The decision making problem we stud

The decision making problem we study in collaborative modeling belongs
to the discrete case and is therefore a MCA problem. For collaborative modelers
to evaluate and decide on the best modeling approach that meets their
quality goals they need, at both individual and group levels, to indicate their
preferences among the alternatives through the evaluation of quality criteria. To
achieve this, there is need to apply a preference model or approach to the MCA
problem. There are three approaches to choose from: (i) the single synthesizing
(weighting) criterion preference approach, (ii) the outranking synthesizing pref-
erence approach and (iii) the interactive local-judgement preference approach.
The single weighting criterion preference approach consists of a number of
methods with Analytic Hierarchy Process (AHP) [23], the Multi-attribute Utility Theory (MAUT) and Multi-attribute Value Theory (MAVT) methods [5,11]
with the Simple Multi-attribute Rating Technique (SMART) as a prominent
representatives. The outranking synthesizing preference approach has the: Elimination Et Choix Traduisant la Realite", i.e. Elimination and Choice Expressing
Reality (ELECTRE) methods [22] and the Preference Ranking METHod
for Enrichment Evaluation (PROMETHEE) methods [4] with dierent variants
as the most prominent representatives. The interactive local-judgement preference
approach has the Multiple Objective Mathematical Programming Methods
(MOMP) [16] as the most prominent representatives.

Kết quả (Việt) 1:

Vấn đề ra quyết định mà chúng tôi nghiên cứu trong các mô hình hợp tác thuộc vềtrường hợp rời rạc và do đó là một vấn đề MCA. Đối với hợp tác modelers để đánh giá và quyết định về mô hình hóa cách tiếp cận mà đáp ứng tốt nhất của họmục tiêu chất lượng họ cần, ở cấp độ cá nhân và nhóm, để biểu thị của họTuỳ chọn trong số các lựa chọn thay thế thông qua đánh giá các chỉ tiêu chất lượng. Đểđạt điều này, không cần phải áp dụng một mô hình sở thích hoặc phương pháp tiếp cận cho MCAvấn đề. Có ba cách tiếp cận để lựa chọn: (i) tổng hợp duy nhất(hệ số) tiêu chí ưu tiên tiếp cận, (ii) tùy chọn outranking tổng hợp-phương pháp tiếp cận erence và (iii) sự tương tác tùy chọn địa phương án tiếp cận.Đĩa đơn nặng tiêu chí ưu tiên tiếp cận bao gồm một sốCác phương pháp phân tích hệ thống phân cấp quy trình (AHP) [23], thuộc tính đa Tiện ích lý thuyết (MAUT) và phương pháp nhiều thuộc tính giá trị lý thuyết (MAVT) [5,11]với sự đơn giản nhiều thuộc tính đánh giá kỹ thuật (SMART) như là một nổi bật đại diện. Outranking tổng hợp sở thích cách tiếp cận có sự: Elimination Et Choix Traduisant la Realit e ", tức là loại bỏ và bày tỏ sự lựa chọn Phương pháp thực tế (ELECTRE) [22] và phương pháp xếp hạng ưu tiênphương pháp làm giàu đánh giá (PROMETHEE) [4] với di tiểu biến thểlà các đại diện nổi bật nhất. Ưu tiên bản án địa phương tương tác cách tiếp cận có nhiều mục tiêu toán học lập trình phương pháp(MOMP) [16] như là các đại diện nổi bật nhất.

Kết quả (Việt) 2:

Các vấn đề ra quyết định chúng ta nghiên cứu trong mô hình hợp tác thuộc
vào trường hợp rời rạc và do đó là một vấn đề MCA. Đối lập mô hình hợp tác
để đánh giá và quyết định cách tiếp cận mô hình tốt nhất đáp ứng của họ
mục tiêu chất lượng mà họ cần, cả ở cấp độ cá nhân và nhóm, để cho biết họ
thích một trong những lựa chọn thay thế thông qua việc đánh giá các chỉ tiêu chất lượng. Để
đạt được điều này, có cần phải áp dụng một mô hình sở thích hoặc tiếp cận với MCA
vấn đề. Có ba phương pháp để lựa chọn: (i) tổng hợp duy nhất
(trọng số) phương pháp ưu tiên tiêu chí, (ii) các outranking tổng hợp pref-
. Cách tiếp cận erence và (iii) các phương pháp ưu tiên địa phương án tương tác
Single trọng cách tiếp cận thích tiêu chí bao gồm của một số
phương pháp với Analytic Hierarchy Process (AHP) [23], Multi-thuộc tính Utility Theory (MAUT) và nhiều thuộc tính Giá trị lý thuyết (MAVT) phương pháp [5,11]
với Simple nhiều thuộc tính Đánh giá Kỹ thuật (SMART ) như là một nổi bật
đại diện. Các outranking tổng hợp phương pháp ưu tiên có: Xoá bỏ Et Choix Traduisant la REALIT e ", tức là xóa bỏ và Choice Bày tỏ?
Reality (ELECTRE) phương pháp [22] và Preference Ranking phương pháp
để làm giàu đánh giá (Promethee) phương pháp [4] với di? erent biến thể
là đại diện nổi bật nhất. các địa phương án ưu tiên tương tác
tiếp cận có Nhiều phương pháp Mục tiêu Mathematical Programming
(MOMP) [16] là người đại diện nổi bật nhất.