CLUSDM: a multiple criteria decision making method for heterogeneous data sets

• Autores: Aïda Valls Mateu
• Directores de la Tesis: Claudio Ulises Cortés García (dir. tes.) , Vicenç Torra Reventós (dir. tes.)
• Lectura: En la Universitat Politècnica de Catalunya (UPC) ( España ) en 2003
• Idioma: inglés
• ISBN: 84-688-1348-6
• Depósito Legal: B.15809-2003
• Tribunal Calificador de la Tesis: Joan Jacas Moral (presid.) , Miquel Sànchez i Marrè (secret.) , Yasuo Narukawa (voc.) , Enrique Herrera Viedma (voc.) , Josep Domingo i Ferrer (voc.)
• Enlaces
  • Tesis en acceso abierto en: TDX
• Resumen
  • English

    Aquesta tesi presenta una nova metodologia per resoldre problemes de presa de decisions. Hem estudiat els casos en què cal considerar més d'un criteri. Aquests tipus de mètodes de decisió es coneixen com MCDM (Multiple Criteria Decision Making), o també MCDA (Multiple Criteria Decision Aid). La diferència entre simplement "prendre decisions" o "ajudar a prendre decisions" recau en si el mètode es dissenya per recomanar la decisió a prendre o si també inclou elements que permeten entendre com es prenen les decisions en un cert context. La nostra proposta inclou elements dels dos plantejaments. D'una banda, hem intentat que la persona que ha d'usar el mètode no necessiti aprendre tècniques complexes abans de poder-lo aplicar a casos reals. D'altra banda, el mètode no és una caixa negra, sinó que l'usuari rep informació sobre característiques de les dades que ha de tenir en compte abans de fer la decisió final.

    ClusDM és un mètode de presa de decisions pensat per resoldre dos tipus concrets de problemes: (i) ordenar un conjunt d'alternatives de la millor a la pitjor, (ii) seleccionar les millors alternatives del conjunt. La dificultat d'aquest procés recau en que cal maximitzar diversos criteris parcials (i normalment no correlacionats) al mateix temps. A la tesi es pot trobar un resum de les diferents aproximacions a aquest tipus de problemes de decisió. Només destacar que el nostre mètode segueix les bases de la Teoria de la Utilitat.

    Els mètodes clàssics consideren només criteris numèrics. Diferents extensions a aquests models s'han anat desenvolupant durant els últims anys. En aquesta tesis ens hem plantejat la possibilitat de tenir criteris que utilitzin diferents tipus de valors. A més, hem afegit dues fases a la metodologia habitual (que té una fase d'agregació i una d'ordenació), que són: l'explicació del resultat i l'avaluació de la qualitat.

    La "Fase d'explicació" està dedicada a assignar un terme lingüístic per descriure cada alternativa segons la seva posició en el ranking. L'ús de vocabularis qualitatius facilita la comprensió del resultat. El significat dels diferents termes usats ve donat per una funció de negació. Aquesta representació es basa en contrastar el significat d'un terme amb el dels termes oposats (els seus antònims).

    La "Fase d'Avaluació de la Qualitat" analitza a fons els resultats intermedis obtinguts en els diferents passos del procés i intenta mesurar l'error acumulat. ClusDM proporciona diverses mesures de qualitat parcial per cada fase del procés, de manera que l'usuari tingui constància de la confiança que pot donar al resultat final que doni el sistema.

    ---------------------------------------------------------------------------------------------------------

  • English

    This thesis presents a new methodology for decision making. In particular, we have studied the problems that consider more than one criterion, which is known as Multiple Criteria Decision Making (MDCM) or Multiple Criteria Decision Aid (MCDA). The difference relies on the fact of imitating the behaviour of the decision maker (i.e. develop a method that makes decisions) or giving to the decision maker some additional information that allows him to understand the mechanism of solving decisions (i.e. the decision maker can learn from the use of the method).

    Our proposal fits better in the MCDA approach, but has also similarities with the MCDM perspective. On one hand, the method we have designed is independent enough to not require a deep understanding of the process by the decision maker. On the other hand, we have carefully studied the process and the method is able to extract knowledge about the decision problem, which is given to the user to let him know any special characteristics of the data analysed.

    ClusDM is a new method to solve multicriteria decision problems. It is able to find a ranking of alternatives or to select the best ones. This process is not easy since usually it is not possible to maximise all the partial profits (i.e.criteria) at the same time. In the thesis we present an overview of the large amount of methods developed to solve this problem. We follow the utility theory approach.

    Classical methods consider only numerical criteria. Some extensions allow the consideration of other scales, such as, fuzzy or ordinal values, but usually they are required to have a common scale for all criteria. This thesis faces the problem of managing different types of criteria at the same time. Methods following the utility approach consider two steps to sort a decision problem out: the aggregation and the ranking. We have included some additional steps in order to improve the process: (i) the explanation phase and (ii) the quality measurement phase.

    In the "Explanation Phase", special attention is devoted to give an appropriate linguistic description of the ranking. The necessity to give a qualitatively described result has been argued by different authors. The rationale behind this belief is that human decision makers understand better a linguistic statement characterising the selected alternative (or ranking of alternatives) than a numerical result or even a membership function. In this context, a new negation-based semantics has been studied. The key idea is that we can infer the meaning of a term knowing the terms that express an opposite value. The use of this new semantics representation seems appropriate to obtain a result that can be easily understood by the decision maker.

    In the "Quality Measurement Phase", different quality measures for each stage of the process are calculated. With these measures we can give an overall value of the trustworthiness of the final result. This kind of information is very useful for the decision maker in order to pay more or less attention to the recommendations of the system.