Este trabalho foi publicado pelo Galoá e tem um DOI depositado. Para citar este trabalho, use um dos padrões abaixo:
Caso você seja um dos co-autores e queira cadastrar esse trabalho no seu Currículo Lattes, use o seguinte código: doi > 10.59254/sbpo-2019-106848
Se você NUNCA registrou um DOI no seu Lattes, veja nosso tutorial!O Processo de Análise Hierárquica (AHP) com múltiplos especialistas, em geral, agrega as avaliações paritárias com médias geométricas. Dependendo da assimetria do conjunto de dados, a agregação por média pode provocar distorções. Além disso, existem incertezas epistêmicas embutidas nesse processo tradicional, associadas ao julgamento humano, em decorrência de limitações cognitivas, variações de conhecimento, experiência e parcialidade das avaliações. Para lidar com essas dificuldades, a simulação de Monte Carlo tem sido associada ao AHP, produzindo os modelos MCAHP, com resultados estocásticos. Essa forma de resultado coincide e se adequa à primeira etapa da Composição Probabilística de Preferências (CPP), um método de apoio à decisão probabilístico. A associação da CPP permite ampliar a interpretação dos resultados e estender o MCAHP para diferentes pontos de vista do tomador de decisão. Sendo assim, o presente trabalho desenvolve novo modelo, CPP-MCAHP, comparado ao AHP com médias geométricas e ao AHP estocástico com resultados satisfatórios.
Com ~200 mil publicações revisadas por pesquisadores do mundo todo, o Galoá impulsiona cientistas na descoberta de pesquisas de ponta por meio de nossa plataforma indexada.
Confira nossos produtos e como podemos ajudá-lo a dar mais alcance para sua pesquisa:
Esse proceedings é identificado por um DOI , para usar em citações ou referências bibliográficas. Atenção: este não é um DOI para o jornal e, como tal, não pode ser usado em Lattes para identificar um trabalho específico.
Verifique o link "Como citar" na página do trabalho, para ver como citar corretamente o artigo