Ordinal regression revisited: Multiple criteria ranking using a set of additive value functions

Wykorzystanie informacji preferencyjnej zadanej na zbiorze rozwiązań bliskich rozwiązaniu idealnemu w wybranych metodach wielokryterialnych

“…Taka informacja preferencyjna może być wyrażona przez niego w sposób bezpośredni lub pośredni za pomocą przykładów decyzji dla podzbioru wariantów referencyjnych. W związku tym, że dostarczenie informacji preferencyjnej w formie bezpośredniej bywa zadaniem trudnym lub czasem wręcz niemożliwym do wykonania, coraz większą wagę przykłada się do procedur wykorzystujących informację pośrednią, której postać jest spójna z intuicyjnym postrzeganiem sytuacji problemowej przez decydenta [Siskos, Grigoroudis, Matsatsinis 2005;Figueira, Greco, Słowiński 2009;Greco, Mousseau, Słowiński 2008;Moshkovich, Mechitov, Olson 2005].…”

“…Podejście agregacji/dezagregacji oparte jest na kognitywnej analizie procesów myślowych decydenta, która pozwala na odtworzenie systemu wartości decydenta, a także na uzyskanie dokład-niejszej informacji od niego poprzez głębsze uświadomienie kontekstu sytuacji decyzyjnej [Siskos, Grigoroudis, Matsatsinis 2005]. Istota paradygmatu dezagregacji (regresji) polega na określeniu postaci modelu preferencji spójnego z preferencjami decydenta, czyli takiego, który odtwarza dostarczone przez decydenta przykłady decyzji [Greco, Mousseau, Słowiński 2008]. Rozważane w pracy metody ZAPROS, MARS oraz UTA oparte są na koncepcji agregacji-dezagregacji.…”

Preferences in artificial intelligence

“…Let us assume that at a given point in the interaction P represents the set of preference statements available and U P the set of possible overall utility functions consistent with those. In robust ordinal regression [131], a choice x is necessarily preferred to y, written N , if, for all feasible utility functions, it holds that u(y) ≥ u(x) (with strict necessary preference x ≻ N y if u(y) > u(x) for all feasible utility functions); x is possibly preferred to y, written P , if there exists at least one utility function such that u(x) ≥ u(y) with u ∈ U P . The properties of the necessary preference N and of possible preference relation N are analyzed: it is easy to see that N ⊆ P (if something is necessary, it is also possible); moreover it holds that if something is necessarily preferred to something else, the latter cannot be possibly preferred to the former 14 : if x ≻ N y then it cannot hold y ≻ P x.…”

Learning to rank: a ROC-based graph-theoretic approach

“…On the other hand, the result-oriented information consists of preference judgements expressed by the DM for a small subset of the data objects. The remaining parameters are then inferred with the help of an optimization algorithm (Mousseau 2005, Greco et al 2008.…”