КОМПАРАТОРНА ІДЕНТИФІКАЦІЯ МОДЕЛІ БАГАТОФАКТОРНОГО ОЦІНЮВАННЯ АЛЬТЕРНАТИВ З ВИКОРИСТАННЯМ МЕТОДУ БЕГГІНГА
DOI:
https://doi.org/10.30837/bi.2019.2(93).04Ключові слова:
Багатокритеріальна оптимізація, функція корисності, відношення порядку, ранжування альтернатив, ансамбль моделейАнотація
Запропоновано один з підходів до розв’язання задачі побудови математичної моделі багатофакторного оцінювання альтернатив, який базується на ідеях теорії компараторної ідентифікації. Розглянуто методи її структурної і параметричної ідентифікації. Структура моделі визначається в рамках поліному КолмогороваГабора, що дозволяє синтезувати як традиційні адитивні і мультиплікативні, так і моделі багатофакторного оцінювання альтернатив довільної складності. Для підвищення точності моделі пропонується використовувати ансамбль моделей, агрегування яких здійснюється на основі методу беггінга. Наведено результати комп’ютерного моделювання, що підтверджують ефективність описаного підходу. Запропонований підхід відкриває перспективи підвищення ефективності та об’єктивності ідентифікації моделей експертного оцінювання альтернатив.Посилання
Петров К.Э. Компараторная структурно-параметрическая идентификация моделей скалярного многофакторного оценивания / К.Э. Петров, В.В. Крючковский. – Херсон: Олди-плюс, 2009. – 294 с.
Саати Т. Принятие решений. Метод анализа иерархий / т. Саати. – М.: Радио и связь, 1993. – 278 с.
Саати Т.Л. Принятие решений при зависимостях и обратных связях. Аналитические сети / Т. Л. Саати. – М.: Книжный дом «ЛИБРОКОМ», 2011. – 360 с.
Figueira J., Mousseau V., Roy B. eleCTRe methods / J. Figueira, S. greco, M. ehrgott (eds.), Multiple Criteria Decision Analysis: The State of the Art Surveys. – New york: Springer Science+Business Media, Inc., 2005. – P. 133–162.
Corrente S. Multiple criteria hierarchy process with eleCTRe and PROMeTHee / S. Corrente, S. greco, R. Slowinski // Omega. – 2013. – Vol. 41, Issue 5. – P. 820–846.
Bilbao-Terol A. using TOPSIS for assessing the sustainability of government bond funds / A. Bilbao-Terol, M. ArenasParra, V. Canal-Fernandez, J. Antomil-Ibias. // Omega. – 2014. – 49. – P. 1–17.
Подиновский В.В. Парето-оптимальные решения многокритериальных задач / В.В. Подиновский, В.Д. Ногин. – М. : Наука, 1982. – 254 с.
Ларичев О.И. Теория и методы принятия решений, а также хроника событий в волшебной стране / О.И. Ларичев. – М. : логос, 2000. – 294 с.
Кини Р. Л. Принятие решений при многих критериях: предпочтения и замещения / Р. л. Кини, Х. Райфа. – М.: Радио и связь, 1981. – 560 с.
Breiman L. Bagging predictors / l. Breiman // Machine learning. – 1996. – Vol. 24, , Issue 2. – P. 123–140.
Колмогоров А.Н. О представлении непрерывных функций нескольких переменных в виде суперпозиций непрерывных функций одного переменного и сложения / А.Н. Колмогоров // Доклады АН СССР. – 1957. – т. 5(114). – С. 953–956.
Овезгельдыев А.О. Построение модели индивидуального многофакторного оценивания с применением элементов МГУА и генетических алгоритмов / А.О. Овезгельдыев, К.Э. Петров // Кибернетика и системный анализ. – 2007. – №1. – С. 151–159.
Тихонов А.Н. Методы решения некорректных задач / А.Н. тихонов, В.Я. Арсенин. – М.: Наука, 1986. – 288 с.
Зуховицкий С.И. Линейное и выпуклое программирование / С.И. Зуховицкий, Л.И. Авдеева. – М.: Наука, 1967. – 460 с.
Брюс П. Практическая статистика для специалистов Data Science / П. Брюс, Э. Брюс. – С.-Пб.: бХВ-Петербург, 2016. – 304 с.