Academic Journal
Enhancing Multi-Criteria Decision-Making: A Novel Approach to Generalized Decision Rules Using Mahalanobis Distance
| Title: | Enhancing Multi-Criteria Decision-Making: A Novel Approach to Generalized Decision Rules Using Mahalanobis Distance |
|---|---|
| Authors: | Hammoud, Ali |
| Publisher Information: | Cifra LLC, 2024. |
| Publication Year: | 2024 |
| Subject Terms: | MaGDR, метрики принятия решений, Generalized Decision Rules (GDR), многокритериальное принятие решений (MCDM), расстояние Махаланобиса, decision metrics, обобщенное решающее правило (GDR), Multi-Criteria Decision-Making (MCDM), Mahalanobis distance |
| Description: | В данной статье представлен алгоритм модифицированных обобщенных правил принятия решений (MaGDR), усовершенствование алгоритма традиционных обобщенных правил принятия решений (GDR), который объединяет расстояние Махаланобиса для устранения присущих ограничений при принятии многокритериальных решений (MCDM). Традиционные алгоритмы GDR часто сталкиваются с проблемами корреляции и масштабирования между различными критериями, что приводит к принятию неоптимальных решений. Включив расстояние Махаланобиса, алгоритм MaGDR обеспечивает надежный, масштабно-инвариантный метод, который точно отражает истинные расстояния в пространстве критериев, тем самым повышая точность и надежность принятия решений. Мы подробно описываем теоретические модификации алгоритма GDR, уделяя особое внимание вычислительной механике и интеграции расстояния Махаланобиса. Реализация демонстрируется посредством моделирования роботизированного поиска пути — сложного сценария принятия решений, характеризующегося обходом препятствий. Результаты моделирования подтверждают расширенные возможности алгоритма MaGDR решать сложные задачи поиска пути, демонстрируя повышение эффективности принятия решений по сравнению с алгоритмом Dijkstra. Результаты показывают, что алгоритм MaGDR не только эффективно работает в типичных приложениях MCDM, но также превосходен в сценариях, требующих детальной оценки нескольких конфликтующих критериев. Будущие исследования будут изучать масштабируемость этого подхода в других областях, таких как здравоохранение и логистика, и стремиться к дальнейшей оптимизации эффективности итераций. This paper introduces the Modified Generalized Decision Rules (MaGDR) algorithm, an enhancement of the traditional Generalized Decision Rules (GDR) algorithm, which integrates the Mahalanobis distance to address inherent limitations in multi-criteria decision-making (MCDM). Traditional GDR algorithms often struggle with correlation and scaling issues among different criteria, leading to suboptimal decision-making. By incorporating the Mahalanobis distance, the MaGDR algorithm provides a robust, scale-invariant method that accurately reflects true distances within the criteria space, thus improving decision-making accuracy and reliability. We detail the theoretical modifications to the GDR algorithm, emphasizing the computational mechanics and integration of the Mahalanobis distance. The implementation is demonstrated through a simulation of robotic pathfinding, a complex decision-making scenario characterized by obstacle avoidance. The simulation results validate the MaGDR algorithm's enhanced capability to handle intricate pathfinding tasks, showing improvements in decision-making efficiency compared to the Dijkstra algorithm. The findings suggest that the MaGDR algorithm not only performs effectively in typical MCDM applications but also excels in scenarios requiring nuanced assessments of multiple conflicting criteria. Future researches will explore the scalability of this approach in other domains, such as healthcare and logistics, and seek to optimize iteration efficiency further. Cifra. Компьютерные науки и информатика, Выпуск 3 (3) 2024 |
| Document Type: | Article |
| Language: | English |
| DOI: | 10.60797/comp.2024.3.2 |
| Rights: | CC BY |
| Accession Number: | edsair.doi...........00f5f75f8caa8f7e96533f7e7f6dce89 |
| Database: | OpenAIRE |
| DOI: | 10.60797/comp.2024.3.2 |
|---|