A Decision Support Tool for Multi-Criteria Analysis

Abstract

Decision making is a process that involves evaluating multiple alternatives across various criteria. To facilitate this process, Multi-Criteria Decision Making techniques serve as powerful tools for decision-makers. However, these techniques can raise some doubt among users unfamiliar with them, and existing software applications for their implementation may be overly technical and overwhelming. Additionally, decision-makers must assign preferences among criteria, and these preferences need to be consistent to ensure that the output of the techniques robustly reflects their decisions. Existing methods for automatically adjusting preferences often result in preferences that deviate significantly from what the user initially envisioned.In this thesis, we propose an approach that addresses both challenges. First, we create a visualization tool that employs storytelling, allowing users to navigate the decision-making process. This tool integrates Analytic Hierarchy Process for determining criterion weights and Technique for Order Preference by Similarity to Ideal Solution for ranking alternatives. Second, we introduce a novel automatic adjustment approach that involves solving a minimum feedback arc set problem to handle intransitivities in preferences. Subsequently, using a perturbation map, we make small adjustments until consistent preferences are achieved. Our approach maintains preferences closer to the user’s initial intentions than existing methods found in the literature, highlighting the potential of this methodology.

A tomada de decisão é um processo que envolve a avaliação de várias alternativas com base em vários critérios. Para facilitar este processo, as técnicas de Tomada de Decisão Multicritério servem como ferramentas poderosas para os decisores. No entanto, estas técnicas podem levantar algumas dúvidas entre os utilizadores que não estão familiarizados com elas, e as aplicações de software existentes para a sua implementação podem ser demasiado técnicas e confusas. Além disso, os decisores devem atribuir preferências entre os critérios, e essas preferências precisam de ser consistentes para garantir que os resultados reflitam de forma robusta as suas decisões. Os métodos existentes para ajustar automaticamente as preferências muitas vezes resultam em preferências que se desviam significativamente do que o utilizador inicialmente idealizou.Nesta tese, propomos uma abordagem que aborda ambos os desafios. Primeiro, criamos uma ferramenta de visualização que utiliza storytelling, permitindo aos utilizadores navegar pelo processo de tomada de decisão. Esta ferramenta integra o Analytic Hierarchy Process para determinar os pesos dos critérios e a técnica Technique for Order Preference by Similarity to Ideal Solution para classificar as alternativas. Em segundo lugar, introduzimos uma nova abordagem de ajuste automático de preferências que envolve a resolução do problema do Minimum Feedback Arc Set para lidar com as intransitividades. Seguidamente, utilizando um mapa de perturbações, fazemos pequenos ajustes até que sejam alcançadas preferências consistentes. A nossa abordagem mantém as preferências mais próximas das intenções iniciais do utilizador do que os métodos existentes na literatura, destacando o potencial desta metodologia.