×
阿里·特利利；哈立德·贝拉赫塞内；乌迈马·哈立德；文森特·穆索；瓦西拉Ouerdane

使用有效的SAT/MaxSAT公式学习非补偿性排序模型。 （英语） Zbl 1490.90173号

欧洲药典。物件。 298，第3期，979-1006（2022）.
摘要：非补偿排序模型旨在将根据多个标准评估的备选方案分配给预定义的有序类别之一。与一组参考分配兼容的非补偿排序模型的计算参数需要计算。为了克服这个问题，最近提出了两种基于布尔可满足性的公式，以从完美的偏好信息中学习非补偿排序模型的参数，即当参考分配集可以在模型中完全表示时。本文考虑了非补偿排序模型的两种常见变体，即具有唯一轮廓的非补偿排序模式和具有唯一充分联盟集的非补偿分类模式。对于每个变体，我们首先将基于分离原则的公式扩展到多类别情况。此外，我们使用最大可满足性问题语言扩展了这两个公式，以处理偏好信息中的不一致性。为了从无噪和有噪偏好信息中学习两种非补偿排序模型（具有唯一的轮廓和一组唯一的充分联盟），建议进行计算研究，以比较这两种公式的效率。

引用于2文件

MSC公司：

90B50型 管理决策，包括多个目标
91B06型 决策理论

关键词：

多准则分析；非补偿性分拣；偏好学习；SAT/MaxSAT

软件：

UTA Plus公司；ORL公司；电气
PDF格式BibTeX公司 XML格式引用
\textit{A.Tlili}等人，《欧洲药典》。第298号决议，第3号，979--1006（2022年；Zbl 1490.90173）
全文： 内政部

参考文献：

[1] 阿尔梅达·迪亚斯，J。；费盖拉，J.R。；Roy，B.，Electre Tri-C:基于特征参考动作的多准则排序方法，《欧洲运筹学杂志》，204,3565-580（2010）·Zbl 1181.90140号
[2] 阿尔梅达·迪亚斯，J。；Figueira，J.R。；Roy，B.，一种多标准排序方法，其中每个类别都以几个参考动作为特征：Electre Tri-nC方法，《欧洲运筹学杂志》，217，3567-579（2012）·Zbl 1244.90106号
[3] 阿西迪亚科诺，S.G。；科伦特，S。；Greco，S.，《具有交互标准分层结构的稳健随机排序》，《欧洲运筹学杂志》，292,2735-754（2021）·Zbl 1487.90351号
[4] 卡拉新世，K。；拉布雷切，C。；Maudet，N。；穆索，V。；Ouerdane，W.，《负责任排序模型》，《第26届国际人工智能联合会议论文集》（IJCAI 2017），814-820（2017）
[5] 卡拉新世，K。；拉布雷切，C。；Maudet，N。；穆索，V。；Ouerdane，W.，《从示例中学习多标准非补偿性排序规则的高效SAT公式》，《计算机与运筹学》，97，58-71（2018）·兹比尔1394.90330
[6] 卡拉新世，K。；拉布雷切，C。；Maudet，N。；穆索，V。；Ouerdane，W。；Chevaleyre，Y.，《责任审批排序》，第27届国际人工智能联合会议论文集（2018）·兹比尔1394.90330
[7] 研究报告2017-02
[8] Benabbou，N。；佩尔尼，P。；Viappiani，P.，一种基于回归的偏好启发方法，用于使用多标准参考资料进行排序，《从多标准决策辅助到偏好学习的第二个工作坊进展》（DA2PL）（2016）
[9] Benabbou，N。；佩尔尼，P。；Viappiani，P.，多准则选择、排序和排序问题的Choquet能力增量启发，人工智能，246152-180（2017）·Zbl 1419.68071号
[10] Błaszczynski，J。；Greco，S。；Słowiáski，R.，《多标准分类——基于支配权的决策规则应用的新方案》，《欧洲运筹学杂志》，181，3，1030-1044（2007）·Zbl 1121.90073号
[11] Bouyssou，D。；Marchant，T.，《MCDM中非补偿排序方法的公理化方法》，I：两类案例，《欧洲运筹学杂志》，178，1，217-245（2007）·Zbl 1102.90332号
[12] Bouyssou，D。；Marchant，T.，《MCDM中非补偿排序方法的公理化方法》，II：两类以上，《欧洲运筹学杂志》，178，1，246-276（2007）·Zbl 1103.90346号
[13] https://hal.archives-ouvertes.fr/hal-02917994
[14] Chateauneuf，A。；Jaffray，J.Y.，通过mobius反演推导单调容量的一些结果，（Bouchon，B.；Yager，R.R.，知识系统中的不确定性（1987），Springer），95-102·Zbl 0641.62005号
[15] 科伦特，S。；Doumpos，M。；Greco，S。；Słowiáski，R。；Zopounidis，C.，基于加性值函数序数回归的排序问题的多准则层次过程，运筹学年鉴，251，1，117-139（2017）·Zbl 1408.90148号
[16] Devaud，J.M。；格罗绍德，G。；雅克·拉格雷泽（Jacquet-Lagreze），E.，UTADIS：《实用添加剂功能构建方法》（Une method de construction de functions d’utility addities rendant compte de jugements globaux），欧洲MCDA工作组，德国波鸿（1980）
[17] Doumpos，M。；Zopounidis，C.，多准则决策辅助分类方法（2002），Springer·Zbl 1029.91015号
[18] Fallah Tehrani，A。；程，W。；Hüllermier，E.，Choquistic回归：使用Choquet积分推广逻辑回归，欧洲模糊逻辑与技术学会2011年第七届国际会议论文集，868-875（2011）·Zbl 1254.62084号
[19] 费尔南德斯，E。；Figueira，J.R。；Navarro，J.，使用遗传算法对ELECTRE TRI-nB模型参数的间接启发方法，应用软件计算，77，723-733（2019）
[20] 费尔南德斯，E。；Figueira，J.R。；纳瓦罗，J。；Roy，B.，Electre tri-nB：一种新的多标准有序分类方法，《欧洲运筹学杂志》，263，1，214-224（2017）·Zbl 1380.91058号
[21] Figueira，J。；Greco，S。；罗伊，B。；Słowiáski，R.，ELECTRE方法：主要特征和最新发展，（Zopounidis，C.；Pardalos，P.M.，《多标准分析手册》（2010），Springer），51-89
[22] Figueira，J。；穆索，V。；Roy，B.，Electre方法，多标准决策分析：最新调查，133-153（2005），Springer·Zbl 1072.90531号
[23] Furnkranz，J。；Hullermeier，E.，偏好学习（2011），施普林格
[24] Greco，S。；马塔拉佐，B。；Slowinski，R.，《多准则决策分析的粗糙集理论》，《欧洲运筹学杂志》，129，1，1-47（2001）·兹比尔1008.91016
[25] Greco，S。；穆索，V。；Slowinski，R.，用一组加性值函数进行多准则排序，《欧洲运筹学杂志》，207,31455-1470（2010）·Zbl 1206.91021号
[26] Herrera-Viedma，E。；Herrera，F。；Chiclana，F。；Luque，M.，关于模糊偏好关系一致性的一些问题，《欧洲运筹学杂志》，154，1，98-109（2004）·Zbl 1099.91508号
[27] 雅克·拉格雷泽（Jacquet-Lagreze），E。；Siskos，J.，评估一组用于多标准决策的加性效用函数，UTA方法，欧洲运筹学杂志，10，2，151-164（1982）·Zbl 0481.90078号
[28] Kadzinski，M。；Ciomek，K.，基于阈值的多准则排序任务示例交互式启发的主动学习策略，《欧洲运筹学杂志》（2021）·Zbl 1487.90373号
[29] Kadzinski，M。；Ghaderi，M。；Dabrowski，M.，多标准排序问题的Contingnet偏好分解模型，《欧洲运筹学杂志》，281,2369-387（2020）·Zbl 1431.91109号
[30] Kadzinski，M。；Martyn，M.，Electre Tri-B方法的强化偏好建模和稳健性分析，运筹学年鉴，1-35（2020）
[31] Kadziñski，M。；Greco，S。；Słowiáski，R.，《基于优势的粗糙集多准则排序方法的稳健序数回归》，信息科学，283211-228（2014）·Zbl 1355.91029号
[32] Kadziñski，M。；Tervonen，T。；Figueira，J.R.，《利用高于排名的偏好模型和特征剖面进行稳健多准则排序》，Omega，55，126-140（2015）
[33] Köksalan，M。；Ozpeynirci，S.，加法效用函数的交互式排序方法，计算机与运筹学，36，9，2565-2572（2009）·Zbl 1179.91057号
[34] Labreuche，C.，解释多属性偏好模型结果的一般框架，人工智能，175，7，1410-1448（2011）·Zbl 1231.91084号
[35] Leroy，A。；穆索，V。；Pirlot，M.，学习多准则排序方法的参数，算法决策理论国际会议，219-233（2011），施普林格·Zbl 1233.90247号
[36] 刘，J。；Kadzinski，M。；廖，X。；Mao，X.，基于交互准则的价值驱动多准则排序的数据驱动偏好学习方法，INFORMS计算杂志，33，2，586-606（2021）·Zbl 1466.90041号
[37] 刘，J。；廖，X。；Kadziñski，M。；Słowiáski，R.，《在正则化框架内对具有多个潜在非单调标准的问题进行排序的偏好分解》，《欧洲运筹学杂志》，276，3，1071-1089（2019）·兹比尔1430.90335
[38] 刘，J。；廖，X。；毛，X。；Wang，Y。；Kadzinski，M.，《多元加值模型和赋值实例的多标准排序偏好学习框架》，《欧洲运筹学杂志》，286，3，963-985（2020）·Zbl 1443.90220号
[39] Marichal，J.-L。；梅耶，P。；Roubens，M.，《排序多属性备选方案：TOMASO方法》，计算机与运筹学，32，4，861-877（2005）·Zbl 1071.90550号
[40] 米农古，P。；穆索，V。；Ouerdane，W。；Scotton，P.，从具有潜在标准偏好方向的数据中学习MR-Sort模型，从多标准决策辅助到偏好学习（DA2PL）的第二个车间进展（2020）
[41] 穆索，V。；Dias，L.C.公司。；Figueira，J。；戈麦斯，C。；Clímaco，J.N.，《解决MCDA模型参数约束之间的不一致性》，《欧洲运筹学杂志》，147，1，72-93（2003）·Zbl 1011.90530号
[42] 穆索，V。；Słowiáski，R.，从赋值示例推断ELECTRE TRI模型，全球优化杂志，12，2，157-174（1998）·Zbl 0904.90093号
[43] Perny，P.，基于一致性和非不一致性原则的多准则过滤方法，《运筹学年鉴》，80，137-165（1998）·Zbl 0907.90011号
[44] 罗伊，B.，《超越排名的方法和选举方法的基础，理论和决策》，31，1，49-73（1991）
[45] Roy，B.，《决策辅助的多准则方法》（1996年），Kluwer学术：Kluwer-Academic Dordrecht·Zbl 0893.90108号
[46] 鲁丁，C。；Ertekin，S.，《利用数学编程学习定制和优化的规则列表》，《数学编程计算》，第10期，第659-702页（2018年）·Zbl 1411.90234号
[47] Siskos，Y。；格里戈鲁迪斯，E。；Matsatsinis，N.，UTA方法，（Greco，S.；Ehrgott，M.；Figueira，J.，多准则决策分析，OR/MS国际系列（2016），Springer），315-362
[48] Sobrie，O.，《学习偏好与多标准模型》（2016年），蒙斯大学（FacultéPolytechnology）和巴黎萨克利大学（CentraleSupélec）博士论文。
[49] Sobrie，O。；Lazouni，硕士。；马哈茂迪，S。；穆索，V。；Pirlot，M.，麻醉前评估的新决策支持模型，生物医学中的计算机方法和程序，133183-193（2016）
[50] Sobrie，O。；穆索，V。；Pirlot，M.，《从大量赋值示例中学习多数规则模型》，（Perny，P.；Pirlot；M.；Tsoukiás，a.，《算法决策理论》，《人工智能课堂讲稿》，8176（2013），Springer），336-350·Zbl 1404.68119号
[51] Sobrie，O。；穆索，V。；Pirlot，M.，学习非补偿性排序模型的参数，（Walsh，T.，算法决策理论，人工智能讲义，9346（2015），Springer:Springer-Lexington，KY，USA），153-170·Zbl 1405.90067号
[52] Sobrie，O。；穆索，V。；Pirlot，M.，《使用多数规则排序模型学习单调偏好》，《运筹学中的国际交易》，第26期，第5期，1786-1809页（2019年）·Zbl 07766372号
[53] 北索科洛夫斯卡。；Chevaleyre，Y。；Zucker，J.D.，学习可解释评分系统的可证明算法，（Storkey，A.J.；Pérez-Cruz，F.，人工智能和统计国际会议，AISTATS 2018（2018）），566-574
[54] Tervonen，T。；Figueira，J。；拉德尔马，R。；阿尔梅达·迪亚斯，J。；Salminen，P.，排序问题稳健性分析的随机方法，《欧洲运筹学杂志》，192,1236-242（2009）·Zbl 1179.90226号
[55] Ustun，B。；Rudin，C.，优化医疗评分系统的超解析线性整数模型，机器学习，102，3，349-391（2016）·兹比尔1406.62144
[56] 郑洁。；Metchebon Takougang，S。；穆索，V。；Pirlot，M.，乐观Electre Tri排序规则的学习标准权重，计算机与运筹学，49，28-40（2014）·Zbl 1349.90630号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。