Разработка программного обеспечения для построения агрегированных рейтингов на основе метода порогового агрегирования

Сергей Викторович Разумников

doi:10.17308/sait.2021.2/3510

Сергей Викторович Разумников Юргинский технологический институт (филиал) Национального исследовательского Томского политехнического университета https://orcid.org/0000-0002-1417-498X

DOI: https://doi.org/10.17308/sait.2021.2/3510

Ключевые слова: пороговое агрегирование, модель, алгоритм, схема, программа, листинг, рейтинг, критерии, альтернативы, градации

Аннотация

Проблема выбора наилучшей альтернативы является одной из важных направлений в теории принятия решений. Как правило, при выборе альтернативы оцениваются по множеству критериев, и формируется проранжированный вектор, по которому уже определяется лучшая. В случае важного выбора необходимо учитывать некомпенсаторный характер значений критериев. Для избегания проблемы с компенсацией предлагается формировать агрегированный рейтинг с применением правила порогового агрегирования. В статье представлена модель некомпенсаторного агрегирования для построения рейтингов, в основе которой лежит правило порогового агрегирования, применяемого в задачах многокритериального оценивания. Использование данного метода не позволит компенсировать низкие оценки экспертов другими более высокими оценками по другим критериям. Также представлена схема этапов оценки по данной модели и алгоритм для разработки программного обеспечения «Формирование агрегированного рейтинга». В алгоритме описаны используемые функции расчетов и приведен листинг кода. Представленная модель была запрограммирована на языке С # в среде Visual Studio 2019 в виде Windows приложения. Данная программа позволяет вести удобный и быстрый расчет индекса предпочтений и строить проранжированный агрегированный рейтинг, в том числе в виде графика, а также сохранять информацию в базу данных. Приведен пример расчета в программе для построения рейтинга поставщиков облачных услуг. Программа универсальна и может быть использована для построения обобщенного рейтинга оцениваемых альтернатив в любой области, а также для принятия решений при выборе лучшей альтернативы.

Скачивания

Данные скачивания пока не доступны.

Биография автора

Сергей Викторович Разумников, Юргинский технологический институт (филиал) Национального исследовательского Томского политехнического университета

канд. техн. наук, доцент Юргинского технологического института (филиала) Национального исследовательского Томского политехнического университета (ЮТИ ТПУ)

Литература

1. Zuheros C., Martínez-Cámara E., Herrera-Viedma E., Herrera F. (2021) Sentiment Analysis based Multi-Person Multi-criteria Decision Making methodology using natural language processing and deep learning for smarter decision aid. Case study of restaurant choice using TripAdvisor reviews / C. Zuheros // Information Fusion. 68. P. 22–36. DOI: 10.1016/j.inf-fus.2020.10.019.
2. Razumnikov S. V. (2020) Planning the development of a cloud strategy based on the application of multicriteria optimization and the STEM method // Reports of the Tomsk State University of Control Systems and Radioelectronics. T. 23, No. 1. P. 53–61. DOI: 10.21293/1818-0442-2020-23-1-53-61.
3. Breedveld S., Craft D., Haveren R., Heijmen B. (2019) Multi-criteria optimization and decision-making in radiotherapy // European Journal of Operational Research. Vol. 277, No. 1. P. 1–19. DOI: 10.1016/j.ejor.2018.08.019.
4. Singh B. K., Roy H., Mondal B., Roy S. S., Mandal N. (2019) Measurement of chip morphology and multi criteria optimization of turning parameters for machining of AISI 4340 steel using Y-ZTA cutting insert / // Measurement: Journal of the International Measurement Confederation. Vol. 142. P. 181–194. DOI: 10.1016/j.measurement.2019.04.064.
5. Meyen S., Sigg D. M. B., Luxburg U., Franz V. H. (2021) Group decisions based on confidence weighted majority voting // Cognitive Research: Principles and Implications. 6(1). 18. DOI: 10.1186/s41235-021-00279-0.
6. Heidary Dahooie J., Razavi Hajiagha S. H., Farazmehr S., Zavadskas E. K., Antucheviciene J. (2021) A novel dynamic credit risk evaluation method using data envelopment analysis with common weights and combination of multi-attribute decision-making methods // Computers and Operations Research. 129. 105223. DOI: 10.1016/j.cor.2021.105223.
7. Wang J. Q., Li S., Hedayati Dezfuli F., Alam M. S. (2019) Sensitivity analysis and multi-criteria optimization of SMA cable restrainers for longitudinal seismic protection of isolated simply supported highway bridges // Engineering Structures. Vol. 189. P. 509–522. DOI: 10.1016/j.engstruct.2019.03.091.
8. Andreychikov A. V., Andreychikova O. N. (2013) System analysis of strategic decisions in innovation. Mathematical, heuristic and intellectual methods of system analysis and synthesis of innovations. Moscow : Book house “LIBRIKOM”. 304 p.
9. Razumnikov S. V. (2018) Non-compensatory aggregation and rating of cloud service providers // Reports of the Tomsk State University of Control Systems and Radioelectronics. T. 21, No. 4. P. 63–69.DOI: 10.21293/1818-0442-2018-21-4-63-69.
10. Aleskerov F. T., Khabina E. L., Schwartz D. A. (2012) Binary relations, graphs and collective decisions. 2nd ed., Rev. and add. Moscow : FIZ-MATLIT. 344 p.
11. Kalyagin V. A., Chistyakov V. V. (2009) Axiomatic model of non-compensatory aggregation: Preprint WP7 / 2009/01. Moscow : Publishing house. House of the State University Higher School of Economics. 76 p.
12. Maroukhine O. V., Berestneva O. G. (2003) Expert support system for making decision by the results of computer-based testing within the ends of teaching quality evaluation // Proceedings – KORUS 2003: 7th Korea-Russia International Symposium on Science and Technology. Vol. 2. P. 416–419.
13. Oikonomou E. K., Yiannakopoulou E. (2021) Sustainable coastal zone management of Strymonikos Gulf: Implementation of the analytic hierarchy process through an application designed using the programming language C# (sharp) // World Review of Science, Technology and Sustainable Development. 17(1). P. 54–80. DOI: 10.1504/WRSTSD.2021.114021.
14. Aleskerov F. T., Kataeva E. S., Pislyakov V. V., Yakuba A. I. (2013) Assessment of the contribution of researchers by the threshold aggregation method // Management of large systems. Special issue 44: “Scientometrics and Expertise in Science Management”. P. 172–189.
15. Aleskerov F. T., Yuzbashev D. A., Yakuba V. I. (2007) Threshold aggregation of three-gradation rankings // Automation and telemechanics. Issue 1. P. 147–152.
16. Aleskerov F., Yakuba V., Yuzbashev D. (2007) A threshold aggregation of three-graded rankings // Math. Social Sci. 53. P. 106–110.
17. Aleskerov F., Chistyakov V. V., Kalyagin V. A. (2010) The threshold aggregation // Econ. lett. 107. No 2. P. 161–162.
18. Aleskerov F., Chistyakov V., Kalyagin V. (2010) Social threshold aggregations / F. Aleskerov, // Social Choice and Welfare. Vol. 35, No 4. P. 627–646.
19. Razumnikov S. V., Kurmanbay A. K. (2016) Models of evaluating efficiency and risks on integration of cloud-base IT-services of the machine-building enterprise: a system approach / S.V. Razumnikov, // IOP Conference Series: Materials Science and Engineering. Vol. 124, No. 1. P. 1–5. DOI: 10.1088/1757-899X/124/1/012089.
20. Razumnikov S. V., Prankevich D. (2016) Integrated model to assess cloud deployment effectiveness when developing an IT-strategy // IOP Conference Series: Materials Science and Engineering. Vol. 127: Urgent Problems of Modern Mechanical Engineering. DOI: 10.1088/1757-899X/127/1/012018.
21. Sultan N. (2013) Knowledge management in the age of cloud computing and Web 2.0: Experiencing the power of disruptive innovations // International journal of information management. Vol. 33, No. 1. P. 160–165. DOI: 10.1016/j.ijinfomgt.2012.08.006.
22. Razumnikov S. V. (2021) Certificate of state registration of the computer program “Building generalized ratings by the threshold aggregation method”; applicant and copyright holder National Research Tomsk Polytechnic University. No. 2021619283; app. 06/02/21; publ. 08.06.21.