論文の概要: Sequential three-way group decision-making for double hierarchy hesitant fuzzy linguistic term set
- arxiv url: http://arxiv.org/abs/2406.18884v1
- Date: Thu, 27 Jun 2024 04:33:26 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-28 15:17:37.522711
- Title: Sequential three-way group decision-making for double hierarchy hesitant fuzzy linguistic term set
- Title（参考訳）: 二重階層性難解なファジィ言語用語集合に対する連続3方向群決定法
- Authors: Nanfang Luo, Qinghua Zhang, Qin Xie, Yutai Wang, Longjun Yin, Guoyin Wang,
- Abstract要約: 複雑性と不確実性を特徴とするグループ意思決定(GDM)は、様々な生活シナリオにおいて不可欠な部分である。
この問題に対処するため,グループ意思決定法(S3W-GDM)の多段階連続3方向決定法をグラニュラーコンピューティングの観点から構築した。
- 参考スコア（独自算出の注目度）: 8.081831444300489
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Group decision-making (GDM) characterized by complexity and uncertainty is an essential part of various life scenarios. Most existing researches lack tools to fuse information quickly and interpret decision results for partially formed decisions. This limitation is particularly noticeable when there is a need to improve the efficiency of GDM. To address this issue, a novel multi-level sequential three-way decision for group decision-making (S3W-GDM) method is constructed from the perspective of granular computing. This method simultaneously considers the vagueness, hesitation, and variation of GDM problems under double hierarchy hesitant fuzzy linguistic term sets (DHHFLTS) environment. First, for fusing information efficiently, a novel multi-level expert information fusion method is proposed, and the concepts of expert decision table and the extraction/aggregation of decision-leveled information based on the multi-level granularity are defined. Second, the neighborhood theory, outranking relation and regret theory (RT) are utilized to redesign the calculations of conditional probability and relative loss function. Then, the granular structure of DHHFLTS based on the sequential three-way decision (S3WD) is defined to improve the decision-making efficiency, and the decision-making strategy and interpretation of each decision-level are proposed. Furthermore, the algorithm of S3W-GDM is given. Finally, an illustrative example of diagnosis is presented, and the comparative and sensitivity analysis with other methods are performed to verify the efficiency and rationality of the proposed method.
- Abstract（参考訳）: 複雑性と不確実性を特徴とするグループ意思決定(GDM)は、様々な生活シナリオにおいて不可欠な部分である。
既存の研究の多くは、情報を素早く解き明かし、部分的に形成された決定に対する決定結果を解釈するツールを欠いている。
この制限は、GDMの効率を改善する必要がある場合に特に顕著である。
この問題に対処するため,グループ意思決定法(S3W-GDM)の多段階連続3方向決定法をグラニュラーコンピューティングの観点から構築した。
本手法は, 二重階層的ファジィ言語用語集合(DHHFLTS)環境下でのGDM問題のあいまいさ, ためらい, 変動を同時に検討する。
まず、情報を効率的に融合させるために、新しい多レベル専門家情報融合法を提案し、その多レベル粒度に基づく専門家決定表と意思決定レベルの情報の抽出・集約の概念を定義した。
第2に、条件付き確率と相対損失関数の計算を再設計するために、近隣理論、上位関係と後悔理論(RT)を利用する。
次に、逐次三方向決定(S3WD)に基づくDHHFLTSの粒度構造を定義し、意思決定効率を向上させるとともに、意思決定戦略と各意思決定レベルの解釈を提案する。
さらに、S3W-GDMのアルゴリズムが与えられる。
最後に、診断の実証的な例を示し、他の方法との比較および感度分析を行い、提案手法の有効性と合理性を検証する。
関連論文リスト
- Making Large Language Models Better Planners with Reasoning-Decision Alignment [70.5381163219608]
マルチモーダリティ強化LLMに基づくエンドツーエンド意思決定モデルを提案する。
ペア化されたCoTと計画結果との推論・決定アライメントの制約を提案する。
提案する大規模言語プランナをRDA-Driverとして推論・決定アライメントする。
論文 参考訳（メタデータ） (2024-08-25T16:43:47Z) - Differentiable Distributionally Robust Optimization Layers [10.667165962654996]
パラメータ化二階円錐曖昧性集合を用いた混合整数DRO問題に対する微分可能なDRO層を開発する。
本稿では,決定の連続的な部分と離散的な部分を異なる原理で扱うことによって,新しい双対ビュー手法を提案する。
具体的には、双対ビュー手法を実装し、その勾配を推定するために重要サンプリングを利用するために、微分可能エネルギーベースサロゲートを構築した。
論文 参考訳（メタデータ） (2024-06-24T12:09:19Z) - Explainable Data-Driven Optimization: From Context to Decision and Back
Again [76.84947521482631]
データ駆動最適化では、コンテキスト情報と機械学習アルゴリズムを使用して、不確実なパラメータによる決定問題の解決策を見つける。
本稿では,データ駆動型問題に対する解法を説明するために,対実的説明手法を提案する。
在庫管理やルーティングといった運用管理における重要な問題を説明することで,我々のアプローチを実証する。
論文 参考訳（メタデータ） (2023-01-24T15:25:16Z) - R(Det)^2: Randomized Decision Routing for Object Detection [64.48369663018376]
本稿では,決定木とディープニューラルネットワークをエンドツーエンドの学習方法で組み合わせたオブジェクト検出手法を提案する。
効率的な学習を容易にするために,ノード選択型および連想型損失を伴うランダム化決定経路を提案する。
このアプローチをオブジェクト検出のためのランダム化決定ルーティングとして、R(Det)$2$と略す。
論文 参考訳（メタデータ） (2022-04-02T07:54:58Z) - 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) - Double Fuzzy Probabilistic Interval Linguistic Term Set and a Dynamic
Fuzzy Decision Making Model based on Markov Process with tts Application in
Multiple Criteria Group Decision Making [0.0]
与えられた言語評価において,確率分布を扱うための言語用語が提案されている。
ウェイト情報は、動的情報融合と意思決定プロセスにおいて重要な役割を果たす。
二重ファジィ確率区間言語用語集合(DFPILTS)の概念を提案する。
論文 参考訳（メタデータ） (2021-11-30T10:17:08Z) - Consistency and Consensus Driven for Hesitant Fuzzy Linguistic Decision
Making with Pairwise Comparisons [5.378188812712555]
Hesitant fuzzy言語嗜好関係(HFLPR)は、不確実性の下での意見表現の効率的な方法として重要である。
本稿では,HFLPRを用いたグループ意思決定のためのアルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-11-07T13:52:46Z) - Regret Analysis in Deterministic Reinforcement Learning [78.31410227443102]
本稿では,最適学習アルゴリズムの分析と設計の中心となる後悔の問題を考察する。
本稿では,システムパラメータに明示的に依存する対数問題固有の後悔の下位境界について述べる。
論文 参考訳（メタデータ） (2021-06-27T23:41:57Z) - Learning MDPs from Features: Predict-Then-Optimize for Sequential
Decision Problems by Reinforcement Learning [52.74071439183113]
我々は、強化学習を通して解決された逐次決定問題(MDP)の文脈における予測列最適化フレームワークについて検討した。
2つの重要な計算課題は、意思決定中心の学習をMDPに適用することである。
論文 参考訳（メタデータ） (2021-06-06T23:53:31Z) - 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) - Interpreting Deep Learning Model Using Rule-based Method [36.01435823818395]
本稿では,ディープニューラルネットワークモデルに対する包括的解釈を提供するための多段階決定フレームワークを提案する。
各ニューロンに決定木を合わせ、それらを集約することにより、最初はマルチレベル決定構造(MLD)を構築する。
MNISTとNational Free Pre-Pregnancy Check-upデータセットの実験を行い、MDDフレームワークの有効性と解釈性を示した。
論文 参考訳（メタデータ） (2020-10-15T15:30:00Z)
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。