nové metody pro použití výběru výhody (CBA) víceekriteriálním rozhodnutí k velkému počtu design alternativy

navrhování budov, občanské infrastruktury a jiných komplexních systémů v prostředí zahrnuje zvážení mnoha, často protichůdných, kritéria návrhu. Architektura, strojírenství a stavebnictví (AEC), projektové týmy často používají multikriteriální rozhodování (MCDM) metody, které jim pomohou dospět k přednostní konstrukční řešení. Vznikající metodou MCDM v praxi je dnes volba podle výhod (CBA), která byla úspěšně aplikována na mnoho projektů AEC. Tato metoda má několik výhod oproti tradičním metodám MCDM (jako je vážený součet): CBA neumožňuje skrýt náhradu peněz za hodnotu, CBA pomáhá rozlišovat mezi alternativami na základě rozhodnutí kontextu, CBA snižuje čas k dosažení konsensu, a to řídí líp subjektivní kompromisy tím, že zakládá rozhodnutí o význam dohodnuté výhody. CBA se obvykle používá mezi dvěma až deseti alternativami a nikdy nebyla použita pro více než sto alternativ. Proto tato studie přispívá ke znalostem vývojem a testováním nové metody pro aplikaci CBA na stovky nebo tisíce alternativ. Nová metoda zahrnuje shlukování alternativ do několika reprezentativních alternativ návrhu založených na podobnosti funkcí pomocí metody k-means. Preference mezi těmito reprezentativními alternativami návrhu jsou pak zobecněny pomocí lineární regrese. Byl proveden experiment zahrnující studentské předměty, aby se změřila úroveň přesnosti, ve které lze navrhovanou metodou zobecnit preference. Experiment zvažoval 1 000 různých alternativ návrhu budov. CBA byla použita na reprezentativních alternativách pomocí tří, šest, osm, a deset klastrů. Studie měřila chyby, korelace, a konzistence předpovědí pro každou konfiguraci klastru. Když osm uskupení byly použity pro vytvoření zástupce alternativ, rozhodnutí jsou vždy v souladu s těmi ze s náhodnými alternativami, a korelace s předpokládanou přednost byla vyšší s nižší míra chyb ve srovnání s jinými konfigurace clusteru testovány.

Napsat komentář

Vaše e-mailová adresa nebude zveřejněna.