新的混合EC-PROMETHEE方法与随机重量范围的多次代:在Python中逐步应用
Marcio Pereira Basilio1,2, Valdecy Pereira2, Fatih Yiğit3
1Controladoria-Geral do Estado do Rio de Janeiro (CGE), Avenida Erasmo Braga, 118, Centro, Rio de Janeiro 20020-000, Brazil.
MethodsX
|September 5, 2024
概括
本研究介绍了EC-PROMETHEE,这是一种混合决策方法,可以减少在赋予标准权重时的主观性. 它使用一系列权重来生成一致的最终排名,改善多标准决策分析.
科学领域:
- 运营研究 运营研究
- 决策科学 决策科学 决策科学
背景情况:
- 多标准决策 (MCDM) 涉及对标准赋予权重,以反映其重要性.
- 现有的权重确定方法包括客观,主观和混合方法,每个方法都有专家自由裁量权的限制.
研究的目的:
- 开发和介绍一种新的混合MCDM方法,EC-PROMETHEE,集成透,CRITIC和PROMETHEE.
- 减少主观性,提高标准重量定义过程中的一致性.
主要方法:
- 开发了EC-PROMETHEE,这是一个混合方法,结合了Entropy和CRITIC来生成重量范围.
- 模拟重量范围'n'次以创建排名的一组权重.
- 使用Python工具应用该方法来选择用于军事警察服务的旋翼飞机.
主要成果:
- 通过EC-PROMETHEE方法,成功地减少了在确定标准权重时的裁量权.
- 创新在于使用每个标准的权重范围,而不是单个值.
- 该模型生成"n"排名,将它们整合到一个单一,一致的最终排名中.
结论:
- 通过结合重量范围,EC-PROMETHEE为MCDM提供了更强大的方法.
- 该方法提高了决策结果的一致性和可靠性.
- 该Python工具促进了这种先进的MCDM技术的实际应用.


