[논문 리뷰] Incomplete Analytic Hierarchy Process with Minimum Weighted Ordinal Violations

Luca Faramondi, Gabriele Oliva외 1명|arXiv (Cornell University)|2019. 04. 09.

Multi-Criteria Decision Making참고 문헌 57인용 수 21

한 줄 요약

이 논문은 가중치를 적용한 순서 위반 수를 최소화하는 데 초점을 맞춘 비완전한 분석계층과정(AHP)을 위한 새로운 이단계 방법을 제안한다. 먼저 가중치 만족도 지수를 사용하여 순서 일관성을 최적화하고, 이후 순서 제약 조건 하에 로그 최소 제곱법을 통해 정량적 가중치를 계산한다. 이 방법은 실용적인 충분 조건 하에 유일한 해를 보장하며, 순서적 선호를 유지하면서도 기존 최첨단 방법에 비해 경쟁적인 정량적 근사 성능을 보인다.

ABSTRACT

Incomplete pairwise comparison matrices offer a natural way of expressing preferences in decision making processes. Although ordinal information is crucial, there is a bias in the literature: cardinal models dominate. Ordinal models usually yield non-unique solutions; therefore, an approach blending ordinal and cardinal information is needed. In this work, we consider two cascading problems: first, we compute ordinal preferences, maximizing an index that combines ordinal and cardinal information; then, we obtain a cardinal ranking by enforcing ordinal constraints. Notably, we provide a sufficient condition (that is likely to be satisfied in practical cases) for the first problem to admit a unique solution and we develop a provably polynomial-time algorithm to compute it. The effectiveness of the proposed method is analyzed and compared with respect to other approaches and criteria at the state of the art.

연구 동기 및 목표

• 정량적 모델이 지배하는 AHP 문헌의 균형을 맞추기 위해, 순서 제약 조건이 종종 忽시되는 문제를 해결하고, 선호 순서를 위반하는 해를 유도하지 않도록 한다.
• 실제 의사결정에서 흔한 비완전한 상호비교 행렬에 포함된 순서적 선호를 유지하는 방법을 개발한다.
• 현실적인 충분 조건 하에 순서 랭킹 문제에 대해 증명 가능하게 유일한 해를 제공함으로써 안정성과 재현 가능성을 확보한다.
• 두 단계 최적화 문제를 연결하여 순서적 정보와 정량적 정보를 통합한다: 첫 번째로 순서 만족도를 최대화하고, 두 번째로 순서 제약 조건 하에 정량적 가중치를 계산한다.
• 다양한 비일관성 수준과 밀도 수준에서 최첨단 방법과의 비교를 위해 최대 위반 수(MVs)와 총 이탈량(TDs) 등의 지표를 사용하여 성능 평가를 수행한다.

제안 방법

• 큰 정량적 값을 가진 선호에 더 높은 가중치를 할당함으로써 순서 일관성의 정도를 수량화하는 가중치 순서 만족도 지수(WOSI)를 수립한다.
• 첫 번째 단계에서 혼합정수선형계획문제(MILP)를 해결하여 WOSI를 최대화하는 최적의 순서 랭킹을 도출하며, 충분 조건 하에 해가 유일해짐을 보장한다.
• 두 번째 단계에서 첫 번째 단계에서 도출된 순서 랭킹을 제약 조건으로 삼아 제약 조건이 있는 로그 최소 제곱(LLS) 문제를 해결하여 정량적 가중치를 계산한다.
• 첫 번째 단계 문제를 다항시간 알고리즘으로 해결하여 계산 효율성과 확장 가능성을 확보한다.
• 알려진 요소들만 고려함으로써 희소 데이터를 자연스럽게 다룰 수 있도록 비완전한 상호비교 행렬에 이 방법을 적용한다.
• 두 단계 프레임워크로 통합한다: (1) 가중 위반 수 최소화를 통한 순서 최적화, (2) 순서 타당성 확보를 위한 정량적 랭킹 계산.

실험 결과

연구 질문

• RQ1 정량 데이터가 희소한 비완전한 상호비교에서, 순서 랭킹이 고유하고 안정적으로 계산될 수 있는가?
• RQ2 정량적 랭킹 방법에서 체계적으로 순서적 선호를 유지하면서도 근사 정확도를 훼손하지 않을 수 있는가?
• RQ3 정량적 선호 강도에 따라 순서 위반에 가중치를 적용할 경우, 전체 해의 일관성에 어떤 영향을 미치는가?
• RQ4 기존 방법들(예: ILLS, EV, IDLS, IWLS)과 비교했을 때, 제안된 방법은 순서적 및 정량적 성능 측면에서 어떻게 다른가?
• RQ5 첫 번째 단계 최적화 문제는 어떤 조건에서 유일한 해를 보장하는가?

주요 결과

• 제안된 ILLS-MWOV 방법은 모든 테스트 시나리오에서 최소의 최대 위반 수(MVs)를 기록하여, 순서적 선호의 보존 능력이 뛰어나다는 것을 보여준다.
• 특히 모호한 사이클과 높은 비일관성 존재 시, ILLS-MWOV는 IDLS, EV, IWLS보다 MV 측면에서 뛰어난 성능을 보였다.
• 총 이탈량(TDs) 측면에서 ILLS-MWOV는 ILLS와 유사한 성능을 보이며 IDLS에 비해 略로 떨어지지만, EV와 IWLS에 비해 훨씬 뛰어나 정량적 근사 정확도가 높다는 것을 시사한다.
• MV와 TD를 종합적으로 평가했을 때, ILLS-MWOV는 EV와 IWLS를 압도하며 순서적 및 정량적 충실도 사이의 유리한 트레이드오프를 보였다.
• 실제 적용에서 자주 충족될 가능성이 높은 충분 조건 하에 첫 번째 단계 최적화 문제는 유일한 해를 가짐을 보장하여 안정성을 확보하였다.
• 시뮬레이션 결과는 그래프 밀도(ρ = 0.5)와 비일관성 수준(γ)이 다양할 경우에도 뛰어난 성능을 유지함을 확인하여, 다양한 데이터 조건 하에서도 신뢰할 수 있는 성능을 보임을 입증했다.