment: 5 |