Academic Journal
View in EDS

Enhancing Multi-Criteria Decision-Making: A Novel Approach to Generalized Decision Rules Using Mahalanobis Distance

Bibliographic Details
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
FullText Text:
  Availability: 0
Header DbId: edsair
DbLabel: OpenAIRE
An: edsair.doi...........00f5f75f8caa8f7e96533f7e7f6dce89
RelevancyScore: 934
AccessLevel: 3
PubType: Academic Journal
PubTypeId: academicJournal
PreciseRelevancyScore: 934.170104980469
IllustrationInfo
Items – Name: Title
  Label: Title
  Group: Ti
  Data: Enhancing Multi-Criteria Decision-Making: A Novel Approach to Generalized Decision Rules Using Mahalanobis Distance
– Name: Author
  Label: Authors
  Group: Au
  Data: <searchLink fieldCode="AR" term="%22Hammoud%2C+Ali%22">Hammoud, Ali</searchLink>
– Name: Publisher
  Label: Publisher Information
  Group: PubInfo
  Data: Cifra LLC, 2024.
– Name: DatePubCY
  Label: Publication Year
  Group: Date
  Data: 2024
– Name: Subject
  Label: Subject Terms
  Group: Su
  Data: <searchLink fieldCode="DE" term="%22MaGDR%22">MaGDR</searchLink><br /><searchLink fieldCode="DE" term="%22метрики+принятия+решений%22">метрики принятия решений</searchLink><br /><searchLink fieldCode="DE" term="%22Generalized+Decision+Rules+%28GDR%29%22">Generalized Decision Rules (GDR)</searchLink><br /><searchLink fieldCode="DE" term="%22многокритериальное+принятие+решений+%28MCDM%29%22">многокритериальное принятие решений (MCDM)</searchLink><br /><searchLink fieldCode="DE" term="%22расстояние+Махаланобиса%22">расстояние Махаланобиса</searchLink><br /><searchLink fieldCode="DE" term="%22decision+metrics%22">decision metrics</searchLink><br /><searchLink fieldCode="DE" term="%22обобщенное+решающее+правило+%28GDR%29%22">обобщенное решающее правило (GDR)</searchLink><br /><searchLink fieldCode="DE" term="%22Multi-Criteria+Decision-Making+%28MCDM%29%22">Multi-Criteria Decision-Making (MCDM)</searchLink><br /><searchLink fieldCode="DE" term="%22Mahalanobis+distance%22">Mahalanobis distance</searchLink>
– Name: Abstract
  Label: Description
  Group: Ab
  Data: 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.<br />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.<br />Cifra. Компьютерные науки и информатика, Выпуск 3 (3) 2024
– Name: TypeDocument
  Label: Document Type
  Group: TypDoc
  Data: Article
– Name: Language
  Label: Language
  Group: Lang
  Data: English
– Name: DOI
  Label: DOI
  Group: ID
  Data: 10.60797/comp.2024.3.2
– Name: Copyright
  Label: Rights
  Group: Cpyrght
  Data: CC BY
– Name: AN
  Label: Accession Number
  Group: ID
  Data: edsair.doi...........00f5f75f8caa8f7e96533f7e7f6dce89
PLink https://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsair&AN=edsair.doi...........00f5f75f8caa8f7e96533f7e7f6dce89
RecordInfo BibRecord:
  BibEntity:
    Identifiers:
      – Type: doi
        Value: 10.60797/comp.2024.3.2
    Languages:
      – Text: English
    Subjects:
      – SubjectFull: MaGDR
        Type: general
      – SubjectFull: метрики принятия решений
        Type: general
      – SubjectFull: Generalized Decision Rules (GDR)
        Type: general
      – SubjectFull: многокритериальное принятие решений (MCDM)
        Type: general
      – SubjectFull: расстояние Махаланобиса
        Type: general
      – SubjectFull: decision metrics
        Type: general
      – SubjectFull: обобщенное решающее правило (GDR)
        Type: general
      – SubjectFull: Multi-Criteria Decision-Making (MCDM)
        Type: general
      – SubjectFull: Mahalanobis distance
        Type: general
    Titles:
      – TitleFull: Enhancing Multi-Criteria Decision-Making: A Novel Approach to Generalized Decision Rules Using Mahalanobis Distance
        Type: main
  BibRelationships:
    HasContributorRelationships:
      – PersonEntity:
          Name:
            NameFull: Hammoud, Ali
    IsPartOfRelationships:
      – BibEntity:
          Dates:
            – D: 29
              M: 07
              Type: published
              Y: 2024
          Identifiers:
            – Type: issn-locals
              Value: edsair
ResultId 1