Ranking Trees : an algorithm to elicitate parameters of ranking decision problems

• Autor(a) principal: Rodrigues, Brunno e Souza
• Data de Publicação: 2023
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Repositório Institucional da Universidade Federal Fluminense (RIUFF)
• Texto Completo: http://app.uff.br/riuff/handle/1/29768
• topic: PROMETHEE; ELECTRE; Elicitacao de parametros; Aprendizado de maquina; Tomada de decisão com múltiplos critérios; Análise Envoltória de Dados (DEA); Árvore de decisão; Parameters elicitation; Machine Learning

Objetivo – Quando devidamente estruturados, os problemas de análise multicriterio de decisão têm maior probabilidade de levar a melhores decisões. Esta tese apresenta um algoritmo que pode eliciar todos ou qualquer combinação de parâmetros para os métodos PROMETHEE II, III ou IV ou ELECTRE II, III ou IV, reduzindo o esforço cognitivo dos tomadores de decisão no processo. O algoritmo segue alguns passos de uma técnica de conjunto de aprendizado de máquina, o Random Forest, e por isso, a abordagem é denominada algoritmo RANKING TREES. Design / metodologia / abordagem – Primeiramente, para um determinado método, é gerado um conjunto de modelos (PROMETHEE / ELECTRE), onde cada modelo resolve uma amostra aleatória de critérios e alternativas (ações). Em seguida, para cada modelo gerado, todas as alternativas são projetadas em um espaço ; em geral, as melhores alternativas têm valores maiores em um espaço do que as piores; portanto, eles podem ser usados para guiar o algoritmo genético na etapa final, a fase de otimização. Por fim, na fase de otimização, cada modelo tem seus parâmetros otimizados. Resultados – Apesar de tentador, a elicitação de todos os parâmetros não é indicada, alguma experiência e conhecimento que o tomador de decisão possui sobre o problema deve ser preservada. Os resultados podem ser usados de duas maneiras diferentes; os tomadores de decisão podem combinar todos os modelos, para encontrar os parâmetros elicitados dessa forma, ou os tomadores de decisão podem agrupar os modelos, e a mediana de todas as classificações representa a classificação final. Originalidade / valor – Pela primeira vez, a elicitação dos parâmetros PROMETHEE e ELECTRE é feita por uma técnica de ensemble composta por um conjunto de modelos multicritério não correlacionados que podem gerar soluções robustas. A abordagem proposta é útil quando reunir ou selecionar avaliadores para analisar um problema multicritério vier a ser problemático ou caro. Especialização e conhecimento podem ser inacessíveis para algumas empresas.