Új AI-módszer rangsorolja a döntési alternatívákat: kardinális és ordinális adatokkal is dolgozik
A Multi-Criteria Analysis (MCA) módszereket kiegészítő új megközelítés a szubjektív torzításokat és az adatok sokféleségéből adódó pontatlanságokat igyekszik kiküszöbölni.
Új, lineáris programozáson alapuló Virtual Gap Analysis (VGA) modelleket mutatott be az ArXiv AI, amelyek a többkritériumos elemzést (MCA) segítik a döntési alternatívák rangsorolásában — írja a kutatás.
A hagyományos MCA módszerek, mint például a Multiple Criteria Decision Making (MCDM), gyakran szubjektív értékelések és torzítások áldozatai, ami csökkenti az eredmények megbízhatóságát. Az új VGA modellek célja éppen ezen problémák kezelése, a paraméterek pontosságának növelése érdekében.
A javasolt kétlépéses módszer két VGA modellt integrál, amelyek „pesszimista perspektívából” értékelik az alternatívákat. Ez magában foglalja mind a kvantitatív, mind a kvalitatív kritériumok, valamint a kardinális és ordinális adatok felhasználását. A cél a legkevésbé kedvező opciók kiszűrése és eliminálása a döntéshozatali folyamatból.
A kutatás szerint az új módszer megbízható és skálázható, ami lehetővé teszi az alapos és hatékony értékeléseket a döntéstámogató rendszereken belül.