Busca avançada
Ano de início
Entree

Aprendizado de preferências em decisão multicritério para problemas de classificação: novos métodos e aplicações

Processo: 18/23447-4
Linha de fomento:Bolsas no Brasil - Pós-Doutorado
Vigência (Início): 01 de abril de 2019
Vigência (Término): 31 de março de 2021
Área do conhecimento:Engenharias - Engenharia de Produção - Pesquisa Operacional
Pesquisador responsável:Leonardo Tomazeli Duarte
Beneficiário:Renata Pelissari Infante
Instituição-sede: Faculdade de Ciências Aplicadas (FCA). Universidade Estadual de Campinas (UNICAMP). Limeira , SP, Brasil

Resumo

A análise de decisão multicritério consiste em um conjunto de princípios e ferramentas desenvolvidas para auxiliar na resolução de problemas de decisão complexos. Uma das principais características que distingue os métodos de decisão multicritério de outros métodos da área de pesquisa operacional e da estatística é seu alto grau de incorporação das preferências dos decisores. Normalmente, as informações de preferência devem ser elicitadas pelos próprios decisores. No entanto, dependendo do problema de decisão, os decisores envolvidos podem não querer expor suas opiniões ou podem não ser capazes de definir preferências para todos os parâmetros do modelo. Diferentes abordagens vem sendo desenvolvidas, então, para a elicitação indireta das preferências, como a abordagem de desagregação e o aprendizado de preferências (preference learning). A abordagem de desagregação aprende preferências a partir de exemplos de decisões. Apesar da existência de diferentes métodos baseados na abordagem de desagregação, poucos são os métodos capazes de modelar interação entre critérios ou critérios hierarquicamente estruturados, duas características importantes em problemas de decisão da vida real. O aprendizado de preferências aprende preferências a partir de grandes conjuntos de dados e é considerada uma área que tange tanto o aprendizado de máquinas (machine learning) quanto a decisão multicritério. Abordagens orientadas a dados para elicitação e modelagem de preferências têm se tornado cada vez mais importantes devido à crescente disponibilidade de conjuntos de dados cada vez maiores e a proliferação de interfaces computadorizadas semi-automatizadas. A proposta desse projeto de pesquisa é o desenvolvimento de novos métodos de elicitação e aprendizado de preferência por meio de dados, capazes também de modelar interação entre critérios e critérios hierarquicamente estruturados. Esse projeto de pesquisa, portanto, se en-contra na interface entre decisão multicritério e aprendizado de máquina. As metodologias propostas serão aplicadas no contexto do desenvolvimento de novos índices para medição da vulnerabilidade social no estado de São Paulo.