PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2606.07253v1cs.AI

TOPSIS-RAD: 요구에 따른 순위 결정

TOPSIS-RAD: Ranking According to Desires

전통적인 TOPSIS는 관찰된 대안 집합으로부터 참조점인 긍정적 이상 해(PIS)와 부정적 이상 해(NIS)를 도출하기 때문에, 의사결정자(DM)의 요구사항과의 불일치, 극단적 성능에 대한 민감성, 순위 역전 문제에 취약하다. 본 논문은 이러한 문제를 해결하기 위해 DM이 정의한 두 가지 참조 수준 배열을 통합한 TOPSIS-RAD를 제안한다. 거부 성능 수준(VPL)은 정규화 이전에 실행 불가능한 대안을 제외함으로써 순위 경계가 왜곡되는 것을 방지한다. 희망 성능 수준(DPL)은 정규화 이전에 DM의 희망 수준 이상의 성능을 제한함으로써, PIS를 데이터셋 극단값이 아닌 명시적인 목표에 고정시킨다. 세 가지 예제를 통해 각 메커니즘을 시연한다: VPL은 실행 불가능한 대안을 제거하여 정규화 경계를 재형성하고, 고정된 DPL 경계는 희망 수준을 크게 초과하는 성능의 영향을 제한하여 순위를 안정화한다. 본 방법은 TOPSIS의 친숙한 거리 기반 구조를 유지하면서 순위를 안정적이고 DM이 지정한 경계에 근거하도록 한다. 아울러 한계점과 향후 연구 방향도 논의한다.