COBRA-ML: MÉTODO HÍBRIDO DE APOIO MULTICRITÉRIO À DECISÃO COM PONDERAÇÃO OBJETIVA E APRENDIZADO DE MÁQUINA

Vol 57, 2025 - 340610
Trabalho completo (Oral)
Favoritar este trabalho
Como citar esse trabalho?
Resumo

Métodos multicritério baseados em distância, como TOPSIS e VIKOR, são amplamente adotados, mas sofrem com ponderação subjetiva e sensibilidade a outliers. Este artigo propõe o COBRA-ML (Comprehensive Distance-Based Ranking with Machine Learning), extensão híbrida que incorpora quatro inovações: (i) normalização vetorial por norma euclidiana; (ii) ponderação objetiva via Índice de Seleção de Preferência (PSI); (iii) balanceamento gaussiano estrutural para compensar a tendência do PSI de subponderar critérios dispersos; e (iv) calibração automática de parâmetros via Random Forest Regressor (R² = 0,880 ± 0,015 em validação cruzada). Aplicado à seleção de fontes de energia renovável no Brasil, o método identifica Eólica Onshore como alternativa ótima (escore = 0,6843), com τ de Kendall médio = 0,933 na análise de sensibilidade e concordância perfeita com PROMETHEE II (τ = 1,000). O software está registrado no INPI (blind review) e disponível como código aberto.

Compartilhe suas ideias ou dúvidas com os autores!

Sabia que o maior estímulo no desenvolvimento científico e cultural é a curiosidade? Deixe seus questionamentos ou sugestões para o autor!

Faça login para interagir

Tem uma dúvida ou sugestão? Compartilhe seu feedback com os autores!

Instituições
  • 1 Universidade Federal Fluminense
  • 2 Escola Naval (EN)
  • 3 Military Institute of Engineering
  • 4 Universidade Federal Fluminense | (Universidade Federal Fluminense)
Eixo Temático
  • MCD – Métodos Multicritério para Ajuda de Tomada de Decisão
Palavras-chave
Apoio Multicritério à Decisão
Ponderação Objetiva
Aprendizado de Máquina
Energia Renovável
COBRA-ML