論文の概要: A New Approach for Multicriteria Assessment in the Ranking of Alternatives Using Cardinal and Ordinal Data
- arxiv url: http://arxiv.org/abs/2507.08875v1
- Date: Thu, 10 Jul 2025 04:00:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-15 18:48:21.670312
- Title: A New Approach for Multicriteria Assessment in the Ranking of Alternatives Using Cardinal and Ordinal Data
- Title（参考訳）: 心的・日常的データを用いた代替品のランク付けにおける多基準評価の新しいアプローチ
- Authors: Fuh-Hwa Franklin Liu, Su-Chuan Shih,
- Abstract要約: 2つの仮想ギャップ解析(VGA)モデルを組み合わせた新しいMCA手法を提案する。
線形プログラミングに根ざしたVGAフレームワークは、MCA方法論において重要である。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Modern methods for multi-criteria assessment (MCA), such as Data Envelopment Analysis (DEA), Stochastic Frontier Analysis (SFA), and Multiple Criteria Decision-Making (MCDM), are utilized to appraise a collection of Decision-Making Units (DMUs), also known as alternatives, based on several criteria. These methodologies inherently rely on assumptions and can be influenced by subjective judgment to effectively tackle the complex evaluation challenges in various fields. In real-world scenarios, it is essential to incorporate both quantitative and qualitative criteria as they consist of cardinal and ordinal data. Despite the inherent variability in the criterion values of different alternatives, the homogeneity assumption is often employed, significantly affecting evaluations. To tackle these challenges and determine the most appropriate alternative, we propose a novel MCA approach that combines two Virtual Gap Analysis (VGA) models. The VGA framework, rooted in linear programming, is pivotal in the MCA methodology. This approach improves efficiency and fairness, ensuring that evaluations are both comprehensive and dependable, thus offering a strong and adaptive solution. Two comprehensive numerical examples demonstrate the accuracy and transparency of our proposed method. The goal is to encourage continued advancement and stimulate progress in automated decision systems and decision support systems.
- Abstract（参考訳）: データ・エンベロープメント・アナリティクス(DEA)、確率フロンティア・アナリティクス(SFA)、マルチ・クレーテリア・デシジョン・メイキング(MCDM)といったマルチ・クレーテリア・アセスメント・アセスメント(MCA)の現代的手法は、いくつかの基準に基づいて、決定・メイキング・ユニット(DMU)のコレクションを評価するために用いられる。
これらの方法論は本質的に仮定に依存しており、様々な分野における複雑な評価課題に効果的に取り組むための主観的判断の影響を受けうる。
実世界のシナリオでは、基本的なデータと順序データからなる量的基準と質的基準の両方を組み入れることが不可欠である。
異なる代替品の基準値に固有の変動があるにもかかわらず、同質性の仮定がしばしば採用され、評価に大きな影響を及ぼす。
これらの課題に対処し、最も適切な選択肢を決定するために、2つの仮想ギャップ解析(VGA)モデルを組み合わせた新しいMCAアプローチを提案する。
線形プログラミングに根ざしたVGAフレームワークは、MCA方法論において重要である。
このアプローチは効率と公平性を改善し、評価が包括的で信頼性の高いものであることを保証するため、強力で適応的なソリューションを提供する。
2つの総合的な数値例は,提案手法の精度と透明性を示している。
目標は、自動意思決定システムと意思決定支援システムの継続的な進歩を奨励し、進歩を促進することである。
関連論文リスト
- Algorithmic Detection of Rank Reversals, Transitivity Violations, and Decomposition Inconsistencies in Multi-Criteria Decision Analysis [0.0]
本稿では,ランクリバーサルの存在を検出する3つのテストと,Scikit-Criteriaライブラリの実装について述べる。
また、一般的なシナリオでこれらのテストを実装する際に生じる複雑さや、それを扱うために行った設計上の考慮にも対処します。
論文 参考訳（メタデータ） (2025-07-31T19:31:41Z) - EVA-MILP: Towards Standardized Evaluation of MILP Instance Generation [13.49043811341421]
混合整数線形プログラミング(MILP)は、複雑な意思決定問題を解決するための基礎となる。
多様なデータセットに対する機械学習の需要により,MILPインスタンス生成手法の普及が加速し,標準化された評価手法が大幅に向上した。
本稿では,MILPインスタンス生成手法の体系的および客観的評価を目的とした総合ベンチマークフレームワークを提案する。
論文 参考訳（メタデータ） (2025-05-30T16:42:15Z) - SEOE: A Scalable and Reliable Semantic Evaluation Framework for Open Domain Event Detection [70.23196257213829]
オープンドメインイベント検出のためのスケーラブルで信頼性の高いセマンティックレベルの評価フレームワークを提案する。
提案フレームワークはまず,現在7つの主要ドメインをカバーする564のイベントタイプを含む,スケーラブルな評価ベンチマークを構築した。
次に,大言語モデル(LLM)を自動評価エージェントとして活用し,意味的類似ラベルのきめ細かい定義を取り入れた意味的F1スコアを計算する。
論文 参考訳（メタデータ） (2025-03-05T09:37:05Z) - SKADA-Bench: Benchmarking Unsupervised Domain Adaptation Methods with Realistic Validation On Diverse Modalities [55.87169702896249]
Unsupervised Domain Adaptation (DA) は、ラベル付きソースドメインでトレーニングされたモデルを適用して、ラベルなしのターゲットドメインでデータ分散シフトをうまく実行する。
本稿では,再重み付け,マッピング,部分空間アライメントなど,既存の浅層アルゴリズムの完全かつ公平な評価を行う。
本ベンチマークでは,現実的な検証の重要性を強調し,現実的なアプリケーションに対する実践的なガイダンスを提供する。
論文 参考訳（メタデータ） (2024-07-16T12:52:29Z) - 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) - Better Understanding Differences in Attribution Methods via Systematic Evaluations [57.35035463793008]
モデル決定に最も影響を及ぼす画像領域を特定するために、ポストホック属性法が提案されている。
本稿では,これらの手法の忠実度をより確実に評価するための3つの新しい評価手法を提案する。
これらの評価手法を用いて、広範囲のモデルにおいて広く用いられている属性手法の長所と短所について検討する。
論文 参考訳（メタデータ） (2023-03-21T14:24:58Z) - In Search of Insights, Not Magic Bullets: Towards Demystification of the
Model Selection Dilemma in Heterogeneous Treatment Effect Estimation [92.51773744318119]
本稿では,異なるモデル選択基準の長所と短所を実験的に検討する。
選択戦略,候補推定器,比較に用いるデータの間には,複雑な相互作用があることを強調した。
論文 参考訳（メタデータ） (2023-02-06T16:55:37Z) - Reinforcement Learning with Heterogeneous Data: Estimation and Inference [84.72174994749305]
人口の不均一性に関する逐次的決定問題に対処するために,K-ヘテロ・マルコフ決定過程(K-ヘテロ・MDP)を導入する。
本稿では、ある政策の価値を推定するための自己クラスタ化政策評価(ACPE)と、ある政策クラスにおける最適な政策を推定するための自己クラスタ化政策イテレーション(ACPI)を提案する。
理論的な知見を裏付けるシミュレーションを行い,MIMIC-III標準データセットの実証的研究を行った。
論文 参考訳（メタデータ） (2022-01-31T20:58:47Z) - 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) - Application of independent component analysis and TOPSIS to deal with
dependent criteria in multicriteria decision problems [8.637110868126546]
本稿では,観測データから独立した潜伏基準のセットを推定することを目的とした新しいアプローチを提案する。
我々のアプローチの中心的な要素は、決定問題をブラインドソース分離問題として定式化することである。
我々は,TOPSISをベースとした代替品のランク付け手法を,潜在基準から検討する。
論文 参考訳（メタデータ） (2020-02-06T13:51:28Z)
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。