인간의 의사결정은 종종 다중 속성 대안들 사이에서 선택하는 것을 포함하지만, 고전적인 모델들은 사람들이 중요한 속성에서 성능이 낮은 옵션을 거부한다는 증거에도 불구하고 완전 보상적 효용 집계를 가정합니다. 우리는 결정이 속성 전반에 걸친 이득과 손실 간의 균형을 평가하는 스크리닝 과정을 통해 지배되는 제한된 상충 관계 추론 프레임워크를 제안합니다. 이 모델은 허용 가능한 불균형을 제어할 수 있으며 맥락에 따라 달라질 수 있는 상충 관계 내성(trade-off tolerance) 매개변수를 도입합니다. 시뮬레이션을 통해 우리는 이 메커니즘이 표준 효용 기반 모델과 다른 선호 패턴을 생성하며, 상충 관계 행동의 맥락 의존적 변화를 포착한다는 것을 보여줍니다. 이러한 결과는 제한된 상충 관계 스크리닝이 다중 속성 선택에 대한 그럴듯한 계산적 메커니즘임을 확립하고 미래 행동 연구를 위한 검증 가능한 예측을 생성합니다.