C8 SSD- Metode de decizii multi-atribut cu date de tip interval

Se pornește de la forma generală a unei probleme decizionale multi-atribut, care poate fi reprezentată sub forma
unei matrici, în care cele m linii reprezintă variantele decizionale, iar cele n coloane reprezintă criteriile
decizionale. În abordarea clasică, alternativa Ai corespunzătoare criteriului Cj este descrisă de un număr real xij,
iar elementele vectorului coeficienţilor de importanţă criterială 𝜋 = (𝜋1 , 𝜋2 , … , 𝜋𝑛 ) sunt numere reale. În
L U
abordarea cu date cu intervale de variaţie, în locul numerelor reale xij se utilizează intervalele [ x ij , x ij ] , iar
vectorul coeficienţilor de importanţă este înlocuit de un vector de componente de tip interval 𝜋 =
{[𝜋1𝐿 , 𝜋1𝑈 ], [𝜋2𝐿 , 𝜋2𝑈 ], … , [𝜋𝑛𝐿 , 𝜋𝑛𝑈 ]}. Forma matricei decizionale în această nouă abordare are următoarea
reprezentare:
C1 C2 ... Cn
L U L U
A1 [ x11 , x11 ] [ x12 , x12 ] ... [ x1Ln , x1Un ]
L U L U
A2 [ x21 , x21 ] [ x22 , x22 ] ... [ x2Ln , x2Un ]
Am [ xmL1 , xmU1 ] [ xmL 2 , xmU 2 ] ... [ xmn
L U
, xmn ]

Deoarece identificarea celor mai potriviţi coeficienţi de importanţă criterială este adeseori dificilă, se propune
utilizarea metodei entropiei pentru date cu intervale de variaţie, în vederea determinării unor coeficienţi obiectivi
de importanţă.1

8.1 Metoda Entropiei pentru date cu intervale de variaţie

Această metodă are la bază conceptul de entropie, ca măsură generală de cuantificare a incertitudinii. În
problemele de decizii multi-atribut, cu cât nivelul entropiei corespunzător unui criteriu este mai ridicat, cu atât va
fi mai mic gradul de diversificare a informaţiei date de rezultatele respectivului criteriu, situaţie în care i se va
asocia un nivel de importanţă criterială mai redus. O extensie a metodei entropiei pentru date cu intervale de
variaţie a fost propusă de Lotfi şi Fallahnejad în 20102 şi conţine următorii paşi:

Pasul 1. Normalizarea matricei consecinţelor

xijL xijU
p 
L
, p 
U
 1,..
, 𝑖i = m,;𝑚; 𝑗j =1,..
1, … n ,, 𝑛
1, …
 
ij m U ij m U
i 1 ij
x i 1 ij
x

unde m=număr de alternative, iar n=număr de criterii.

Pasul 2. Calculul limitelor inferioare şi superioare ale intervalului entropiei, astfel:


h Lj  min h0  i 1 pijL  ln pijL , h0  i 1 pijU  ln pijU , j 𝑗=1,..
m m

1,n… , 𝑛

 max h  p L  ln pijL , h0  i 1 pijU  ln p  , j 𝑗=1,..

m m
hUj 0 i 1 ij
U
ij 1,n… , 𝑛

unde h0= (ln m)-1 şi pij  ln pij =0, dacă pij  0 , sau pij  ln pij = 0, dacă pij  0 .
L L L U U U

1
Metoda a fost propusă de Lotfi şi Fallahnejad (2010).
2
Metoda Entropiei a fost dezvoltată şi pentru cazul în care datele sunt de tip fuzzy şi prezentată în studiul lui Wang şi Lee (2009). Coeficienţii obiectivi de
importanţă de tip fuzzy au fost apoi utilizaţi în rezolvarea unei aplicaţii folosind o extensie a metodei TOPSIS pentru date de tip fuzzy.
Pasul 3. Calculul limitelor inferioare şi superioare ale intervalului gradului de diversificare ca:

d Lj  1  hUj , d Uj  1  h Lj , j𝑗 =1,..
1, n… , 𝑛

Pasul 4. Determinarea limitelor inferioare şi superioare ale intervalului coeficienţilor de importanţă, după
formula:

d Lj d Uj
w  L
, w  U
, 𝑗j =1,..
1, n…,𝑛
 s1 dsU  s1 dsL
j n j n

Pasul 5. Identificarea ordinii de importanţă a criteriilor

Pentru determinarea ordinii de importanţă a criteriilor având la bază coeficienţii de importanţă criterială
exprimaţi sub formă de date cu intervale de variaţie, trebuie utilizate anumite metode speciale pentru compararea
datelor cu intervale de variaţie. O astfel de metodă este cea propusă de Sengupta şi Pal3 şi presupune ca pentru
L U L U
oricare două intervale D= [dij , dij ] şi E= [eij , eij ] să se calculeze o funcţie de acceptabilitate de forma:
m( D)  m( E )
A( )  , unde m(D) şi m(E) sunt valorile medii ale intervalului D, respectiv E, în timp ce w(D) şi
w( D)  w( E )
w(E) sunt jumătăţile de lungime ale intervalului D, respectiv E. Dacă A( ) < 0 => intervalul D este inferior
intervalului E, iar dacă A( ) >0 => intervalul D este superior lui E.

8.2 Metoda TOPSIS pentru date cu intervale de variaţie

Metoda TOPSIS extinsă pentru date cu intervale de variaţie, presupune următorii paşi:

Pasul 1. Se normalizează matricea consecinţelor prin calculul valorilor normalizate ale intervalelor matricei,
astfel:
xijL xUij
nij 
L
, i 𝑖 =
1,..1,m…
; j, 𝑚; 𝑗 n=, 1, … , 𝑛 nij 
 1,.. U
, i  1,..m; j  1,..n
m m

[( x
i 1
)  (x ) ]
L 2
ij
U 2
ij [( x
i 1
)  (x ) ]
L 2
ij
U 2
ij

Pasul 2.
2.1 Dacă forma coeficienților de importanță criterială este πj atunci se determină matricea
normalizată ponderată a consecințelor:
𝐿 𝐿
𝑣𝑖𝑗 = 𝜋𝑗 𝑛𝑖𝑗 , 𝑖 = 1, … , 𝑚; 𝑗 = 1, … , 𝑛
𝑈 𝑈
𝑣𝑖𝑗 = 𝜋𝑗 𝑛𝑖𝑗 , 𝑖 = 1, … , 𝑚; 𝑗 = 1, … , 𝑛

3
în lucrarea lor din 1997 intitulată „A-index for ordering interval numbers”.
 2.2 Dacă forma coeficienților de importanță criterială este [𝝅𝑳𝒋 , 𝝅𝑼
𝒋 ] atunci se calculează 𝜋
̅𝑗 =
𝜋𝑗𝐿 + 𝜋𝑗𝑈 ̅𝜋̅̅̅𝑗
, 𝑗 = 1, … , 𝑛 și se normalizează 𝜋𝑗 = ∑𝑛 , 𝑗 = 1, … , 𝑛. Apoi se trece la pasul 2.1
2 𝑗=1 ̅
𝜋̅̅̅𝑗

2.3. Dacă nu se cunosc coeficienții de importanță criterială se aplică metoda entropiei pentru date cu
intervale de variaţie pentru a identifica coeficienţii obiectivi de importanţă𝜋̅𝑗, pentru fiecare criteriu j,
𝜋𝑗𝐿 + 𝜋𝑗𝑈
calculaţi ca: 𝜋̅𝑗 = 2
, 𝑗 = 1, … , 𝑛. După normalizarea coeficienţilor de importanţă astfel: 𝜋𝑗 =
̅𝜋̅̅̅𝑗
∑𝑛
, 𝑗 = 1, … , 𝑛. se trece la pasul 2.1 pentru a se determina matricea normalizată ponderată a
𝑗=1 ̅
𝜋̅̅̅𝑗
consecinţelor.

Pasul 3. Se identifică soluţia ideală pozitivă, precum şi soluţia ideală negativă, astfel:
A  {(max vijU j  B), (min vijL j  C )}
i i

A  {(min v L
ij j  B), (max vijU j  C )}
i i

unde B este mulţimea asociată criteriilor de maxim, iar C criteriilor de minim.

Pasul 4. Se determină gradul de separare al fiecărei alternative faţă de soluţiile ideale pozitive şi negative,
utilizând distanţa euclidiană n-dimensională, astfel:
1
di  { (vijL  vij )   (vijU  vij ) }2 , i 𝑖 =
2 2
1,..1,m… , 𝑚
jB jC
1
di  { (vijU  vij )   (vijL  vij ) }2 , i 𝑖 1,..
2 2
= 1,m… , 𝑚
jB jC

Pasul 5. Se calculează coeficientul de apropiere al fiecărei alternative în parte faţă de soluţiile ideale pozitive şi
di
negative, astfel: CCi   , i  1,..m şi pe baza lor se ierarhizează alternativele în ordine descrescătoare.
di  di
Soluţia optimă este varianta i*, pentru care CCi*  max CC i .
i

Exemplificare:

Se consideră problema decizională privind selecția celui mai bun proiect de investiții, în raport cu încasările
înregistrate în primul an, costul investiției și rentabilitatea investiției. Matricea consecințelor se prezintă astfel:

ÎNCASĂRI ÎN PRIMUL AN COST RENTABILITATE

(mii euro) (mii euro) (%)
Proiect 1 [3, 5] [16, 20] [9, 11]
Proiect 2 [8, 10] [36, 40] [14, 20]
Proiect 3 [16,20] [64, 70] [20, 23]

Pentru stabilirea coeficienţilor de importanţă criterială s-a făcut distincţie între nivelul probabilităţilor subiective
şi probabilităţile obiective.
Astfel, considerându-se mai întâi criterii de importanţă egală, probabilităţile au fost ulterior recalculate pe baza
metodei entropiei pentru date cu intervale de variaţie.
Etapele parcurse au fost următoarele:
 s-a pornit de la matricea consecinţelor:
ÎNCASĂRI COST RENTABILITATE
ÎN PRIMUL AN (mii euro) (%)
(mii euro)
C1 C2 C3
(max) (min) (max)
L U L U L U
Proiect 1 3 5 16 20 9 11
Proiect 2 8 10 36 40 14 20
Proiect 3 16 20 64 70 20 23

 s-a normalizat matricea consecinţelor:

C1 C2 C3
Proiecte
L U L U L U
Proiect 1 0,09 0,14 0,12 0,15 0,17 0,20
Proiect 2 0,23 0,29 0,28 0,31 0,26 0,37
Proiect 3 0,46 0,57 0,49 0,54 0,37 0,43

 s-au calculat limitele inferioare şi superioare ale intervalului entropiei:

hL = 0,82 0,88 0,93

hU = 0,87 0,90 0,96

 s-au calculat limitele inferioare şi superioare ale intervalului gradului de diversificare:

dL = 0,13 0,10 0,04
U
d = 0,18 0,12 0,07

 s-au determinat limitele inferioare şi superioare ale intervalului coeficienţilor de importanţă:

wL si wU [0,35;0,64] [0,28;0,45] [0,1;0,27]
nivel mediu 0,494 0,366 0,189
jumătatea lungimii [ ] 0,147 0,087 0,084

 s-a identificat ordinea de importanţă a criteriilor:

Criterii C1 C2 C3 RANG
C1 0 0,55 1,32 1
C2 -0,55 0 1,03 2
C3 -1,32 -1,03 0 3

Ordinea de importanţă a criteriilor este: C3, C1, C2, iar coeficienții de importanță criterială sunt: 49,4%, 36,6%
și 18,9%. În urma normalizării coeficienţilor de importanţă s-au obţinut următoarele valori: 47,1%, 34,9% și
18%.
S-a aplicat apoi metoda TOPSIS cu date de tip interval pentru următoarea matrice a consecințelor:

ÎNCASĂRI ÎN PRIMUL AN COST RENTABILITATE

(mii euro) (mii euro) (%)
Proiect 1 [3, 5] [16, 20] [9, 11]
Proiect 2 [8, 10] [36, 40] [14, 20]
Proiect 3 [16,20] [64, 70] [20, 23]
πj 0,47 0,35 0,18

 Pas. 1. Se normalizează matricea consecințelor:

C1 C2 C3
Proiecte (max) (min) (max)
L H L H L H
Proiect 1 0,1 0,17 0,14 0,18 0,22 0,26
Proiect 2 0,27 0,34 0,32 0,36 0,34 0,48
Proiect 3 0,55 0,68 0,57 0,62 0,48 0,55
πj 0,47 0,35 0,18

 Pas 2. Se construiește matricea normalizată ponderată V= (vij)

0.0484 0.0806 0.0498 0.0623 0.0390 0.0476 

0.1289 0.1612 0.1122 0.1246 0.0606 0.0866 
 
0.2579 0.3223 0.1994 0.2181 0.0866 0.0996 

 Pas 3. Se identifică soluţia ideală pozitivă V* şi respectiv soluţia ideală negativă V-

V *  0.3223 0.0498 0.0996

V - = 0.0484 0.2181 0.0390 

 Pas 4. Se determină gradul de separare al fiecărei alternative faţă de soluţiile ideale pozitive şi negative,
utilizând distanţa euclidiană n-dimensională.

distanța față de V*  0.2809 0.2110 0.1806

distanța față de V = 0.1715 0.1619 0.2812 
-

 Se calculează coeficientul de apropiere al fiecărei alternative în parte, pe baza căruia se întocmește

clasificarea variantelor decizionale, descrescător.

Poziția 1: Alternativa 3 – CC3= 0,61

Poziția 2: Alternativa 2 – CC2= 0,43
Poziția 3: Alternativa 1 – CC1= 0,38

Putem concluziona așadar că Proiectul 3 se dovedește a fi cel mai bun proiect de investiții, în raport cu încasările
înregistrate în primul an, costul și respectiv rentabilitatea investiției, atunci când estimările se prezintă sub forma
unor intervale de variație, în condiții de incertitudine.