Adoptare Decizii

Metodologia adoptrii deciziei
METODOLOGIA
ADOPTRII DECIZIEI
Suport pentru aplicaii practice
MAEPL - I
ef lucrri dr. ing. Gabriel Duduman
PROCESUL DE DECIZIE.
DECIZII MULTIATRIBUT.
PROCESUL DE DECIZIE
Decizia (fr. dcision, lat. decisio, -onis).
Decident / decideni.
Variante:
mulimea V a variantelor posibile
variant optim
calitatea de optimalitate = f(criterii).
submulime de
variante v
O variant
PROCESUL DE DECIZIE
Procesul de luare a deciziilor = mulimea aciunilor ntreprinse de
decideni n vederea stabilirii deciziei.
O situaie de decizie, care genereaz un proces decizional, este
caracterizat de urmtoarele elemente:
decidentul sau decidenii;
mulimea variantelor;
fiecare variant este descris prin intermediul unor parametri (aceiai
pentru toate variantele) ataai procesului;
mulimea criteriilor (atributelor);
Criteriilor pot fi simple (un singur parametru) sau complexe (mai muli
parametri corelai);
mulimea obiectivelor;
mulimea strilor naturii.
PROCESUL DE DECIZIE
Studiu de caz: Care este tehnologia optim de
exploatare ntr-un parchet?
Decideni: reprezentant firm de exploatare, reprezentant
OS, reprezentant ITRSV, reprezentant ONG etc.
Variante: sortimente definitive, trunchiuri i catarge, arbori i
pri din arbori, toctur.
Criterii: productivitatea muncii, asigurarea proteciei muncii,
mrimea echipei de exploatare, costul exploatrii, amploarea
vtmrilor produse etc.
Obiective: pagube reduse, costuri reduse la exploatare,
randament ridicat etc.
Mulimea strilor naturii: panta terenului, consistena
arboretului, compoziia arboretului etc.
PROCESUL DE DECIZIE
Etapele procesului de decizie:
Etapa de predecizie;
rezult o list de variante realizabile, criterii de
apreciere i cuantificri corespunztoare.
Etapa de decizie conduce la decizii pariale.
Etapa de postdecizie evalueaz decizia
adoptat n etapa anterioar.
PROCESUL DE DECIZIE
Procesul de decizie presupune o structur complex.
Modelele de decizii multicriteriale:
modele de decizii multiatribut (MADM)
modele de decizii multiobiectiv (MODM).
MODM:
Mulimea variantelor este infinit;
Variabilele sunt supuse unui sistem de restricii;
Se determin valorile variabilelor care verific sistemul de restricii i
optimizeaz fiecare funcie n parte.
MADM:
mulime finit de variante;
mulime finit de criterii;
fiecare variant este caracterizat n raport cu fiecare criteriu numeric sau
nenumeric;
fiecare criteriu urmrete un anumit scop: maxim sau minim.
DECIZII MULTIATRIBUT
{ }
m
V V V V ,..., ,
2 1
=
{ }
n
C C C C ,..., ,
2 1
=
mulimea de variante
mulimea de criterii
A, matricea consecinelor:
( )
ij
a A = m i ,..., 2 , 1 = n j ,..., 2 , 1 =
problem de decizie multiatribut cardinal.
problem de decizie multiatribut ordinal.
Dac n model sunt considerate i strile
naturii N
k
, k=1,2,,q, matricea consecinelor
devine o matrice tridimensional A=(a
ijk
),
i=1,2,,m, j=1,2,,n, k=1,2,,q.
Determinarea soluiei problemei de decizie
multiatribut:
fie se ordoneaz variantele;
fie se gsete direct varianta optim.
Criteriile pot fi:
De maxim (ex. venitul, beneficiul etc.);
De minim (ex. costul, investiia specific).
Coeficienii de importan p
j
, j=1,2,,n.
Formeaz vectorul
De obicei se presupune c
criteriile sunt la fel de importante dac
( )
n
p p p P ,..., ,
2 1
=
1
1
=
=
n
j
j
p
n
p p p = = = ...
2 1
S
U
B
I
E
C
T
I
V
I
T
A
T
E
Metodele de determinare a soluiilor
problemelor de tip multiatribut difer n raport
cu datele din matricea consecinelor:
omogene sau neomogene;
numerice sau nenumerice.
Metode:
directe: ordonarea se face cu ajutorul
funciilor de utilitate;
indirecte: dau clasificarea variantelor pe
baza unor algoritmi.
Funciile de utilitate de la metodele directe
pot fi:
aditive:
de interaciune:
( )

=
=
n
j
ij j i
a p V u
1
m i ,..., 2 , 1 =
( ) ( )

+ + +
=
= > =
n
j j j
ij ij j j ij ij j j
n
j
ij j i
n n
a a p a a p a p V u
1
...
1
1 1 2
1 1 2 1 2 1
... ...
m i ,..., 2 , 1 =
Exist i metode directe care determin un vector ct mai fidel
matricei utilitilor n raport cu un criteriu de fidelitate explicit
formulat.
Criteriul de fidelitate se poate exprima astfel: fie un vector X=(x
1
,
x
2
, , x
n
) de componente reale. Matricea utilitilor U, avnd m
linii, definete m vectori din R
n
. Se evalueaz fidelitatea lui X prin
distana de la X la cei m vectori asociai lui U:
Varianta optim este caracterizat de vectorul X pentru care
distana d(X, U) este minim.
( ) ( )
=
=
n
j
j j
U X F p U X d
1
, ,
Conceptul de utilitate se definete ca o mrime subiectiv care
trebuie s verifice axiomele:
Axioma 1. Dou variante V
i
i V
j
pot fi comparate ntre ele,
decidentul putndu-se pronuna astfel ( , ):
prefer pe V
i
lui V
j
: ;
prefer pe V
j
lui V
i
: ;
cele dou variante sunt indiferente: .
Axioma 2. Relaia de preferin este tranzitiv, iar relaia de
indiferen este tranzitiv i simetric.
Axioma 3. Pe lng variantele simple V
1
, V
2
, , V
m
,
decidentul poate considera i mixturi de variante de tipul
, unde p este probabilitatea realizrii variantei
V
i
i 1p probabilitatea realizrii variantei V
j
.
j i
V V f
i j
V V f
j i { } m j i ,..., 2 , 1 ,
f
( ) [ ]
j i
V p pV V = 1 ; '
j i
V V
Axioma 4. Fiind date variantele V
i
, V
j
i V
k
i un decident care
exprim relaia de preferin ,
exist o mixtur:
astfel ca
i o alt mixtur:
astfel ca .
Axioma 5. Dac varianta V
i
este preferat variantei V
j
, atunci
o mixtur
va fi ntotdeauna preferat mixturii .
k j i
V V V f f
{ } m k j i ,..., 2 , 1 , ,
( ) [ ]
k i
V p V p V ' 1 ; ' ' =
j
V V f '
( ) [ ]
k i
V p V p V ' ' 1 ; ' ' ' ' = ' ' V V
j
f
( ) [ ]
k i
V p pV 1 ;
( ) [ ]
k j
V p pV 1 ;
{ } m k j i ,..., 2 , 1 , ,
Pe baza acestor axiome se introduce o funcie de
utilitate:
u : V R
cu proprietile:
1. Dac V
i
i V
j
sunt dou variante, atunci dac i
numai dac .
2. .
3. Dac o funcie de utilitate are proprietile 1. i 2., atunci
aceasta poate fi supus transformrii liniare:
, unde i .
j i
V V f
( ) ( )
j i
V u V u f
( ) [ ] ( ) ( ) ( )
j i j i
V u p V pu V p pV u + = 1 1 ;
( ) ( ) b V au V u
i i
+ = '
0 > a 0 b
Practic:
determinarea utilitilor se face pornind de la dou
utiliti cunoscute;
celelalte se determin cu ajutorul proprietii 2.
De obicei se atribuie valoarea 1 variantei optime i 0
variantei opuse (nedorite) pentru acelai criteriu C
j
,
iar utilitile pentru celelalte variante se calculeaz
prin interpolare:
( ) ( )
ij
i
ij
i
ij
i
ij ij
a a a a u min max min =
Dup modul de agregare:
Modelele necompensatoare: ntre criterii nu
exist o compensare.
Modelele compensatoare:
modele de tip performan;
modele de tip compromis;
modele de tip concordan.
Exemplu.
Se urmrete achiziionarea unei combine Harvester din patru tipuri.
Criterii de comparaie: diametrul maxim al arborelui recoltat (C1); panta
maxim a terenului (C2); masa combinei (C3); costul combinei (C4);
productivitatea (C5); i uurina la manevrare (C6).
Scop: maximizare (C1, C2, C5 i C6), respectiv minimizare (C3 i C4).
Matricea de decizie ataat problemei:
Care dintre cele patru tipuri de combin Harvester este cel mai bun? Care
ndeplinete criteriile enumerate ct mai aproape de maxim, respectiv de
minim?
OMOGENIZAREA
ELEMENTELOR MATRICEI
CONSECINELOR
Tipuri de criterii: cantitative i calitative.
Criteriile cantitative sunt evaluate n uniti
de msur diferite.
Omogenizarea datelor:
realizarea unei corespondene ntre mulimea
valorilor criteriilor i o anumit mulime,
coresponden numit scalare.
Tipuri de scalri:
Scalare ordinal:
mulimea cu care se face corespondena este mulimea
numerelor naturale;
nu d i distana dintre entiti, ci numai ordinea lor.
Scalare ntr-un interval:
mulimea de coresponden este un interval;
este indicat i distana dintre entiti, msurat de la
origine.
Normalizarea:
transformarea matricei consecinelor A ntr-o matrice R
cu elemente cuprinse n intervalul ([0,1].
Fie matricea A=(a
ij
), i=1,2,,m; j=1,2,,n;
iar R=(r
ij
), i=1,2,,m; j=1,2,,n, matricea
normalizat.
Moduri de normalizare:
a) normalizare vectorial:
sau
b) normalizarea prin transformri liniare:
pentru criteriile care urmresc maximul se aplic formula:
, unde
pentru criteriile care urmresc minimul se aplic formula:
=
=
m
i
ij
ij
ij
a
a
r
1
2
=
=
m
i
ij
ij
ij
a
a
r
1
max
j
ij
ij
a
a
r =
ij
i
j
a a max
max
=
max
1
j
ij
ij
a
a
r =
, pentru orice i=1,2,,m; . 1 0
ij
r
Pentru criteriile care urmresc minimul se poate aplica
formula:
iar pentru cele care urmresc maximul:
, unde .
c) Un alt tip de normalizare este de forma:
pentru maxim: pentru minim:
min max
max
j j
ij j
ij
a a
a a
r
=
min max
min
j j
j ij
ij
a a
a a
r
=
ij
i
j
a a min
min
=
max
j
ij
ij
a
a
r =
=
ij
ij
ij
a
a
r
1
max
1
Criteriile calitative se omogenizeaz printr-o
scalare ordinal sau printr-o scalare ntr-un
interval.
Scalarea ntr-un interval, datorit naturii
imprecise a exprimrii calitative, este mai
dificil.
Exemplu:
Se consider o problem de decizii multiatribut cu 4 variante,
6 criterii i matricea consecinelor:
6 5 4 3 2 1
__ __________ _________ _______ _______ _______
4
3
2
1
0 , 5 20000 1000 2 , 2
5 , 4 21000 2000 8 , 1
5 , 6 18000 2700 5 , 2
. 5 , 5 20000 1500 0 , 2
C C C C C C
Criteriile
medie medie
mare mare
medie redusa
mare f medie
V
V
V
V
A
=
METODE DE EVALUARE A
COEFICIENILOR DE
IMPORTAN
Metoda vectorului propriu
Vectorul coeficienilor de importan:
( )
n
p p p P ,..., ,
2 1
= 1
1
=
=
n
i
i
p
Decidentul stabilete matricea importanei relative a
criteriilor:
Elementele b
ij
ale matricei B au proprietile:
=
n
n n n
n
n
p
p
p
p
p
p
p
p
p
p
p
p
p
p
p
p
p
p
B
...
... ... ... ...
...
...
2 1
2
2
2
1
2
1
2
1
1
1
ji
ij
b
b
1
=
jk
ik
ij
b
b
b = n k j i ,..., 2 , 1 , , =
Pentru a stabili importana relativ p
i
/p
j
, se
consider o scar de importan astfel:
Calculnd BP
T
= P
T
unde P
T
este vectorul
coloan:
rezult: (B-E)P
T
=0, unde E este matricea
unitate. Vectorul P
T
este vector propriu al
matricei B.
=
n
T
p
p
p
P
...
2
1
Valorile lui P
T
se obin astfel:
a) Se pornete de la matricea B estimat de
decident i se gsesc valorile proprii ale
acesteia, rezolvnd ecuaia caracteristic:
b) Se rezolv ecuaia:
unde
max
este cea mai mare valoare proprie.
( ) 0 det = E B
( ) 0
max
=
T
P E B
Exemplu
Fie matricea:
Ecuaia caracteristic este:
=
1
3
1
2
3 1 3
2
1
3
1
1
B
( ) 0
1
3
1
2
3 1 3
2
1
3
1
1
det =
E B
Se obine
max
=3,0536 i rezult ecuaia
matriceal: (B-E)P
T
=0
din care se obine
P = (0,1571; 0,5936; 0,2493).
0
...
0536 , 2
3
1
2
3 0536 , 2 3
2
1
3
1
0536 , 2
2
1
=
n
p
p
p
Exemplul 2
=
1
5
3
5 , 1
3
5
1 5 , 2
3
2
5
2
1
B
Metoda celor mai mici ptrate
Metoda pornete de la matricea B:
Suma ptratelor distanelor ntre coeficienii
de importan teoretici i cei exprimai prin
intermediul importanei relative b
ij
trebuie s
fie minim.
=
n
n n n
n
n
p
p
p
p
p
p
p
p
p
p
p
p
p
p
p
p
p
p
B
...
... ... ... ...
...
...
2 1
2
2
2
1
2
1
2
1
1
1
Valorile p
1
, p
2
,,p
n
se obin prin rezolvarea
problemei de optimizare:
Scriind funcia lui Lagranje:
unde este multiplicatorul lui Lagranje, i derivnd
n raport cu p
l
se obine funcia:
( )

=
= =
n
i
n
j
i j ij
p p b z
1 1
2
min 1
1
=
=
n
i
i
p 0 >
i
p
( )

+

=
= = =
1 2
1 1 1
2
n
i
i
n
i
n
j
i j ij
p p p b L
( ) ( )

= =
+ =
n
j
l j lj
n
i
il i l il
p p b b p p b L
1 1
2 2 2
n l ,..., 2 , 1 =
Rezult un sistem de n+1 ecuaii liniare cu
n+1 necunoscute:
Soluiile: coeficienii de importan p
1
, p
2
,,p
n
i multiplicatorul lui Lagranje .
0 =
L
1
1
=
=
n
i
i
p
Exemplu:
Pentru matricea importanelor relative:
sistemul: devine (se consider n=3 ):
=
1
3
1
2
3 1 3
2
1
3
1
1
B
0 =
L
1
1
=
=
n
i
i
p
( ) ( ) ( ) 0 2
3 31 13 2 21 12 1
2
31
2
21
= + + + + + p b b p b b p b b
( ) ( ) ( ) 0 2
3 32 23 2
2
32
2
12 1 12 21
= + + + + + + p b b p b b p b b
( ) ( ) ( ) 0 2
3
2
23
2
13 2 23 32 1 13 31
= + + + + + + p b b p b b p b b
1
3 2 1
= + + p p p
nlocuind elementele b
ij
, i,j=1,2,3, cu valorile lor din matricea
B, se obine sistemul:
a crui soluie este: P = (0,1735; 0,6059; 0,2206).
0
2
5
3
10
15
3 2 1
= + p p p
0
3
10
9
20
3
10
3 2 1
= + + p p p
0
4
45
3
10
2
5
3 2 1
= + + p p p
1
3 2 1
= + + p p p
Metoda entropiei
Se pornete de la matricea A=(a
ij
), i=1,2,,m; j=1,2,,n i
de la entropia H ca msur a incertitudinii unei repartiii de
probabilitate p
1
, p
2
,,p
n
cu:
unde k este o constant.
Se calculeaz rezultatele normalizate ale criteriului j pentru
orice
Entropia H
j
a mulimii de rezultate ale criteriului j este:
unde
( )

=
=
n
j
j j n
p p k p p p H
1
2 1
ln ,..., ,
{ } m i ,..., 2 , 1
=
=
m
i
ij
ij
ij
a
a
p
1
=
=
m
i
ij ij j
p p k H
1
ln
m
k
ln
1
=
Metoda entropiei
rezult:
gradul de diversificare a informaiei date de rezultatele
criteriului j se poate defini astfel:
coeficienii de importan sunt:
Dac decidentul acord o importan subiectiv criteriilor,
exprimat printr-un vector al coeficienilor de importan
= (
1
,
2
,,
n
), atunci metoda entropiei presupune calculul
unor ponderi de forma:
1 0
j
H
n j ,..., 2 , 1 =
j j
H d =1
n j ,..., 2 , 1 =
=
=
n
j
j
j
j
d
d
p
1
n j ,..., 2 , 1 =

=
=
n
j
j
p
1
1
=
=
n
j
j j
j j
j
p
p
p
1
0
1
1
1
0
=
= j
j
p 1
1
1
=
= j
j

Metoda entropiei
Exemplu:
Se consider o problem de decizii multiatribut cu 4 variante,
6 criterii i matricea consecinelor:
6 5 4 3 2 1
__ ___ _______ _______ _______
4
3
2
1
5 5 0 , 5 20000 1000 2 , 2
7 7 5 , 4 21000 2000 8 , 1
5 3 5 , 6 18000 2700 5 , 2
9 5 5 , 5 20000 1500 0 , 2
C C C C C C
Criteriile
V
V
V
V
A
=
TEM
1. Formulai o problem de decizie
multicriterial cu patru variante i cinci
criterii, att calitative ct i cantitative,
construii matricea consecinelor i
normalizai aceast matrice prin metodele
prezentate.
2. Pentru problema formulat stabilii
importana criteriilor (prin intermediul
coeficienilor de importan), prin metoda
celor mai mici ptrate i metoda entropiei.
METODE PENTRU
Aspecte generale
n funcie de modul n care se obine o variant
optim:
metode directe: varianta optim se obine pe
baza unei funcii definite pe mulimea
variantelor
Metode care utilizeaz distana.
metode indirecte, determin o ierarhie a
variantelor printr-un algoritm.
Alegerea metodei celei mai adecvate depinde de
problema care urmeaz a fi rezolvat.
Metode fr informaie:
Metoda dominanei
O variant V
i
este dominat dac exist alt variant
V
j
i cel puin un k,
astfel nct
i pentru toi l k.
Se determin matricea normalizat R.
Se elimin toate variantele dominate.
Mulimea variantelor rmase este mulimea soluiilor
nedominate.
{ } n k ,..., 2 , 1
jk ik
r r <
jl il
r r
O mulime de soluii
Metoda dominanei
Exemplu. Se urmrete alegerea unei combine
Harvester din patru tipuri comparate n raport cu
urmtoarele criterii:
diametrul maxim al arborelui recoltat (C1)
panta terenului (C2)
masa (C3)
costul (C4)
productivitatea (C5)
uurina la manevrare (C6)
Metoda dominanei
Exemplu.
Matricea consecinelor (caracteristicilor) este:
Mulimea variantelor s-ar reduce la {V2, V3, V4}.
6 5 4 3 2 1
_______ ______ _______ _______ ____
4
3
2
1
. 150 350 15000 25 40
140 280 20000 20 50
140 300 17000 10 60
150 400 23000 15 70
C C C C C C
Criteriile
mare f
medie
medie
mare
V
V
V
V
A
=
Metoda MAXIMIN
se selecteaz numai varianta cea mai bun
n raport cu criteriul pentru care ia valoarea
cea mai mic.
Se pornete de la matricea normalizat R.
Varianta cea mai bun trebuie s
ndeplineasc condiia:
( )
ij
j i
r min max
Metoda MAXIMIN
Exemplu. Fie matricea:
Pentru normalizare se utilizeaz relaiile:
maxim: minim:
6 5 4 3 2 1
___ ______ _______ _________ ______
4
3
2
1
9 150 350 15000 25 40
7 140 280 20000 20 50
5 140 300 17000 10 60
5 150 400 23000 15 70
C C C C C C
Criteriile
V
V
V
V
A
=
max
j
ij
ij
a
a
r =
=
ij
ij
ij
a
a
r
1
max
1
Metoda MAXIMIN
Matricea normalizat:
6 5 4 3 2 1
_______ ______ _______ ______ ______
4
3
2
1
00 , 1 00 , 1 80 , 0 00 , 1 00 , 1 57 , 0
78 , 0 93 , 0 00 , 1 75 , 0 80 , 0 71 , 0
56 , 0 93 , 0 93 , 0 88 , 0 40 , 0 86 , 0
56 , 0 00 , 1 70 , 0 65 , 0 60 , 0 00 , 1
C C C C C C
Criteriile
V
V
V
V
R
=
Metoda MAXIMAX
Se selecteaz varianta (variantele) care are (au) valoarea cea
mai mare n criteriul su cel mai bun:
Exemplu. Fie matricea normalizat R din exemplul precedent:
( )
ij
j i
r max max
6 5 4 3 2 1
_______ ______ _______ ______ ______
4
3
2
1
00 , 1 00 , 1 80 , 0 00 , 1 00 , 1 57 , 0
78 , 0 93 , 0 00 , 1 75 , 0 80 , 0 71 , 0
56 , 0 93 , 0 93 , 0 88 , 0 40 , 0 86 , 0
56 , 0 00 , 1 70 , 0 65 , 0 60 , 0 00 , 1
C C C C C C
Criteriile
V
V
V
V
R
=
Metoda MAXIMAX
Observaie. Metodele MAXIMIN i
MAXIMAX, care se aplic i n teoria
jocurilor, au condus la procedura Hurwicz,
care selecteaz variantele din mulimea:
unde este denumit coeficient de
optimism.
+ =
ij
j
ij
j i
i
r r V V max ) 1 ( min max
( ] 1 , 0
METODE CU NIVELURI
STANDARD ALE CRITERIILOR
Fac parte din grupa modelelor pentru decizii
multiatribut cu informaii asupra criteriilor:
nivelurile standard i preferina ordinal sunt necesare n
modelele necompensatoare;
preferina cardinal i rata marginal a substituiei sunt
necesare n modelele compensatoare.
n afara matricei A (a consecinelor) este cunoscut i
un vector V
0
= (a
01
,a
02
,,a
0n
) al nivelurilor standard
corespunztoare celor n criterii.
Aceste metode elimin variantele crora le
corespund valori mai mici dect nivelurile standard.
Metode cu niveluri standard ale criteriilor:
Metoda conjunctiv
presupune existena unui model
necompensator de decizie multicriterial;
se stabilete matricea consecinelor a
modelului i vectorul V
0
.
se selecteaz variantele la care, pentru toate
criteriile, sunt ndeplinite proprietile:
pentru criteriile de maxim;
pentru criteriile de minim.
j ij
a a
0
n j ,..., 2 , 1 =
j ij
a a
0

Metode cu niveluri standard ale criteriilor:
Metoda conjunctiv
Exemplu. Fie A matricea consecinelor (C
3
i C
4
sunt criterii
de minim):
i V
0
vectorul nivelurilor standard:
( ) medie V 130 300 18000 10 50
0
=
6 5 4 3 2 1
_______ ______ _______ _______ ____
4
3
2
1
. 150 350 15000 25 40
140 280 20000 20 50
140 300 17000 10 60
150 400 23000 15 70
C C C C C C
Criteriile
mare f
medie
medie
mare
V
V
V
V
A
=
Metode cu niveluri standard ale criteriilor
Metoda disjunctiv
sunt selectate variantele V
i
pentru care exist cel puin un
astfel nct pentru criteriile de maxim
pentru criteriile de minim
Soluia este, de obicei, o mulime de variante.
Exemplu. Fie
{ } n j ,..., 2 , 1
j ij
a a
0
( ) mare f V . 160 250 12000 25 70

0
=
j ij
a a
0
6 5 4 3 2 1
_______ ______ _______ _______ ____
4
3
2
1
. 150 350 15000 25 40
140 280 20000 20 50
140 300 17000 10 60
150 400 23000 15 70
C C C C C C
Criteriile
mare f
medie
medie
mare
V
V
V
V
A
=
TEM
Rezolvai problema de decizie multicriterial
formulat anterior prin:
1. Metoda dominanei;
2. Metoda MAXIMIN;
3. Metoda MAXIMAX;
4. Metoda conjunctiv;
5. Metoda disjunctiv.
Comparai i explicai soluiile obinute.
METODE CU PREFERINE
ORDINALE ASUPRA
CRITERIILOR
Metode cu preferine ordinale asupra criteriilor:
Aspecte generale
Fie modelul de problem:
informaia asupra preferinei criteriilor este furnizat sub forma
vectorului P=(p
1
, p
2
, , p
n
)
unde (p
1
, p
2
, , p
n
) este o permutare a mulimii {1, 2, , n}.
Componenta p
i
exprim locul pe care se gsete criteriul C
i
n
raport cu preferina.
6 5 4 3 2 1
_______ ______ _______ _______ ____
4
3
2
1
. 150 350 15000 25 40
140 280 20000 20 50
140 300 17000 10 60
150 400 23000 15 70
C C C C C C
Criteriile
mare f
medie
medie
mare
V
V
V
V
A
=
Metoda lexicografic
Se presupune urmtoarea ordine a criteriilor
C
1
, C
2
, ... , C
n
.
Se selecteaz mulimea variantelor care satisfac la
maxim criteriul cel mai important, C
1
:
Dac V
1
are un singur element, acest element este
i soluia modelului. Dac V
1
are mai multe
elemente, atunci se construiete:
{ }
1
1
1
1
max
k
m k
i i
a a V V

= =
{ }
2 2
1 2
max
k
I k
i i
a a V V V
= =
Metoda lexicografic
Procedura se oprete:
n cazul n care s-a obinut o mulime V
k
cu
un singur element: soluia modelului este
acea variant;
n cazul n care au fost considerate toate
criteriile: variantele din ultima mulime
sunt considerate soluii.
Metoda lexicografic
Metoda semiordinii lexicografice.
presupune un vector =(
1
,
2
, ,
n
) n funcie de care se
face selecia.
se construiesc mulimile V
1
, V
2
, ... , V
n
, definite astfel:
.
Semiordinea lexicografic consider ca echivalente, n
raport cu un anumit criteriu, variantele care difer
nesemnificativ n raport cu acesta. Variaia nesemnificativ
este exprimat cu ajutorul vectorului .
{ }
1
1
I i V V
i
=
< = =

1 1 1 1
1
1 1
_ _ max
j i j
m j
i
a a sau a a i I
{ }
k
k
i
k
I i V V V =
1
< = =

k jk ik jk
m j
ik k
a a sau a a m i i I _ _ max _ , 1
1
Metoda lexicografic
iar ordinea de importan a criteriilor este
urmtoarea:
C
5
, C
1
, C
3
, C
2
, C
6
, C
4
.
6 5 4 3 2 1
_______ ______ _______ _______ ____
4
3
2
1
. 150 350 15000 25 40
140 280 20000 20 50
140 300 17000 10 60
150 400 23000 15 70
C C C C C C
Criteriile
mare f
medie
medie
mare
V
V
V
V
A
=
Metoda lexicografic
iar ordinea de importan a criteriilor este
urmtoarea:
C
5
, C
1
, C
3
, C
2
, C
6
, C
4
.
6 5 4 3 2 1
_______ ______ _______ _______ ____
4
3
2
1
00 , 1 00 , 1 80 , 0 00 , 1 00 , 1 57 , 0
56 , 0 93 , 0 00 , 1 75 , 0 80 , 0 71 , 0
56 , 0 93 , 0 93 , 0 88 , 0 40 , 0 86 , 0
78 , 0 00 , 1 70 , 0 65 , 0 60 , 0 00 , 1
C C C C C C
Criteriile
V
V
V
V
R
=
Metoda lexicografic
Exemplu semiordinea lexicografic. Fie matricea:
ordinea de importan a criteriilor este:
C
5
, C
1
, C
3
, C
2
, C
6
, C
4
.
vectorul este (40, 0, 1000, 0, 10, 0)
6 5 4 3 2 1
_______ ______ _______ _______ ____
4
3
2
1
. 150 350 15000 25 40
140 280 20000 20 50
140 300 17000 10 60
150 400 23000 15 70
C C C C C C
Criteriile
mare f
medie
medie
mare
V
V
V
V
A
=
Metoda eliminrii prin aspecte
Matricea consecinelor:
Funcie de utilitate u care ataeaz fiecrui criteriu
un anumit numr natural.
6 5 4 3 2 1
_______ ______ _______ _______ ____
4
3
2
1
. 150 350 15000 25 40
140 280 20000 20 50
140 300 17000 10 60
150 400 23000 15 70
C C C C C C
Criteriile
mare f
medie
medie
mare
V
V
V
V
A
=
Fie V o mulime de variante caracterizat ntr-un anumit mod
prin intermediul criteriilor i fie valoarea .
Probabilitatea ca varianta V
i
s aparin mulimii V este:
unde:
Varianta optim este cea pentru care p(V
i
,V) nregistreaz
valoarea cea mai mare.
( ) 1 , 0
( )
( )
( )
n
k
k
J j
j
i
C u
C u
V V p
1
,
{ } =
lj ij l i
r r dac V V j J _ _ '
Se consider funcia de
utilitate:
cu proprietatea:
i:
6 5 4 3 2 1
_______ ______ _______ _______ ____
4
3
2
1
. 150 350 15000 25 40
140 280 20000 20 50
140 300 17000 10 60
150 400 23000 15 70
C C C C C C
Criteriile
mare f
medie
medie
mare
V
V
V
V
A
=
( ) ( ) 1 = i n C u
i
{ } N C C C u
n
,..., , :
2 1
20 , 0 =
( ) 1 ; 2 ; 3 ; 4 ; 5 ; 6 = u
6 5 4 3 2 1
_______ ______ _______ _______ ____
4
3
2
1
00 , 1 00 , 1 80 , 0 00 , 1 00 , 1 57 , 0
56 , 0 93 , 0 00 , 1 75 , 0 80 , 0 71 , 0
56 , 0 93 , 0 93 , 0 88 , 0 40 , 0 86 , 0
78 , 0 00 , 1 70 , 0 65 , 0 60 , 0 00 , 1
C C C C C C
Criteriile
V
V
V
V
R
=
Exemplu. Cazul 1: Cu combinaii de variante
Se calculeaz probabilitile p(V
i
,V) cu relaia:
i se obin valorile:
0,46 pentru V1;
0,60 pentru V2;
0,68 pentru V3;
0,48 pentru V4.
( )
( )
( )
n
k
k
J j
j
i
C u
C u
V V p
1
,
Exemplu. Cazul 2:
Cu valoarea maxim
20 , 0 =
6 5 4 3 2 1
_______ ______ _______ _______ ____
4
3
2
1
00 , 1 00 , 1 80 , 0 00 , 1 00 , 1 57 , 0
56 , 0 93 , 0 00 , 1 75 , 0 80 , 0 71 , 0
56 , 0 93 , 0 93 , 0 88 , 0 40 , 0 86 , 0
78 , 0 00 , 1 70 , 0 65 , 0 60 , 0 00 , 1
C C C C C C
Criteriile
V
V
V
V
R
=
( ) 1 ; 2 ; 3 ; 4 ; 5 ; 6 = u
Metoda permutrii cazul cardinal
Mulimea Q a permutrilor celor m variante:
i=1,2,,m!
6 5 4 3 2 1
_______ ______ _______ _______ ____
4
3
2
1
. 150 350 15000 25 40
140 280 20000 20 50
140 300 17000 10 60
150 400 23000 15 70
C C C C C C
Criteriile
mare f
medie
medie
mare
V
V
V
V
A
=
( )
n
p p p P ,..., ,
2 1
= 1
1
=
=
n
i
i
p
( )
im i i i
V V V Q ,..., ,
2 1
=
se determin matricea
unde:
i
m
i i i
m m m m
m
m
m
V V V
l l l
i i i i i i
i i i i i i
i i i i i i
i
i
i
i
d d d
d d d
d d d
V k
V k
V k
D
_____ ... _____ _____
) _____( ... _____ ) _____( ) (
2 1
2 1
2 2 2 1 2
1 2 1 1 1
2
1
...
... ... ... ...
...
...
_ ) (
...
_ ) (
_ ) (
<
=
>
=
. ,
, 0
, ,
k l
D j
j
k l
k l
C j
j
i i
i i daca p
i i daca
i i daca p
d
l
i
k
i
l
i
k
i
l k
{ }
l k l k lj kj i i
i i m i i a a j C
l k
= = , ,..., 2 , 1 , ,
{ }
l k l k lj kj i i
i i m i i a a j D
l k
= = , ,..., 2 , 1 , ,
Mulimea este submulimea criteriilor pentru
care depete pe , iar mulimea
este submulimea criteriilor pentru care
depete pe .
Se calculeaz rangul permutrii:
i=1,2,,m!.
Ierarhizarea optim corespunde permutrii cu rang
maxim.

=
l
i
k
i
l
i
k
i
D j
j
C j
j i
p p R
l k
i i
C
j i
k
d
j i
l
d
l k
i i
D
j i
l
d
j i
k
d
Exemplu. Fie matricea (C
3
i C
4
de minim):
i matricea normalizat:
6 5 4 3 2 1
_______ ______ _______ _______ ____
4
3
2
1
. 150 350 15000 25 40
140 280 20000 20 50
140 300 17000 10 60
150 400 23000 15 70
C C C C C C
Criteriile
mare f
medie
medie
mare
V
V
V
V
A
=
6 5 4 3 2 1
_______ ______ _______ _______ ____
4
3
2
1
00 , 1 00 , 1 80 , 0 00 , 1 00 , 1 57 , 0
56 , 0 93 , 0 00 , 1 75 , 0 80 , 0 71 , 0
56 , 0 93 , 0 93 , 0 88 , 0 40 , 0 86 , 0
78 , 0 00 , 1 70 , 0 65 , 0 60 , 0 00 , 1
C C C C C C
Criteriile
V
V
V
V
R
=
Exemplu. Se consider vectorul:
Cu cele patru variante se pot forma 4!=24 permutri:
( ) 1 , 0 ; 3 , 0 ; 1 , 0 ; 2 , 0 ; 1 , 0 ; 2 , 0 = P
Rangul acestei matrice este:
6 5 4 3 2 1
_______ ______ _______ _______ ____
4
3
2
1
00 , 1 00 , 1 80 , 0 00 , 1 00 , 1 57 , 0
56 , 0 93 , 0 00 , 1 75 , 0 80 , 0 71 , 0
56 , 0 93 , 0 93 , 0 88 , 0 40 , 0 86 , 0
78 , 0 00 , 1 70 , 0 65 , 0 60 , 0 00 , 1
C C C C C C
Criteriile
V
V
V
V
R
=
( )
1 4 3 2 10
, , , V V V V Q =
1 ______ 4 ______ 3 ______ 2
10
0 5 , 0 6 , 0 7 , 0
8 , 0 0 7 , 0 7 , 0
4 , 0 3 , 0 0 6 , 0
3 , 0 3 , 0 8 , 0 0
1
4
3
2
= D
( ) ( ) 9 , 0 5 , 0 6 , 0 7 , 0 7 , 0 7 , 0 6 , 0 8 , 0 4 , 0 3 , 0 3 , 0 3 , 0 8 , 0
10
= + + + + + + + + + + = R
( ) 1 , 0 ; 3 , 0 ; 1 , 0 ; 2 , 0 ; 1 , 0 ; 2 , 0 = P
( )
3 2 1 4 19
, , , V V V V Q =
Metoda permutrii cazul ordinal
Fie (C
i1
, C
i2
, , C
in
) ordinea importanei
criteriilor.
Se construiesc vectorii p
j
cu componentele
i
1
, i
2
, , i
j
egale cu 1/j, iar celelalte egale cu 0.
Se calculeaz permutrile optime
corespunztoare acestor vectori analog cazului
cardinal.
Permutarea optim este cea corespunztoare
vectorului p
n
.
Exemplu.
Se presupune urmtoarea ordine a criteriilor:
C5, C1, C6, C2, C4, C3.
6 5 4 3 2 1
_______ ______ _______ _______ ____
4
3
2
1
00 , 1 00 , 1 80 , 0 00 , 1 00 , 1 57 , 0
56 , 0 93 , 0 00 , 1 75 , 0 80 , 0 71 , 0
56 , 0 93 , 0 93 , 0 88 , 0 40 , 0 86 , 0
78 , 0 00 , 1 70 , 0 65 , 0 60 , 0 00 , 1
C C C C C C
Criteriile
V
V
V
V
R
=
Exemplu.
n tabel se prezint vectorii p
j
i permutrile corespunztoare.
TEM
Rezolvai problema de decizie multicriterial formulat
anterior prin:
metoda lexicografic, impunnd o anumit
importan (ordine) a criteriilor;
metoda eliminrii prin aspecte impunnd o funcie
de utilitate a criteriilor i vectorul ;
metoda permutrii:
cazul cardinal, impunnd ordinea de importan a
criteriilor;
cazul ordinal, pentru aceeai ordine de importan a
criteriilor de la cazul cardinal.
METODE CU PREFERINE
CARDINALE ASUPRA
CRITERIILOR
ASPECTE GENERALE
importana criteriilor:
0p1 i cu cel puin un p
i
>0
( )
n
p p p P ,..., ,
2 1
=
METODA ATRIBUIRII LINIARE
- Versiunea 1 -
se pornete de la matricea A:
se consider criteriile de importan egal;
6 5 4 3 2 1
_______ ______ _______ _______ ____
4
3
2
1
. 150 350 15000 25 40
140 280 20000 20 50
140 300 17000 10 60
150 400 23000 15 70
C C C C C C
Criteriile
mare f
medie
medie
mare
V
V
V
V
A
=
- Versiunea 1 -
se definete matricea locurilor L:
dac V
k
ocup locul i n raport cu criteriul j.
n
C C C
mn m m
n
n
L L L
L L L
L L L
m
L
_____ ... _____ _____
2 1
2 22 21
1 12 11
2 1
...
... ... ... ...
...
...
...
2
1
=
n j m i V L
ij
,..., 2 , 1 , ,..., 2 , 1 , = =
k ij
V L =
- Versiunea 1 -
Se definete funcia:
loc: VxC {1,2,...,m},
definit prin:
k = 1,2,...,m, dac i numai dac V
i
=L
kj
.
Se definete funcia (rangul unei variante):
r : V N
( ) k C V loc
i ij
= ,
( ) ( ) m i C V loc V r
n
i
i i i
,..., 2 , 1 ,
1
= =
=
- Versiunea 1 -
Varianta optim va fi cea care are rangul
minim.
Inconveniente:
metoda face o caracterizare general a
variantelor prin modul de definire a rangului.
pune pe aceeai treapt variante cu valoare
medie n raport cu toate criteriile, cu variante cu
valori extreme.
- Versiunea 2 -
Se definete matricea F a frecvenei locurilor:
f
ij
arat de cte ori varianta V
i
ocup locul j n
raport cu cele n criterii.
m
mm m m
m
m
m
f f f
f f f
f f f
V
V
V
F
_____ ... _____ 2 _____ 1
2 1
2 22 21
1 12 11
2
1
...
... ... ... ...
...
...
...
=
- Versiunea 2 -
Fie C
k1
, C
k2
, , C
kl
criteriile pentru care
varianta i ocup locul j.
.
Se definete matricea , :
( )
n
p p p P ,..., ,
2 1
=
( )
ij
f F

=
m j i ,..., 2 , 1 = =

=
. 0 , 0
, 0
1
ij
ij
f
l
k
ij
f dac
f dac p
f
ij
l
- Versiunea 2 -
Se construiete matricea Q*=(q
ij
),
i,j=1,2,,m, astfel:
Se definete modelul de programare liniar:
= =

m
i
m
k
ik ik
p f
1 1
max
. ,..., 2 , 1 , , 1 , 1
1 1
m k i f p
m
k
ik
m
i
ik
= =
=

= =
- Versiunea 2 -
Fie Q* matricea soluiei optime a problemei
considerate.
Clasificarea optim V* a variantelor se obine
astfel:
V* = V
0
Q*,
unde V
0
= (V
1
, V
2
, , V
m
).
Observaie. Dac n matricea L dou variante ocup acelai loc n
raport cu un criteriu, se mparte criteriul respectiv n dou
subcriterii, crora li se acord un coeficient de importan egal cu
jumtatea coeficientului de importan iniial.
- Versiunea 2 -
Exemplu. Considerm matricea A (C
3
i C
4
de minim) i vectorul P:
Matricea locurilor este:
6 5 4 3 2 1
___ ____ _______ ______ _____
4
3
2
1
9 150 350 15000 25 40
5 140 280 20000 20 50
5 140 300 17000 10 60
7 150 400 23000 15 70
C C C C C C
Criteriile
V
V
V
V
A
=
( ) 1 , 0 ; 3 , 0 ; 1 , 0 ; 2 , 0 ; 1 , 0 ; 2 , 0 = P
6 5 4 3 2 1
________ ______ ___ ___ ___
1 1 2 4
3 2 3 2 4 3 1 3
1 2 2 3 2
4 4 1 3 4 4 1
, ,
,
C C C C C C
V V V V
V V V V V V V V
V V V V V
V V V V V V V
L
=
- Versiunea 2 -
Exemplu. Criteriile C
5
i C
6
, neacoperind mulimea locurilor, se
definete matricea L:
Se construiete matricea F a frecvenei locurilor:
4 ___ 3 ___ 2 ___ 1
4
3
2
1
1 1 1 5
2 4 1 1
3 2 3 0
2 1 3 2
Locul
V
V
V
V
F
=
- Versiunea 2 -
Exemplu. Se construiete matricea F=(f
ij
) a coeficienilor de
importan:
Se impune modelul de programare liniar:
4 _______ 3 _______ 2 _______ 1
4
3
2
1
10 , 0 10 , 0 15 , 0 55 , 0
20 , 0 60 , 0 10 , 0 10 , 0
30 , 0 20 , 0 50 , 0 0
30 , 0 10 , 0 25 , 0 35 , 0
Locul
V
V
V
V
F
= =

m
i
m
k
ik ik
p f
1 1
max
. ,..., 2 , 1 , , 1 , 1
1 1
m k i f p
m
k
ik
m
i
ik
= =
=

= =
- Versiunea 2 -
Exemplu. Se determin matricea Q=(p
ij
) pornind de la matricea F i
fcnd urmtoarele notaii:
4 1
4
3
2
1
1 1 1 1
______ ______ ______
4
3
2
1
1
1
1
1
10 , 0 10 , 0 15 , 0 55 , 0
20 , 0 60 , 0 10 , 0 10 , 0
30 , 0 20 , 0 50 , 0 0
30 , 0 10 , 0 25 , 0 35 , 0
4
1
4
4
1
3
4
1
2
4
1
1
4 3 2 1
=
= = = =

= = = =
i
i
i
i
i
p p p p
p p p p
i
i
i
i
f
f
f
f
f
f
f
f
F
k
k
k
k
k
k
k
k
k k k k
4 _______ 3 _______ 2 _______ 1
4
3
2
1
30 , 0 60 , 0 50 , 0 55 , 0
30 , 0 60 , 0 50 , 0 55 , 0
30 , 0 60 , 0 50 , 0 55 , 0
30 , 0 60 , 0 50 , 0 55 , 0
Locul
V
V
V
V
Q
=
- Versiunea 2 -
Exemplu. Fiecare element p
ij
a fost determinat dup modelul:
( )
( )
( )
( )
( ) 55 , 0 max ; ; ; max
;
;
;
max max
1
1
4
1
1 14
1
4
1
1 13
1
4
1
1 12
1
4
1
1 11
14 41 14 31 14 21 14 11
13 41 13 31 13 21 13 11
12 41 12 31 12 21 12 11
11 41 11 31 11 21 11 11
4
1
4
1
1 1 11
= =

=
=
=
=
=
=
=
=
=
=
=
= =

i
i
i
i
i
i
i
i
i
i k
k i
p f p f p f p f p
p f p f p f p f
p f p f p f p f
p f p f p f p f
p f p f p f p f
p f p
3 2 1 3 2 1 3 2 1 3 2 1
- Versiunea 2 -
Exemplu. Se construiete matricea Q*=(q
ij
), i,j=1,2,,m,
comparndu-se matricea F cu matricea Q* astfel:
4 ___ 3 ___ 2 ___ 1
4
3
2
1
0 0 0 1
0 1 0 0
0 0 1 0
1 0 0 0
*
Locul
V
V
V
V
Q
=
( )
4 ________ 3 ________ 2 ________ 1
4 4 4 4
3 4 3 3
2 2 2 2
1 1 1 1
4 ___ 3 ___ 2 ___ 1
4 3 2 1 0
0 0 0 1
0 1 0 0
0 0 1 0
1 0 0 0
0 0 0 1
0 1 0 0
0 0 1 0
1 0 0 0
* *
0
= =
V V V V
V V V V
V V V V
V V V V
V V V V Q V V
Locul
V
4 4 3 4 4 2 1
- Versiunea 2 -
Exemplu.
Rezult urmtoarea ordine a variantelor: V
4
, V
2
,
V
3
, V
1
.
4 ___ 3 ___ 2 ___ 1
4
3
2
1
0 0 0
0 0 0
0 0 0
0 0 0
*
Locul
V
V
V
V
V
=
METODA PONDERRII
SIMPLE ADITIVE
Se definete funcia:
f : V R,
a crei expresie analitic este:
Funcia f ataeaz o valoare fiecrei variante cu
ajutorul creia se face o clasificare a acestora.
Varianta optim: f(V
i
) este maxim.
( )
=
=
=
n
j
j
n
j
ij j
i
p
r p
V f
1
1
METODA PONDERRII
SIMPLE ADITIVE
Exemplu. Considerm matricea A (C
3
i C
4
Se calculeaz: maxim
minim
6 5 4 3 2 1
___ ____ _______ ______ _____
4
3
2
1
9 150 350 15000 25 40
5 140 280 20000 20 50
5 140 300 17000 10 60
7 150 400 23000 15 70
C C C C C C
Criteriile
V
V
V
V
A
=
( ) 1 , 0 ; 3 , 0 ; 1 , 0 ; 2 , 0 ; 1 , 0 ; 2 , 0 = P
6 5 4 3 2 1
_______ ______ _______ _______ ____
00 , 1 00 , 1 80 , 0 00 , 1 00 , 1 57 , 0
56 , 0 93 , 0 00 , 1 75 , 0 80 , 0 71 , 0
56 , 0 93 , 0 93 , 0 88 , 0 40 , 0 86 , 0
78 , 0 00 , 1 70 , 0 65 , 0 60 , 0 00 , 1
C C C C C C
R
=
max
j
ij
ij
a
a
r =
ij
j
ij
a
a
r
min
=
METODA PONDERRII
SIMPLE ADITIVE
Exemplu. Se calculeaz f(V
1
) cu relaia:
f(V
1
) = 0,838; f(V
3
) = 0,808;
f(V
2
) = 0,817; f(V
4
) = 0,894.
Rezult c V
4
este varianta optim.
( )
=
=
=
n
j
j
n
j
ij j
i
p
r p
V f
1
1
METODA PONDERRII
ADITIVE IERARHICE
mulimea criteriilor C = {C
1
, C
2
, , C
n
} este
ierarhizat pe h niveluri.
Rezult o partiie {L
1
, L
2
, , L
h
}, unde L
i
este
mulimea criteriilor de nivel i.
Toate criteriile de nivel i din mulimea L
i
depind
direct de cele din mulimea L
i-1
, iar variantele depind
direct doar de criteriile din ultimul nivel h.
Pentru fiecare nivel i, i>1, i pentru fiecare
se cunoate o matrice B
ik
a importanelor relative ale
criteriilor din nivelul i n raport cu criteriul C
k
din
nivelul superior. Pentru nivelul L
1
este cunoscut
vectorul:
1
i k
L C
( )
1 2 1
...; ; ;
l
i i i
p p p P =

METODA PONDERRII
ADITIVE IERARHICE
Matricea consecinelor este dat numai pentru criteriile din
ultimul nivel.
Dac criteriile din ultimul nivel determin mulimea:
atunci matricea consecinelor este:
( )
n
j j j h
C C C L ...; ; ;
2 1
=
n
j j j
n
n
n
C C C
mj mj mj
j j j
j j j
m
a a a
a a a
a a a
V
V
V
A
____ ... ____ ____
2 2 2
1 1 1
2
1
2 1
2 1
2 1
2 1
...
... ... ... ...
...
...
...
=
METODA PONDERRII
ADITIVE IERARHICE
Se calculeaz matricea B
i
a vectorilor proprii
corespunztori valorilor proprii maxime pentru
matricele B
ik
.
Dac nivelul L
i-1
are l
i-1
elemente i nivelul L
i
are l
i
elemente, atunci matricea B
i
are l
i
linii i l
i-1
coloane.
Clasificarea optim a variantelor este dat de
vectorul:
unde
iar R este matricea normalizat obinut din A.
P B B B R V
h h

=
2 1 0
...
( )
1 2 1
...; ; ;
l
i i i
p p p P =

METODA PONDERRII
ADITIVE IERARHICE
Exemplu.
Considerm matricea A (C
3
i C
4
maxim
minim
6 5 4 3 2 1
___ ____ _______ ______ _____
4
3
2
1
9 150 350 15000 25 40
5 140 280 20000 20 50
5 140 300 17000 10 60
7 150 400 23000 15 70
C C C C C C
Criteriile
V
V
V
V
A
=
( ) 1 , 0 ; 3 , 0 ; 1 , 0 ; 2 , 0 ; 1 , 0 ; 2 , 0 = P
6 5 4 3 2 1
________ ________ _______ ________ ________
346 , 0 259 , 0 233 , 0 304 , 0 357 , 0 182 , 0
192 , 0 241 , 0 291 , 0 228 , 0 286 , 0 227 , 0
192 , 0 241 , 0 272 , 0 269 , 0 143 , 0 273 , 0
269 , 0 259 , 0 204 , 0 199 , 0 214 , 0 318 , 0
C C C C C C
R
=
=
m
i
ij
ij
ij
a
a
r
1
=
m
i
ij
ij
ij
a
a
r
1
1
1
METODA PONDERRII
ADITIVE IERARHICE
Exemplu.
Cele 6 criterii se repartizeaz pe un singur nivel:
Ierarhia pe care o putem construi pentru h=1 i
( )
6 5 4 3 2 1 1
; ; ; ; ; C C C C C C L =
= =
268 , 0
240 , 0
241 , 0
250 , 0
1 , 0
3 , 0
1 , 0
2 , 0
1 , 0
2 , 0
346 , 0 259 , 0 233 , 0 304 , 0 357 , 0 182 , 0
192 , 0 241 , 0 291 , 0 228 , 0 286 , 0 227 , 0
192 , 0 241 , 0 272 , 0 269 , 0 143 , 0 273 , 0
269 , 0 259 , 0 204 , 0 199 , 0 214 , 0 318 , 0
0
T
P R V
TEM
Rezolvai problema de decizie multicriterial
formulat anterior prin:
metoda atribuirii liniare;
metoda ponderrii simple aditive;
metoda ponderrii aditive ierarhice.
METODA DIAMETRELOR
La ierarhizarea variantelor se ia n considerare
omogenitatea sau eterogenitatea lor n raport cu
criteriile.
Funcia f definit n metoda ponderrii simple aditive
este compensatorie din acest punct de vedere.
Pentru a evita compensaiile, n metoda diametrelor
se definesc dou funcii pe baza crora se face
ierarhia variantelor:
funcia apreciere:
A : V R
i funcia diametru:
d : V N
care msoar omogenitatea variantelor.
METODA DIAMETRELOR
Versiunea 1
Pentru o problem de decizie multicriterial se construiete
matricea:
n care coloana j, j=1,,n conine variantele corespunztoare ordonrii
elementelor mulimii {a
1j
, a
2j
, , a
mj
} n ordine cresctoare dac
criteriul C
j
este de minim i n ordine descresctoare dac criteriul C
j
este de maxim.
n
C C C
mn m m
n
n
L L L
L L L
L L L
m
L
_____ ... _____ _____
2 1
2 22 21
1 12 11
2 1
...
... ... ... ...
...
...
...
2
1
=
METODA DIAMETRELOR
Versiunea 1
Fie
ordonarea mulimii {a
ij
, , a
mj
}, j=1,,n.
Atunci:
Se definete funcia de apreciere A : V R
Unde p
j
este componenta j a vectorului P=(p
1
, p
2
, , p
n
) , iar funcia:
loc : V x C {1, 2, , m},
k = 1,2,...,m, dac i numai dac V
i
=L
kj
.
n j m i a a a
j i j i j i
m
,..., 1 , ,..., 1 , ,..., ,
2 1
= =
m
i mj i j i j
V L V L V L = = = ... ; ;
2 1
2 1
( )
( ) [ ]
=
=

=
n
j
j
n
j
j j i
i
p
p C V loc m
V A
1
1
,
( ) k C V loc
i ij
= ,
METODA DIAMETRELOR
Versiunea 1
Se definete funcia diametru d : V N
i=1,,m; j=1,,n.
O variant este cu att mai omogen cu ct are un diametru mai mic i
este cu att mai bun, cu ct aprecierea este mai mare.
Nu ntotdeauna varianta cu aprecierea maxim are diametrul minim!!!
Se face agregarea celor dou funcii printr-o nou funcie:
Aggr : V R,
Ierarhia variantelor este dat de valorile descresctoare ale funciei Aggr.
( ) ( ) [ ] ( ) [ ]
j i j i
i
i
C V loc C V loc V d , min , max =
( )
( ) ( ) [ ]
2
i i
i
V d m V A
V Aggr
+
=
METODA DIAMETRELOR
Versiunea 1
Exemplu. Fie matricea A (C
3
i C
4
criterii de minim):
Funcia de apreciere va avea valorile:
Valorile funciei diametru sunt:
6 5 4 3 2 1
___ ____ _______ ______ _____
4
3
2
1
9 150 350 15000 25 40
5 140 280 20000 20 50
5 140 300 17000 10 60
7 150 400 23000 15 70
C C C C C C
Criteriile
V
V
V
V
A
=
6 5 4 3 2 1
________ ______ ___ ___ ___
1 1 2 4
3 2 3 2 4 3 1 3
1 2 2 3 2
4 4 1 3 4 4 1
, ,
,
C C C C C C
V V V V
V V V V V V V V
V V V V V
V V V V V V V
L
=
( ) 1 , 0 ; 3 , 0 ; 1 , 0 ; 2 , 0 ; 1 , 0 ; 2 , 0 = P
( ) ( ) ( ) ( )
( ) ( ) ( ) 8 , 1 1 , 0 2 4 3 , 0 1 4 1 , 0 4 4
2 , 0 4 4 1 , 0 3 4 2 , 0 1 4
1
= + + +
+ + + = V A
( ) 4 , 1
2
= V A
( ) 3 , 1
3
= V A
( ) 2 , 2
4
= V A
( ) 3 1 4
1
= = V d
( ) 2 2 4
2
= = V d ( ) 2 1 3
3
= = V d ( ) 3 1 4
4
= = V d
METODA DIAMETRELOR
Versiunea 1
Exemplu. Valorile funciei de agregare sunt:
Ierarhia variantelor este: V
2
, V
3
, V
4
, V
1
.
( )
( ) ( ) [ ]
2
i i
i
V d m V A
V Aggr
+
=
( ) 4 , 1
1
= V Aggr
( ) 7 , 1
2
= V Aggr
( ) 65 , 1
3
= V Aggr
( ) 6 , 1
4
= V Aggr
METODA ONICESCU
Versiunea 1
Definete o funcie de agregare, pe baza creia se face o ierarhie a
variantelor de decizie.
n versiunea 1 criteriile sunt considerate echi-importante:
matricea consecinelor
L
ij
este varianta care ocup locul i fa de criteriul j.
ij
indic de cte ori varianta i ocup locul j:
n
C C C
mn m m
n
n
L L L
L L L
L L L
m
B
_____ ... _____ _____
2 1
2 22 21
1 12 11
2 1
...
... ... ... ...
...
...
...
2
1
=
m
mn m m
m
m
m
V
V
V
C
_____ ... _____ 2 _____ 1
2 1
2 22 21
1 12 11
2
1
...
... ... ... ...
...
...
...
=

{ } m
ij
,..., 2 , 1 , 0
METODA ONICESCU
Versiunea 1
Se construiete o funcie:
f : V R,
Ierarhia variantelor este dat de valorile
descresctoare ale acestei funcii.
( )
m
im i i i
V f
2
1
...
2
1
2
1
2
2 1
+ + + =
METODA ONICESCU
Versiunea 2
n aceast versiune a metodei se iau n considerare coeficienii de
importan atribuii criteriilor:
P=(p
1
,p
2
,,p
n
)
Coeficienii de importan au forma:
Funcia f : V R
+
se definete astfel:
Ierarhia variantelor este dat de valorile descresctoare ale acestei
funcii.
j
p
2
1
=
( )

=
=
n
j
C V loc
j i
j i
p V f
1
) , (
2
METODA ONICESCU
Exemplu versiunea 1
Fie matricea:
6 5 4 3 2 1
___ ____ _______ ______ _____
4
3
2
1
9 150 350 15000 25 40
5 140 280 20000 20 50
5 140 300 17000 10 60
7 150 400 23000 15 70
C C C C C C
Criteriile
V
V
V
V
A
=
6 5 4 3 2 1
________ ______ ___ ___ ___
1 1 2 4
3 2 3 2 4 3 1 3
1 2 2 3 2
4 4 1 3 4 4 1
, ,
,
C C C C C C
V V V V
V V V V V V V V
V V V V V
V V V V V V V
L
=
METODA ONICESCU
Exemplu versiunea 1
4 ___ 3 ___ 2 ___ 1
4
3
2
1
1 1 0 4
0 4 1 1
1 2 3 0
2 1 1 2
=
V
V
V
V
C
( ) 5 , 1
2
2
2
1
2
1
2
2
4 3 2 1
1
= + + + = V f
( ) 0625 , 1
2
1
2
2
2
3
2
0
4 3 2 1
2
= + + + = V f
( ) 25 , 1
2
0
2
4
2
1
2
1
4 3 2 1
3
= + + + = V f
( ) 1875 , 2
2
1
2
1
2
0
2
4
4 3 2 1
4
= + + + = V f
( )
m
im i i i
V f
2
1
...
2
1
2
1
2
2 1
+ + + =
METODA ONICESCU
Exemplu versiunea 2
=
2 4 4 3 6 5
2
1
;
2
1
;
2
1
;
2
1
;
2
1
;
2
1
p
6 5 4 3 2 1
________ ______ ___ ___ ___
1 1 2 4
3 2 3 2 4 3 1 3
1 2 2 3 2
4 4 1 3 4 4 1
, ,
,
C C C C C C
V V V V
V V V V V V V V
V V V V V
V V V V V V V
L
=
( )

=
=
n
j
C V loc
j i
j i
p V f
1
) , (
2
( ) 3574 , 0
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2 2 1 4 4 4 4 3 3 6 1 5
1
= + + + + + = V f
( ) 2119 , 0
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
3 2 3 4 2 4 2 3 4 6 2 5
2
= + + + + + = V f
( ) 1523 , 0
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
3 2 3 4 1 4 3 3 2 6 3 5
3
= + + + + + = V f
( ) 2656 , 0
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
1 2 1 4 3 4 1 3 1 6 4 5
4
= + + + + + = V f
METODA ONICESCU
Exemplul 2
4 3 2 1
____ ____ ____
5
4
3
2
1
5 , 0 1 , 0 3 , 0 2 , 0
8 , 0 3 , 0 7 , 0 9 , 0
6 , 0 8 , 0 5 , 0 5 , 0
4 , 0 3 , 0 9 , 0 1 , 0
3 , 0 7 , 0 2 , 0 8 , 0
C C C C
V
V
V
V
V
A
=
TEM
Rezolvai problema de decizie
multicriterial formulat anterior prin:
metoda diametrelor versiunea 1;
metoda Onicescu, versiunile 1 i 2.
Metoda ELECTRE I
Pentru fiecare criteriu C
j
se noteaz
mulimea rezultatelor, numite stri, la care conduce
analiza variantelor mulimii V n funcie de criteriul C
j
.
( )
, , 2 , 1
...,
mj j j
j
r r r C =
Metoda ELECTRE I
elementele mulimii V se pot compara n raport cu mulimea
doar dac oricare dou elemente ale lui V se pot compara n
funcie de fiecare criteriu.
Pentru o ordonare complet se introduc indicatorii de
concordan i de discordan ntre oricare dou variante.
Indicatorul de concordan ntre V
k
i V
t
, k,t=1,2,,m se
definete astfel:
p
j
, j=1,2,,n reprezint coeficienii de importan ai criteriilor
C
j
.
Suma se face pentru acei indici j pentru care .
n
C C C C = ...
2 1
( )

+ +
=
n
j
j
n
t k
p
p p p
V V c
...
1
,
2 1
n
j
j
p tj kj
r r
Metoda ELECTRE I
Indicatorul de discordan ofer informaii
despre modul n care varianta V
k
este
depit de varianta V
t
,
se definete astfel:
Valoare d este diferena maxim ntre valorile
din matricea R.
{ } m k t ,..., 2 , 1 ,
Metoda ELECTRE I
Pe mulimea V se introduce o relaie n felul
urmtor:
varianta V
k
surclaseaz o variant V
t
dac
i , unde p i q sunt
praguri cuprinse ntre 0 i 1.
n practic, se pornete de la valorile p=1 i
q=0 i se micoreaz valoarea lui p cu un
pas h stabilit de utilizator, iar cea a lui q se
mrete pn cnd se obine o variant V*
care le surclaseaz pe toate celelalte, adic:
i=1,2,,n.
( ) p V V c
t k
,
( ) q V V d
t k
,
( ) p V V c
i
*, ( ) q V V d
i
*,
Metoda ELECTRE I
Surclasarea este cu att mai puternic cu ct, cu
ct p este mai apropiat de 1, iar q este mai apropiat
de 0.
Cei doi indicatori au semnificaii diferite.
Concordana este un raport ntre sume a unor
coeficieni de importan (aceasta denot
subiectivism) iar discordana este un raport de
diferene ntre note.
Este de remarcat ns c metoda nu ine cont n
nici un fel de dependena sau independena
criteriilor.
Metoda ELECTRE I
Exemplu
Fie A matricea consecinelor (C
3
i C
4
de minim):
6 5 4 3 2 1
___ ____ _______ ______ _____
4
3
2
1
9 150 350 15000 25 40
5 140 280 20000 20 50
5 140 300 17000 10 60
7 150 400 23000 15 70
C C C C C C
Criteriile
V
V
V
V
A
=
( ) 4 ; 1 ; 3 ; 2 ; 6 ; 5 = P
Metoda ELECTRE I
Exemplu
Matricea utilitilor
(normalizat) este:
Relaiile de normalizare fiind:
pentru criteriile de maxim: pentru criteriile de minim:
6 5 4 3 2 1
____ ____ _____ _______ _______
4
3
2
1
1 1 42 , 0 1 1 0
0 0 1 38 , 0 67 , 0 33 , 0
0 0 83 , 0 75 , 0 0 67 , 0
5 , 0 1 0 0 33 , 0 1
C C C C C C
Criteriile
V
V
V
V
R
< <
=
=
1 0
min max
max
1
min 0
max 1
ij
ij
j
ij
j
ij ij
j
ij
j
ij
ij
j
ij
a dac
a a
a a
a a dac
a a dac
< <

=
=
1 0
min max
max
min 1
max 0
ij
ij
j
ij
j
ij ij
j
ij
j
ij
ij
j
ij
a dac
a a
a a
a a dac
a a dac
Metoda ELECTRE I
Exemplu
Se calculeaz matricea coeficienilor de concordan:
i matricea coeficienilor
de discordan:
( )

+ +
=
n
j
j
n
t k
p
p p p
V V c
...
1
,
2 1
Metoda ELECTRE I
Exemplu
Stabilind un pas de 0,1 i pornind de la pragul p=1 n sens
descresctor, se obine abia pentru p=0,4 o surclasare a
tuturor variantelor de ctre varianta V
3
n raport cu
coeficienii de discordan, ns nu i n raport cu cei de
discordan.
Pentru a fi ndeplinit i relaia n raport cu coeficienii de
discordan s-a cobort pragul p i s-a ajuns la p=0,049 i
q=0,951. Pentru aceste praguri rezult V
3
ca fiind varianta
optim.
Surclasarea variantelor V
1
, V
2
, i V
4
de ctre vartianta V
3

este foarte slab ntruct mrimea lui p este foarte
apropiat de 0.
Metoda ELECTRE-BOLDUR
n aceast metod normalizarea evalurilor este nlocuit
cu calculul unor utiliti u
ij
,
i=1,2,,m; j=1,2,,n, estimate printr-o metod oarecare;
indicatorii de concordan i de discordan au aceeai
dimensiune ca la versiunea anterioar;
coeficientul de concordan:
suma se face dup acei indici j pentru care u
kj
>u
rj
;
coeficientul de discordan:
suma se face dup acei indici j pentru care u
kj
<u
rj
;
1 0
ij
u
( ) ( )
rj kj
i
j r k
u u p V V c =
, *
( ) ( )
kj rj
j
j j k
u u p V V d =
, *
Exemplu
S considerm aceeai
matrice a consecinelor A
(C3 i C4 criterii de minim):
i vectorul coeficienilor de importan scris n uniti relative:
matricea utilitilor
6 5 4 3 2 1
___ ____ _______ ______ _____
4
3
2
1
9 150 350 15000 25 40
5 140 280 20000 20 50
5 140 300 17000 10 60
7 150 400 23000 15 70
C C C C C C
Criteriile
V
V
V
V
A
=
( ) 19 , 0 ; 05 , 0 ; 14 , 0 ; 10 , 0 ; 29 , 0 ; 24 , 0 = P
6 5 4 3 2 1
____ ____ _____ _______ _______
4
3
2
1
1 1 42 , 0 1 1 0
0 0 1 38 , 0 67 , 0 33 , 0
0 0 83 , 0 75 , 0 0 67 , 0
5 , 0 1 0 0 33 , 0 1
C C C C C C
Criteriile
V
V
V
V
R
=
Exemplu
Se determin matricea coeficienilor de concordan:
i matricea coeficienilor de discordan:
Exemplu
s-a stabilit un pas de 0,1 i s-a pornit de la
pragul p=1 n sens descresctor.
pentru p=0,4 a rezultat o prim surclasare a
tuturor variantelor de ctre varianta V
4
.
s-a micorat apoi pasul la 0,01 i s-a mers n
sens invers;
a rezultat n final varianta V
4
ca variant
optim pentru pragurile p=0,44 i q=0,56.
TEM
metoda Onicescu, versiunile 1 i 2 ;
metoda ELECTRE, versiunile I i Boldur.
Metoda ELECTRE II
a metodei a fost propus n 1972 (Roy).
presupune stabilirea unei relaii de ordine complet pe
mulimea variantelor, n funcie de coeficienii de importan,
cu ajutorul indicatorilor de concordan i discordan.
Fie: I={1,2,,n} i
Se definesc familiile de indici:
i sumele:
deci:
( ) V V V V
r k
,
( ) { }
ri ki r k
u u I i V V I > =
+
,
( ) { }
ri ki r k
u u I i V V I = =
=
,
( ) { }
ri ki r k
u u I i V V I < =
,
( )
( )
+
=
r k
V V I i
i r k
p V V p
,
, ( )
( )
=
=
r k
V V I i
i r k
p V V p
,
, ( )
( )
=
r k
V V I i
i r k
p V V p
,
,
( ) ( ) ( )

=
= +
= + +
n
i
i r k r k r k
p V V p V V p V V p
1
, , ,
Metoda ELECTRE II
Indicatorul de concordan:
Condiiile de concordan sunt de forma:
i
unde este un prag de concordan al crui nivel
este stabilit anterior de ctre decident (de obicei se
ia > 0,5).
( )
( ) ( )
( ) ( ) ( )
r k r k r k
r k r k
r k
V V p V V p V V p
V V p V V p
V V c
, , ,
, ,
,
= +
= +
+ +
+
=
( ) c V V c
r k

,
( ) ( )
r k r k
V V p V V p , ,
+

Metoda ELECTRE II
Discordana variantelor V
k
i V
r
se analizeaz prin
intermediul spaiilor de discordan Di, :
dac i numai dac
unde q
i
sunt praguri stabilite anterior de decident.
Discordana msoar mrimea relativ a diferenei
ntre aprecierea variantelor V
k
i V
r
pentru criteriile
pentru care V
r
este preferat lui V
k
.
I i
( )
i ri ki
D u u ,
i ki ri
q u u >
Metoda ELECTRE II
Relaiile de ordine:
Ierarhizarea se bazeaz pe dou relaii de
ordine: ordinea tare S
F
i ordinea slab S
f
.
Se consider trei praguri de concordan:
concordan mare c*, concordan medie c
0
i concordan mic c
-
, astfel nct:
5 , 0 * 1
0

c c c
Metoda ELECTRE II
De asemenea, se consider (pentru fiecare criteriu)
trei praguri de discordan, astfel nct:
dac i numai dac
rezult discordan mare, care nu este acceptat;
dac i numai dac
i rezult discordan medie;
dac i numai dac ,
rezult discordan mic.
ki ri i
u u q <
*
( )
*
,
i ri ki
D u u
* 0
i ki ri i
q u u q <
( )
0
,
i ri ki
D u u
( )
*
,
i ri ki
D u u

i ki ri
q u u
( )

i ri ki
D u u ,
Metoda ELECTRE II
Relaia de ordine tare S
F
(V
k
S
F
V
r
) este
ndeplinit dac i numai dac:
i
1. i i ,
sau
2. i ,
( ) ( )
r k r k
V V p V V p , ,
+
( )
*
, c V V c
r k

( )
0
,
i ri ki
D u u
( )
*
,
i ri ki
D u u
( )
r k
V V I i ,
( )
0
, c V V c
r k

( )
0
,
i ri ki
D u u ( )
r k
V V I i ,

Metoda ELECTRE II
Relaia de ordine slab S
f
(V
k
S
f
V
r
) este
ndeplinit dac i numai dac:
i:
1. i ,
2. i i
( ) ( )
r k r k
V V p V V p , ,
+
( )

c V V c
r k
, ( )
0
,
i ri ki
D u u
( )
r k
V V I i ,
( )
0
, c V V c
r k
( )
0
,
i ri ki
D u u ( )
*
,
i ri ki
D u u
( )
r k
V V I i ,

Metoda ELECTRE II
Procedur de ierarhizare.
fiecrei variante V
k
i se asociaz cte un
rang v n funcie de numrul relaiilor de
ordine tare.
varianta cea mai bun este cea pentru care
rangul v este cel mai mic.
Metoda ELECTRE II
Exemplu
Fie urmtoarea matrice a utilitilor:
Vectorul coeficienilor de importan: P=(0,7; 0,2; 0,1).
Se definesc familiile de indici:
3 2 1
_____ _____
5
4
3
2
1
8 , 0 6 , 0 3 , 0
9 , 0 7 , 0 2 , 0
2 , 0 8 , 0 8 , 0
8 , 0 3 , 0 5 , 0
1 , 0 7 , 0 9 , 0
C C C
V
V
V
V
V
R
=
( )
r k
V V I ,
+
( )
r k
V V I ,
=
( )
r k
V V I ,

Metoda ELECTRE II
Exemplu
Se definesc sumele:
Concordana perechilor
de variante este dat
de matricea:
( )
( )
+
=
r k
V V I i
i r k
p V V p
,
,
( )
( )
=
=
r k
V V I i
i r k
p V V p
,
, ( )
( )
=
r k
V V I i
i r k
p V V p
,
,
Metoda ELECTRE II
Exemplu
Se calculeaz indicatorii de concordan ai variantelor:
ntre dou variante exist concordan dac sunt
ndeplinite simultan relaiile:
( ) c V V c
r k

,
( ) ( )
r k r k
V V p V V p , ,
+

Metoda ELECTRE II
Exemplu
Se adopt pragurile de concordan :
c*=0,8; c
0
=0,6; c
=0,5.
i pragurile de discordan:
d*=0,8; d
0
=0,6; d
=0,5.
Rezult astfel spaiile de discordan:
[ ] 6 , 0 ; 5 , 0 =
i
D [ ] 8 , 0 ; 6 , 0
0
=
i
D [ ] 1 ; 8 , 0
*
=
i
D
Metoda ELECTRE II
Exemplu
Se stabilesc relaiile de ordine:
1. Ordine tare:
2. Ordine slab:
Ierarhia optim este: V
1
, V
3
, V
2
, V
5
i V
4
.
TEM
metoda ELECTRE II.
METODA
ANALIZEI IERARHIZATE
Metoda ANALIZEI IERARHIZATE
AHP (Analityc Hierarchy Process) metod
structurat care opereaz cu decizii complexe.
ajut decidentul s identifice soluia unei probleme
de decizie.
a fost dezvoltat de Thomas L. Saaty.
ofer un cadru raional pentru reprezentarea i
cuantificarea elementelor sale, pentru corelarea
acestor elemente cu obiectivele urmrite i pentru
evaluarea soluiilor alternative.
numeroase companii furnizeaz echipamente
software ce asist luarea deciziilor prin aceast
metod.
problema de decizie este descompus ntr-o ierarhie
de sub-probleme.
Elementele acestei ierarhii se pot referi la orice
aspect al problemei de decizie atta timp ct poate
influena procesul de decizie.
decidenii evalueaz sistematic elementele variabile
comparndu-le pe rnd, dou cte dou.
AHP se bazeaz pe judecata uman n realizarea
evalurilor, nu doar pe informaiile de baz ale
problemei de decizie.
AHP convertete aceste evaluri n valori numerice.
prioritile numerice sunt calculate pentru fiecare
dintre deciziile alternative.
Utiliti i aplicaii
AHP poate fi utilizat n mod individual, dar mai ales de echipele de
specialiti.
Situaii de decizie n care poate fi utilizat AHP:
de a alege: de obicei acolo unde sunt implicate mai multe criterii de
decizie;
ierarhizare: aranjarea unui set de alternative de la cea mai bun la
cea mai slab;
prioritizarea;
alocarea resurselor;
benchmarking: compararea procesului din compania proprie cu
procese din alte companii;
calitatea managementului: tratarea aspectelor multidimensionale ale
calitii i ale mbuntirii calitii.
Multe dintre aplicaiile AHP nu au fost niciodat prezentate publicului larg.
Procedura utilizrii AHP poate fi sintetizat astfel:
Problema este structurat sub forma unei ierarhii
care conine obiectivul de decizie, alternativele de
atingere a obiectivului i criteriile de evaluare a
alternativelor.
Se stabilesc prioritile elementelor ierarhiei prin
emiterea de judeci bazate pe compararea
elementelor dou cte dou.
Se sintetizeaz aceste judeci pentru formularea
unui set de prioriti n cadrul ierarhiei.
Se verific consecvena judecii.
Se obine decizia final pe baza rezultatelor
acestui proces.
Exemplu
Fie o problem de decizie multicriterial
care presupune selectarea unei combine
Harvester din patru tipuri diferite comparaia
realizndu-se cu ajutorul a 5 criterii:
diametrul maxim al arborelui recoltat (C1);
panta maxim a terenului (C2);
masa combinei (C3);
productivitatea (C4);
uurina la manevrare (C5).
Exemplu
Structurarea problemei:
Exemplu
Se determin importana relativ a criteriilor prin analiza acestora
dou cte dou utiliznd urmtoarea scar de valori:
Se construiete matricea
importanei relative a criteriilor:
5 4 3 2 1
_____ _____ _____ _____
5
4
3
2
1
1 7 1 5 1 5 1 3 1
7 1 3 2 5
5 3 1 1 2 1 3
5 2 1 2 1 3
3 5 1 3 1 3 1 1
C C C C C
C
C
C
C
C
D
=
Exemplu
Calculul prioritilor criteriilor (coeficienilor de importan) se
realizeaz prin metoda vectorului propriu:
=
00 , 5 52 , 0 34 , 1 90 , 0 58 , 2
00 , 54 00 , 5 07 , 13 57 , 8 33 , 27
83 , 23 23 , 2 00 , 5 67 , 3 83 , 10
50 , 32 98 , 2 50 , 7 00 , 5 17 , 16
73 , 10 11 , 1 53 , 2 83 , 1 00 , 5
1 7 1 5 1 5 1 3 1
7 1 3 2 5
5 3 1 1 2 1 3
5 2 1 2 1 3
3 5 1 3 1 3 1 1
1 7 1 5 1 5 1 3 1
7 1 3 2 5
5 3 1 1 2 1 3
5 2 1 2 1 3
3 5 1 3 1 3 1 1
D D
00 , 1 22 , 249
2
041 , 0
433 , 0
183 , 0
257 , 0
085 , 0
34 , 10
97 , 107
56 , 45
15 , 64
21 , 21
00 , 5 52 , 0 34 , 1 90 , 0 58 , 2
00 , 54 00 , 5 07 , 13 57 , 8 33 , 27
83 , 23 23 , 2 00 , 5 67 , 3 83 , 10
50 , 32 98 , 2 50 , 7 00 , 5 17 , 16
73 , 10 11 , 1 53 , 2 83 , 1 00 , 5
=
+ + + +
+ + + +
+ + + +
+ + + +
+ + + +
= D
Exemplu
Prima iteraie
A doua iteraie:
00 , 1 11 , 6516
043 , 0
433 , 0
181 , 0
255 , 0
087 , 0
03 , 281
55 , 2822
99 , 1179
09 , 1663
46 , 569
81 , 141 71 , 13 44 , 33 06 , 23 01 , 69
22 , 1423 96 , 137 50 , 336 12 , 232 75 , 692
25 , 594 60 , 57 02 , 141 01 , 97 10 , 290
24 , 838 30 , 81 45 , 198 82 , 136 28 , 408
04 , 287 75 , 27 92 , 67 73 , 46 03 , 140
=
+ + + +
+ + + +
+ + + +
+ + + +
+ + + +
00 , 1
5
4
3
2
1
043 , 0
433 , 0
181 , 0
255 , 0
087 , 0
C
C
C
C
C
Exemplu
se verificar corectitudinea cu care au fost
apreciate criteriile cnd au fost comparate
dou cte dou.
se calculeaz indicele de coeren CI.
b a f
c b f
c a f
Exemplu
Indicele de coeren (consistency index) este:
raportul de coeren (consistency ratio):
n care RI (random consistency index) reprezint valorile medii
ale indicelui de consisten generat randomizat astfel nct s
fie asigurat o precizie de 10% a determinrii sale.
1376 , 5 000 , 21 043 , 0 176 , 2 433 , 0 533 , 6 181 , 0 033 , 4 255 , 0 333 , 12 087 , 0
...
5
1
5 5
5
1
2 2
5
1
1 1 max
= + + + + =
= + + =

= = = i
i
i
i
i
i
d p d p d p
03441 , 0
1 5
5 1376 , 5
1
max
=
=
n
n
CI

0372 , 0
12 , 1
03441 , 0
= = =
RI
CI
CR
1 , 0 0372 , 0 < = CR
Exemplu
Cantitative
Calitativ
=
j
ij
ij
ij
a
a
r
=
j
ij
ij
ij
a
a
r 1
Exemplu
A rezultat urmtoarea matrice a utilitilor:
Pentru criteriul calitativ C
5
variantele sunt comparate
dou cte dou i rezult matricea ptratic:
Exemplu
Aceast matrice se rezolv prin metoda vectorului propriu:
Coerena evalurii:
max
=4,04
CI=0,0144978
CR=0,01611
Exemplu
Matricea final a utilitilor este:
Vectorul coeficienilor de importan este:
prioritatea fiecrei variante
se determin cu relaia:
Ierarhia variantelor: V
4
, V
3
, V
1
, V
2
.
=
=
n
j
j ij i
p r V f
1
) (
TEM
metoda analizei ierarhizate.
Bibliografie selectiv:
Andraiu, M., Baciu, A., Pacu, A., Puca, E., Tanadi, Al., 1986.
Metode de decizii multicriteriale, Editura Tehnic, Bucureti.
Boldur, G., 1973. Fundamentarea complex a procesului decizional
economic. Bucureti. Editura tiinific.
Calude, C, Calude, E., 1981. Asupra raionalitii metodei Onicescu de
ierarhizare a deciziilor multidimensionale. Revista de statistic, nr. 7.
Hwang, C.L., Yoon, K., 1981. Multiple attribute decision making. New
York, Springer Veralg.
Roy, B., 1968. Classement et choix en presence de point de vue
multiple (la methode ELECTRE). In RIRO, vol. 2, nr. 8.
Roy, B., Bertier, P., 1972. La methode ELECTRE II/Une application au
media planning. 6th COnf. Int. Oper. Res. Doublin.
Saaty, T.L., 1980. The analytic hierarchy process. New York, McGraw-
Hill.
Saaty, T.L., 2008. Decision making with the analytic hierarchy process.
Int. J. Services Sciences, Vol. 1, No. 1, pp. 83-98.

Adoptare Decizii

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Adoptare Decizii

Încărcat de

Drepturi de autor:

Formate disponibile

Metodologia adoptrii deciziei

Metodologia adoptrii deciziei

Metodologia adoptrii deciziei

( ) mare f V . 160 250 12000 25 70

Metodologia adoptrii deciziei

Metodologia adoptrii deciziei

Metodologia adoptrii deciziei

Metodologia adoptrii deciziei

Metodologia adoptrii deciziei

Metodologia adoptrii deciziei

Metodologia adoptrii deciziei

S-ar putea să vă placă și