論文の概要: From Outranking Flow Scores to Linear Programs: Group Decision Making in PROMETHEE II
- arxiv url: http://arxiv.org/abs/2610.34481v1
- Date: Sun, 25 Oct 2026 18:12:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-27 22:27:13.621418
- Title: From Outranking Flow Scores to Linear Programs: Group Decision Making in PROMETHEE II
- Title（参考訳）: 上位のフロースコアから線形プログラムへ:Prometheeにおけるグループ決定II
- Abstract要約: 本稿では,パフォーマンステーブルが固定された場合のPrometheE IIランキング問題の逆解析とコンセンサス解析について検討する。
本稿では,観測された性能差に対する重み付けされた選好インクリメントに基づく ProMETHEE II ネットフロースコアの線形再パラメータ化を提案する。
- 参考スコア（独自算出の注目度）: 45.88028371034407
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We study inverse and consensus analysis for PROMETHEE II ranking problems when the performance table is fixed. Existing approaches in PROMETHEE-based sensitivity and consensus analysis usually focus on deviations of criteria weights while treating preference functions as fixed. Nevertheless both sets of parameters jointly determine the outranking flow scores. We introduce a linear reparametrization of the PROMETHEE II net flow scores based on weighted preference increments over the observed differences of performances. This representation yields a linear expression of the net flows and clarifies how weights and preference functions interact. Building on this result, we derive linear optimization models for three settings: minimizing weight deviations while allowing preference functions to vary; minimizing deviations over the full set of preference parameters; and multiple decision-maker consensus analysis (with objectives based either on total deviation or on the maximal individual deviation to promote fairness). An illustrative example shows that allowing preference functions to vary can dramatically change the inverse-analysis conclusions obtained from weight-only models, and that the proposed group formulations distinguish efficient consensuses from fairer ones.
- Abstract（参考訳）: 本稿では,パフォーマンステーブルが固定された場合のPrometheE IIランキング問題の逆解析とコンセンサス解析について検討する。
PROMETHEEに基づく感度分析とコンセンサス分析の既存のアプローチは、通常、基準重みの偏差に焦点を当て、嗜好関数を固定として扱う。
それでも、両方のパラメータセットは、上位のフロースコアを共同で決定する。
本稿では,観測された性能差に対する重み付けされた選好インクリメントに基づく ProMETHEE II ネットフロースコアの線形再パラメータ化を提案する。
この表現は、ネットフローの線形表現を生成し、重みと選好関数がどのように相互作用するかを明確にする。
この結果に基づいて,選好関数の変動を許容しながら重み偏差を最小化すること,選好パラメータの完全セットに対する偏差を最小化すること,および複数の意思決定者コンセンサス分析(全偏差または最大個人偏差に基づくフェアネスの促進)の3つの設定に対して線形最適化モデルを導出する。
図示的な例では、選好関数の変動は、ウェイトオンリーモデルから得られる逆解析の結論を劇的に変化させ、提案した群定式化がより公平なモデルと効率的なコンセンサスを区別することを示した。
関連論文リスト
- Divergence based Ranked Preference Alignment for LLMs [10.84662374625146]
ランク付き参照アライメントは、より単純なペアワイズアプローチと比較して、実際には過小評価されている。
この研究は優先順位最適化のための$f$-RPOを導入している。
我々の理論解析は階階の整合性を確立し、$f$-RPO が収束における基本的嗜好順序を保っていることを示す。
論文 参考訳（メタデータ） (2026-10-18T23:36:39Z) - Diffusion-Based Data-Driven Assortment Optimization [14.10927475407741]
導出離散拡散に基づくアソート最適化のためのモデルに依存しないフレームワークを提案する。
提案手法は,高品質なアソシエーションを一貫して識別し,モデルミスセグメンテーションの下では頑健であることを示す。
論文 参考訳（メタデータ） (2026-08-11T20:37:44Z) - Comparing Scalar Objective Functions for Multi-Criteria Engineering Optimization [0.0]
本稿では,重み付き和,達成スカラー化関数,所望性関数,ファジィ論理に基づく定式化の4つの定式化について比較する。
2つの解析的に定義されたパレートフロント(1つの凸面と1つの凹面)は、客観的定式化の効果を数値的挙動から分離する。
その結果、重み付き和は、凹面前面では単純だが構造的に制限されている一方で、達成、望ましくない、ファジィな定式化は、異なるメカニズムによって内部非支持領域に到達していることがわかった。
論文 参考訳（メタデータ） (2026-06-26T18:51:16Z) - Objective-Induced Bias and Search Dynamics in Multiobjective Unsupervised Feature Selection [2.2282508171588806]
評価対象の選択、サブセットサイズ正規化の方向性、初期化戦略について検討する。
客観的デザインは, 効果的な多目的的非教師付き特徴選択の中心であることを示す。
論文 参考訳（メタデータ） (2026-05-20T15:14:00Z) - In-context Ranking Preference Optimization [65.5489745857577]
In-context Ranking Preference Optimization (IRPO) フレームワークを提案する。
IRPOは標準のDPO手法よりも高い性能を示し、LLMと直接文脈内ランキング設定の整合性を強調した。
論文 参考訳（メタデータ） (2025-04-21T23:06:12Z) - Minimum Volume Conformal Sets for Multivariate Regression [44.99833362998488]
等角予測は、有限サンプルの妥当性を持つ予測集合を構築するための原則化された枠組みを提供する。
本稿では,最小整合被覆集合を直接学習する新しい損失関数に基づく最適化駆動フレームワークを提案する。
提案手法は, 任意のノルム球によって定義された予測集合を最適化し, 単ノルムおよび多ノルムの定式化を含む。
論文 参考訳（メタデータ） (2025-03-24T18:54:22Z) - An incremental preference elicitation-based approach to learning potentially non-monotonic preferences in multi-criteria sorting [53.36437745983783]
まず最適化モデルを構築し,非単調な選好をモデル化する。
本稿では,情報量測定手法と質問選択戦略を考案し,各イテレーションにおいて最も情報に富む選択肢を特定する。
2つのインクリメンタルな選好に基づくアルゴリズムは、潜在的に単調な選好を学習するために開発された。
論文 参考訳（メタデータ） (2024-09-04T14:36:20Z) - Ensemble Kalman Filtering Meets Gaussian Process SSM for Non-Mean-Field and Online Inference [47.460898983429374]
我々は,非平均場(NMF)変動推定フレームワークにアンサンブルカルマンフィルタ(EnKF)を導入し,潜在状態の後方分布を近似する。
EnKFとGPSSMのこの新しい結婚は、変分分布の学習における広範なパラメータ化の必要性をなくすだけでなく、エビデンスの下限(ELBO)の解釈可能でクローズドな近似を可能にする。
得られたEnKF支援オンラインアルゴリズムは、データ適合精度を確保しつつ、モデル正規化を組み込んで過度適合を緩和し、目的関数を具現化する。
論文 参考訳（メタデータ） (2023-12-10T15:22:30Z) - Variable Importance Matching for Causal Inference [73.25504313552516]
これらの目標を達成するためのModel-to-Matchと呼ばれる一般的なフレームワークについて説明する。
Model-to-Matchは、距離メートル法を構築するために変数重要度測定を使用する。
LASSO を用いて Model-to-Match フレームワークを運用する。
論文 参考訳（メタデータ） (2023-02-23T00:43:03Z) - Robust, Accurate Stochastic Optimization for Variational Inference [68.83746081733464]
また, 共通最適化手法は, 問題が適度に大きい場合, 変分近似の精度が低下することを示した。
これらの結果から,基礎となるアルゴリズムをマルコフ連鎖の生成とみなして,より堅牢で正確な最適化フレームワークを開発する。
論文 参考訳（メタデータ） (2020-09-01T19:12:11Z)
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。