Продвинутый метод принятия решений, вдохновлённый законом всемирного тяготения Ньютона

Почему гравитация помогает при сложных выборах

Каждый день важные решения принимаются с учётом множества конкурирующих целей: больнице нужно выбирать оборудование, городу — планировать зелёную энергетику, инженеру — проектировать более прочный бетон. Классические инструменты принятия решений помогают сопоставлять варианты, но часто рассматривают каждый вариант в отдельности и испытывают трудности при неопределённых данных или когда альтернативы очень схожи. В этой статье представлен новый метод под названием GRAD (Advanced Gravitational Decision-Making), который заимствует идеи из закона тяготения Ньютона, чтобы ранжировать варианты более реалистично, когда и ставки, и неопределённость высоки.

Преобразование вариантов в гравитационное поле

GRAD представляет каждую возможную альтернативу как небольшое тело в гравитационном поле. В этой картине «масса» варианта складывается из того, насколько хорошо он проявляет себя по разным критериям — таким как стоимость, качество, безопасность или влияние на окружающую среду — и из того, как изменчивы эти критерии в данных. Критерии с большей степенью колебаний, отражённой более высокой статистической дисперсией, ведут себя как более тяжёлые массы и сильнее притягивают итоговое решение. Важна и «дистанция»: варианты, удалённые от идеальной целевой точки или далеко друг от друга с точки зрения показателей, оказывают более слабое влияние, тогда как близкие по характеристикам варианты взаимодействуют сильнее. Вместо простого измерения расстояния каждой альтернативы до одного идеала, GRAD позволяет вариантам притягивать или отталкивать друг друга в общем пространстве решений.

От исходных данных к гравитационному притяжению

Метод начинается привычным способом: принимающий решение формулирует задачу, перечисляет варианты и выбирает критерии. Исходные числа — такие как затраты, скорости или значения прочности — затем приводятся к общему масштабу 0–1, чтобы сравнивать критерии с направлением «больше лучше» и «меньше лучше» на равных условиях. Далее GRAD вычисляет, насколько каждый критерий варьируется между вариантами, и использует эту изменчивость непосредственно в своей формуле, вдохновлённой гравитацией, а не только как фоновый вес. Для каждой альтернативы и каждого критерия GRAD комбинирует четыре компонента: важность критерия, его изменчивость, нормализованную эффективность варианта и его расстояние от идеальной или ожидаемой целевой точки. Эти ингредиенты формируют некую гравитационную силу для каждой альтернативы, которая затем суммируется по всем критериям, давая общий «притягивающий» эффект.

Позволяя вариантам взаимодействовать друг с другом

GRAD не ограничивается одним баллом для варианта. Он также учитывает взаимосвязи между вариантами. Используя расстояния между каждой парой альтернатив, метод корректирует оценку каждого варианта в зависимости от силы его «притяжения» или «отталкивания» со стороны конкурентов. Варианты, которые показывают хорошую эффективность и находятся рядом с другими сильными претендентами, испытывают интенсивное взаимодействие, что выявляет тонкие различия между схожими вариантами. Слабые или отдалённые варианты оказывают мало влияния. Эта оценка с учётом взаимодействий сопровождается анализом чувствительности: авторы систематически корректируют ключевые параметры, контролирующие значимость весов, различий в эффективности и расстояний. В разумных пределах ранжирования остаются стабильными, что указывает на робастность метода, а не на чрезмерную чувствительность к тонкой настройке.

Как GRAD работает на практике

Чтобы показать работу метода, исследователи сначала применяют GRAD к небольшому синтетическому примеру фабрики, где четыре производственные системы оцениваются по стоимости, качеству, скорости и экологическому влиянию. Они сравнивают полученные рейтинги с результатами трёх хорошо известных методов — TOPSIS, VIKOR и CoCoSo — а затем проводят 10 000 имитаций Монте-Карло, слегка искажая входные данные. GRAD показывает себя лучше в удержании перспективных вариантов в верхней части ранжирования, когда числа «шумны», что является признаком робастности. В более реалистичном тесте авторы обращаются к известному набору данных по бетонам из гражданского и машиностроительного инжиниринга. Здесь каждая кандидатная смесь бетона оценивается по объёму материалов, времени твердения и достигнутой прочности на сжатие. GRAD выделяет смесь, которая балансирует высокую прочность с разумным расходом материалов и требованиями к времени твердения, и выдаёт заметно отличающееся, с учётом взаимодействий, ранжирование по сравнению с классическим методом, основанным только на расстоянии, называемым SPOTIS.

Что это означает для реальных решений

Говоря простыми словами, GRAD предлагает способ выбирать среди сложных вариантов, признавая, что рискованные критерии должны весить сильнее, и что конкурирующие альтернативы не существуют в изоляции. Объединив неопределённость, сходство и расстояние в одну согласованную модель, метод может подчеркнуть не только то, какой вариант выглядит лучше на бумаге, но и какой остаётся сильным, когда данные неопределённы и соперники близки. Хотя метод требует качественных данных и некоторых выборов параметров, GRAD даёт принимающим решения в таких областях, как инженерия, финансы и здравоохранение, более нюансированную, вдохновлённую физикой перспективу при решении сложных многогранных задач.

Цитирование: 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

Ключевые слова: многокритериальное принятие решений, гравитационная модель принятия решений, неопределённость в ранжировании, инженерный выбор проектных решений, робастный анализ решений