A linear programming approach for learning non-monotonic additive value functions in multiple criteria decision aiding

چارچوب جدیدی برای تقسیم بندی ترجیحات در کمک های تصمیم گیری چند معیار معرفی شده است. رویکرد پیشنهادی می کوشد مدل های ترجیحی افزایشی غیر مونوتونی را از مجموعه ای از مقایسه های دوبعدی غیر مستقیم استخراج کند. مدل ترجیحی به عنوان مجموعه ای از توابع ارزش حاشیهای ارائه شده است و قدرت تبعیض از مدل ترجیحات پیش بینی شده در برابر پیچیدگی آن به حداکثر می رسد. برای به دست آوردن یک تابع ارزش که با اطلاعات ترجیحی ارائه شده سازگار است، روش پیشنهادی منجر به مشکل بهینه سازی برنامه نویسی خطی می شود که به راحتی حل می شود. کاربرد و اثربخشی روش جدید در یک تجزیه و تحلیل کامل آزمایشی که طیف وسیعی از مشکلات تصمیم گیری را پوشش می دهد، نشان داده شده است.