MétaCan
Menu
Retour à la cohorte
Enregistrement W2523549523 · doi:10.1002/mcda.1573

A Fuzzy Topsis Method for Prioritized Aggregation in Multi‐Criteria Decision Making Problems

2016· article· en· W2523549523 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJournal of Multi-Criteria Decision Analysis · 2016
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueMulti-Criteria Decision Making
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésTOPSISComputer scienceFuzzy logicMultiple-criteria decision analysisOperations researchDecision-making modelsArtificial intelligenceMathematics

Résumé

récupéré en direct d'OpenAlex

Abstract Aggregation in a decision making environment requires the fusion of opinions of a group of decision makers. The group of decision makers are required to analyse a set of interrelated criteria that are usually measured on a linguistic scale. This process requires, in many instances, to capture experts experience, intuition and thinking that are traditionally expressed in a linguistic fashion rather than a numerical fashion. Furthermore, the necessity of considering the relationship between the criteria to the overall decision must be considered by the group of decision makers. This paper extends the application of fuzzy numbers, fuzzy relative importance scores ( FRIS ), fuzzy relative weights ( FRW ) and the fuzzy technique of order preference by similarity to ideal solution (TOPSIS) in prioritized aggregation. This extension provides a mean to systematically aggregate a group of decision makers' views for a set of interrelated criteria that are measured on a linguistic scale. First, an overview of the application of fuzzy numbers and the characteristics of aggregating fuzzy numbers in multi‐criteria decision making problems are presented. Then, the application of TOPSIS in fuzzy environments is presented. Next, past research is highlighted to present prioritized aggregation and the different aggregation operators' classes. Subsequently, a new prioritized aggregation method is presented. This method utilizes fuzzy TOPSIS with prioritized aggregation in fuzzy environments. Finally, the fuzzy prioritized aggregation method presented in this paper is applied on an actual case study. According to the results, the method presented in this paper provides a systematic approach to capture the uncertainty and imprecision associated with quantifying linguistic measurements in multi‐criteria decision making problems. Furthermore, it considers the relationship between the set of linguistically measured criteria undergoing prioritized aggregation in a fuzzy environment. Lastly, findings, conclusions and future work are presented. Copyright © 2016 John Wiley & Sons, Ltd.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,034
score de la tête « metaresearch » (Gemma)0,065
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Bibliométrie, Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMétarecherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,925
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0340,065
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0040,003
Bibliométrie0,0110,008
Études des sciences et des technologies0,0000,000
Communication savante0,0020,003
Science ouverte0,0040,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,179
Tête enseignante GPT0,495
Écart entre enseignants0,317 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle