[論文レビュー] Subjective-Objective Median-based Importance Technique (SOMIT) to Aid Multi-Criteria Renewable Energy Evaluation

Ding Ding, Yang Li+3 more|arXiv (Cornell University)|Jan 6, 2026

Multi-Criteria Decision Making被引用数 0

ひとこと要約

SOMITは再生可能エネルギーのMCDMにおける主観-客観重み付けのハイブリッド手法で、比較の回数を削減し、頑健性を高め、TOPSISとのモジュラー統合を実現する。

ABSTRACT

Accelerating the renewable energy transition requires informed decision-making that accounts for the diverse financial, technical, environmental, and social trade-offs across different renewable energy technologies. A critical step in this multi-criteria decision-making (MCDM) process is the determination of appropriate criteria weights. However, deriving these weights often solely involves either subjective assessment from decision-makers or objective weighting methods, each of which has limitations in terms of cognitive burden, potential bias, and insufficient contextual relevance. This study proposes the subjective-objective median-based importance technique (SOMIT), a novel hybrid approach for determining criteria weights in MCDM. By tailoring SOMIT to renewable energy evaluation, the method directly supports applied energy system planning, policy analysis, and technology prioritization under carbon neutrality goals. The practical utility of SOMIT is demonstrated through two MCDM case studies on renewable energy decision-making in India and Saudi Arabia. Using the derived weights from SOMIT, the TOPSIS method ranks the renewable energy alternatives, with solar power achieving the highest performance scores in both cases. The main contributions of this work are five-fold: 1) the proposed SOMIT reduces the number of required subjective comparisons from the conventional quadratic order to a linear order; 2) SOMIT is more robust to outliers in the alternatives-criteria matrix (ACM); 3) SOMIT balances subjective expert knowledge with objective data-driven insights, thereby mitigating bias; 4) SOMIT is inherently modular, allowing both its individual parts and the complete approach to be seamlessly coupled with a wide range of MCDM methods commonly applied in energy systems and policy analysis; 5) a dedicated Python library, pysomit, is developed for SOMIT.

研究の動機と目的

• 再生可能エネルギー決定におけるMCDMの重み付け誘発に伴う認知的負担を軽減する。
• 専門家の主観的判断と客観データの洞察をバランスさせ、バイアスを緩和する。
• さまざまなMCDM手法と統合可能なモジュラーな重み付けアプローチを提供する。
• カーボンニュートラリティ目標の下で実世界のエネルギー計画におけるSOMITの有用性を示す。

提案手法

• 再生可能エネルギー評価におけるMCDMのための主観-客観ハイブリッド重み付け技術としてSOMITを導入する。
• SOMITが主観的比較を2次の階乗的な順序から線形の順序へ短縮することを示す。
• 代替案-基準行列の外れ値に対するSOMITの頑健性を実証する。
• SOMITをTOPSIS手法と組み合わせて再生可能エネルギーの代替案を順位付けする。
• SOMITの実装のためのPythonライブラリpysomitを開発する。

実験結果

リサーチクエスチョン

• RQ1 再生可能エネルギーにおけるMCDMで、主観と客観の入力を取り入れつつ認知負担を軽減する重み付けをどのように決定できるか。
• RQ2 SOMITは従来の重み付け手法と比較して外れ値に対する頑健性を向上させるか。
• RQ3 SOMITは一般的なMCDM手法（例：TOPSIS）と統合してエネルギー技術の実用的なランキングを生み出せるか。
• RQ4 SOMITはエネルギー政策分析のさまざまなアルゴリズムやデータソースと結合できるほどモジュラーか。

主な発見

• SOMITは主観的比較の必要回数を2次の順序から線形の順序へ削減する。
• SOMITは代替案-基準マトリクスの外れ値に対して頑健である。
• SOMITは主観的な専門知識と客観的データ駆動の洞察をバランスさせ、バイアスを減らす。
• SOMITはモジュラーであり、幅広いMCDM手法と結合可能である。
• 専用のPythonライブラリpysomitがSOMIT実装をサポートする。