一位 RUDN 数学家提出了一种评估选择问题中非可加性水平的方法，即计算选择的参数如何相互关联，以及它如何影响最终结果。该研究提供了一种分析此类系统并通过计算找出最佳决策的方法。这项工作发表在《信息科学》上。

决策是我们日常生活中不可或缺的一部分。我们决定晚餐吃什么，穿哪件衬衫，或者看哪部电影。这些是相对容易的决定，但有些则要困难得多——例如，购买汽车或制作分析报告。在这种情况下，人们使用大数据集，根据自己的喜好使用许多标准，最后决定最佳解决方案。私人和组织在确定核电站选址或选择治疗危险疾病的新药时，也会在更高级别上进行相同的过程。即使是一个小错误也可能造成数百万美元和数千人的生命损失。因此，完善决策算法非常重要。

具有多个标准的系统具有称为不可加性的特殊特征。这意味着所有选择标准的最终权重不等于每个单独标准的权重之和。发生这种情况是因为标准相互关联。当今用于分析此类系统的数学方法无法正确评估所获得的结果。RUDN 数学家现在提出了一种更有效的方法来解决这个问题。

“多标准决策分析有助于在涉及大量初始数据的复杂情况下做出合理决策。在此过程中，我们面临称为容量不可加性的现象。当多个标准适用时，最终结果可能会因它们的不同而发生很大变化相互作用。我们建议使用非可加性指数，将可能对结果的影响考虑在内并对其进行评估，”RUDN 的客座教授 Gleb Belyakov 说。

传统上，多准则决策分析使用的指标是合作指标。然而，它并不总是考虑标准的重叠或它们的替代，或这些现象的表达。决策专家很难评估所获得结果的实际价值并正确解释它们。RUDN 数学家建议的指数没有这个缺点：它不仅显示了类型，还显示了不可加性的水平。

“我们建议采用另一种方法来描述由标准设定的偏好。我们在示例中展示了该方法可用于开发透明且灵活的模型，即所谓的决策过滤器。非可加性指数的值可能是限制在一定范围内。这不会降低其效率，但会使计算结果的比较容易得多。在我们未来的研究中，我们将重点关注非可加性指数在实际任务中的应用，以及支持的发展基于指数的决策工具，”Gleb Belyakov 总结道。