5 Informace o aspiračních úrovních kritérií



Podobné dokumenty
6 Ordinální informace o kritériích

4 Kriteriální matice a hodnocení variant

7 Kardinální informace o kritériích (část 1)

4EK201 Matematické modelování. 10. Teorie rozhodování

Postupy při hodnocení variant a výběru nejvhodnějšího řešení. Šimon Kovář Katedra textilních a jednoúčelových strojů

VÍCEKRITERIÁLNÍ ROZHODOVANÍ

Vícekriteriální hodnocení variant úvod

Vícekriteriální programování příklad

Operační výzkum. Vícekriteriální hodnocení variant. Grafická metoda. Metoda váženého součtu.

4EK213 LINEÁRNÍ MODELY

zejména Dijkstrův algoritmus pro hledání minimální cesty a hladový algoritmus pro hledání minimální kostry.

Jednokriteriální rozhodování za rizika a nejistoty

fakulty MENDELU v Brně (LDF) s ohledem na disciplíny společného základu (reg. č. CZ.1.07/2.2.00/28.

Operační výzkum. Vícekriteriální programování. Lexikografická metoda. Metoda agregace účelových funkcí. Cílové programování.

Vícekriteriální rozhodování za jistoty

LDF MENDELU. Simona Fišnarová (MENDELU) Základy lineárního programování VMAT, IMT 1 / 25

Modely teorie grafů, min.kostra, max.tok, CPM, MPM, PERT

Náhodný pokus Náhodným pokusem (stručněji pokusem) rozumíme každé uskutečnění určitého systému podmínek resp. pravidel.

( ) ( ) Binomické rozdělení. Předpoklady: 9209

Vícekriteriální rozhodování za jistoty

( ) ( ) Binomické rozdělení. Předpoklady: 9209

HEURISTICKÉ ALGORITMY PRO ŘEŠENÍ ÚLOH OBCHODNÍHO CESTUJÍCÍHO

Vzorový příklad na rozhodování BPH_ZMAN

Rozhodování. Ing. Alena Šafrová Drášilová, Ph.D.

Jiří Neubauer. Katedra ekonometrie FEM UO Brno

5. Lokální, vázané a globální extrémy

Operační výzkum. Teorie her cv. Hra v normálním tvaru. Optimální strategie. Maticové hry.

10 Přednáška ze

Teorie her a ekonomické rozhodování. 3. Dvoumaticové hry (Bimaticové hry)

Socio-ekonomická evaluace aglomerace z hlediska potřeb a aktivit investorů

Část 2 - Řešené příklady do cvičení

Řešené příklady z pravděpodobnosti:

Ing. Alena Šafrová Drášilová, Ph.D.

Semestrální práce z předmětu Matematické modelování Modely vyjednávání

Lineární programování

Definice 7.1 Nechť je dán pravděpodobnostní prostor (Ω, A, P). Zobrazení. nebo ekvivalentně

( ) ( ) Nezávislé jevy I. Předpoklady: 9204

Výběr lokality pro bydlení v Brně

a počtem sloupců druhé matice. Spočítejme součin A.B. Označme matici A.B = M, pro její prvky platí:

Interpolace, ortogonální polynomy, Gaussova kvadratura

minimalizaci vzdálenosti od ideální varianty

14. cvičení z PSI. 9. ledna 2018

12. Lineární programování

Regulární matice. Věnujeme dále pozornost zejména čtvercovým maticím.

Matematika I, část I Vzájemná poloha lineárních útvarů v E 3

13. cvičení z PSI ledna 2017

Ekonomická formulace. Matematický model

Binární vyhledávací stromy pokročilé partie

Rozhodnutí / Skutečnost platí neplatí Nezamítáme správně chyba 2. druhu Zamítáme chyba 1. druhu správně

Inženýrská statistika pak představuje soubor postupů a aplikací teoretických principů v oblasti inženýrské činnosti.

Ing. Alena Šafrová Drášilová

MANAŽERSKÉ ROZHODOVÁNÍ

příkladů do cvičení. V textu se objeví i pár detailů, které jsem nestihl (na které jsem zapomněl) a(b u) = (ab) u, u + ( u) = 0 = ( u) + u.

TEORIE PRAVDĚPODOBNOSTI. 2. cvičení

Normální (Gaussovo) rozdělení

MODELY ŘÍZENÍ ZÁSOB nákladově orientované modely poptávka pořizovací lhůta dodávky předstih objednávky deterministické stochastické

Cvičení z Lineární algebry 1

Vícekriteriální hodnocení variant VHV

Teorie her a ekonomické rozhodování. 8. Vyjednávací hry

MULTIKRITERIÁLNÍ ROZHODOVÁNÍ KOMPLEXNÍ HODNOCENÍ ALTERNATIV

Tento text je stručným shrnutím těch tvrzení Ramseyovy teorie, která zazněla

4EK311 Operační výzkum. 5. Teorie grafů

Teorie her a ekonomické rozhodování. 2. Maticové hry

13. Lineární procesy

Metody výběru variant

4EK213 LINEÁRNÍ MODELY

Diskrétní náhodná veličina. November 12, 2008

2 Spojité modely rozhodování

Determinant matice řádu 5 budeme počítat opakovaným použitím rozvoje determinantu podle vybraného řádku nebo sloupce. Aby byl náš výpočet

Náhodné jevy. Teorie pravděpodobnosti. Náhodné jevy. Operace s náhodnými jevy

14. cvičení z PSI. 9. ledna Pro každý stav platí, že všechny hrany z něj vycházející mají stejnou pravděpodobnost.

STROMY. v 7 v 8. v 5. v 2. v 3. Základní pojmy. Řešené příklady 1. příklad. Stromy

Úvod do teorie grafů

Časové rezervy. Celková rezerva činnosti

Simplexová metoda. Simplexová tabulka: Záhlaví (účelová funkce) A ~ b r βi. z j c j. z r

Lingebraické kapitolky - Analytická geometrie

Ukážeme si lineární algoritmus, který pro pevné k rozhodne, zda vstupní. stromový rozklad. Poznamenejme, že je-li k součástí vstupu, pak rozhodnout

ANALYTICKÁ GEOMETRIE V ROVINĚ

Úlohy k procvičování textu o univerzální algebře

Obsah prezentace. Základní pojmy v teorii o grafech Úlohy a prohledávání grafů Hledání nejkratších cest

Nerovnice v součinovém tvaru, kvadratické nerovnice

Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od podzimu 2015

Cvičení Programování I. Stručné poznámky ke cvičení ze

Firma a nejistota Aplikace rozhodování v podmínkách rizika a nejistoty na firmu

5.3. Implicitní funkce a její derivace

Pravděpodobnost a statistika (BI-PST) Cvičení č. 4

Konkurzní řízení ve společnosti SpenglerFox

Algoritmus pro hledání nejkratší cesty orientovaným grafem

ZÁKLADNÍ TYPY ROZHODOVACÍH PROBLÉMŮ

CVIČNÝ TEST 37. OBSAH I. Cvičný test 2. Mgr. Tomáš Kotler. II. Autorské řešení 5 III. Klíč 13 IV. Záznamový list 15

Teorie her a ekonomické rozhodování. 4. Hry v rozvinutém tvaru

Učební texty k státní bakalářské zkoušce Matematika Základy lineárního programování. študenti MFF 15. augusta 2008

4EK311 Operační výzkum. 1. Úvod do operačního výzkumu

Projekt ŠABLONY NA GVM Gymnázium Velké Meziříčí registrační číslo projektu: CZ.1.07/1.5.00/

CVIČENÍ 4 Doc.Ing.Kateřina Hyniová, CSc. Katedra číslicového návrhu Fakulta informačních technologií České vysoké učení technické v Praze 4.

Základy teorie množin

4. Kombinatorika a matice

vyjádřete ve tvaru lineární kombinace čtverců (lineární kombinace druhých mocnin). Rozhodněte o definitnosti kvadratické formy κ(x).

H {{u, v} : u,v U u v }

Transkript:

5 Informace o aspiračních úrovních kritérií Aspirační úroveň kritérií je minimální (maximální) hodnota, které musí varianta pro dané maximalizační (minimalizační) kritérium dosáhnout, aby byla akceptovatelná. Existují tři základní metody jak se znalostmi aspiračních úrovní pracovat konjunktivní metoda, disjunktivní metoda a metoda PRIAM. 5. Konjunktivní metoda Pro každé maximalizační kritérium je stanovena minimální hodnota, které musí varianta dosáhnout. Termín konjunktivní znamená, že varianta je akceptovatelná tehdy, když splňuje zadané aspirační úrovně yj pro všechna kritéria, tzn. varianta a i je akceptovatelná, pokud y ij yj pro všechna j =,..., k. Pro nízká yj bude množina akceptovatelných variant obrovská, pro příliš vysoká yj bude naopak množina akceptovatelných variant prázdná. Počet akceptovatelných variant (lépe řečeno poměr akceptovatelných variant) lze snadno ovlivňovat pomocí aspirační úrovně kritérií. Předpokládejme, že máme k vzájemně nezávislých a stejně důležitých kritérií. Označme r podíl neakceptovatelných variant (kolik procent má z výběru vypadnout). Symbolem q označme pravděpodobnost, že varianta je podle jednoho (libovolného neboť jsou všechna stejně důležitá) kritéria akceptovatelná. Potom pravděpodobnost, že varianta je akceptovatelná podle všech k kritérií je rovna q q... q = q k (pravděpodobnost, že nastanou současně dva nezávislé jevy, je rovna součinu jejich pravděpodobností). Podle zákonů pravděpodobnosti varianta není (podle všech kritérií) akceptovatelná s prvděpodobností q k. A tato pravděpodobnost musí být rovna podílu neakceptovatelných variant r.

Platí tedy r = q k, odtud snadno určíme, že q = k r. Ukažme si praktické využití této metody na příkladu s Upírem. Upír konjunktivní metoda Předpokládejme, že hodnotíme potenciální oběti podle 9 kritérií, která jsme si představili v předchozích cvičeních. Předpokládejme nyní, že všech devět kritérií má stejnou váhu. Rozsáhlý seznam obsahuje 50 možných obětí a my potřebujeme výběr zúžit pouze na 0 z nich. Jak bychom měli nastavit aspirační úrovně kritérií? Počet kritérií je tedy k = 9. Dále zvažovat chceme 0 obětí z 50, 40 jich tedy potřebujeme vyloučit a poměr neakceptovatelných obětí tedy bude r = 40 50 = 4 5 = 0.8. Pravděpodobnost, že oběť bude akceptována podle jednoho kritéria bude tedy podle odvozeného vztahu q = k r = 9 4 = 9 = 0.8363. 5 5 Je tedy potřeba zvolit aspirační úroveň pro každé kritérium tak, aby 84% variant bylo podle daného kritéria akceptováno. Co by se stalo, kdybychom rozhodovali jen na základě 5 kritérií? k = 5. r = 40 50 = 4 5 = 0.8. q = k r = 5 4 5 = 5 5 = 0.7248. Pro 5 kritérií je potřeba zvolit aspirační úroveň pro každé kritérium tak, aby 72,5% variant bylo podle daného kritéria akceptováno. A jak bychom nastavili úrovně, kdybychom používali jen 3 kritéria, ale byli ochotni dále uvažovat o 5 lidech z 50? k = 3. r = 35 50 = 7 0 = 0.7. q = k r = 3 7 = 3 3 = 0.6694. 0 0 2

Pro 3 kritéria a 5 uvažovaných z 50 je potřeba zvolit aspirační úroveň pro každé kritérium tak, aby 67% variant bylo podle daného kritéria akceptováno. Předpokládejme nyní, že máme 6 obětí, jejichž výsledky jsou zadány kriteriální maticí, ve které jsou všechna kritéria již převedena na maximalizační: 2 5 80 3 4 9 9 5 48 6 68 3 3 2 7 20 07 3 72 3 3 22 6 6 50 6 9 2 3 30 9 2 0 3 40 2 0 8 8 0 8 4 40 3 4 7 0 Rozhodli jste, že aspirační úrovně kritérií yj = (30, 5, 60, 2, 3,, 20, 5, 2) nastavíte osobně. Určete množinu akceptovatelných variant. Varianta první není akceptovatelná vzhledem k prvnímu kritériu (a také sedmému). Varianta druhá splňuje všechny podmínky a je tedy akceptovatelná, stejně jako varianta čtvrtá. Třetí, pátá a šestá varianta nesplňují aspirační úrovně na první kritérium (a některá další). Bylo by ale možné postupně některé úrovně zvyšovat, až by nakonec zbyla v množině akceptovatelých variant jen jediná oběť. Kdybychom se rozhodli pro jinou volbu a aspirační úrovně nastavili např. y j = (30, 5, 60, 3, 3,, 20, 5, 2), byla by jedinou akceptovatelnou (a tedy také kompromisní a optimální) variantou a 2. V případě aspiračních úrovní yj = (30, 5, 60, 2, 3,, 20, 8, 2) bude jedinou akceptovatelnou (a tedy také kompromisní a optimální) variantou a 4. 5.2 Disjunktivní metoda Pro každé maximalizační kritérium je opět stanovena minimální hodnota, které musí varianta dosáhnout. 3

Termín disjunktivní znamená, že varianta je akceptovatelná tehdy, když splňuje zadané aspirační úrovně yj pro alespoň jedno kritérium, tzn. varianta a i je akceptovatelná, pokud existuje j =,..., k takové, že y ij yj. Počet akceptovatelných variant (lépe řečeno poměr akceptovatelných variant) lze opět snadno ovlivňovat pomocí aspirační úrovně kritérií. Předpokládejme, že máme k vzájemně nezávislých a stejně důležitých kritérií. Označme r podíl neakceptovatelných variant (kolik procent má z výběru vypadnout). Symbolem p označme pravděpodobnost, že varianta je podle jednoho (libovolného neboť jsou všechna stejně důležitá) kritéria akceptovatelná. Potom pravděpodobnost, že varianta není akceptovatelná podle jednoho kritéria je p. Pravděpodobnost, že varianta není akceptovatelná podle žádného z k kritérií je rovna ( p) ( p)... ( p) = ( p) k (pravděpodobnost, že nenastanou současně dva nezávislé jevy, je rovna součinu pravděpodobností, že nenastane každý z nich). A tato pravděpodobnost musí být rovna podílu neakceptovatelných variant r. Platí tedy r = ( p) k, odtud snadno určíme, že p = k r. Předveďme si i tuto metodu na příkladu s Upírem. Upír disjunktivní metoda Předpokládejme opět, že zvažujeme vhodnou oběť podle 9 stejně důležitých kritérií. V seznamu máme 50 osob a my potřebujeme k dalšímu zvážení připustit pouze 0 z nich. Jak bychom měli nastavit aspirační úrovně kritérií? Počet kritérií je tedy k = 9. Přijmout k dalšímu zvážení chceme 0 osob z 50, 40 jich tedy potřebujeme vyloučit a poměr neakceptovatelných osob tedy bude r = 40 50 = 4 5 = 0.8. Pravděpodobnost, že osoba bude akceptována podle jednoho kritéria bude tedy podle odvozeného vztahu p = k r = 9 4 5 = 0.0245. 4

Je tedy potřeba zvolit aspirační úroveň pro každé kritérium tak, aby 2.5% variant bylo podle daného kritéria akceptováno. 5.3 Metoda PRIAM Metoda PRIAM je interaktivní procedura pro vícekriteriální rozhodování s diskrétní množinou p variant A = a, a 2,..., a p. Při použit této metody procházíme jakýmsi stromem (termín z teorie grafů) a uzly, kterými procházíme označujeme buď jako tentativní (ukazují cestu zpět k počátečnímu uzlu a v případě potřeby se k nim vracím) nebo jako imperativní (ty jsou nezajímavé a protože se k nim již nebudu vracet, zapomínám je). Označme symbolem f j (a i ) hodnotu j-tého kritéria pro i-tou variantu, tj. f j (a i ) = y ij, a označme d počet akceptovatelných variant (tedy variant, pro které platí f j (a i ) y (S) j, kde y (S) j jsou aspirační úrovně jednotlivých kritérií). V metodě PRIAM pak mohou nastat tři různé situace: d... rozhodovatel může měnit aspirační úrovně podle počtu akceptovatelných variant d =... je dosaženo jediné akceptovatelné (nedominované) varianty d = 0... neexistuje žádná akceptovatelná varianta V takovém případě je kompromisní varianta vybírána tak, aby minimalizovala vzdálenost od zadné aspirační úrovně, tedy aby minimalizovala výraz k j= jsou ideální kriteriální hodnoty. Ukažme si metodu na příkladu Upíra. y (S) fj j f j (a i ), a i A, kde fj, j =,..., k Upír metoda PRIAM Mějme kriteriální matici s maximalizačními kritérii pro 0 potenciálních obětí (variant). 5

2 5 80 3 4 9 9 5 48 6 68 3 3 2 7 20 07 3 72 3 3 22 6 6 50 6 9 2 3 30 9 2 0 3 40 2 0 8 8 0 8 4 40 3 4 7 0 09 5 37 2 4 5 2 7 3 62 3 2 0 9 3 4 3 4 90 3 8 7 2 2 3 48 2 4 20 2 3 Zvolme nyní první aspirační úrovně y () = (00, 2, 30,, 2, 0, 0, 2, 2). d = počet variant, pro které platí f(a i ) y () = 9, jediná varianta, která tyto aspirační úrovně nesplňuje, je a 5. Neboť d, můžeme změnit aspirační úrovně. Zvolme y (2) = (0, 4, 50, 2, 3,, 5, 5, 5). d = 3, akceptovatelné jsou varianty a, a 2, a 4. Opět zvýšíme aspirační úrovně y (3) = (20, 6, 75, 3, 3,, 20, 6, 0). V tomto případě je d = 0 a neexistuje žádná akceptovatelná varianta. Vrátíme se tedy do předchozího uzlu a mezi přípustnými variantami a, a 2, a 4 hledáme tu, která je nejblíže k zadaným aspiračním úrovním. Potřebujeme nejdříve určit ideální variantu. Tu jsme se naučili určovat v předchozím cvičení. f = (50, 6, 00, 3, 4,, 30, 0, 20). Nyní pro každou variantu a i určíme hodnotu výrazu k j= y (S) fj j f j (a i ). a : 20 2 + 6 5 + 75 80 + 3 3 + 3 4 + + 50 6 00 3 4 20 9 + 6 9 + 0 5 =.057 30 0 20 a 2 : 20 48 + 6 6 + 75 68 + 3 3 + 3 3 + + 50 6 00 3 4 20 2 + 6 7 + 0 20 = 0.890 30 0 20 a 4 : 20 50 + 6 6 + 75 9 + 3 2 + 3 3 + + 50 6 00 3 4 20 30 + 6 9 + 0 2 =.427 30 0 20 6

Jako kompromisní vybereme variantu, která má tento výraz minimální. V našem případě to bude varianta a 2. A co by se stalo, kdybychom zvolili místo aspiračních úrovní y (3) jiné aspirační úrovně y (4) = (20, 6, 75, 2, 3,, 20, 6, 0)? V takovém případě by d = a existovala by tedy jediná akceptovatelná varianta a 4, kterou bychom prohlásili za optimální. 7