• در مورد مقایسه­های دو به دو، یک روش چند­معیاره مناسب سبب تولید اطلاعات زیر می­گردد:

• گزینه a به گزینه b ترجیح داده می­ شود.

• تفاوتی بین گزینه a وb وجود ندارد.

• گزینهa و b غیر­قابل قیاس هستند.

هدف از انجام این روش آن است که تا حد ممکن تعداد معیارهایی که غیرقابل قیاس هستند را کاهش دهیم، البته تا حدی مجاز به انجام این عمل هستیم که از واقعیت دور نشویم. پس فرایند مورد­نظر منصفانه به نظر می­رسد. به عنوان مثال، وقتی که در یک فرایند همه موارد غیر­قابل قیاس به طور سیستماتیک حذف شوند، اطلاعات تهیه شده بیشتر قابل بحث خواهد بود.

• • به دلیل اینکه روش­های چندمعیاره متفاوت به اطلاعات اضافی گوناگونی نیاز دارند و عملیات محاسبه­ای مختلفی نیز دارند، راه­ حل­های متنوعی را شامل می­شوند. بنابراین بسیار مهم است که روش مورد اجرا برای تصمیم­ گیران قابل فهم باشد. در این مورد باید از جعبه سیاه دوری شود.

• یک روش مناسب نباید شامل پارامترهایی باشد که از نظر تصمیم­ گیران چندان مهم به نظر نمی­رسد. این پارامترها نیز باید در گروه جعبه سیاه قرار گیرند.

• یک روش مطلوب روشی است که اطلاعاتی را در مورد ماهیت متناقض معیارها فراهم آورد.

• اکثر روش­های چند­معیاره، وزن­هایی را به اهمیت نسبی معیارها اختصاص می­ دهند. این وزن­ها تاثیر مهمی بر ذهن فرد تصمیم­گیرنده خواهند داشت. تعیین دقیق این وزن­ها به سادگی امکان­ پذیر نیست. معمولا تصمیم­ گیران در این مورد با تردید مواجه هستند. به همین دلیل روش مناسب ارائه شده باید به گونه ­ای باشد که به آزمایش مجموعه وزن­های داده شده بپردازد.

قابل ذکر است که روش پرومته و روش گایا( روشی فعل و انفعالی دیداری) همه موارد فوق را دربر می­گیرند. از طرف دیگر برخی از ویژگی­های ریاضیاتی که در مسائل چندمعیاره از آن استفاده می­گردد را نیز می­توان در این روش­ها به کار گرفت.
۱-۱۱-۱-اطلاعات مدل­سازی روش ترجیحی پرومته:
روش پرومته برای حل مسائل چند­معیاره و جداول مربوط به آن طراحی شده است. اطلاعات اضافی مورد نیاز این روش برای تصمیم­ گیران و تحلیل­گران واضح و قابل­فهم می­باشد. این اطلاعات موارد زیر را در بر می­گیرد:

• اطلاعات بین معیارها

• اطلاعات موجود در مورد هر معیار

۱-۱۱-۱-۱- اطلاعات بین معیارها:
جدول زیر باید به وسیله مجموعه قابل فهم که بیانگر وزن­های مربوط به اهمیت نسبی هر معیار می­باشد، کامل گردد.
جدول ۱-۴- وزن­های اهمیت نسبی

این وزن­ها نمی ­توانند اعداد منفی را در بر گرفته و مستقل از مقیاس معیارها می­باشند. هرچه وزن یک معیار بیشتر باشد اهمیت آن افزایش می یابد. همچنین:
در روش پرومته نرم افزار PROMCALC و DECISION LAB به کاربر اجازه آن را می­دهد که تعدادی از وزن­ها را به صورت اختیاری معرفی کرده و سبب راحت­تر شدن تعیین اهمیت نسبی معیارها گردد. سپس این اعداد را بر مجموعشان تقسیم کرده و به این واسطه به طور اتوماتیک نرمالشان می­ کند. ارزیابی وزن معیارها به صورت مستقیم انجام نمی­گیرد. این ارزیابی شامل اولویت­ها و نظر تصمیم­ گیران است.
۱-۱۱-۲- انواع روش­های رایج پرومته:
۱-۱۱-۲-۱- رتبه ­بندی بخشی پرومته- ۱:
رتبه ­بندی بخشی (P^I, I^I, R^I) پرومته-۱ از جریان­های رتبه ­بندی مثبت و منفی حاصل می­ شود. این دو جریان معمولا شامل رتبه ­بندی­های یکسان نیستند. پرومته- ۱ ما بین این دو جریان قرار دارد.
در معادله بالا (P^I, I^I, R^I) به ترتیب نشانگر ترجیح، بی ­تفاوتی و غیر قابل مقایسه بودن هستند.