A Relative Projection-Based Multiattribute Group Decision-Making Model With Noncooperative Behavior Management and Application to NEV Supplier Selection
Notice bibliographique
Résumé
This article reports a novel consensus model where a group of internal and external experts evaluate alternatives under multiple attributes and provide mutual evaluations. First, different from previous studies, the cognitive and interest conflicts of internal and external experts are considered simultaneously. But interest conflict is emphasized for internal experts, and cognitive conflict is mainly considered for external experts. Second, we explore the categorization and management methods of noncooperative behaviors (NCBs) of experts. The relative projection-based indexes are proposed for the first time to measure the degrees of cognitive and interest conflicts by using multiattribute preference matrices (MAPMs) and the weight vectors of attributes. A group of experts are divided into three categories and the corresponding management strategies are developed. Third, we investigate the consensus mechanism among experts with cognitive and interest conflicts. For reaching an acceptable consensus level, an adjustment process is proposed to revise some local entries in MAPMs and mutual evaluation matrix (MEM). A penalty mechanism is further established to dynamically update the weights of experts. An algorithm is designed to capture the consensus reaching process in multiattribute group decision making, where internal and external experts are distinguished by proposing a parameter. Finally, the high-performance battery supplier selection of new energy vehicle is studied to illustrate the proposed model. The results reveal that the efficiency of reaching consensus can be enhanced by using the developed model with effective management of NCBs.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».