Sistemes de Suport a la Decisió Multicriteri

Esteu aquí

Inici » Estudis » Màsters » Màster en Intel·ligència Artificial » Pla d'estudis » Assignatures » Sistemes de Suport a la Decisió Multicriteri
Crèdits
4.5
Tipus
Optativa
Requisits
Aquesta assignatura no té requisits, però té capacitats prèvies
Departament
URV;CS
Web
moodle URV
Mail
Aquest curs fa una introducció als sistemes anomenats "Multicriteria Decision Aiding " (MCDA). El curs cobreix els tres aspectes següents:
(1) Models de representació de preferències de l'usuari. Es fa especial èmfasi en la utilització de dades no numèriques (com variables lingüístiques, conjunts difusos o ontologies).
(2) Aplicació de diverses tècniques que a partir del model d'usuari permeten resoldre el problema de decisió. Es presentaran els dos models principals: Multiattribute Utility Theory i Outranking Relations. Al final del curs, l'estudiant haurà de conèixer els fonaments teòrics, propietats, avantatges i inconvenients de cada tipus de mètode.
(3) Utilització de les eines MCDA en combinació amb altres disciplines (per exemple, Sistemes d'Informació Geogràfica o Sistemes Recomanadors).
S'utilitzarà software lliure per fer exercicis pràctics.

Hores setmanals

Teoria
1.8
Problemes
0
Laboratori
0.9
Aprenentatge dirigit
0
Aprenentatge autònom
4.5

Objectius

  1. Identificar els components d'un problema de presa de decisions i saber decidir el tipus de model de presa de decisions més adequat.
    Competències relacionades: CEA12, CG3, CEP3,
  2. Modelitzar els criteris de preferència segons diversos tipus de dades.
    Competències relacionades: CEA12, CT7,
  3. Saber aplicar diversos operadors d'agregació.
    Competències relacionades: CEA12, CEP3,
  4. Saber el funcionament d'alguns mètodes concrets basats en Teoria de l'Utilitat
    Competències relacionades: CEA12, CEP3, CT4, CT7,
  5. Saber el funcionament d'alguns mètodes concrets basats en Relacions de preferència.
    Competències relacionades: CEA12, CEP3, CT4, CT7,
  6. Identificar les relacions entre els models proposats en investigació operativa, coneguts com MCDA, i els mètodes usats en Intel·ligència Artificial (IA).
    Competències relacionades: CEA12, CEP3,

Continguts

  1. 1 Introducció
    1.1 Objectius de la presa de decisions
    1.2 Usos dels models MCDA
  2. 2 Models de representació de les preferències
    2.1 Tipus de dades
    2.2 Conjunt de criteris
    2.3 Incertesa
  3. 3 Mètodes basats en la Teoria de la Utilitat
    3.1 Introducció
    3.2 Etapes del procés: agregació i ordenacio.
    3.3 Operadors d'agregació. Propietats.
  4. 4. Mètodes basats en Relacions de Preferència
    4.1 Introducció
    4.2 Relacions d'outranking
    4.3 ELECTRE
  5. 5 MCDA i IA
    La utilització de les tècniques MCDA en altres sistemes intel.ligents, com els sistemes de recomanació.

Activitats

Activitat Acte avaluatiu


Examen

Prova escrita al final de curs amb preguntes teòriques i exercicis
Objectius: 1 2 3 4 5
Setmana: 15 (Fora d'horari lectiu)
Teoria
0h
Problemes
0h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
0h

Treball de recerca, amb presentació oral

L'estudiant haurà de preparar un recull de materials de recerca (articles científics) i presentar-los en un informe en grup. Es farà una presentació oral del treball.
Objectius: 1 4 5 6
Setmana: 11
Teoria
0h
Problemes
0h
Laboratori
0h
Aprenentatge dirigit
2h
Aprenentatge autònom
20h

Solving practical exercices with software tools

Es faran exercicis sobre els mètodes estudiants amb software lliure especialitzat en aqust tipus de sistemes. Caldrà lliurar un breu informe d'alguns d'aquests exercicis.
Objectius: 1 2 3 4 5 6
Setmana: 15
Teoria
0h
Problemes
0h
Laboratori
1.5h
Aprenentatge dirigit
0h
Aprenentatge autònom
9.5h

Sessions magistrals

El professor explicarà els continguts bàsics de l'assignatura amb exemples. Posant a disposició de l'alumne tot el material que necessiti per a l'estudi de la matèria.
Objectius: 1 2 6
Continguts:
Teoria
27h
Problemes
0h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
26h

Pràctiques de laboratori

Es faran exercicis sobre els mètodes estudiants amb software lliure especialitzat en aqust tipus de sistemes. Caldrà lliurar un breu informe d'alguns d'aquests exercicis.
Objectius: 2 3 4 5
Continguts:
Teoria
0h
Problemes
0h
Laboratori
12h
Aprenentatge dirigit
0h
Aprenentatge autònom
12h

Metodologia docent

Sessions magistrals
Presentacions orals per part dels alumnes
Pràctiques a través de TIC en aules informàtiques
Resolució de problemes, exercicis a l'aula.

Mètode d'avaluació

Resolució de problemes i exercicis pràctics a través de TIC 30%
Elaboració d'un treball de recerca amb una presentació orals 30%
Prova escrita de preguntes curtes 40%

Es demanarà una nota mínima per la prova escrita per tal de poder aprovar l'assignatura.

Bibliografia

Bàsica:

  • Multiple criteria decision analysis : state of the art surveys - Figueira, José; Greco, Salvatore; Ehrgott, Matthias, Springer, c2005. ISBN: 978-0-387-23067-2
    http://cataleg.upc.edu/record=b1269711~S1*cat
  • Modeling decisions : information fusion and aggregation operators - Torra i Reventós, Vicenç; Narukawa, Yasuo, Springer, cop, 2007. ISBN: 978-3-540-68789-4
    http://cataleg.upc.edu/record=b1308961~S1*cat
  • Multi-criteria Decision Analysis: Methods and Software - Alessio Ishizaka, Philippe Nemery, Wiley, 2013. ISBN: 978-1-119-97407-9
  • Multicriteria Decision Aid and Artificial Intelligence - Doumpos, Michel, Grigoroudis, Evangelos, Wiley, 2013. ISBN: 978-1-119-97639-4

Web links

Capacitats prèvies

Cap