Skip to main content

The risk of decision making with incomplete criteria weight information

Buy Article:

$50.00 plus tax (Refund Policy)


In many cases, it may be difficult to obtain explicit information on criteria weights for multicriteria decision analysis. Usually, however, at least the relevant criteria can be assumed to be known, even if their weights are not. In addition, complete or incomplete rank order of these criteria can be known, and it may be possible to obtain estimates for at least some of the value-function parameters. With some decision support tools, such as stochastic multicriteria acceptability analysis (SMAA), it is possible to use incomplete information. The main results of SMAA are the probabilities of certain alternative obtaining a given rank, given all the information available. These probabilities can be used for choosing the most recommendable alternative. However, recommendations are risky when the preference information is incomplete. In this study, the risks are studied through a simulation study based on a previous forestry decision problem with multiple criteria. (1) The probability that the best alternative is recommended and (2) the expected losses in the value of value function due to choosing the wrong alternative are modelled as a function of the characteristics of the true value function and the best alternative. The results show that the quality of decisions improves very quickly with improving information on weights. Determining at least the complete rank order of criteria is advisable, especially if the importances vary markedly among the criteria.

Dans la plupart des cas, il est difficile d'obtenir de l'information explicite au sujet de la pondération des critères utilisés dans une analyse de décision multicritère. Cependant, les critères appropriés sont généralement supposés être connus même si leur pondération ne l'est pas. De plus, l'ordre complet ou incomplet du rang de ces critères peut être connu et il est peut être possible d'obtenir une estimation au moins pour certains des paramètres de la fonction valeur. Dans quelques systèmes d'aide à la décision, comme l'analyse stochastique d'acceptabilité multicritère (ASAM), il est possible d'utiliser de l'information incomplète. Les principaux résultats de l'ASAM sont les probabilités qu'une solution donnée obtienne un rang particulier, en considérant toute l'information disponible. Ces probabilités peuvent être utilisées pour choisir la solution la plus recommandable. Toutefois, les recommandations présentent un risque lorsque l'information au sujet des préférences est incomplète. Dans la présente étude, les risques sont étudiés à l'aide d'une étude de simulation basée sur un problème passé de décision multicritère en foresterie. (1) La probabilité que la meilleure solution soit recommandée et (2) les pertes attendues dans la valeur de la fonction valeur dues au choix de la mauvaise solution sont modélisées en fonction des caractéristiques de la véritable fonction valeur et de la meilleure solution. Les résultats montrent que la qualité des décisions s'améliore très rapidement avec une meilleure information sur les poids. On recommande d'obtenir au moins l'ordre complet du rang des critères, surtout si leur importance varie de façon marquée.[Traduit par la Rédaction]

Document Type: Research Article

Publication date: January 1, 2006

More about this publication?
  • Published since 1971, this monthly journal features articles, reviews, notes and commentaries on all aspects of forest science, including biometrics and mensuration, conservation, disturbance, ecology, economics, entomology, fire, genetics, management, operations, pathology, physiology, policy, remote sensing, social science, soil, silviculture, wildlife and wood science, contributed by internationally respected scientists. It also publishes special issues dedicated to a topic of current interest.
  • Information for Authors
  • Submit a Paper
  • Subscribe to this Title
  • Terms & Conditions
  • Sample Issue
  • Reprints & Permissions
  • ingentaconnect is not responsible for the content or availability of external websites

Access Key

Free Content
Free content
New Content
New content
Open Access Content
Open access content
Subscribed Content
Subscribed content
Free Trial Content
Free trial content
Cookie Policy
Cookie Policy
ingentaconnect website makes use of cookies so as to keep track of data that you have filled in. I am Happy with this Find out more