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 mod-
elers 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 Util-
ity Theory (MAUT) and Multi-attribute Value Theory (MAVT) methods [5,11]
with the Simple Multi-attribute Rating Technique (SMART) as a prominent rep-
resentatives. The outranking synthesizing preference approach has the: Elim-
ination Et Choix Traduisant la Realite", i.e. Elimination and Choice Express-
ing 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 prefer-
ence 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 mod-elers 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 sốvới phân tích hệ thống phân cấp quy trình (AHP) [23], Util nhiều thuộc tính - các phương phápphương pháp lý thuyết (MAUT) và thuộc tính nhiều giá trị lý thuyết (MAVT) ITY [5,11]với sự đơn giản nhiều thuộc tính đánh giá kỹ thuật (SMART) như là một đại diện nổi bật-resentatives. Outranking tổng hợp sở thích cách tiếp cận có sự: Elim-ination Et Choix Traduisant la Realit e", tức là loại bỏ và sự lựa chọn Express-ing 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. Địa phương tương tác, bản án thích-ence phương pháp 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. Cho vào mô hình hợp tác
elers 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 Util-
Lý thuyết ity (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 một của đại diện nổi bật
resentatives. Các cách tiếp cận thích outranking tổng hợp có: Elim-
ination Et Choix Traduisant la REALIT e ", tức là xóa bỏ và Choice Express-?
Ing Reality (ELECTRE) phương pháp [22] và Preference Ranking phương pháp
để làm giàu đánh giá (Promethee) phương pháp [4 ] với di? biến erent
như những đại diện nổi bật nhất. các địa phương án prefer- tương tác
tiếp cận khoa có nhiều phương pháp Mục tiêu Mathematical Programming
(MOMP) [16] là người đại diện nổi bật nhất.