A Consistency and Consensus-Based Goal Programming Method for Group Decision-Making With Interval-Valued Intuitionistic Multiplicative Preference Relations
Notice bibliographique
Résumé
Interval-valued intuitionistic multiplicative preference relations (IVIMPRs) form a suitable conceptual framework to represent and process simultaneously uncertain preferred and nonpreferred judgments of decision makers (DMs). The focus of this paper is on group decision-making (GDM) problems realized with IVIMPRs. First, a consistency index is introduced to evaluate the consistency degree for intuitionistic multiplicative preference relations (IMPRs), and a consistency optimization approach is presented to jointly improve the consistency degrees of several IMPRs that do not satisfy the predefined consistency threshold. Then, a consistency definition and an acceptable consistency definition for IVIMPRs are established by splitting an IVIMPR into two IMPRs. For several IVIMPRs with unacceptable consistency, a goal program-based approach is proposed to simultaneously improve their consistency. Subsequently, by minimizing the degree to which the opinions of individual DMs deviate from those of the group, a maximum consensus-based goal program is established to determine the DMs' weights. Furthermore, an aggregation approach is applied to integrate individual IVIMPRs into a collective one. A linear program is then built to determine the interval-valued intuitionistic multiplicative priority weights of alternatives coming from the collective IVIMPR. A consistency-based GDM algorithm is proposed. Finally, a practical example is offered to show the application of the new algorithm, and a comparative analysis is presented to highlight the advantages of the new method.
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.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».