Un esquema de ponderación híbrido robusto basado en IQRBOW y entropía para MCDM: Criterios de estabilidad y ventaja...

Área de la Ciencia:

• Investigación de las operaciones
• Ciencia de la decisión
• Ciencia de los datos

Sus antecedentes:

• La toma de decisiones basada en múltiples criterios (MCDM, por sus siglas en inglés) requiere métodos de ponderación fiables, especialmente en caso de incertidumbre e irregularidades de los datos.
• Los métodos existentes pueden carecer de solidez o no capturar la información esencial de los datos.
• Los sistemas de apoyo a las decisiones necesitan una ponderación adaptable para garantizar resultados precisos.

Objetivo del estudio:

• Introducir un nuevo método de ponderación objetivo híbrido, IQRBOW-E (ponderación objetivo basada en el rango interquartil con entropía).
• Permitir un control flexible de la compensación entre la robustez estadística y la sensibilidad de la información utilizando un parámetro sintonizable β.
• Mejorar la adaptabilidad y fiabilidad de los sistemas de apoyo a la toma de decisiones en entornos inciertos.

Principales métodos:

• Desarrolló el método IQRBOW-E, combinando la robustez de IQRBOW con la sensibilidad a la información de entropía a través del parámetro β.
• Integración de IQRBOW-E en el marco de evaluación de VIKOR.
• Se llevaron a cabo experimentos en diez escenarios de simulación con diferentes criterios, alternativas y proporciones de valores atípicos.

Principales resultados:

• IQRBOW-E demostró una estabilidad y un rendimiento de decisión superiores, particularmente con un aumento de la contaminación atómica.
• Valores óptimos de β adaptados sistemáticamente a las diferentes condiciones de los datos, mostrando la sensibilidad del modelo.
• El enfoque híbrido resultó más robusto que los métodos tradicionales en el manejo de irregularidades de datos.

Conclusiones:

• El modelo de ponderación híbrido parametrizado avanza las metodologías MCDM.
• IQRBOW-E proporciona una infraestructura de ponderación robusta y generalizable para la toma de decisiones bajo incertidumbre.
• Este método ofrece una mayor adaptabilidad para los sistemas de apoyo a la toma de decisiones que se enfrentan a datos complejos.