Zaawansowana metoda podejmowania decyzji inspirowana prawem powszechnego ciążenia Newtona

Dlaczego grawitacja może pomóc przy trudnych wyborach

Każdego dnia duże decyzje zależą od godzenia wielu konkurujących celów: szpital wybierający sprzęt, miasto planujące zieloną energię czy inżynier projektujący bezpieczniejszy beton. Klasyczne narzędzia decyzyjne pomagają porównywać opcje, ale często traktują każdą z nich izolacyjnie i mają trudności, gdy dane są niepewne lub alternatywy są bardzo podobne. W artykule przedstawiono nową metodę nazwaną GRAD (Zaawansowane podejmowanie decyzji grawitacyjnych), która zapożycza pomysły z prawa grawitacji Newtona, by bardziej realistycznie uporządkować opcje, gdy stawki i niepewność są wysokie.

Przekształcanie wyborów w pole grawitacyjne

GRAD wyobraża sobie każdą możliwą opcję jako małe ciało w polu grawitacyjnym. W tym ujęciu „masa” opcji wynika z tego, jak dobrze wypada ona według różnych kryteriów — takich jak koszt, jakość, bezpieczeństwo czy wpływ na środowisko — oraz z tego, jak zmienne są te kryteria w danych. Kryteria o większych wahaniach, odzwierciedlone wyższym rozrzutem statystycznym, zachowują się jak cięższe masy i silniej przyciągają decyzję końcową. Znaczenie ma też odległość: opcje oddalone od punktu idealnego lub od siebie pod względem osiągów wywierają słabszy wpływ, podczas gdy ściśle dopasowane opcje oddziałują silniej. Zamiast jedynie mierzyć, jak daleko każda alternatywa znajduje się od pojedynczego ideału, GRAD pozwala opcjom przyciągać się lub odpychać nawzajem w wspólnej przestrzeni decyzyjnej.

Od surowych danych do siły grawitacyjnej

Metoda zaczyna w sposób znajomy: decydent definiuje problem, wymienia opcje i wybiera kryteria. Surowe liczby — takie jak koszty, prędkości czy wartości wytrzymałości — są następnie przekształcane na wspólną skalę 0–1, tak aby kryteria „większe lepsze” i „mniejsze lepsze” można było porównywać uczciwie. Następnie GRAD oblicza, jak bardzo każde kryterium zmienia się między opcjami, i wykorzystuje tę zmienność bezpośrednio w formule inspirowanej grawitacją, a nie tylko jako tło wagowe. Dla każdej opcji i każdego kryterium GRAD łączy cztery elementy: wagę kryterium, jego zmienność, znormalizowaną wykonalność opcji oraz jej odległość od idealnego lub oczekiwanego punktu docelowego. Te składniki generują rodzaj siły grawitacyjnej dla każdej opcji, która jest następnie sumowana przez wszystkie kryteria, aby dać ogólny pociąg.

Pozwalanie opcjom na wzajemne interakcje

GRAD nie zatrzymuje się na pojedynczym wyniku dla opcji. Analizuje też, jak opcje odnoszą się do siebie nawzajem. Wykorzystując odległości między każdą parą alternatyw, metoda koryguje wynik każdej opcji zgodnie z tym, jak silnie jest ona „przyciągana” lub „odpychana” przez konkurentów. Opcje, które wypadają dobrze i znajdują się blisko innych silnych kandydatów, doświadczają intensywnej interakcji, co pozwala wyłuskać subtelne różnice między ściśle dopasowanymi wyborami. Słabe lub odległe opcje wywierają niewielki wpływ. Po tej ocenie z uwzględnieniem interakcji następuje analiza wrażliwości: autorzy systematycznie modyfikują kluczowe parametry kontrolujące, jak silnie wagi, różnice w wydajności i odległości mają znaczenie. W rozsądnych zakresach rankingi pozostają stabilne, co sugeruje, że metoda jest odporna, a nie nadmiernie wrażliwa na drobne dopasowania.

Jak GRAD sprawdza się w praktyce

Aby pokazać działanie metody, badacze najpierw stosują GRAD do małego, syntetycznego przykładu fabrycznego, gdzie cztery systemy produkcyjne oceniane są pod kątem kosztu, jakości, szybkości i wpływu na środowisko. Porównują otrzymane rankingi z wynikami trzech dobrze znanych metod — TOPSIS, VIKOR i CoCoSo — a następnie przeprowadzają 10 000 symulacji Monte Carlo, które nieznacznie zakłócają dane wejściowe. GRAD okazuje się lepszy w utrzymywaniu obiecujących opcji blisko szczytu rankingu, gdy liczby są zaszumione, co jest znamienne dla odporności. W bardziej realistycznym teście autorzy sięgają po znany zbiór danych dotyczący betonu z inżynierii lądowej i mechanicznej. Tutaj każdy kandydacki mieszanka betonowa oceniana jest pod kątem ilości materiałów, czasu dojrzewania i osiągniętej wytrzymałości na ściskanie. GRAD identyfikuje mieszankę, która równoważy wysoką wytrzymałość z rozsądnym użyciem materiałów i wymaganiami dojrzewania, i generuje zauważalnie inny, uwzględniający interakcje ranking niż klasyczna metoda oparta wyłącznie na odległości, zwana SPOTIS.

Co to oznacza dla decyzji w świecie rzeczywistym

W praktycznych kategoriach GRAD oferuje sposób wyboru spośród złożonych opcji, uznając jednocześnie, że ryzykowne kryteria powinny mieć większą wagę i że konkurujące opcje nie istnieją w izolacji. Poprzez splecenie niepewności, podobieństwa i odległości w jeden spójny model, metoda może uwypuklić nie tylko to, która alternatywa wygląda najlepiej na papierze, ale także tę, która pozostaje silna, gdy dane są niepewne, a rywale są bliscy. Choć wymaga dobrych danych i pewnych wyborów parametrów, GRAD daje decydentom w dziedzinach od inżynierii po finanse i ochronę zdrowia bardziej zniuansowaną, inspirowaną fizyką perspektywę na trudne, wieloaspektowe wybory.

Cytowanie: Yerlikaya, M.A., Beytüt, H., Yildiz, K. et al. Advanced gravitational decision-making method inspired by newton’s law of universal gravitation. Sci Rep 16, 13144 (2026). https://doi.org/10.1038/s41598-026-44573-7

Słowa kluczowe: wielokryterialne podejmowanie decyzji, grawitacyjny model decyzyjny, niepewność w rankingach, wybory projektowe w inżynierii, odporna analiza decyzji