The {\alpha} -Discounting ({\alpha}-DMCDM) as an extension of AHP, TOPSIS, VIKOR, PROMETHEE, and Weighted Sum

技術要約：AHP、TOPSIS、VIKOR、PROMETHEE、および加重和の拡張としての$\alpha$-ディスカウント法（$\alpha$-DMCDM）

問題提起
AHP（階層分析法）、TOPSIS、VIKOR、PROMETHEE、および加重和モデルを含む従来の多基準意思決定（MCDM）手法は、意思決定者が一貫した、あるいは完全な互換性を持つペア比較（または全互換的な）選好情報を提供できるという仮定に基づいている。しかし、現実世界のシナリオでは、選好構造はしばしば不完全、非線形、あるいは矛盾している。例えば、循環的な不整合（例：$C_1 > C_2$, $C_2 > C_3$, だが $C_3 > C_1$）は、これらの手法で使用される方程式系を解不能にし、自明な解しか導き出せない。AHPは整合性比（CR）を通じて不整合を検出するが、判断集合を修復したり、不整合なデータから重みを導出したりするための原理的なメカニズムは提供しない。他の手法は単に事前に計算された重みを必要とし、不良設定の選好構造を処理することができない。ファジィ集合やニュートロソフィック集合を用いた既存の拡張手法も、多くの場合、依然として一貫した重み抽出ステップに依存している。

手法：$\alpha$-ディスカウントMCDM
本論文は、不整合な情報を拒絶するのではなく、それを受け入れる統一的な代数的フレームワークとして、$\alpha$-ディスカウントMCDM（$\alpha$-DMCDM）を提案する。コアとなる手法は、線形、非線形、ペア比較、または$n$項比較であるかを問わず、選好表明を代数方程式または不等式のシステムへと変換することである。

1. 公理的基礎： 本手法は7つの公理に基づいており、特に以下のものが挙げられる：

   • 公理 A3（不整合の許容性）： システムは不整合であってもよく（すなわち、$\det(I - A) \neq 0$）、その場合、自明な解 $x=0$ のみが得られる。
   • 公理 A4（$\alpha$-ディスカウント原理）： グローバルなスカラー・ディスカウント係数 $\alpha > 0$ を導入し、ディスカウントされたシステム $(I - \alpha A)x = 0$ が非自明な解を持つようにする。
   • 公理 A5（整合性の尺度）： $\alpha$ の値はグローバルな整合性を定量化する。$\alpha = 1$ は完全な整合性を意味し、$0 < \alpha < 1$ は不整合を示し、値が小さいほど矛盾が強いことを反映する。

2. 存在定理： 本論文は、元のシステムが不整合である任意の有限な線形（または線形化された）選好方程式の集合に対して、$\det(I - \alpha A) = 0$ を満たす正の実数スカラー $\alpha$ が少なくとも一つ存在することを証明している。これにより、優先順位の重みを導出するために正規化可能な非自明な固有ベクトルが存在することが保証される。

3. アルゴリズムの手順：

   • 選好を方程式または不等式のシステムとしてモデル化し、行列 $A$ を形成する。
   • 単一のディスカウント係数 $\alpha$（公平性の原則に従う）を導入する。
   • $\det(I - \alpha A) = 0$ を解いて、許容される $\alpha$（通常は最小の正の根）を求める。
   • $(I - \alpha A)$ の固有ベクトルを計算する。
   • 固有ベクトルを正規化して、最終的な重みベクトル $w$ を得る。

4. 拡張性： 本フレームワークはモジュール式であり、以下をサポートする：

   • 区間 $\alpha$-ディスカウント： 曖昧な係数を区間 $[a^-, a^+]$ として扱うことで、許容される $\alpha$ の値の範囲と区間値の重みを導出する。
   • 非線形 $\alpha$-ディスカウント： 任意の関数関係（例：二次、対数）を、数値的な根探索によって解ける超越方程式へと還元することで受け入れる。
   • 集団意思決定： 複数の専門家の行列を、平均化、加重平均、または最小 $\alpha$ 選択によって集約し、不整合の定量的扱いを維持する。
   • ニュートロソフィック論理： ディスカウント係数 $\alpha$ を、ニュートロソフィック三つ組 $(T, I, F)$ の「真実（Truth）」成分（$T$）にマッピングすることで、不定性と偽性を明示的に扱うことを可能にする。

主な貢献

• 理論的統一： $\alpha$-DMCDMの自己完結的な解説を提供し、ディスカウント係数のための厳密な公理的基礎と存在定理を確立した。
• 不整合の管理： 矛盾する判断を破棄することなく、代数的に不整合を定量化し解決するための原理的なメカニズムを提供する。パラメータ $\alpha$ は、衝突の度合いを示す直接的な指標として機能する。
• 表現力： 意思決定者が、ペア比較行列の構造に強制されることなく、自然な数学的形式（線形、非線形、区間）で選好を表明することを可能にする。
• 実用的実装： 線形循環、区間ベース、および非線形を含む例証的な数値例と、これらのシステムを解くためのPythonコードの実装を含む。
• 比較分析： $\alpha$-DMCDMをAHP、TOPSIS、VIKлоR、PROMETHEE、および加重和と体系的に対比させ、非線形な選好、区間的な不確実性、および不整合なデータを扱う独自の能力を強調している。

結果と例証的例
本論文は、以下の3つの具体的なケースを通じて手法を実証している：

1. 線形循環ケース： $x_1 = 2x_2$, $x_2 = 3x_3$, $x_3 = 4x_1$ というシステム（循環的不整合）において、本手法は $\alpha \approx 0.346$ を算出する。結果としての重みは $(0.26, 0.37, 0.37)$ であり、従来のAHPでは不整合のために重みを生成できなかった状況において解を提供する。
2. 区間ケース： 環境基準の曖昧な重要度範囲に対して、本手法は許容される $\alpha$ 区間 $[0.346, 0.550]$ を導出する。代表的な $\alpha$ を選択することで区間値の重みが得られ、意思決定者がリスク回避的またはリスク追求的な姿勢を探求することを可能にする。
3. 非線形ケース： 二次および対数関係を持つテクノロジー採用研究において、本手法は超越方程式を解いて $\alpha \approx 0.45$ を見出し、収穫逓減（diminishing returns）などの特定の非線形な行動インサイトを反映した重みを与える。

意義と主張
本論文は、$\alpha$-ディスカウント法が古典的な意思決定理論と現代的な不確実性を考慮した推論との間の溝を埋めるものであると主張している。その主な意義は、不整合を（データを拒絶する理由としての）否定的な診断から、（定量化可能なパラメータ $\alpha$ という）実行可能な情報へと変貌させた点にある。線形手法の代数的な単純さを維持しつつ、非線形および不確実なデータを扱うための表現力を拡張することで、本手法は複雑なエンジニアリング、戦略計画、およびAI駆動の選好集約のための堅牢な代替案として提示されている。著者らは、$\alpha$-DMCDMを既存のすべての手法の置き換えとしてではなく、選好構造が本質的に矛盾している、不完全である、あるいは非線形であるシナリオのための必要な拡張として位置づけている。

限界と今後の方向性
本論文は、多項式方程式における複数の正の根が存在する可能性（選択にはドメイン知識が必要）、非常に大規模なシステムにおけるスケーラビリティの課題、および $\alpha$ メトリックを解釈するための実務者トレーニングの必要性といった限界を控えめに認めている。今後の研究方向としては、選好抽出のための機械学習の統合、動的な時間変化を伴う $\alpha$ へのフレームワークの拡張、および $\alpha$ による超平面の幾何学的変形を可視化するためのグラフィカルインターフェースの開発が示唆されている。