You are on page 1of 14

Modelarea proceselor economice 87

Unitatea de nvare 6
MODELAREA DECIZIILOR CU MULIMI FUZZY
[ANDREICA, 1998], [BOJADZIEV, 1995], [BOUCHON, 1995], [IONESCU, 1999], [MANSUR, 1995],
*MOISIL, 1975+, *NEGOI, 1974+, *RAIU, 2001+, *RAIU, 2002+



Obiectiv
Obiectivul acestui capitol este de a defini i construi modele economice
bazate pe conceptul de mulime vag (fuzzy set, ensemble flou). Utilizarea
mulimilor fuzzy n modelarea economic permite tratarea unor fenomene
insuficient precizate, mai puin rigide, deoarece pentru elementele acestor
mulimi exist mai multe grade de apartenen intermediare ntre
apartenena total i non-apartenena. Studiile de caz prezentate
demonstreaz multiplele posibiliti de aplicare a mulimilor fuzzy n
modelarea unor procese economice.



Competenele unitii de nvare
Parcurgerea acestei uniti permite nelegerea conceptelor fuzzy i aplicarea
lor n construcia modelelor ce conduc la problema de programare liniar i la
modelarea deciziei multicriteriale.


Durata medie de parcurgere a acestei uniti de nvare este de 6 ore.

Conceptul de mulime vag (fuzzy set, ensemble flou) a fost introdus n matematic de
L.A. Zadeh n anul 1965. Concepetele fuzzy au aprut din necesitatea de a msura
cantitativ vagul, imprecisul. Academicianul romn G. Moisil dezvolt ideea de fuzzy set,
care ar putea fi neleas ca extensia unui predicat n logica cu o infinitate de valori.

Definia mulimii fuzzy (utiliznd un limbaj vag)
O mulime fuzzy este o mulime n care nu exist o tranziie brusc de la apartenena la
non-apartenena unui element la aceast mulime.
Ideea fundamental este urmtoarea: dac X este o mulime clasic, n care
apartenena este dichotomic, orice submulime X Ac poate fi identificat prin funcia
sa caracteristic:
{ } 1 , 0 : X
A
_ ,
unde ( )

e
e
=
A x
A x
x
A
, 0
, 1
_
deci, mulimea prilor lui X este n coresponden bijectiv cu mulimea funciilor

{ } 1 , 0 : X f .
88 Dorin Lixndroiu

Teoria clasic are ca model logica bivalent.
Modelul teoriei mulimilor fuzzy este logica continu. Submulimile fuzzy ale lui X sunt n
coresponden bijectiv cu mulimea de funcii: | | 1 , 0 : X f .
Dac A este o submulime fuzzy (vag) a lui X, aplicaia ] 1 , 0 [ : X f
A
se numete funcia
de apartenen a lui A.
O submulime fuzzy A este definit prin: ( ) ( ) { } X x x f x
A
e / , .

Observaii.
- n cazul particular n care
A
f nu ia dect dou valori 0 sau 1, submulimea fuzzy A
este o submulime clasic a lui X. Deci, o submulime clasic este un caz particular de
submulime fuzzy.
- Definiia mulimilor fuzzy clarific distincia dintre aleator i fuzzy : fenomenul
aleator este rezultatul incertitudinii n ceea ce privete apartenena sau non-
apartenena unui obiect la o clas; n cadrul unui fenomen fuzzy exist mai multe
grade de apartenen intermediare ntre apartenena total i non-apartenena.

Noiunea de mulime fuzzy permite tratarea:
- categoriilor cu limite definite neclar (centrul oraului, vechi)
- situaiile intermediare ntre totul i nimic (aproape negru)
- trecerea progresiv de la o proprietate la alta (de la aproape la departe)
- claselor evitnd utilizarea arbitrar a limitelor rigide (este dificil s spui c o cas
situat la 200 m de plaj este aproape, dar dac este la 210 m este departe) !

Exemple de submulimi fuzzy
Elementele lui X care posed o anumit proprietate constituie o submulime A a lui X, n
sensul cunoscut al teoriei mulimilor. Se noteaz Prop(A) proprietatea asociat.

1. Pentru Prop(A) = din regiunea parisian graficul este dat n figura 1.


Figura 1


2. Pentru Prop(A1) = departe i Prop(A2) = aproape o posibil reprezentare a
funciilor de apartenen este dat n figura 2.

Modelarea proceselor economice 89


Figura 2

De ce o posibil reprezentare ?
Din figura 2 constatm, de exemplu, pentru Prop(A2) = aproape(graficul trasat cu
albastru) c avem:

( ) 1 , 100
2
m
A
, ( ) 1 , 200
2
m
A
, ( ) 5 . 0 , 300
2
m
A
, ( ) 0 , 400
2
m
A
, ( ) 0 , 500
2
m
A


adic, pentru distane mai mari de 400 m gradul de apartenen la proprietatea
aproape este zero. Aceast reprezentare este subiectiv. Pentru o alt persoan este
posibil ca orice distan mai mic de 1 km s aib gradul de apartenen la proprietatea
aproape de 1 i gradul de apartenen 0 s nceap pentru distane mai mari de 5 km.


3. Pentru Prop(A) = este tnr n figura 3 avem o reprezentare subiectiv:


Figura 3







90 Dorin Lixndroiu

4. Pentru Prop(A) = este de vrst medie n figura 4 avem o reprezentare subiectiv:


Figura 4

5. Pentru Prop(A) = este n vrst n figura 5 avem o reprezentare subiectiv:


Figura 5


Operaii cu submulimi fuzzy

Definiia 1. Dou submulimi fuzzy A i B ale lui X sunt egale dac funciile lor de
apartenen iau aceeai valoare pentru orice element din X:
( ) ( ) x f x f X x
B A
= e , (1)

Definiia 2. Fiind date dou submulimi fuzzy A i B ale lui X, se spune c A este inclus n
B dac funciile lor de apartenen sunt astfel nct:
( ) ( ) x f x f X x
B A
s e , (2)


Modelarea proceselor economice 91

Definiia 3. Intersecia a dou submulimi fuzzy A i B ale lui X este submulimea fuzzy C,
astfel nct:
( ) ( ) ( ) ( ) x f x f x f X x
B A C
, mi n , = e (3)
min desemnnd operatorul de minimizare.

Definiia 4. Reuniunea a dou submulimi fuzzy A i B ale lui X este submulimea fuzzy D,
astfel nct:
( ) ( ) ( ) ( ) x f x f x f X x
B A C
, max , = e (4)
max desemnnd operatorul de maximizare.



Modelarea deciziei manageriale
Fie:
D - o decizie fuzzy reprezentat de funcia de apartenen
D
(x)
O - un obiectiv fuzzy cu funcia de apartenen
O
(x)
R - o restricie fuzzy cu funcia de apartenen
R
(x)
x - un element al mulimii de alternative A

Decizia vag este dat de: R O D = (figura 6)

( ) ( ) ( ) ( ) A x x x x
R O D
e = , , mi n
iar ( ) ( ) ( ) ( )
)
`

= = x x x x x
R O
x
D opt

, mi n max max | (5)



Figura 6







92 Dorin Lixndroiu

STUDIUL DE CAZ Nr. 1 Selectarea personalului [1]
Dorim selectarea unor persoane bine pregtite profesional i care s aib o stare bun
de sntate.

Notm :
A - mulimea persoanelor bine pregtite profesional
B - mulimea persoanelor avnd o stare bun de sntate
T - durata total (maxim) necesar pregtirii profesionale
P
max
- punctajul maxim

Pentru proprietatea A - bine pregtite profesional calculm urmtoarea funcie de
apartenen:
( )
max
P
p
T
t
x f
i i
i A
=
unde:
t
i
- durata pregtirii lui x
i

p
i
- punctajul obinut de x
i

Pentru proprietatea B - stare bun de sntate apartenena persoanei x
i
poate fi
stabilit prin analize, teste medicale pentru fiecare subsistem: nervos, circulator,
digestiv, visual, auditiv etc. Calculm urmtoarea funcie de apartenen:
( )
max max
2
2
max
1
1
....
s
is i i
i B
P
p
P
p
P
p
x f =
n final, calculm pentru fiecare persoan funcia de apartenen la proprietatea A i B:

( ) ( ) ( ) ( )
i B i A i B A
x f x f x f , mi n =



Ordonarea descresctoare a valorilor funciei de apartenen (3) va permite selectarea
persoanelor care ndeplinesc cele dou proprieti: bine pregtite profesional i stare
bun de sntate.


STUDIUL DE CAZ Nr. 2 Selectarea personalului [2]
[BOJADZIEV, 1995]

Pentru a ocupa un post ntr-o organizaie se prezint 5 candidai x
i
, i=1,2,,5. Acetia
formeaz mulimea de alternative A. Comitetul de selecie vrea s aleag candidatul
care satisface n cel mai mare grad obiectivele:
O
1
- experien,
O
2
- cunotine de utilizare a calculatorului,
O
3
- vrsta (ct mai tnr).
Comitetul de selecie are o restricie:
R - salariul acordat i acceptat s fie ct mai mic.
Modelarea proceselor economice 93

Dup analiza CV-urilor, scrisorilor de recomandare i desfurarea interviurilor au
rezultat urmtoarele mulimi vagi definite pe mulimea alternativelor:

O
1
= {( x
1
,0.8), ( x
2
,0.6), ( x
3
,0.3), ( x
4
,0.7), ( x
5
,0.5)}
O
2
= {( x
1
,0.7), ( x
2
,0.6), ( x
3
,0.8), ( x
4
,0.2), ( x
5
,0.3)}
O
3
= {( x
1
,0.7), ( x
2
,0.8), ( x
3
,0.5), ( x
4
,0.5), ( x
5
,0.4)}
R = {( x
1
,0.4), ( x
2
,0.7), ( x
3
,0.6), ( x
4
,0.8), ( x
5
,0.9)}

Decizia va fi dat de:
R O O O D =
3 2 1

iar funcia de apartenen
D
(x) este:

D
(x)= {( x
1
,0.4), ( x
2
,0.6), ( x
3
,0.3), ( x
4
,0.2), ( x
5
,0.3)}

Rezulatatul final: x
opt
= x
2

Candidatul x
2
are gradul de apartenen cel mai mare la cele 3 obiective i la restricia
impus de comitetul de selecie.


STUDIUL DE CAZ Nr. 3 Optimizarea structurii de producie
*RAIU, 2002+

O firm este singurul productor intern al produsului P, care se realizeaz n 3 variante:
P1, P2, P3. Stabilii pentru perioada urmtoare structura de producie care maximizeaz
gradul de satisfacere simultan a obiectivelor:
A. Obinerea unui venit ct mai mare sau ct mai aproape posibil de 3000 u.m.,
dar nu mai mic de 2800 u.m.
B. Suplimentarea cu cantiti ct mai reduse a disponibilului de resurse.
C. Realizarea produciei la nivelul cererii sau ct mai aproape de de nivelul
cererii.
Ipoteze:
I1. Cererea i preul au fost determinate prin studii de marketing.
I2. Resursele pot fi suplimentate cu maximum de 300 uniti fizice fiecare.
I3. Cererea nesatisfcut trebuie s fie mai mic de 50 uniti fizice din fiecare variant a
produsului.

Informaiile legate de consumurile unitare, resursele disponibile, cererea i preul unitar
sunt date n tabelul de mai jos:

P1 P2 P3
Resurse
disponibile
Resursa R1 3 1 3 900
Resursa R2 1 2 4 800
Cererea 200 200 150
Preul unitar 6 5 8
94 Dorin Lixndroiu

Rezolvare: Obiectivele problemei i restriciile au fost formulate vag. Se va asocia o
mulime vag fiecrui obiectiv i fiecrei restricii.

Variabilele modelului sunt:
X1 - cantitatea de produs P1
X2 - cantitatea de produs P2
X3 - cantitatea de produs P3
Construcia funciilor fuzzy i a restriciilor:
- funcia de apartenen pentru obiectivul venit:
fie: ( ) 0 ,
1 1
> > o o b x g
( )
( )
( ) ( )
( )
( )

>
< <

s
=
1 1
1 1 1
1 1
1 1
, 1
,
, 0
b x g
b x g b
b x g
b x g
x Z o
o
o
o
(6)

nlocuind n (6) se obine restricia corespunztoare venitului:

( )
Z
x x x
>
+ +
200
200 3000 8 5 6
3 2 1

Restricia 1 : 2800 200 8 5 6
3 2 1
> + + Z x x x

- funcia de apartenen pentru obiectivul resurse:
fie : ( ) 0 ,
2 2
> + s | | b x g
( )
( )
( ) ( )
( )
( )

+ >
+ < <
+
s
=
|
|
|
|
2 2
2 2 2
2 2
2 2
, 0
,
, 1
b x g
b x g b
x g b
b x g
x Z (7)

nlocuind n (7) se obine restricia corespunztoare resursei R1:

( ) ( )
Z
x x x
>
+ + +
300
3 3 300 900
3 2 1

Restricia 2: 1200 300 3 3
3 2 1
s + + + Z x x x

Analog pentru resursa R2 se obine :
Restricia 3: 1100 300 4 2
3 2 1
s + + + Z x x x
- funcia de apartenen pentru obiectivul cerere este de tipul (6):

( )
Z
x
>

50
50 200
1

Restricia 4: 150 50
1
> Z x
Analog pentru cererile produselor P2 i P3 se obin restriciile:
Restricia 5: 150 50
2
> Z x
Restricia 6: 100 50
3
> Z x
Modelarea proceselor economice 95

n final se mai adaug restriciile pentru Z:
1 0 s s Z
i condiiile de nenegativitate pentru variabilele modelului.

Funcia obiectiv este: max Z

n figura 7 se prezint datele de intrare ale problemei n modulul Linear Programming
din QM.

Figura 7

n figura 8 se dau rezultatele obinute:

Figura 8
96 Dorin Lixndroiu

Interpretarea rezultatelor:
- valoarea lui Z de 0,37 arat gradul de apartenen simultan la toate obiectivele
formulate;
- structura de producie optim este:
P1 = 180 buc. P2 = 168 buc. P3 = 118 buc.
- venitul realizat :
2800 + 0.37 x 200 = 2874 u.m.
- realizarea structurii de producie optime implic utilizarea resurselor:
R1: 1200 - 24.603 - 0.37 x 300 = 1064.397
R2: 1100 - 0.37 x 300 = 989


STUDIUL DE CAZ Nr. 4 Model de decizie multicriterial
[ANDREICA, 1998]

O firm dorete achiziionarea unui utilaj n conformitate cu exigenele procesului
tehnologic, cu urmtoarele caracteristici (atribute):
C1: pre ct mai mic (u.m.)
C2: productivitate mare (uniti fizice / unitatea de timp)
C3: cheltuieli de ntreinere mici (u.m. / unitatea de timp)
C4: consum mic de energie (unit. fizice de energie / unit. de timp)
C5: gabarit mic (mp)
Exist 6 oferte de utilaje care realizeaz operaiile tehnologice, dorite, dar avnd fiecare
alte caracteristici:

Utilaj
C1
min
C2
Max
C3
min
C4
min
C5
min
U1 12.0 19.0 0.055 2.0 1.20
U2 13.5 18.0 0.040 3.5 1.30
U3 11.0 16.0 0.050 3.8 1.00
U4 10.0 18.0 0.045 3.0 1.40
U5 10.0 20.0 0.058 2.5 1.10
U6 13.0 14.5 0.040 2.0 1.45

Din analiza datelor rezult c nici unul din utilaje nu ndeplinete simultan toate criteriile
de selecie. Deoarece cele 5 criterii au fost formulate vag, se va utiliza teoria mulimilor
fuzzy pentru fundamentarea deciziei de investiie.
Pentru realizarea investiiei, se face o analiz prealabil i se stabilete pentru fiecare
caracteristic nivelul de aspiraie i abaterea permis la aceste nivel:

C1 C2 C3 C4 C5
Nivelul de aspiraie(S) 9 20 0.04 2 1
Abaterea permis () 5 5 0.02 2 0.5
Modelarea proceselor economice 97

De exemplu, pentru criteriul C1 (de minim), se dorete (nivel de aspiraie) valoarea 9, i
se poate accepta cel mult 14 (nivel + abatere: 9 + 5= 14).
Pentru criteriul C2 (de maxim), se dorete (nivel de aspiraie) valoarea 20, i se poate
accepta cel mult 15 (nivel - abatere: 20 - 5 =15).



Graficul C1 minim Graficul C2 - maxim

Rezolvare:
Pasul 1. Fie { }
6 2 1
,..., , U U U E = mulimea utilajelor.
Definim 5 mulimi fuzzy corespunztoare celor 5 criterii de selecie;
rezult ( ) ( ) 5 ,..., 2 , 1 , 6 ,..., 2 , 1 , , = = j i U U
i C i
j

Pentru fiecare criteriu
j
C decidentul precizeaz un nivel de aspiraie
j
S fa de
care se admite o abatere 0 >
j
o .
Pasul 2. Se calculeaz gradul de apartenen al fiecrui utilaj
i
U la fiecare mulime fuzzy

j
C , astfel:
- notm cu ( )
i j
U V valoarea criteriului
j
C pentru utilajul
i
U
- gradul de apartenen pentru mulimile fuzzy se determin n funcie de tipul
criterului de selecie max / min
Pentru criteriile de minim, gradele de apartenen se calculeaz cu ajutorul
funciei:

( )
( )
( )
( )
( )

+ >
+ < <

s
=
j j i j
j j i j j
j
j i j
j i j
i C
S U V daca
S U V S daca
S U V
S U V daca
U
j
o
o
o

, 0
, 1
, 1
(8)

Pentru criteriile de maxim, gradele de apartenen se calculeaz cu ajutorul
funciei:

1
0
1
14 19
1
0
15 20
98 Dorin Lixndroiu

( )
( )
( )
( )
( )

s
< <

>
=
j j i j
j i j j j
j
i j j
j i j
i C
S U V daca
S U V S daca
U V S
S U V daca
U
j
o
o
o

, 0
, 1
, 1
(9)

Utilaj
1
C

2
C

3
C

4
C

5
C

U1 0.4 0.8 0.25 1 0.6
U2 0.1 0.6 1 0.25 0.4
U3 0.6 0.2 0.5 0.1 1
U4 0.8 0.6 0.75 0.5 0.2
U5 0.8 1 0.1 0.75 0.8
U6 0.2 0 1 1 0.1

Pasul 3. Pentru fiecare utilaj se calculeaz intersecia celor 5 mulimi fuzzy asociate
criteriilor . 5 ,..., 2 , 1 , = j C
j
Gradul de apartenen al fiecrui utilaj la intersecia
mulimilor fuzzy este dat de relaia:
( ) ( ) ( ) ( ) ( )
i C i C i C i
U U U U C C C C C
5 2 1
5 4 3 2 1
,..., , min

=


Rezult: max {0.25, 0.1, 0.1, 0.2, 0.1, 0} = 0.25

Pasul 4. Se alege utilajul cu cel mai mare grad de apartenen la mulimea intersecie a
celor 5 criterii de selecie.

Decizia: alegem utilajul U1 !
Datorit gradului mic de apartenen la cerinele solicitate, se impune analizarea
i a altor oferte.

Comentariu.
Modelul propus consider c toate criteriile analizate au aceeai importan. n
realitatea ponderile subiective acordate criteriilor de ctre decident sunt foarte
importante n stabilirea corect a ierarhiei variantelor.
Presupunem c decidentul acord ponderi diferite celor 5 criterii analizate:

( ) 05 . 0 , 2 . 0 , 15 . 0 , 2 . 0 , 4 . 0 = W
Aplicnd metoda Ponderrii simple aditive (prezentat n capitolul 4), calculm pentru
cele 6 variante:

( )

=
= =
5
1
6 ,..., 2 , 1 ,
j
ij j i
i w U f
unde
ij
reprezint gradul de apartenen al variantei (utilajului)
i
U la criteriul .
j
C
Modelarea proceselor economice 99

Obinem:
f(U1) = 0.587
f(U2) = 0.380
f(U3) = 0.425
f(U4) = 0.662
f(U5) = 0.725
f(U6) = 0.435

Ordinea de clasificare a utilajelor: U5 > U4 > U1 > U6 > U3 > U2
Decizia: alegem utilajul U5 !





Rezumat
Concepetele fuzzy au aprut din necesitatea de a msura cantitativ vagul,
imprecisul. O mulime fuzzy este o mulime n care nu exist o tranziie brusc
de la apartenena la non-apartenena unui element la aceast mulime.
Dac A este o submulime fuzzy (vag) a lui X, aplicaia ] 1 , 0 [ : X f
A
se
numete funcia de apartenen a lui A. O submulime fuzzy A este definit
prin: ( ) ( ) { } X x x f x
A
e / , .
Definiia mulimilor fuzzy clarific distincia dintre aleator i fuzzy :
fenomenul aleator este rezultatul incertitudinii n ceea ce privete apartenena
sau non-apartenena unui obiect la o clas; n cadrul unui fenomen fuzzy exist
mai multe grade de apartenen intermediare ntre apartenena total i non-
apartenena.
n cazul n care obiectivele problemei i restriciile liniare au fost formulate
vag se poate construi un model ce conduce la problema de programare liniar,
asociind o mulime vag fiecrui obiectiv i fiecrei restricii.
Dac ntr-un model de decizie multicriterial, criteriile sunt formulate vag,
se poate utiliza teoria mulimilor fuzzy pentru fundamentarea deciziei. Pentru
fiecare criteriu se stabilete un nivel de aspiraie i o abatere permis la acest
nivel. Pe baza valorilor variantelor se definesc mulimi fuzzy corespunztoare
criteriilor de selecie. Din analiza acestor mulimi fuzzy va rezulta o clasificare a
variantelor. Exist posibilitatea de a introduce n model i ponderile subiective
acordate criteriilor de ctre decident. Acestea sunt foarte importante n
stabilirea corect a ierarhiei variantelor.



Test de evaluare a cunotinelor
1. O firm realizeaz un produs n dou variante: V1 i V2, folosind dou resurse,
R1 i R2. Pentru o unitate din V1 sunt necesare dou uniti din R1 i trei uniti
din R2, iar pentru o unitate din V2 sunt necesare trei uniti din R1 i dou
uniti R2. Cantitatea disponibil din R1 este 28, iar din R2 este 22. Profitul
100 Dorin Lixndroiu

pentru o unitate din V1 este 10 u.m., iar pentru V2 este de 9 u.m.
a) Determinai planul optim de producie i profitul maxim n situaia n care
cererea zilnic stabilit pentru V2 reprezint cel puin 70% din totalul cererii
produsului. (Construii i rezolvai modelul).
b) Firma i-a stabilit ca int de profit 120 u.m. i se accept o nerealizare de cel
mult 10%. Resursa R2 poate fi suplimentat cu cel mult 6 uniti, iar resursa R1
cu cel mult 5 uniti. Determinai planul optim de producie i profitul maxim.
(Construii i rezolvai modelul).

2. O persoan dorete s cumpere un autoturism i selecteaz 4 criterii:
C1: pre ct mai mic (mii u.m.)
C2: consum ct mai mic (l/100km)
C3: cheltuieli de ntreinere mici (u.m./10000 km)
C4: grad de confort ct mai mare, nivel dotri, siguran
(apreciere pe o scal 1...20 pct., cu max = 20 pct.)
Adun 5 oferte i analizeaz prin prisma criteriilor. Din analiza datelor rezult c
nici unul din autoturisme nu ndeplinete simultan toate criteriile de selecie.

C1
min
C2
min
C3
min
C4
max
AUTO 1 12.5 5.2 45 16
AUTO 2 14.5 5.7 50 19
AUTO 3 11.0 6.2 40 17
AUTO 4 10.0 5.8 55 15
AUTO 5 10.5 5.6 45 16

Persoana studiaz, analizeaz i stabilete c la acest moment dispune de 10 mii
u.m. i ar putea suplimenta aceast sum, dar nu ar da pe main mai mult de
15 mii u.m. Legat de consum ar dori ca autoturismul s aib un consum ct mai
mic, ntre 5 i 6 l/100km. La criteriul 4 ar dori, evident, aprecierea maxim, dar
nu mai puin de 16 pct. Consider criteriul pre cel mai important, iar la celelalte
criterii le acord ponderi subiective egale de 10%. Stabilii ierarhia celor 5
autoturisme. (Construii i rezolvai modelul de clasificare)

You might also like