[論文レビュー] Preference Robust Ordinal Priority Approach with Preference Elicitation under Incomplete Information for Multi-Attribute Robust Ranking and Selection

Renlong Wang|arXiv (Cornell University)|Dec 17, 2024

Multi-Criteria Decision Making被引用数 4

ひとこと要約

本稿では、不完全な情報下における多属性意思決定（MADM）に対して、utility preferenceの曖昧さとモデル誤指定を扱う二段階のロバスト最適化フレームワークを用いた Preference Robust Ordinal Priority Approach (OPA-PR) とその満足拡張（OPA-PRS）を提案する。Piecewise linear approximation（PLA）と誤差境界を導入することで、閉形式解が得られ、リスク選好に依存せず、緊急サプライヤー選定においてより高いロバスト性を実現する。

ABSTRACT

Ordinal Priority Approach (OPA) has recently been proposed to determine the weights of experts, attributes, and alternatives using ordinal preference without precise information for multi-attribute ranking and selection (MARS). This study extends OPA with preference elicitation under incomplete information to counter the parametric and preference uncertainty within MARS. Specifically, we propose Preference Robust Ordinal Priority Approach (OPA-PR) within a two-stage optimization framework to generalize marginal utility structure and resolve ambiguity in ranking parameters and utility preferences. In the first stage, the worst-case marginal utility functions are elicited from utility preference ambiguity sets, characterized by monotonicity, normalization, concavity, and Lipschitz continuity for global information, and moment-type preference elicitation for the local. In the second stage, decision weights are optimized based on the elicited marginal utility functions, considering the ranking parameters within norm-, budget-, and conditional value-at-risk-based ambiguity sets. We derive tractable reformulations of OPA-PR, especially through piecewise linear approximation for the marginal utility preference ambiguity sets for the first stage. This approximation is verified by the error bounds for both stages, establishing the foundation of preference elicitation strategy design. The proposed approach is demonstrated through a numerical experiment on the emergency supplier selection problem, including the case, sensitivity, and comparison tests.

研究の動機と目的

• 専門家による好みや属性重みが不完全に指定されている状況下で、パrameterの不確実性とutility preferenceの曖昧さをMADMにおいてどのように扱うか。
• 不完全な情報下で、最悪のutility関数と順位パラメータの曖昧さを考慮するロバスト最適化フレームワークの構築。
• 二段階最適化の両段階において、理論的誤差境界を伴うpiecewise linear approximation（PLA）を用いたOPAモデルの実行可能再定式化の提案。
• 順位パラメータのモデル誤指定に対処するため、重みの不均衡の新たな壊れやすさ測度を導入したロバストな満足拡張（OPA-PRS）の提案。
• 緊急サプライヤー選定における数値実験を通じて、OPA-PRおよびOPA-PRSの有効性を検証し、ベンチマーク手法と比較してより高いロバスト性と一貫性を示す。

提案手法

• 順位順重心重みを用いて元のOPAを再定式化し、閉形式解を導出し、専門家、属性、代替案の間で分解可能性を確立する。
• 二段階最適化フレームワークを実装：第一段階では、単調性、正規化、凹性、Lipschitz連続性、およびモーメント型好みの特定に基づく曖昧性集合によって定義される最悪のutility関数を同定する。
• 第二段階では、サポート関数を用いて最悪の順位パラメータをモデル化し、最悪の状況下での意思決定重みを最適化する。
• 非凸な曖昧性集合を扱いやすい凸形に変換するため、piecewise linear approximation（PLA）を適用し、誤差境界が保証された効率的計算を可能にする。
• 第一段階の目的関数（重みの不均衡スカラー）および第二段階の最適解に対するPLA近似による理論的誤差境界を導出する。
• OPA-PRSにおける重みの不均衡の壊れやすさ測度を提案し、上半連続性、単調性、正Homogeneity、超加法性、およびプロロバスト性といった性質を有する。

実験結果

リサーチクエスチョン

• RQ1 不完全な好み情報下で、OPAモデルをどのように再定式化すれば閉形式解が得られ、分解可能性が保証されるか。
• RQ2 不完全な情報下で、ロバスト最適化を用いてutility preferenceの曖昧さと最悪の順位パラメータをどれほど効果的にモデル化・是正できるか。
• RQ3 Piecewise linear approximation（PLA）がOPA-PRモデルの精度と実行可能性に与える影響は何か。また、理論的誤差境界はどのように確立できるか。
• RQ4 OPA-PRSにおける重みの不均衡の新たな壊れやすさ測度は、順位パラメータのモデル誤指定に対するロバスト性をどのように向上させるか。
• RQ5 実世界の意思決定状況において、OPA-PRおよびOPA-PRSは、VIKOR や MAUT といった確立されたMADM手法と比較して、性能と一貫性においてどのように差を示すか。

主な発見

• OPA-PRは重みの不均衡スカラーについて閉形式解を達成し、反復的最適化を経ずに直接計算が可能である。
• 最適な重みの不均衡は、提案されたフレームワーク下で不変であり、リスク選好にかかわらず一貫した順位結果を保証する。
• この手法はリスク選好に依存せず、意思決定者がリスク回避的かリスク好好的かにかかわらず、解が変化しない。
• 第一段階の目的関数（重みの不均衡スカラー）におけるPLAの誤差はゼロであり、第二段階の最適解についても理論的誤差境界が確立されている。
• OPA-PRSは、ベンチマークとの相関比較においてOPA-PRを除き、ほとんどの場合で優れた性能を示しており、モデル誤指定のモデル化によるロバスト性の向上が裏付けられている。
• 相関分析によると、OPA-PRはベンチマークと中程度から高い相関（0.7576～0.9313）を示すが、VIKORおよびMAUTとの相関は低め（0.7576および0.7697）であり、OPAのリスク好好的傾向と比較して、OPA-PRがリスク回避的性質を示していることが示唆される。