.png){kind=icon}
返回
Stepwise benchmarking for multiple criteria sorting
.png){kind=icon}
PRE
AI
DOI：10.1016/j.omega.2021.102579.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
我们提出了一个多标准排序的逐步基准框架，其中替代方案被签署到预定义和有序的决策课程。我们的重点是目前正在获得不利分类的替代方案，并旨在通过在几个步骤中分布的逐步性能修改来达到更优选的类别。我们介绍了生成包含现有替代方案或虚拟基准的发展路径的策略。后者是使用适当调整的事后分析框架构建的。它的作用是强调如何最小程度地修改备选方案的性能，以便获得所需的排序建议。所提出的方法适用于在鲁棒性分析框架内具有偏好模型参数的精确值或多个可行参数集的分类的情况。允许决策制定者指定对可行的性能改进的约束，并定义是否基于所有标准或标准的子集来构建开发路径。我们提出了在不同标准和各个步骤的性能修改中保持平衡的方法。他们可以评估所有生成的改进计划，并通过遵循中间基准来指示向更优选的课程提供最平稳发展的路径。我们还提供了一些支持性措施，以量化不同标准对实现目标任务的贡献。在重新搜索单元的参数评估的现实问题中说明了所提出框架的使用。我们分析了波兰科学和高等教育部采用的基于等级的专用方法得出的结果，并讨论了分配给最不喜欢的班级的一些示例单位的发展计划。(c) 2021爱士唯尔有限公司版权所有。
Keyword:
Stepwise benchmarking
Post factum analysis
Multiple criteria sorting
Development plan
Performance modifications
Evolutionary multi-objective optimization
Parametric evaluation
Research unit
期刊
O
IF:
7.2
论文数:
3.7K
被引数:
1.4W
机构
引用论文
.png){kind=icon}
Standardised and transparent model descriptions for agent-based models: Current status and prospects
OAAI
OAAI分享收藏分享收藏A new decision-making approach for multiple criteria sorting with an imbalanced set of assignment examples一种具有不平衡分配示例集的多准则排序的新决策方法OAAI
OAAI分享收藏
查看更多内容