Модификация метода TOPSIS
https://doi.org/10.35266/1999-7604-2026-1-7
Аннотация
Ключевые слова
многокритериальная задача,
принятие решений,
неопределенность,
интервальные веса,
TOPSIS,
мягкое решение
Об авторе
П. К. Симаков
Южно-Уральский государственный университет (национальный исследовательский университет), Челябинск
Россия
Россия
инженер, аспирант
Список литературы
1. Pradhan P., Shabbiruddin, Pradhan S. Selection of electric vehicle using integrated Fuzzy-MCDM approach with analysis on challenges faced in hilly terrain // Energy Sources, Part A: Recovery, Utilization, and Environmental Effects. 2022. Vol. 44, no. 2. P. 2651–2673. https://doi.org/10.1080/15567036.2022.2056665.
2. Mehta P., Tandon A., Sharma H. Integration of FAHP and COPRAS-G for software component selection // Optimization Models in Software Reliability / Aggarwal A. G., Tandon A., Pham H., eds. Cham : Springer, 2022. P. 263–282. https://doi.org/10.1007/978-3-030-78919-0_12.
3. Rani P., Mishra A. R., Mardani A. An extended Pythagorean fuzzy complex proportional assessment approach with new entropy and score function: Application in pharmacological therapy selection for type 2 diabetes // Applied Soft Computing. 2020. Vol. 94. https://doi.org/10.1016/j.asoc.2020.106441.
4. Ozdagoglu A., Oztas G. Z., Keles M. K. et al. A comparative bus selection for intercity transportation with an integrated PIPRECIA & COPRAS-G // Case Studies on Transport Policy. 2022. Vol. 10, no. 2. P. 993–1004. https://doi.org/10.1016/j.cstp.2022.03.012.
5. Kaya S. K., Aycin E. An integrated interval type 2 fuzzy AHP and COPRAS-G methodologies for supplier selection in the era of Industry 4.0 // Neural Computing and Applications. 2021. Vol. 33. P. 10515–10535. https://doi.org/10.1007/s00521-021-05809-x.
6. Буховец В. А., Картавенко О. В., Тюрин П. О. и др. Оптимизация рецептуры методом регрессионного анализа // Новые технологии / New technologies. 2024. Т. 20, № 4. С. 11–21. https://doi.org/10.47370/2072-0920-2024-20-4-11-21.
7. Имангалиева Ж. К., Ибрагимов Н. К., Кожахиева М. О. и др. Оптимизация витаминного состава в творожных продуктах // Механика и технологии. 2024. № 3 (85). С. 40–46. https://doi.org/10.55956/YUXY9855.
8. Подиновский В. В., Ногин В. Д. Парето-оптимальные решения многокритериальных задач. М. : Наука, 1982. 256 с.
9. Pavic Z., Novoselac V. Notes on TOPSIS Method // International Journal of Research in Engineering and Science. 2013. Vol. 1, no. 2. P. 5–12.
10. Alinezhad A., Khalili J. COPRAS method // New methods and applications in multiple attribute decision making (MADM) / Price C. C., ed. Cham : Springer, 2019. Vol. 277. P. 87–91. https://doi.org/10.1007/978-3-030-15009-9_12.
11. Keshavarz Ghorabaee M., Amiri M., Zavadskas E. K. et al. Stochastic EDAS method for multi-criteria decision-making with normally distributed data // Journal of Intelligent & Fuzzy Systems. 2017. Vol. 33, no. 3. P. 1627–1638. https://doi.org/10.3233/jifs-17184.
12. Morais D. C., de Almeida A. T., Figueira J. R. A sorting model for group decision making: A case study of water losses in Brazil // Group Decision and Negotiation. 2014. Vol. 23, no. 5. P. 937–960. https://doi.org/10.1007/s10726-012-9321-7.
13. Llamazares B. Using interval weights in MADM problems // Computers & Industrial Engineering. 2019. Vol. 136. P. 345–354. https://doi.org/10.1016/j.cie.2019.07.035.
14. Ногин В. Д. Линейная свертка критериев в многокритериальной оптимизации // Искусственный интеллект и принятие решений. 2014. № 4. P. 73–82.
15. Кравцов М. К. Применение алгоритма линейной свертки критериев для нахождения эффективных решений в векторной задаче дискретной оптимизации // Экономика, моделирование, прогнозирование. 2021. № 15. С. 123–138.
16. Черноруцкий И. Г. Методы принятия решений. СПб. : Санкт-Петербургский государственный политехнический университет, 2012. С. 132–135.
17. Абакаров А. Ш., Сушков Ю. А. О численном подходе к получению Парето-оптимальных альтернатив // Наука и образование: научное издание МГТУ им. Н. Э. Баумана. 2008. № 5.
18. Ногин В. Д. Комбинированный подход к сужению множества Парето с использованием линейной и мультипликативной сверток критериев // Искусственный интеллект и принятие решений. 2016. № 2. С. 70–77.
19. Жуковский В. И., Кудрявцев К. Н. Уравновешивание конфликтов при неопределенности. I. Аналог седловой точки // Математическая Теория Игр и её Приложения. 2013. Т. 5, № 1. С. 27–44.
20. Халмош П. Теория меры / пер. с англ. М. : Рипол Классик. 2013, 298 с.
21. Marini F., Walczak B. Particle swarm optimization (PSO). A tutorial // Chemometrics and Intelligent Laboratory Systems. 2015. Vol. 149. Pt. B. P. 153–165. https://doi.org/10.1016/j.chemolab.2015.08.020.
22. Tovbis E., Krutikov V., Stanimirović P. et al. A family of multi-step subgradient minimization methods // Mathematics. 2023. Vol. 11, no. 10. https://doi.org/10.3390/math11102264.
23. Kudryavtsev K., Simakov P. The COPRAS method with interval weights // Proceedings of the 24th International Conference "Mathematical Modeling and Supercomputer Technologies", November 18–21, 2024, Nizhni Novgorod, Russia / Balandin D., Barkalov K., Meyerov I., eds. Cham : Springer, 2025. Vol. 2363. P. 136–144. https://doi.org/10.1007/978-3-031-80457-1_10.
24. Симаков П. К. Метод TOPSIS с интервальными весами // Системы управления и информационные технологии. 2025. № 2 (100). С. 94–99.
Рецензия
Для цитирования:
Симаков П.К. Модификация метода TOPSIS. Вестник кибернетики. 2026;25(1):70-83. https://doi.org/10.35266/1999-7604-2026-1-7
For citation:
Simakov P.K. TOPSIS method modification. Proceedings in Cybernetics. 2026;25(1):70-83. (In Russ.) https://doi.org/10.35266/1999-7604-2026-1-7
Просмотров:
134
JATS XML
Послать статью по эл. почте 