迭代层次与排序过程（IHRP）：一种用于密集互联系统的新颖有效层次方法及其在学生成绩评估中的案例研究
人工智能
2024-02-06 v2 多智能体系统
摘要
在现实决策问题中，确定各因素对决策属性的影响是主要任务之一。为了最大程度地影响决策属性，在因素间建立恰当的层次并确定其在系统中的重要性取值变得十分重要。解释结构模型（ISM）是一种广泛使用的层次构建方法，它基于专家意见挖掘因素间的相互影响。本文讨论了传统 ISM 方法在因素密集相互关联的系统中的主要缺陷之一。我们将此类系统称为“密集系统”。我们提出了一种新颖的迭代层次构建技术，称为“迭代层次与排序过程”（IHRP），其在此类密集系统中表现有效。为考虑专家意见的模糊性，研究中使用了直觉模糊语言。本文基于因素在系统中的层次位置提出两阶段计算其相对重要性，并据此对因素排序。我们采用通过调查该领域专家收集的新型印度高中管理因素数据，在学生成绩评估上进行了案例研究。就所提方法与常规 ISM 方法与 TOPSIS、VIKOR 等标准超越方法所得因素排序的相关性进行了比较研究。我们提出的 IHRP 框架达到了 85–95% 的相关性，而常规 ISM 方法仅为 50–60%。这证明了所提方法在确立优于常规方法的层次方面的有效性，尤其在密集系统中。
引用
@article{arxiv.2306.10409,
title = {Iterative Hierarchy and Ranking Process (IHRP): A Novel Effective Hierarchy Method for Densely Connected Systems and Case Study in Student Performance Assessment},
author = {Suvojit Dhara and Adrijit Goswami},
journal= {arXiv preprint arXiv:2306.10409},
year = {2024}
}
备注
The paper has been rejected from the mentioned journal "International Journal of Information Technology and Decision Making" and also some of the results in this version was mis-calculated