ε-AMDA Algorithm and Its Application to Decision Making

In fuzzy logic, aggregating uncertainties is generally achieved by means of operators such as t-norms and t-conorms. However, existing aggregation operators have some disadvantages as follows : First, they are situation-independent. Thus, they may not be properly applied to dynamic aggregation process. Second, they do not give an intuitional sense to decision making process. To solve these problems, we propose a new $\varepsilon$-AMDA (Aggregation based on the fuzzy Multidimensional Decision Analysis) algorithm to reflect degrees of strength for option i (i = 1, 2, ..., n) in the decision making process. The $\varepsilon$-AMDA algorithm makes adaptive aggregation results between min (the most weakness for an option) and max (the most strength for an option) according to the values of the parameter representing degrees of strength for an option. In this respect, it may be applied to dynamic aggregation process. In addition, it provides a mechanism of the fuzzy multidimensional decision analysis for decision making, and gives an intuitional sense to decision making process. Thus, the proposed method aids the decision maker to get a suitable decision according to the degrees of strength for options (or alternatives).

ε-AMDA 알고리즘과 의사 결정에의 응용

퍼지 논리에서 불확실성의 병합은 일반적으로 t-norm 과 t-conorm 같은 연산자에 의해 수행된다. 그러나 기존의 병합 연산자는 다음과 같은 단점을 가지고 있다 : 첫째, 그들은 상황에 독립적이다. 결과적으로 동적 병합 과정에 적절히 적용하기 어렵다. 둘째, 의사결정 과정에의 직관적 연결성을 제공하지 못한다. 이러한 문제점을 해결하기 위해 의사결정 과정에서 옵션들의 강점 정도를 반영해 주는 퍼지 다차원 의사결정분석에 기반을 둔 $\varepsilon$-AMDA 알고리즘을 제안한다. $\varepsilon$-AMDA 알고리즘은 옵션의 강점 정도를 나타내 주는 매개변수의 값에 따라 최소값(옵션의 최약점)과 최대값(옵션의 최강점) 사이에서 적응적인 병합 결과를 생성한다. 이러한 관점에서 이는 동적 병합에 적용될 수 있다. 또한, 의사결정을 위한 퍼지 다차원 의사결정 분석에 대한 메커니즘을 제공하고 의사결정 과정에의 직관적 연결성을 제공한다. 결과적으로 제안된 방법은 의사결정자가 옵션의 강점 정도에 따라 적절한 의사결정을 하도록 지원할 수 있다.