Resumen

En la ltima dcada, la equidad en la seleccin de expertos para la contratacin pblica ha atrado la atencin de los investigadores. Este trabajo propone un algoritmo evolutivo inmune (AIE) con un mecanismo de castigo para la seleccin de expertos, en el que se aplica un operador de agregacin ponderada ordenada (OWA) para ajustar las ponderaciones de puntuacin con el fin de reducir la discrecionalidad del comit de evaluacin de expertos y se emplea el mtodo de Grubbs para comprobar los valores atpicos. Los resultados de un caso real de contratacin pblica demostraron que los expertos anmalos podan suprimirse eficazmente durante el proceso de seleccin y que el mtodo propuesto funcionaba mejor que el algoritmo de seleccin aleatoria o la AIE, ninguno de los cuales contempla un mecanismo de castigo. Por lo tanto, el mtodo propuesto, que aplic los datos anormales detectados en el proceso de puntuacin al proceso de seleccin de expertos con un mecanismo de castigo, demostr ser eficaz para resolver problemas de contratacin pblica que pueden tener expertos dudosos o anormales.

• Materias:Algoritmos (Matemáticas) Algebra Ingeniería Lógica matemática Matemáticas
• Subjects:Agorithms (Math) Algebra Engineering Mathematical logic mathematics
• Palabras claves:Equidad; Contratación pública; Selección de expertos; Algoritmo evolutivo inmune; Mecanismo de castigo; Expertos anormales
• Keywords:Fairness; Public procurement; Expert selection; Immune evolutionary algorithm; Punishment mechanism; Abnormal experts