Decomposition of a Decision-Making Problem Into Levels of Preference of the Majority Graph

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

Decision-making problems with a large number of alternatives are considered. It is proposed to preliminarily narrow the initial set of alternatives, excluding the obviously worse options. For this purpose, the decomposition of the original problem into preference levels of the majority graph is carried out. Graph levels containing the least preferred alternatives are removed. An algorithm for constructing an aggregated full quasi-order for ordering the set of best alternatives is developed. Majority graph preference levels are used to rank alternatives using Hamiltonian paths in a digraph. An algorithm for finding Hamiltonian paths in a digraph is proposed by raising the adjacency matrix to a power. An applied problem of ordering drone models using an algorithm for constructing a complete quasi-order is presented.

About the authors

S. O. Smerchinskaya

Moscow Aviation Institute (National Research University), 125080, Moscow, Russia

Email: svetlana_os@mail.ru
Россия, Москва

N. P. Yashina

Moscow Aviation Institute (National Research University), 125080, Moscow, Russia

Author for correspondence.
Email: nina_p_yashina@mail.ru
Россия, Москва

References

  1. Кормен Т., Лейсерзон Ч., Риверст Р., Штайн К. Алгоритмы. Построение и анализ. М.: Вильямс, 2006.
  2. Smerchinskaya S.O., Yashina N.P. Preference Levels for Clusters of Alternatives // Intern. J. Modeling, Simulation, and Scientific Computing. 2019. V. 10. Iss. 4. https://doi.org/10.1142/S1793962319500193
  3. Жуков М.С., Орлов А.И. Задача исследования и итогового ранжирования мнений группы экспертов с помощью медианы Кемени // Научный журнал КубГАУ. 2016. № 122(08).
  4. Мулен Э. Кооперативное принятие решений: Аксиомы и модели. М.: Мир, 1991.
  5. Schulze M. A New Monotonic, Clone-independent, Reversal Symmetric, and Condorcet-consistent Single-winner Election Method // Social Choice and Welfare. 2011. V. 36. P. 267–303.
  6. Рейнгольд Э., Нивергельт Ю., Део Н. Комбинаторные алгоритмы. Теория и практика. М.: Мир, 1980.
  7. Миркин Б. Г. Проблема группового выбора. М.: Наука, 1974.
  8. Нефедов В.Н., Осипова В.А., Смерчинская С.О., Яшина Н.П. Непротиворечивое агрегирование отношений строгого порядка // Изв. вузов. Математика. 2018. № 5. С. 71–85.
  9. Нефедов В.Н., Смерчинская С.О., Яшина Н.П. Непротиворечивое агрегирование отношений квазипорядка // Прикладная дискретная математика. 2019. № 45. С. 113–126.
  10. Кофман А. Введение в прикладную комбинаторику. М.: Наука, 1975.
  11. Кристофидес Н. Теория графов. Алгоритмический подход. М.: Мир, 1978.

Supplementary files

Supplementary Files
Action
1. JATS XML
2.

Download (136KB)
3.

Download (41KB)
4.

Download (114KB)
5.

Download (43KB)

Copyright (c) 2023 С.О. Смерчинская, Н.П. Яшина

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».