TOPSIS method modification
https://doi.org/10.35266/1999-7604-2026-1-7
Abstract
About the Author
P. K. Simakov
South Ural State University (National Research University), Chelyabinsk
Russian Federation
Russian Federation
Engineer, Postgraduate
References
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.
Review
For citations:
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
Views:
136
JATS XML
Email this article 