論文の概要: Combined Compromise for Ideal Solution (CoCoFISo): a multi-criteria decision-making based on the CoCoSo method algorithm
- arxiv url: http://arxiv.org/abs/2405.02324v1
- Date: Mon, 22 Apr 2024 09:19:33 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-12 15:50:33.778064
- Title: Combined Compromise for Ideal Solution (CoCoFISo): a multi-criteria decision-making based on the CoCoSo method algorithm
- Title（参考訳）: CoCoFISo : CoCoSo法に基づく複数基準決定法
- Authors: Rôlin Gabriel Rasoanaivo, Morteza Yazdani, Pascale Zaraté, Amirhossein Fateh,
- Abstract要約: 著者らは,大学キャンパスにおける実例研究により,CoCoFISo法の適用性について検討した。
本研究は,複雑な多変数評価問題を解くために,CoCoSoを応用した手法であることを示す。
CoCoFISoはCoCoSoで見られる不足を改善し、他の開発ツールと比較して安定した結果をもたらすことができる。
- 参考スコア（独自算出の注目度）: 3.8586071087712033
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Each decision-making tool should be tested and validated in real case studies to be practical and fit to global problems. The application of multi-criteria decision-making methods (MCDM) is currently a trend to rank alternatives. In the literature, there are several multi-criteria decision-making methods according to their classification. During our experimentation on the Combined Compromise Solution (CoCoSo) method, we encountered its limits for real cases. The authors examined the applicability of the CoCoFISo method (improved version of combined compromise solution), by a real case study in a university campus and compared the obtained results to other MCDMs such as Preference Ranking Organisation Method for Enrichment Evaluations (PROMETHEE), Weighted Sum Method (WSM) and Technique for Order Preference by Similarity to the Ideal Solution (TOPSIS). Our research finding indicates that CoCoSo is an applied method that has been developed to solve complex multi variable assessment problems, while CoCoFISo can improve the shortages observed in CoCoSo and deliver stable outcomes compared to other developed tools. The findings imply that application of CoCoFISo is suggested to decision makers, experts and researchers while they are facing practical challenges and sensitive questions regarding the utilization of a reliable decision-making method. Unlike many prior studies, the current version of CoCoSo is unique, original and is presented for the first time. Its performance was approved using several strategies and examinations.
- Abstract（参考訳）: それぞれの意思決定ツールは、実ケーススタディでテストされ、検証されるべきであり、グローバルな問題に適合する。
MCDM(Multi-criteria decision-making method)の適用は、現在、代替品のランク付けの傾向にある。
文献では、分類に応じて複数の基準による意思決定方法が存在する。
コンバインド・コンパロマイズ・ソリューション(CoCoSo)法の実験では,実例の限界に遭遇した。
著者らは,大学構内における実例研究により,CoCoFISo法の適用性について検討し,その成果を,PROMETHEE(Preference Ranking Organisation Method for Enrichment Evaluations),WSM(Weighted Sum Method),TOPSIS(Meteor for Order Preference by the Ideal Solution)などの他のMCDMと比較した。
以上の結果から,CoCoSoは複雑な多変数アセスメント問題を解決するために開発された手法であり,CoCoFISoはCoCoSoで観測される欠点を改善し,他の開発ツールと比較して安定した結果をもたらすことができることがわかった。
その結果,CoCoFISoの応用は意思決定者,専門家,研究者に示唆され,信頼性の高い意思決定手法の利用に関して,実践的な課題やセンシティブな疑問に直面していることが明らかとなった。
多くの先行研究とは異なり、CoCoSoの現在のバージョンはユニークでオリジナルであり、初めて紹介される。
パフォーマンスはいくつかの戦略と試験によって承認された。
関連論文リスト
- Take a Step and Reconsider: Sequence Decoding for Self-Improved Neural Combinatorial Optimization [1.1510009152620668]
自己改善学習のための単純で問題に依存しないシーケンス復号法を提案する。
以前にサンプリングされたシーケンスを無視するためにポリシーを変更することで、目に見えない代替案のみを検討するように強制する。
本手法は,ジョブショップスケジューリング問題における従来のNCO手法よりも優れていた。
論文 参考訳（メタデータ） (2024-07-24T12:06:09Z) - POGEMA: A Benchmark Platform for Cooperative Multi-Agent Navigation [76.67608003501479]
主評価指標の基礎に基づいて計算された領域関連メトリクスの範囲を定義する評価プロトコルを導入・指定する。
このような比較の結果は、様々な最先端のMARL、検索ベース、ハイブリッド手法を含むものである。
論文 参考訳（メタデータ） (2024-07-20T16:37:21Z) - Are we making progress in unlearning? Findings from the first NeurIPS unlearning competition [70.60872754129832]
アンラーニングに関する最初のNeurIPSコンペティションは、新しいアルゴリズムの開発を刺激しようとした。
世界中から約1200チームが参加した。
トップソリューションを分析し、アンラーニングのベンチマークに関する議論を掘り下げます。
論文 参考訳（メタデータ） (2024-06-13T12:58:00Z) - An Efficient Approach for Solving Expensive Constrained Multiobjective Optimization Problems [0.0]
効率的な確率的選択に基づく制約付き多目的EAをPSCMOEAと呼ぶ。
a) 評価された解の実現可能性と収束状態に基づく適応探索境界同定スキームのような新しい要素を含む。
ECMOPを模擬する低評価予算を用いて, 幅広い制約付き問題に対して, 数値実験を行った。
論文 参考訳（メタデータ） (2024-05-22T02:32:58Z) - Optimal Baseline Corrections for Off-Policy Contextual Bandits [61.740094604552475]
オンライン報酬指標の偏りのないオフライン推定を最適化する意思決定ポリシーを学習することを目指している。
学習シナリオにおける同値性に基づく単一のフレームワークを提案する。
我々のフレームワークは、分散最適非バイアス推定器の特徴付けを可能にし、それに対する閉形式解を提供する。
論文 参考訳（メタデータ） (2024-05-09T12:52:22Z) - Learning Proximal Operators to Discover Multiple Optima [66.98045013486794]
非家族問題における近位演算子を学習するためのエンドツーエンド手法を提案する。
本手法は,弱い目的と穏やかな条件下では,世界規模で収束することを示す。
論文 参考訳（メタデータ） (2022-01-28T05:53:28Z) - The Statistical Complexity of Interactive Decision Making [126.04974881555094]
複雑度尺度であるDecision-Estimation Coefficientは,サンプル効率のインタラクティブ学習に必要かつ十分であることが証明された。
統合アルゴリズム設計原則であるE2Dは、教師付き推定のための任意のアルゴリズムを、意思決定のためのオンラインアルゴリズムに変換する。
論文 参考訳（メタデータ） (2021-12-27T02:53:44Z) - USCO-Solver: Solving Undetermined Stochastic Combinatorial Optimization
Problems [9.015720257837575]
入力-解対のサンプルから高品質な最適化解を推定することを目的として,空間間の回帰を考察する。
基礎学習にはPAC-Bayesianフレームワークを用いて学習エラー分析を行う。
我々は,合成データセットと実世界のデータセットの両方において,古典的な問題に対する高い励振実験結果を得た。
論文 参考訳（メタデータ） (2021-07-15T17:59:08Z) - Modularity in Reinforcement Learning via Algorithmic Independence in
Credit Assignment [79.5678820246642]
提案手法は, 事前決定の順序に対して, スパース変化のみを必要とする伝達問題に対して, 政策段階の手法よりも, より標本効率が高いことを示す。
我々は最近提案された社会的意思決定の枠組みをマルコフ決定プロセスよりもよりきめ細かい形式主義として一般化する。
論文 参考訳（メタデータ） (2021-06-28T21:29:13Z) - A Hybrid APM-CPGSO Approach for Constraint Satisfaction Problem Solving:
Application to Remote Sensing [2.6641834518599308]
制約満足度問題(CSP)は、様々な複雑な実世界の問題のモデル化と解決に積極的に用いられている。
既存の問題解決手法は、ほとんどの場合不適当である。
本稿では,問題解決のための不完全なCSP法と完全CSP法を組み合わせた新しい手法を提案する。
論文 参考訳（メタデータ） (2021-06-06T22:05:22Z) - Multicriteria Group Decision-Making Under Uncertainty Using Interval
Data and Cloud Models [0.0]
本稿では,データを間隔として収集する不確実性の下で,MCGDM(Multicriteria group decision making)アルゴリズムを提案する。
提案したMCGDMアルゴリズムは、データを集約し、基準の最適な重みを決定し、さらに入力を行わずに代替品をランク付けする。
提案アルゴリズムは,サイバーセキュリティ問題のケーススタディに実装され,その実現可能性と有効性を示す。
論文 参考訳（メタデータ） (2020-12-01T06:34:48Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。