Instytut Łączności

Kierownik zadania:

dr hab. inż. Wojciech Sałabun

Cel zadania:

Celem zadania była analiza oraz rozwój technik i narzędzi wykorzystywanych w wielokryterialnym wspomaganiu decyzji (MCDA), ze szczególnym uwzględnieniem ich zastosowań w złożonych problemach decyzyjnych. W ramach prac opracowano nowe podejścia do oceny oraz porównania alternatyw. Istotnym elementem badań było również badanie dokładności i efektywności wybranych metod MCDA w zakresie ich zdolności do generowania spójnych i optymalnych rankingów. Ponadto w ramach badania przeprowadzono analizę porównawczą wyników uzyskiwanych przy użyciu różnych metod, z uwzględnieniem specyficznych charakterystyk danych wejściowych oraz preferencji decydentów. Opracowano odpowiednie wskaźniki jakościowe oraz miary różnic w rankingach, które pozwoliły na określenie stopnia trafności i skuteczności wybranych narzędzi w praktycznych zastosowaniach.

Opis zrealizowanych prac:

Zadanie dotyczyło analizy oraz rozwoju nowoczesnych metod wielokryterialnego wspomagania decyzji (MCDA/MCDM) w obliczu rosnącej złożoności współczesnych problemów decyzyjnych oraz dynamicznego rozwoju technologii analizy danych. Celem prac było opracowanie nowych podejść umożliwiających dokładniejszą ocenę i porównanie alternatyw, a także zwiększenie spójności, wiarygodności i obiektywności generowanych rankingów. W ramach badań zrealizowano integrację klasycznych metod MCDA z technikami sztucznej inteligencji, uczenia maszynowego oraz podejściami probabilistycznymi, co umożliwiło lepsze przetwarzanie niepewności, dużych zbiorów danych i zmiennych preferencji decydentów.
Dodatkowym elementem zadania był rozwój wskaźników jakościowych oraz miar różnic w rankingach, umożliwiających ocenę trafności i efektywności wybranych metod w praktycznych zastosowaniach. Szczególny nacisk położono na uwzględnienie aspektów środowiskowych i społecznych, wynikających z rosnącej roli zrównoważonego rozwoju w procesach zarządczych.
Rezultatem zadania był zestaw nowoczesnych narzędzi i technik wspierających transparentne, uzasadnione i zrównoważone podejmowanie decyzji, które znalazły zastosowanie zarówno w sektorze publicznym, jak i prywatnym, wszędzie tam, gdzie wymagane jest kompleksowe i oparte na danych podejście do wyboru optymalnych rozwiązań.

Opis najważniejszych osiągnięć:

Publikacje

[1] Bączkiewicz, A., Wątróbski, J., Król, R., & Pawlak, R. (2024, October). Sustainable Development Strategies Assessment Using the New Multi-Target TOPSIS Method. In European Conference on Artificial Intelligence (pp. 249-260). Cham: Springer Nature Switzerland. (140 pkt MNiSW)

[2] Bączkiewicz, A., Wątróbski, J., & Rudawska, I. (2025, July). Is Health Systems Sustainability Measurable?-Operationalizing SDG Targets Using SSP-TOPSIS Approach. In International Conference on Computational Science (pp. 176-190). Cham: Springer Nature Switzerland. (140 pkt MNiSW)

[3] Ba̧czkiewicz, A., Wa̧tróbski, J., Shkurina, A., & Ksia̧żek, W. (2024, October). Multi-criteria evaluation of floating photovoltaics considering a strong sustainability paradigm regarding sustainable solutions. In European Conference on Artificial Intelligence (pp. 224-236). Cham: Springer Nature Switzerland. (140 pkt MNiSW)

[4] Bouraima, M. B., Więckowski, J., & Qian, S. (2025). A decision support system for prioritizing electric vehicles transition policies. Transportation Research Part D: Transport and Environment, 146, 104880. (140 pkt MNiSW; IF: 7.7)

[5] Chusi, T. N., Qian, S., Więckowski, J., Bouraima, M. B., & Qiu, Y. (2025). Revolutionizing Africa's carbon footprint through innovative technology dissemination strategies for greenhouse gas emission reduction: An MCDM approach. Journal of fuzzy extension and applications, 6(2), 216-232. (0 pkt MNiSW)

[6] Gudowicz, M., Śniegowski, S., & Sałabun, W. (2025). A decision-making framework based on multi-criteria decision analysis for evaluating virtual bike-sharing station locations with spatial data. Procedia Computer Science, 270, 6206-6215 (70 pkt MNiSW)

[7] Karczmarczyk, A., Drożdż, W., Karczmarczyk, A., & Wątróbski, J. (2025, July). Strong Sustainability Paradigm in TOPSIS Method: New Approach to Wind Farm Selection Problem. In International Conference on Computational Science (pp. 296-309). Cham: Springer Nature Switzerland. (140 pkt MNiSW)

[8] Karczmarczyk, A., & Wątróbski, J. (2025, July). Towards Sustainable Decision Making: New Reference Point-Based MCDA Method. In International Conference on Computational Science (pp. 265-280). Cham: Springer Nature Switzerland. (140 pkt MNiSW)

[9] Karczmarczyk, A., Wątróbski, J., & Bączkiewicz, A. (2025). Enabling Smart Cloud Decisions: A Reference-Based MCDA Framework for VPS Selection in SMEs. (ISD 2025) (140 pkt MNiSW)

[10] Kizielewicz, B. (2025, July). The Role of Preference Reidentification in MCDA: Comparing Weight-Based, Normalization, and Reference-Object Approaches. In International Conference on Computational Science (pp. 336-350). Cham: Springer Nature Switzerland. (140 pkt MNiSW)

[11] Kizielewicz, B., Pawlak, R., Gandor, M., & Sałabun, W. (2025). A robust framework for sustainable vehicle assessment: Integrating FN-TOPSIS with subjective weighting methods. Procedia Computer Science, 270, 5764-5775. (70 pkt MNiSW)

[12] Kizielewicz, B., & Sałabun, W. (2025). Benchmark study of re-identification methods based on stochastic fuzzy normalization and their application to decision-making problems in engineering. Facta Universitatis, Series: Mechanical Engineering. (100 pkt MNiSW; IF: 11.8)

[13] Kizielewicz, B., Wątróbski, J., & Sałabun, W. (2025). Multi-criteria decision support system for the evaluation of UAV intelligent agricultural sensors. Artificial Intelligence Review, 58(7), 194. (140 pkt MNiSW; IF: 13.9)

[14] Kizielewicz, B., Więckowski, J., & Sałabun, W. (2025). Fuzzy normalization-based multi-attributive border approximation area comparison. Engineering Applications of Artificial Intelligence, 141, 109736. (140 pkt MNiSW; IF: 8.0)

[15] Kizielewicz, B., Więckowski, J., Sałabun, W., & Wątróbski, J. (2025). LA-COMET: Toward Reducing Redundant Criteria in Multi-criteria Decision Analysis. Proceedings of the 58th Hawaii International Conference on System Sciences. (140 pkt MNiSW)

[16] Kołodziejczyk, J. (2025, July). Local Markovian Consensus for Ranking Aggregation: A Novel Approach to Weak Ordinal Dominance. In International Conference on Computational Science (pp. 366-380). Cham: Springer Nature Switzerland. (140 pkt MNiSW)

[17] Nowak, M., Skalik, M., Więckowski, J., Ciejpa, R., Stolarczyk, A., & Oleksy, Ł. (2025). Winners’ strategies: Comprehensive analysis and optimization of 2-point shots in 3x3 basketball using multi-criteria decision support analysis, on the example of two Olympic National Teams. PLoS One, 20(4), e0322024. (100 pkt MNiSW)

[18] Paradowski, B. (2025, July). Subjective Equal Criteria Influence Approach (SECIA): A Novel Extended Approach to Weights Determination. In International Conference on Computational Science (pp. 351-365). Cham: Springer Nature Switzerland. (140 pkt MNiSW)

[19] Paradowski, B., Więckowski, J., & Sałabun, W. (2025, July). Compromise Fuzzy Ranking: a Novel Method for Reaching Consensus in Complex Multi-criteria Decision Problems. In International Conference on Computational Science (pp. 235-249). Cham: Springer Nature Switzerland. (140 pkt MNiSW)

[20] Sałabun, W. (2025). AsymIntervals: A Python library for uncertainty modeling with asymmetric interval numbers. SoftwareX, 32, 102380. (200 pkt MNiSW; IF: 2.4)

[21] Sałabun, W. (2025). Asymmetric interval numbers: A new approach to modeling uncertainty. Fuzzy Sets and Systems, 499, 109169. (140 pkt MNiSW; IF: 2.7)

[22] Sałabun, W., Shekhovtsov, A. & Wątróbski, J. (2025). Variance-Based Analysis of Global Criteria Importance in the ESP-COMET MethodIn I. Luković, S. Bjeladinović, B. Delibašić, D. Barać, N. Iivari, E. Insfran, M. Lang, H. Linger, & C. Schneider (Eds.), Empowering the Interdisciplinary Role of ISD in Addressing Contemporary Issues in Digital Transformation: How Data Science and Generative AI Contributes to ISD (ISD2025 Proceedings). Belgrade, Serbia: University of Gdańsk, Department of Business Informatics & University of Belgrade, Faculty of Organizational Sciences. ISBN: 978-83-972632-1-5. (140 pkt MNiSW)

[23] Shekhovtsov, A., Dezert, J., & Sałabun, W. (2025, July). Incorporating Performance Ordering in MCDA: A Study of the Frobenius SPOTIS Method. In International Conference on Computational Science (pp. 297-309). Cham: Springer Nature Switzerland. (140 pkt MNiSW)

[24] Shekhovtsov, A., Dezert, J., & Sałabun, W. Enhancing Personalized Decision-Making with the Balanced SPOTIS Algorithm. In Proceedings of the 17th International Conference on Agents and Artificial Intelligence (ICAART 2025) - Volume 3, pages 264-271. (70 pkt MNiSW)

[25] Shekhovtsov, A., Gandor, M., Pawlak, R., & Sałabun, W. (2025). A novel RANCOM-RAM-based framework for city assessment based on cost of living. Procedia Computer Science, 270, 5776-5786. (70 pkt MNiSW)

[26] Shekhovtsov, A., Kizielewicz, B., & Sałabun, W. (2025). Towards Enhanced Decision Making: Integrating Weighted Expected Solution Points in Multi-Criteria Analysis. In Proceedings of the 17th International Conference on Agents and Artificial Intelligence (ICAART 2025) - Volume 3, pages 272-279. (70 pkt MNiSW)

[27] Shekhovtsov, A., Kizielewicz, B., & Sałabun, W. (2025). Version [1.3]-[pymcdm–The universal library for solving multi-criteria decision-making problems]. SoftwareX, 30, 102051. (200 pkt MNiSW; IF: 2.4)

[28] Shekhovtsov, A., Rafiei, A., & Sałabun, W. Comparison of Monolithic and Structural Decision Models Using the Hamming Distance. In Proceedings of the 17th International Conference on Agents and Artificial Intelligence - Volume 3: ICAART; ISBN 978-989-758-737-5, SciTePress, pages 280-287. (70 pkt MNiSW)

[29] Śniegowski, S., Świder, A., Shekhovtsov, A., & Sałabun, W. (2026). Modeling Uncertainty in Engineering Problems Using Asymmetric Interval Numbers (AINs). Spectrum of Mechanical Engineering and Operational Research, 1-14. (0 pkt MNiSW)

[30] Trybulski, R., Więckowski, J., Muracki, J., Matuszczyk, F., Gałęziok, K., Wilk, M., & Kużdżał, A. (2025). Reliability and Reproducibility of the Kinvent K-push Dynamometer for Assessing Quadriceps Strength and Force Development in Athletes and Untrained Individuals. Frontiers in Physiology, 16, 1573748. (100 pkt MNiSW; IF: 3.4)

[31] Wątróbski, Jarosław. New Multi-Criteria Approach to Sustainable Development Assessment. In: International Conference on Computational Science. Cham: Springer Nature Switzerland, 2025. p. 221-234. (140 pkt MNiSW)

[32] Wątróbski, J., Bączkiewicz, A. & Karczmarczyk, A. (2025). Using SSP-TOPSIS in Sustainable Resource Selection for Mobile Crowd ComputingIn I. Luković, S. Bjeladinović, B. Delibašić, D. Barać, N. Iivari, E. Insfran, M. Lang, H. Linger, & C. Schneider (Eds.), Empowering the Interdisciplinary Role of ISD in Addressing Contemporary Issues in Digital Transformation: How Data Science and Generative AI Contributes to ISD (ISD2025 Proceedings). Belgrade, Serbia: University of Gdańsk, Department of Business Informatics & University of Belgrade, Faculty of Organizational Sciences. ISBN: 978-83-972632-1-5. (140 pkt MNiSW)

[33] Więckowski, J., Hernes, M., & Sałabun, W. (2025). Comparison of Multi-Criteria Decision Analysis methods under comprehensive sensitivity analysis. IEEE Access. (100 pkt MNiSW; IF: 3.6)

[34] Więckowski, J., Kizielewicz, B., Paradowski, B., & Sałabun, W. (2025). A robust framework for benchmarking MCDA methods: Sensitivity, stability, and method selection decision support. Applied Soft Computing, 114335. (200 pkt MNiSW; IF: 6.6)

[35] Więckowski, J., Kizielewicz, B., & Sałabun, W. (2025). Fuzzy RANCOM: a novel approach for modeling uncertainty in decision-making processes. Information Sciences, 694, 121716. (200 pkt MNiSW; IF: 6.8)

[36] Wiȩckowski, J., Kizielewicz, B., & Sałabun, W. (2025, July). A New Approach to Large-Scale Multi-criteria Group Decision-Making Based on the RANCOM Method. In International Conference on Computational Science (pp. 250-264). Cham: Springer Nature Switzerland. (140 pkt MNiSW)

[37] Więckowski, J., Kołodziejczyk, J. & Sałabun, W. (2025). Assessing the impact of criteria removal on Multi-Criteria Decision-Making stability: A simulation-based sensitivity analysisIn I. Luković, S. Bjeladinović, B. Delibašić, D. Barać, N. Iivari, E. Insfran, M. Lang, H. Linger, & C. Schneider (Eds.), Empowering the Interdisciplinary Role of ISD in Addressing Contemporary Issues in Digital Transformation: How Data Science and Generative AI Contributes to ISD (ISD2025 Proceedings). Belgrade, Serbia: University of Gdańsk, Department of Business Informatics & University of Belgrade, Faculty of Organizational Sciences. ISBN: 978-83-972632-1-5. (140 pkt MNiSW)

[38] Więckowski, J., Różewski, P., & Sałabun, W. (2025). Evaluating relationship functions in the RANCOM method and their effects on criteria weighting accuracy. Procedia Computer Science, 270, 5744-5753. (70 pkt MNiSW)

[39] Więckowski, J., & Sałabun, W. (2025). Making More Informed Decisions in Multi-Criteria Problems Under Uncertain Conditions of Criteria Weights: Drone Selection Study Case. Facta Universitatis, Series: Mechanical Engineering. (100 pkt MNiSW; IF: 11.8)

[40] Więckowski, J., & Sałabun, W. (2025). Multi-Criteria Decision Analysis-Based framework for supply chain management evaluation with multi-dimensional sensitivity analysis: A green logistics perspective. Applied Soft Computing, 113879. (200 pkt MNiSW; IF: 6.6)

[41] Więckowski, J., & Sałabun, W. (2025). Version [1.1]-[MakeDecision: Online system for the graphical design of decision-making models in crisp and fuzzy environments]. SoftwareX, 30, 102084. (200 pkt MNiSW; IF: 2.4)

Wykorzystanie uzyskanych wyników:

Uzyskane wyniki zostały wykorzystane przede wszystkim w działalności naukowo-badawczej poprzez rozwój nowych metod wielokryterialnego wspomagania decyzji oraz ich zastosowanie w problemach decyzyjnych z obszaru zrównoważonego rozwoju, inżynierii, transportu, energetyki, logistyki, systemów informacyjnych oraz analizy danych sportowych i zdrowotnych. Opracowane podejścia znalazły odzwierciedlenie w licznych publikacjach w wysoko punktowanych czasopismach i materiałach konferencyjnych, w tym w czasopismach z listy JCR oraz wydawnictwach Springer i Elsevier.

Istotnym rezultatem było także opracowanie i rozwój otwartych narzędzi informatycznych (m.in. bibliotek pymcdm, AsymIntervals, MakeDecision), które są wykorzystywane w dalszych badaniach naukowych oraz w ramach współpracy z otoczeniem społeczno-gospodarczym. Wyniki badań stanowią podstawę do kolejnych projektów badawczych, prac doktorskich i habilitacyjnych oraz transferu wiedzy do praktycznych systemów wspomagania decyzji w sektorze publicznym i prywatnym.