分析不同专家意见的策略，利用努力传播概念增强多属性决策系统目标效果，并在提高高中学生表现方面应用

Jul, 2023

分析不同专家意见的策略，利用努力传播概念增强多属性决策系统目标效果，并在提高高中学生表现方面应用

Analyzing Different Expert-Opined Strategies to Enhance the Effect on the Goal of a Multi-Attribute Decision-Making System Using a Concept of Effort Propagation and Application in Enhancement of High School Students' Performance

PDF

Suvojit Dhara, Adrijit Goswami

TL;DR本研究提出了平行和分级策略以及传播策略来优化多属性决策问题，介绍了相对重要性和传播性等启发式，并对印度高中行政因素进行案例分析，最终得出了传播效果在 14.43% 左右的最佳策略。

Abstract

In many real-world multi-attribute decision-making (MADM) problems, mining the inter-relationships and possible hierarchical structures among the factors are considered to be one of the primary tasks. But, beside

multi-attribute decision-making hierarchical structures effort assignment heuristics effort propagation

发现论文，激发创造

迭代分层和排名流程 (IHRP): 一种针对密集连接系统的新型有效层级方法及其在学生成绩评估中的案例研究

本文提出一种新的迭代层次和排名过程（IHRP）以有效地在 “密集系统” 中执行分层建模，以确定因素之间的相对重要性，以及使用 TO PSIS 和 VIKOR 进行比较研究。在为学生表现评估分析的案例研究中，IHRP 框架的相关性高达 85-95％，而传统的 ISM 方法的相关性仅为 50-60％，从而证明了 IHRP 框架在确定更好的层次结构方面的有效性，特别是在 “密集系统” 中。

Jun, 2023

基于多目标自动设计算法的约束问题分量分析

研究自动设计算法对多目标优化算法性能影响的新方法，发现重启和更新策略对性能改进影响最大，影响程度还与问题难度相关。

Mar, 2022

基于动机的机器学习方法预测学生的学术表现和学习策略

本研究使用 Scikit-learn 中五种机器学习模型，在 924 名牙科学生的数据集上训练并比较，结果显示随机森林模型的准确率为 94.9％，效果最佳。研究建立的模型可以用于预测学生的表现和学习策略，并实施恰当的干预措施来提高学生的学习进展。

Oct, 2022

多目标进化算法中组件效应对算法行为的影响

研究使用自动设计的算法对多目标进化算法进行了效果评估，通过比较搜索轨迹网络、种群的多样性和任意时刻的超体积值，发现算法组件对于不同问题具有不同的影响。

Jul, 2023

基于模型树的类比软件工作量估计适应策略

本文提出了一种新的模型树属性距离适应策略，用于调整类比估计和生成新的估计，实验结果表明该方法对于具有大量分类属性的复杂数据集尤其有效。