Sensitivity Analysis in Multi-objective Decision Making

مبانی بدیهی رویکرد بیزی برای تصمیم گیری، دقت در قضاوت تصمیم گیرندگان را تضمین می کند. در عمل، سازندگان dccision اغلب فقط اطلاعات جزئی و/یا مشکوک ارائه می دهند. ما نتایج را برای مقابله با مواردی که یک چارچوب کلی برای تجزیه و تحلیل حساسیت در تصمیم‌گیری چند هدفه معرفی می‌کنند، متحد کرده و گسترش می‌دهیم. ما اولین مشکلات تصمیم گیری را تحت اطلاعات جزئی مطالعه می کنیم. ما بدیهیاتی را ارائه می‌دهیم که منجر به ترجیحات مدل‌سازی توسط خانواده‌های توابع ارزش، در مسائل تحت قطعیت، و باورهای جعلی توسط خانواده‌های توزیع احتمال و ترجیحات توسط خانواده‌های توابع سودمند، در مسائل تحت عدم قطعیت می‌شوند. هر دو مشکل به طور موازی با یک مدل پارامتریک درمان می شوند. آلترناتیوها به معنای پارتو مرتب می شوند، راه حل مسئله مجموعه ای از جایگزین های غیر تحت سلطه است. راه‌حل‌های بالقوه بهینه نیز از دیدگاه شهودی و به دلیل ارتباط آنها با راه‌حل‌های غیرمسلط، قابل قبول به نظر می‌رسند. الگوریتم هایی برای محاسبه این راه حل ها در مسائل کلی و در موارد معمول در عمل ارائه شده است: مسائل خطی و دوخطی. دیگر مفاهیم راه حل به دلیل موقتی بودن مورد انتقاد قرار می گیرند. به طور خلاصه، ما یک نظریه قوی‌تر از تصمیم‌گیری مبتنی بر مجموعه بدیهیات ضعیف‌تری داریم، اما دارای انسجام است، زیرا اساساً مستلزم انجام یک خانواده از تجزیه و تحلیل‌های منسجم است.

The axiomatic foundations of the Bayesian approach to decision making assurne precision in the decision maker's judgements. In practicc, dccision makers often provide only partial and/or doubtful information. We unify and expand results to deal with those cases introducing a general framework for sensitivity analysis in multi-objective decision making. We study first decision making problems under partial information. We provide axioms leading to modelling preferences by families of value functions, in problems under certainty, and moJelling beliefs by families of probability distributions and preferences by familics of utility functions, in problems under uncertainty. Both problems are treated in parallel with the same parametric model. Alternatives are ordered in a Pareto sense, the solution of the problem being the set of non­ dominated alternatives. Potentially optimal solutions also seem acceptable, from an intuitive point of view and due to their relation with the nondominated ones. Algorithms are provided to compute these solutions in general problems and in cases typical in practice: linear and bilinear problems. Other solution concepts are criticised on the grounds of being ad hoc. In summary, we have a more ro­ bust theory of decision making based on a weaker set ofaxioms, but embodying coherence, since it essentially implies carrying out a family of coherent dccision anitlyses.