En metod för flerkriteriebeslut med probabilistiska språkliga termer baserad på moln‑TOPSIS

Varför beslut under osäkerhet spelar roll

När samhällen står inför beslut med stora konsekvenser—som hur man evakuerar människor vid en kärnteknisk olycka—måste beslutsfattare väga många konkurrerande aspekter: säkerhet, kostnad, belastning och mer. Experter beskriver ofta dessa faktorer med uttryck som ”liten risk” eller ”mycket stor förlust” istället för exakta siffror. Dessa ord är användbara för människor men klumpiga för datorer. Denna artikel presenterar ett nytt sätt att omvandla sådant tvetydigt, probabilistiskt språk till tydliga, motiverbara rangordningar av alternativ, med målet att stödja bättre beslut när både risk och osäkerhet är stora.

Att omvandla ord till mätbara moln

Författarna bygger vidare på en familj av verktyg som kallas flerkriteriebeslutsfattande, vilka jämför alternativ utifrån flera kriterier samtidigt. Istället för att be experter om precisa siffror låter de dem svara i vardagstermer—som ”mycket liten”, ”medel” eller ”mycket stor”—och knyter en sannolikhet till varje term för att visa hur säkra de är. Dessa ”probabilistiska språkliga termer” omvandlas sedan till vad författarna kallar moln: enkla numeriska objekt som fångar tre aspekter samtidigt—typiskt värde, hur vagt begreppet är och hur osäker även den vagheten kan vara. Genom ett matematiskt mönster relaterat till det gyllene snittet placerar metoden dessa moln längs en skala på ett sätt som stämmer väl överens med hur människor naturligt uppfattar graderingar från mycket liten till mycket stor.

Att blanda många åsikter till en helhetsbild

Verkliga beslut bygger sällan på en enda expert. Det nya ramverket introducerar ett sätt att slå samman flera experters moln till ett enda kombinerat moln för varje alternativ och varje kriterium. Experter med klarare, mer säkra bedömningar påverkar resultatet starkare, samtidigt som den övergripande osäkerheten bevaras. Författarna utformar också ett nytt sätt att mäta avståndet mellan två moln. Detta avstånd speglar inte bara skillnad i typiska värden, utan även skillnader i vaghet och slumpmässighet. Avgörande är att metoden kan jämföra åsikter rättvist även när experter använt olika blandningar av språkliga termer, vilket undviker informationsförluster som kan uppstå i äldre tekniker.

Från molnjämförelser till rangordnade val

För att omvandla dessa moln till en rangordning av alternativ anpassar studien en välkänd metod som kallas TOPSIS, vilken jämför varje alternativ med ett idealiskt bästa och ett idealiskt sämsta. Här är dessa ideal själva moln som representerar de mest gynnsamma respektive minst gynnsamma tänkbara bedömningarna över alla kriterier. För varje evakueringsplan beräknar metoden hur nära dess moln ligger idealet för bästa och hur långt de ligger från idealet för sämsta, med hänsyn till varje kriteriums relativa vikt. Resultatet är en enda poäng för varje plan som respekterar den vaghet och slump som fanns i de ursprungliga expertspråken, men som ändå ger en tydlig ordning över vilka alternativ som är bättre eller sämre.

Test av metoden med kärntekniska evakueringsplaner

För att visa metoden i praktiken simulerar författarna ett kärntekniskt nödläge där tre experter utvärderar fyra evakueringsstrategier. De bedömer varje plan utifrån fyra kostnadstyper: total stråldos för befolkningen, maximal dos för enskild individ, psykologisk påfrestning och ekonomisk förlust. Experterna uttrycker sina bedömningar med verbala termer och sannolikheter; metoden omvandlar dessa till moln, aggregerar dem och rangordnar strategierna. Analysen identifierar en strategi som klart bäst, och en detaljerad känslighetsstudie visar att denna rangordning förblir stabil även när den antagna vikten för varje kriterium eller vissa osäkerhetsparametrar varierar över vida intervall. Författarna jämför också sina resultat med flera andra avancerade beslutsmetoder; trots att dessa bygger på mycket olika matematik är de starkaste konkurrerande metoderna ense om toppvalen, vilket ger förtroende för det nya ramverket.

Vad detta betyder för verkliga beslut

Enkelt uttryckt erbjuder studien ett sätt att låta experter ”tala i ord” samtidigt som man får fram ”siffror att agera på.” Genom att representera verbala bedömningar som moln som kodar både vaghet och slump kan metoden hantera rörig, osäker information utan att tvinga fram artificiell precision. Den förenklar tidigare molnbaserade tekniker, minskar beräkningsinsatsen och levererar ändå rangordningar som ligger väl i linje med andra ledande tillvägagångssätt. Även om arbetet demonstreras på kärnteknisk evakueringsplanering kan samma idé stödja beslut inom hälso- och sjukvård, miljöskydd, infrastrukturplanering och andra områden där val måste göras under djup osäkerhet och expertbedömningar formuleras mer i språk än i hårda data.

Citering: Almandeel, A., Rao, C., Zhang, X. et al. A method for multi-criteria decision making with probabilistic linguistic term based on cloud TOPSIS. Sci Rep 16, 14122 (2026). https://doi.org/10.1038/s41598-026-44609-y

Nyckelord: flerkriteriebeslutsfattande, modellering av osäkerhet, språklig bedömning, planering vid kärntekniska nödlägen, beslutsstödsmetoder