Rozhodování za nejistoty pomocí vícekriteriální analýzy variant

Transkript

1 Rozhodování za neistoty pomocí vícekriteriální analýzy variant Helena Brožová, Milan Houška Annotation Decision theory serves as a methodology to decision making, to choosing the best decision. It is based on the theory of games against nature. The decision maker selects one of his strategies alternatives that are available. Their effect depends on possible future states of nature. Payoffs are associated with each combination alternative state of nature. Decision making under uncertainty means that there are no information about future state of nature occurrence. Mostly used rules for decision making under uncertainty are maximin rule, maximax rule, Laplace criterion, Savage criterion or Hurwicz criterion. Most of these rules can be criticized because they focus only on some of payoffs and exclude the other payoffs. It is proposed multiple attribute decision making methods using for selection the best alternatives. The payoff matrix is taken as a criterion matrix with unique criterion, its values differ according to state of nature. Decision maker can use weights to prefer some results, some state of nature. Multiple attribute decision making methods expand the possible solving methods for choosing the best alternatives. Unfortunately, these methods as a game theory methods do not resulted in the same alternative often. But as more the usable methods are it is possible to choose a method more accurate for solved problem. Anotace Pro nalezení nelepšího rozhodnutí za neistoty e běžně používán rozhodovací model založený na modelu hry s přírodou. Znamená to, že nelepší rozhodnutí e vybíráno z předem daných možných alternativ rozhodnutí podle eich výsledků. Realizace ednotlivých alternativ sou však ovlivňovány budoucím stavem světa zobrazeným stavy okolností, které mohou nastat. Situace neistoty znamená, že rozhodovatel předem neví nic o tom, ak se situace v budoucnu bude vyvíet, nemá žádné informace o tom, který z možných stavů okolností nastane. Pro řešení takovéhoto modelu se používaí různé postupy vypracované v teorii her, např. maximinový či maximaxový princip, Laplaceův princip nedostatečné evidence, Savageův nebo Hurwiczův princip. Ve všech těchto případech při výběru nelepší alternativy rozhodnutí dochází k zanedbání či dokonce odmítnutí některých výsledků realizace. V tomto příspěvku e proto navrženo použít pro nalezení nelepšího rozhodnutí postupů vícekriteriální analýzy variant. Jednotlivé varianty představuí alternativy rozhodnutí. Jednotlivá kritéria zobrazuí ednotlivé stavy okolností. Znamená to, že kritérium e vlastně ediné, ale liší se eho výsledky. Pro výběr nelepšího rozhodnutí se pak použií vhodné metody vícekriteriálního rozhodování. Přitom nesou odmítány žádné výsledky alternativ rozhodnutí, rozhodovatel však může pomocí preferencí zvýraznit důsledky některých stavů okolností. Použitím metod vícekriteriální analýzy variant e rozšířena škála metod pro nalezení rozhodnutí. Problémem však i nadále zůstává to, že ani tyto metody ani metody teorie her neposkytuí většinou ednoznačný výsledek, neboť podle všech metod nebývá vybráno ediné nelepší rozhodnutí. Rozšíření skupiny použitelných metod však umožňue vybrat pro řešení vždy takovou metodu, která svými vlastnostmi nelépe odpovídá vlastnostem řešené situace. Keywords Decision Theory, Decision Making Under Uncertainty, Multiple Criteria Decision Making, Criterion, State of Nature, Multiple Attribute Decision Making Klíčová slova teorie rozhodování, rozhodování za neistoty, vícekriteriální rozhodování, kritérium, stav okolností, vícekriteriální analýza variant Úvod Pro nalezení nelepšího rozhodnutí za neistoty e běžně používán rozhodovací model založený na modelu hry s přírodou. Rozhodovatel vybírá strategie - alternativy, eichž výsledný efekt e ovlivňován stavy okolností. Výsledkem každé alternativy za odpovídaícího stavu okolností e určitý efekt nazývaný výplatou. V ekonomických aplikacích tím bývá výnos či zisk nebo náklad či ztráta nečastěi v peněžním vyádření. Každému rozhodnutí - alternativě odpovídá tolik výplat, kolik různých stavů okolností připadá v úvahu. Každému stavu okolností odpovídá tolik výplat, kolik alternativ řešení se uvažue. Jestliže e m alternativ a n stavů okolností, vzniká tzv. výplatní matice V = (v i ) m.n. Standardní forma rozhodovacího modelu se nazývá výplatní nebo rozhodovací tabulka. 1

2 Stavy okolností s 1 s... s n a 1 v 11 v 1... v 1n Alternativy a v 1 v... v n a m v m1 v m... v m3 Situace neistoty znamená, že rozhodovatel předem neví nic o tom, ak se situace v budoucnu bude vyvíet, nemá žádné informace o tom, který z možných stavů okolností nastane. Pro řešení takovéhoto modelu se používaí různé postupy vypracované v teorii her, např. maximinový či maximaxový princip, Laplaceův princip nedostatečné evidence, Savageův nebo Hurwiczův princip. Ve všech těchto případech při výběru nelepší alternativy rozhodnutí dochází k zanedbání či dokonce odmítnutí některých výsledků eich realizace. Cíl a metodika V tomto příspěvku e proto navrženo použít pro nalezení nelepšího rozhodnutí postupů vícekriteriální analýzy variant. Jednotlivé varianty představuí alternativy rozhodnutí. Jednotlivá kritéria sou reprezentována ednotlivými stavy okolností. Kritérium e z hlediska významu vlastně ediné, ale liší se eho výsledky podle situace, za které bude rozhodnutí realizováno. Pro výběr nelepšího rozhodnutí se pak použií vhodné metody vícekriteriálního rozhodování. Přitom nesou odmítány žádné výsledky alternativ rozhodnutí, rozhodovatel však může pomocí preferencí zvýraznit důsledky některých stavů okolností. Tímto způsobem by bylo možno řešit i modely rozhodování za rizika. Pravděpodobnosti ednotlivých stavů okolností by pak byly chápány ako váhy příslušných kritérií. Rozhodovací model ako model vícekriteriální analýzy variant Je dáno několik různých variant alternativ rozhodnutí. Každá varianta e ohodnocena podle ediného kritéria, ehož výsledky se však liší podle okolností, za nichž může být varianta rozhodnutí realizována. Úkolem e vybrat nevhodněší variantu alternativu rozhodnutí tak, aby za každé situace bylo dosaženo co nelepší hodnoty kritéria. Výplatní matice odpovídaícího rozhodovacího modelu e pak totožná s kriteriální maticí příslušného modelu vícekriteriální analýzy variant. Stavy okolností s 1 s... s n Kritéria K 1 K... K n Alternativy Varianty a 1 v 11 v 1... v 1n a v 1 v... v n a m v m1 v m... v m3 Diskuse Postupy řešení rozhodovacích modelů s využitím postupů vícekriteriální analýzy variant se v literatuře obevily. Vaněčková [1] navrhue provést transformaci modelu teorie rozhodování za rizika na dvoukriteriální model vícekriteriální analýzy variant. Prvním kritériem (maximalizačním) e očekávaná střední hodnota výplaty (EMV) za rizika ako kritérium výnosu, druhým kritériem (minimalizačním) e rozptyl hodnot výplaty pro ednu variantu z hlediska všech stavů okolností ako kritérium rizikovosti. Těmto dvěma kritériím uživatel přiřadí váhy podle toho, estli preferue spíše možnost extrémních výnosů, které přinášeí varianty s velkým rozptylem výplatních hodnot nebo raděi spolehlivého výnosu, který poskytuí varianty s malým rozptylem výplatních hodnot. Takto definovanou úlohu vícekriteriální analýzy variant lze řešit pomocí známých metod, které uváděí např. Fiala a kol. v []. Za předpokladu, že má uživatel dobrou představu o významnostmi rozdílů mezi ednotlivými hodnotami výplat, navrhueme v tomto postupu místo výpočtu očekávané hodnoty výplaty provést analýzu významnosti rozdílů mezi variantami z hlediska všech možných stavů okolností některou z metod vyhodnocování variant pomocí preferenční relace, které sou popsány v []. Dále se budeme zabývat možností použít metodu PROMETHEE, která se ukazue být pro řešení této situace velmi dobrá. Ohodnocení alternativ pomocí očekávané hodnoty výplaty pak bude nahrazeno hodnotami čistého toku.

3 Postup řešení Základem metody PROMETHEE e párové porovnání variant, postupně z hlediska všech kritérií. Výsledkem tohoto srovnání e vyádření intenzity preference mezi dvoicemi variant. Při eí aplikaci na model rozhodování vyadřuí intenzitu preference lternativy a r ve vztahu k alternativě a s za stavu okolností s indexy P (a r, a s ) z intervalu <0,1>. Tato intenzita závisí na rozdílu hodnot d = v r - v s. Pro maximalizační rozhodovací kritérium platí, že čím e větší tato diference, tím e intenzita preference větší. Pro transformaci hodnot diferencí d se používá několik typů preferenčních funkcí QX(d ), eichž hodnoty pak udávaí intenzitu preference takto,a s ) P (a r ) P (a s,a r = = QX(d ), QX(d ), e li e li Metoda PROMETHEE využívá šest základních typů preferenčních funkcí, některé z nich vyžaduí zadání několika parametrů. Preferenční funkce Q1 Q1(d ) = 0, pokud d = 0, inak Q1(d ) = 1 Preferenční funkce Q4 Q4(d ) = 0, pokud d q* Tato funkce nevyžadue zadání dalšího Q4(d ) = 0,5, pokud q* < d p* parametru. Q4(d ) = 1, pokud d > p* Musí být zadán práh preference p* a práh indiference q*. d d 0 0 Preferenční funkce Q Q(d ) = 0 pokud d q*, inak Q(d )=1. Funkce vyžadue zadat hodnotu prahu indiference q*. Preferenční funkce Q3 d Q3(d )= p, pokud d p*, inak Q3(d ) = 1 Je vyžadováno zadání prahu preference p*. Preferenční funkce Q5 Q5(d ) = 0, pokud d q* d q Q5(d ) = p q, pokud q* < d p* Q5(d ) = 1, pokud d > p* Musí být zadán práh preference p* a práh indiference q*. Preferenční funkce Q6 d σ Q6(d ) = 1 e, což e vlastně Gaussova funkce, eíž hodnota se s rostoucí diferencí blíží 1. V tomto případě e nutné určit parametr sigma, což e směrodatná odchylka normálního rozdělení. Za předpokladu, že byly pro každou dvoici alternativ kvantifikovány na základě zvolených preferenčních funkcí intenzity preferencí, lze vypočítat globální preferenční index P(a = n r,a s ) p,a s ) = 1 P (a r kde p sou pravděpodobnosti realizace ednotlivých stavů okolností. Pro získání výsledné relace sou dále pro každou alternativu vypočteny tzv. pozitivní a negativní toky. Pokud sou indexy P(a r, a s ) uspořáděny do matice m x m (pro m alternativ), potom pozitivní tok F i + pro každou alternativu e definován ako průměr hodnot v příslušném řádku této matice a negativní tok F i - ako průměr v příslušném sloupci této matice. Výslednou informací metody PROMETHEE e úplné uspořádání alternativ podle klesaícího rozdílu mezi pozitivním a negativním tokem F i = F i + - F i -. Tento rozdíl e označen ako tzv. čistý tok. Při použití metody PROMETHEE pro rozhodovací model e nutno brát v úvahu zvláštnost modelované situace, neboť všechny hodnoty v analyzované matici sou udány ve stené oceňovací ednotce. Těžko e zde tedy prostor pro odlišné stanovování typů funkcí (včetně eich prahových hodnot) pro různé stavy okolností. Úloha uživatele při volbě preferenční funkce e tedy zednodušena. 1) Má-li dobrou představu o důležitosti rozdílů hodnot výplaty, e schopen ak zvolit typ preferenční funkce, tak prahové hodnoty. Ty budou pro všechny stavy okolností identické. ) Nemá-li představu o důležitosti rozdílů hodnot výplaty, použie funkci Q6, která vyžadue parametr odvoditelný na základě hodnot v rozhodovací matici. Parametr sigma vypočte ako směrodatnou odchylku z hodnot ve sloupcích této matice. Hodnoty tohoto parametru se budou tedy lišit pro každý sloupec výplatní matice. 3)Pokud by si uživatel netroufl zadat hodnoty parametrů, má k dispozici eště preferenční funkci Q1. Ta se ale používá u kritérií, z hlediska kterých nabývaí varianty pouze několika málo konkrétních hodnot (typickým příkladem hodnocení ano - ne ). Proto nelze tuto funkci obecně doporučit. Po analýze preferenčních vztahů ve výplatní matici metodou PROMETHEE, eíž výstup použieme ako kritérium výnosnosti alternativ, stanovíme pro všechny alternativy eich rizikovost měřenou rozptylem 3

4 hodnot pro každou alternativu z hlediska všech stavů okolností. Takto získaný dvoukriteriální model vyřešíme podle [1] metodou váženého součtu. Váhy nově odvozených hledisek stanovue uživatel, který eich pomocí může zvýraznit svů sklon vybírat spíše alternativy s vyrovnanými hodnotami z hlediska všech stavů okolností (velká váha pro kritérium rizikovost ), nebo naopak vybírat alternativy spíše podle kritéria výnosnosti s menším ohledem na riziko (velká váha pro kritérium výnosnost ). Výsledkem výpočtu metodou váženého součtu e úplné uspořádání alternativ. Tento model vícekriteriální analýzy variant má m variant alternativ a, ak iž bylo řečeno, dvě kritéria. Neprve transformueme vypočtené hodnoty tak, aby byly souměřitelné, a to pomocí vztahu y i D r i =, i = 1,,..., m, = 1, H D kde y i sou prvky v kriteriální matici, D hodnoty bazální varianty a H hodnoty ideální varianty. Celkový užitek U, který nám přináší i-tá alternativa z hledisek minimalizace rizika a maximalizace výnosnosti při stanovených vahách kritérií v = (v 1, v ) vypočteme ako U(a i ) = v r = 1 i, i. Alternativa, která vykáže při stanovených vahách nevětší užitek, pak bude doporučena k realizaci. Výsledky Navržený postup byl aplikován na následuící praktický příklad, který e pomocí standardních metod teorie rozhodování vyřešen v [3]. Společnost vlastní celkem 4 dopravních souprav, které využívá ednak pro svoe potřeby a ednak nabízí službu autodopravy dalším subektům. Proto provozue vlastní autodílnu, která provádí údržbu vlastních vozidel a také přiímá i zakázky na opravu vozidel iných společností. Protože byl identifikován problém vysokých nákladů komplexu autodílny a nízké využití eho kapacity, vedení společnosti stoí před problémem, zda autodílnu zachovat, zrušit a opravy vlastních vozidel obednat u iné společnosti, případně autodílnu modernizovat a rozšířit se zaměřením na externí zakázky. Bylo vymezeno celkem sedm alternativ: porovnání nabídek pěti společností, které by v případě zrušení vlastní autodílny převzaly opravy vozidel společnosti, varianta zachování stávaícího stavu a varianta rozšíření. Kritériem hodnocení sou efekty, které ednotlivé varianty přinesou: pro každou variantu byla provedena analýza změny nákladů a výnosů s ohledem na to, kolik podnik provedl oprav na vlastních vozidlech a kolik realizoval externích zakázek v minulých letech. Tím sou vymezeny stavy okolností modelu teorie rozhodování. Vzhledem k tomu, že byly k dispozici údae za několik let byly stanoveny i pravděpodobnosti ednotlivých stavů okolností v dalších letech. Je tedy definována situace teorie rozhodování za rizika. Data a kvantifikační postupy sou podrobně popsány v [3]. Vzhledem ke značnému rozsahu takto definované úlohy se omezíme na analýzu výsledků, které sou uvedeny v [3]. Protože byla vybrána edna z variant předpokládaících zrušení autodílny, ověříme pouze volbu poskytovatele opravárenských služeb, přičemž stavy okolností vymezíme pouze počtem oprav prováděných na vlastním vozovém parku. Výplatní matice (efekty vyplývaící z převodu služby sou vyčíslené v Kč) e uvedena v následuící tabulce. Tabulka 1: Výplatní matice Počet oprav vlastních vozidel za rok Poskytovatel pod nad 80 Fronk, s. r. o Agro Domažlice, a.s Karpem, s. r. o Bodas, a. s ZD Draženov Pravděpodobnost Z hlediska výše definovaného postupu e výplatní matice totožná s maticí kriteriální, ako váhy kritérií použieme pravděpodobnosti ednotlivých stavů okolností (počet vlastních vozidel vyžaduících opravu za rok). Využieme všechny tři možnosti, které nám metoda PROMETHEE poskytue. 1) Stanovíme důležitosti rozdílů v efektech mezi variantami: práh preference ako minimální hodnotu rozdílu, při kterém ednu variantu absolutně preferueme před druhou za určitého stavu okolností a práh indiference ako maximální hodnotu rozdílu, při kterém považueme tyto varianty z hlediska tohoto stavu okolností za rovnocenné. Stené prahové hodnoty použieme pro všechny stavy okolností. 4

5 Rozdíl v efektu mezi nevyšší a nenižší možnou výplatou z tabulky 1 činí Kč. Stanovíme proto základní prahové hodnoty takto: práh indiference q* = Kč, což e zhruba 10% z maximálního rozdílu, práh preference p* = Kč, tedy asi 60% z maximálního rozdílu. Pro všechny stavy okolností použieme preferenční funkci Q5. Pro potřeby analýzy výsledků výpočtu využieme různé nastavení prahových hodnot. Výsledky experimentů získané pomocí programu MCAKOSA [4] sou uvedeny v následuící tabulce: Tabulka : Hodnoty čistého toku a pořadí variant při změnách prahových hodnot p*=00000 p*=50000 p*= p*=90000 q*=30000 q*=10000 q*=80000 q*=10000 Fi Pořadí Fi Pořadí Fi Pořadí Fi Pořadí Fronk, s. r. o Agro Domažlice, a.s Karpem, s. r. o Bodas, a. s ZD Draženov Z tabulky výpočtu vyplývá, že v tomto případě změna prahových hodnot nemá podstatný vliv na výsledek výpočtu. Je to způsobeno především vysokou hodnotou pravděpodobnosti třetího stavu okolnosti, vzhledem ke kterému e nelépe hodnocená varianta Agro Domažlice. ) Pro každý stav okolností vypočteme směrodatnou odchylku hodnot efektu, který poskytuí ednotlivé alternativy a použieme e ako parametr pro preferenční funkci Q6. 3) Pro srovnání použieme i funkci Q1, která nevyžadue žádné parametry. Výsledky výpočtu sou v následuící tabulce. Tabulka 3: Výsledky výpočtu pro preferenční funkce Q 6 a Q1 Funkce č. 6 Funkce č. 1 parametry sigma bez parametrů Fi Pořadí Fi Pořadí Fronk, s. r. o Agro Domažlice, a.s Karpem, s. r. o Bodas, a. s ZD Draženov Stav okolností pod nad 80 Směrodatná odchylka Výsledky výpočtu při použití preferenční funkce Q6 se do značné míry shoduí s výsledky získanými při experimentování s prahovými hodnotami prahů preference a indiference. Z tabulky e také vidět, že se výsledky získané pomocí preferenční funkce Q1 poněkud odlišuí od všech ostatních. Je to dáno povahou funkce, která akýkoliv rozdíl v kriteriálních hodnotách označue vztahem absolutní preference bez ohledu na to, zda e rozdíl 1 Kč nebo Kč. Nyní vytvoříme model vícekriteriální analýzy variant, pomocí kterého porovnáme varianty z hlediska rizikovosti a relativní výnosnosti. Modelueme uživatele se sklonem přiímat riziko, který stanovil hodnoty vah v 1 = 0,7 a v = 0,3. Tento uživatel tedy považue výnosové kritérium za více než dvakrát důležitěší než kritérium rizikovosti. V tabulce 4 e zachycen celý model včetně výsledků našeho postupu a postupu podle [1]: Tabulka 4: Dvoukriteriální model a eho řešení Fi Rozptyl EMV Rozptyl Užitek 1 Užitek Fronk, s. r. o Agro Domažlice, a.s Karpem, s. r. o Bodas, a. s ZD Draženov Poznámka: EMV e očekávaná hodnota výplaty 5

6 V tomto konkrétním případě není velký rozdíl mezi výsledky v závislosti na použité metodě hodnocení výnosnosti variant, hodnoty agregované funkce užitku vykazuí přibližně stené hodnoty. Provedli sme také analýzu stability řešení vzhledem k možným změnám vah, hledali sme takové hodnoty vah, při kterých se vyrovná užitek poskytovaný variantami na prvním a druhém místě (Agro Domažlice a ZD Draženov). Zde se ukázalo, že náš postup o něco zvýraznil hodnocení výnosnosti varianty Agro Domažlice; vektor vah, pro který se hodnoty uvedených variant rovnaí byl v = (0,56, 0,44), zatímco při použití kritéria EMV byl tento vektor v = (0,6, 0,4). Z hlediska preferencí uvedeného uživatele doporučueme uzavřít smlouvu se společností Agro Domažlice. K tomuto závěru dochází i práce [3], která model řeší ako úlohu teorie rozhodování. Zdro dále uvádí, že tato varianta byla skutečně realizována s efektem vyčísleným podle metodiky společnosti asi na Kč, bylo opraveno kolem 60 vozidel. Pro žádný ze dvou stavů okolností, na eichž hranici se realita pohybovala, neexistue varianta, která by byla lépe hodnocena z hlediska očekávaného efektu než varianta realizovaná, proto považueme přístup uživatele za správný. Závěr Použitím metod vícekriteriální analýzy variant e rozšířena škála metod pro nalezení rozhodnutí. Problémem však i nadále zůstává to, že ani tyto metody ani metody teorie her neposkytuí většinou ednoznačný výsledek, neboť podle všech metod nebývá vybráno ediné nelepší rozhodnutí. Rozšíření skupiny použitelných metod však umožňue vybrat pro řešení vždy takovou metodu, která svými vlastnostmi nelépe odpovídá vlastnostem řešené situace. Literatura [1] Vaněčková, E.: Application of multi-criteria evaluation of alternatives in decision making under risk. In Collection of Scientific Papers, Faculty of Agriculture in Ceske Budeovice, Series of Economics, Management and Trade, Vol. 5, no. 1, p [] Fiala, P, Jablonský, J., Maňas, M.: Vícekriteriální rozhodování. VŠE, Praha, 1997 [3] Daňsa, M.: Možnosti aplikace modelů teorie rozhodování v praxi. Diplomová práce. PEF ČZU, Praha, 001 [4] Brožová, H., Šubrt, T., Houška, M.: Software Support of Multi-Criteria Decision Making in Spreadsheets. In: Proceedings of the 17 th International Conference MME 99. Jindřichův Hradec, 1999, p Adresy autorů RNDr. Helena Brožová, CSc. Katedra operační a systémové analýzy Provozně ekonomická fakulta Česká zemědělská univerzita v Praze tel. 0/ brozova@pef.czu.cz Ing. Milan Houška Katedra operační a systémové analýzy Provozně ekonomická fakulta Česká zemědělská univerzita v Praze tel. 0/ houska@pef.czu.cz 6