[논문 리뷰] Preference Robust Ordinal Priority Approach with Preference Elicitation under Incomplete Information for Multi-Attribute Robust Ranking and Selection

Renlong Wang|arXiv (Cornell University)|2024. 12. 17.

Multi-Criteria Decision Making인용 수 4

한 줄 요약

이 논문은 불완전한 정보 하에서 다기준 의사결정(MADM)을 위한 선호도에 강건한 순서우선도 방법(OPA-PR)과 그 만족도 확장형(OPA-PRS)을 제안한다. 이는 두 단계의 강건 최적화 프레임워크를 통해 유틸리티 선호도의 모호성과 모델의 잘못된 특정화를 다루며, 오차 한계를 갖는 조각별 선형 근사법을 도입하여 닫힌 형태의 해를 도출하고, 위험 선호도에 독립적이며 강건성이 향상된 비상 공급자 선정에 응용된다.

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.

연구 동기 및 목표

• 전문가의 선호도와 속성 가중치가 부분적으로만 지정된 경우 다기준 의사결정(MADM)에서의 매개변수 불확실성과 유틸리티 선호도의 모호성을 다루기.
• 불완전한 정보 하에서 악성 상황의 유틸리티 함수와 순위 매개변수의 모호성을 고려한 강건 최적화 프레임워크 개발하기.
• 두 단계 최적화의 각 단계에서 이론적 오차 한계를 갖는 조각별 선형 근사법(PLA)을 사용하여 OPA 모델의 실용적인 재구성 제안하기.
• 순위 매개변수의 모델 잘못된 특정화를 다루기 위해 새로운 가중치 불균형의 취약도 측정법을 도입한 강건 만족도 확장형(OPA-PRS) 제안하기.
• 비상 공급자 선정에 대한 수치 실험을 통해 OPA-PR과 OPA-PRS의 효과성을 검증하고, 기준 방법과 비교하여 강건성과 일관성을 입증하기.

제안 방법

• 순위 기반 중심 가중치를 사용하여 원래 OPA를 재구성함으로써 닫힌 형태의 해를 도출하고, 전문가, 속성, 대안 간 분해 가능성을 확립하기.
• 두 단계 최적화 프레임워크를 구현함: 첫 번째 단계에서는 단조성, 정규화, 오목성, 리프시츠 연속성, 모멘트 유형의 선호도 추출을 통해 정의된 애매함 집합에서 악성 상황 유틸리티 함수를 추출하기.
• 두 번째 단계에서는 지지 함수를 사용하여 악성 상황의 순위 매개변수를 모델링하고, 악성 상황에서의 최적 결정 가중치를 최적화하기.
• 비볼록한 애매함 집합을 효율적으로 처리할 수 있는 볼록 형태로 전환하기 위해 조각별 선형 근사법(PLA)을 적용함으로써 계산 효율성과 오차 한계 보장을 달성하기.
• 첫 번째 단계에서의 목표 함수(가중치 불균형 스칼라)에 대한 이론적 오차 한계와, 두 번째 단계의 최적 결과에 대한 PLA 근사에 의한 오차 한계를 도출하기.
• OPA-PRS에서 가중치 불균형의 취약도 측정법을 제안하고, 상한 연속성, 단조성, 양의 동차성, 초加성, 강건성 향상 등의 성질을 갖추어 모델 잘못된 특정화 위험을 평가하기.

실험 결과

연구 질문

• RQ1 부분적인 선호 정보 하에서 OPA 모델을 어떻게 재구성하여 닫힌 형태의 해를 도출하고 분해 가능성을 보장할 수 있는가?
• RQ2 불완전한 정보 하에서 강건 최적화를 통해 유틸리티 선호도의 모호성과 악성 상황의 순위 매개변수를 얼마나 효과적으로 모델링하고 보완할 수 있는가?
• RQ3 조각별 선형 근사법(PLA)은 OPA-PR 모델의 정확성과 실용성에 어떤 영향을 미치며, 이론적으로 확립할 수 있는 오차 한계는 무엇인가?
• RQ4 OPA-PRS에서 제안된 가중치 불균형의 취약도 측정법은 순위 매개변수의 모델 잘못된 특정화에 대해 강건성을 어떻게 향상시키는가?
• RQ5 실제 의사결정 환경에서 기존의 MADM 방법(VIKOR, MAUT 등)과 비교할 때 OPA-PR과 OPA-PRS는 성능과 일관성 면에서 어떻게 다른가?

주요 결과

• OPA-PR은 가중치 불균형 스칼라에 대해 닫힌 형태의 해를 도출하여 반복 최적화 없이 직접 계산이 가능하다.
• 최적의 가중치 불균형은 제안된 프레임워크 하에서 변화하지 않으며, 이는 위험 선호도와 관계없이 일관된 순위 결과를 보장한다.
• 이 방법은 위험 선호도에 독립적이며, 의사결정자가 위험 회피적인지 위험 수용적인지에 따라 해가 이동하지 않는다.
• 조각별 선형 근사법(PLA)은 첫 번째 단계의 목표 함수(가중치 불균형 스칼라)에서 오차가 발생하지 않으며, 두 번째 단계에 대한 이론적 오차 한계가 확립되어 있다.
• OPA-PRS는 대부분의 기준 방법과의 상관계수 비교에서 OPA-PR을 제외하고는 우월한 성능을 보이며, 모델 잘못된 특정화를 모델링함으로써 강건성이 향상됨을 시사한다.
• 상관계수 분석 결과, OPA-PR은 기준 방법들과 중간에서 높은 상관관계(0.7576–0.9313)를 보이며, VIKOR 및 MAUT와의 상관계수는 각각 0.7576과 0.7697로 낮게 나타나, OPA의 위험 회피 성향에 비해 OPA-PR이 더 위험 회피적인 성향을 지닌다는 점을 반영한다.