Professional Documents
Culture Documents
Mentor
Kandidat
mr Neeljko Dereti
Beograd, 2012.
Sadraj:
Uvodna razmatranja ...................................................................................................... 4
1.
2.1.
2.2.
2.3.
2.4.
2.5.
2.6.
2.7.
3.
4.
5.1.
5.2.
5.3.
5.4.
5.5.
5.6.
5.7.
6.
Uvodna razmatranja
Uvodna razmatranja
Promene u uslovima odluivanja prouzrokovale su da proces planiranja ciljeva kao i
planova bude mnogo odgovornije i sudbonosnije za upravljanje nekom organizacijom
nego to je ranije bio sluaj. Matematika teorija odluivanja daje mnogo precizniji uvid
a samim tim izbacila je intuiciju i rutinu pri planiranju budueg rada. Predvianje i
odluivanje je potrebno za anticipiranje promena.
Poslednjih decenija dolo je do snanog razvoja i neobine popularnosti metoda
viekriterijumske analize. Razlozi ovog fenomena su i teorijske i praktine prirode:
u teorijskom smislu viekriterijumska analiza je atraktivna jer se bavi nedovoljno
struktuiranim problemima (engl. ill structured problems),
u praktinom smislu nudi veliku pomo u reavanju svakodnevnih zadataka izbora
odluka, upravljakih akcija, alat su u projektovanju i metodolokoj podrci u
eksploataciji najraznovrsnijih sistema.
Bez obzira da li je u pitanju strategijska ili operativna odluka tj upravljaka akcija, da li
je u pitanju problem sa dominantno tehnikim ili preteno ekonomskim sadrajem, ili se
radi o multidisciplinarnom problemu, bez obzira da li je re o problemu koji se tie dela
sistema ili sistema u celini, metode viekriterijumske analize pruaju veliku pomo u
izboru pravih reenja u zadacima odluivanja upravljanja u projektovanju i eksploataciji.
Sledi nekoliko moguih primera primene viekriterijumske analize:
Menaderi u svojoj svakodnevnoj praksi, hteli to ili ne, veliki deo vremena utroe za
donoenje razliitih poslovnih odluka. Odluivanje je ukljueno u sve radne aktivnosti
koje menaderi bilo pojedinano ili timski obavljaju. Delokrug poslovnih problema je
veoma raznovrsan, tako da se od menadera oekuju valjane odluke i kada je re o
problemskim situacijama, a pogotovu u rutinskim situacijama. Pri dononoenju
poslovnih odluka pojedinac ili grupa ima pred sobom kompleksan proces odluivanja,
koji se ne moe svesti na algoritam matematikog odluivanja, programiranja, ve je to
sloena struktura koja esto podrazumeva i kriterijume zadate atributima.
Za veinu odluka u konkretnim situacijama moe vaiti napred definisana varijanta
procesa donoenja odluka pri razlaganju jedne odluke na njene delove, i da je odluke
potrebno donositi na osnovu argumentovanih injenica, moe se usvojiti, ali da i
matematiki modeli i optimizacione metode imaju znaajnu, a u nekim sluajevima i
nezamenjivu ulogu u najbitnijim fazama ovog procesa. Teko, da se neki poslovni
problem moe opisati jednom kriterijumskom funkcijom, ve je sve vie onih koji
zahtevaju upotrebu veeg broja kriterijuma.
Metode operacionih istraivanja posebno dolaze do izraaja pri razmatranju vie ciljeva,
saglasno napred navedenom zakljuku da viekriterijumski pristup predstavlja jedini
nain da se to realnije opie konkretni problem.
Uvodna razmatranja
Optimizacija ima za cilj da izvri izbor najbolje varijante iz niza moguih alternativa, ili
iz niza ponuenih alternativa, to u matematikom smislu znai traenje ekstremuma
kriterijumske funkcije. Optimizacija se vri primenom razliitih metoda, u zavisnosti od
tipa relacija u matematikom modelu, kriterijumske funkcije i ogranienja.
Matematika teorija odluivanja se upotrebljava u poslovanju i razvoju sa namerom da
se smanji neizvesnost i rizik i tako usaglasi budui razvoj.
Teorija optimizacije prouava kako da se opie i postigne ono to je najbolje, pod
uslovom da se moe meriti ono to je dobro a ta ne. Re "optimum" je sinonim za neto
to je maksimalno dobro ili maksimalno loe.
Optimizacija odreuje "najbolje" reenje odreenog matematiki definisanog problema.
Optimizacija se definie kao nauka koja odreuje "najbolje" reenje odreenog
matematiki definisanog problema. Sam zadatak optimizacije svodi se na izbor najbolje
varijante iz niza moguih ili iz niza povoljnih varijanti u smislu usvojenog kriterijuma.
Faktiki nemogue je uzeti sve uslove za formiranje matematikog problema pa se radije
analiziraju posebno delovi sistema a zatim se na osnovu dobijenih rezultata razmotri ceo
sistem.
Ova metoda praktino je nastala posle razvoja linearnog programiranja, simpleks metode
itd. U viekriterijumskoj optimizaciji elje su prikazane kriterijumima a mogunosti
ogranienjima.
Dakle, osnovni zadatak optimizacije je da se izvri izbor najbolje alternative iz niza
postavljenih varijanti imajui u obzir sva ogranienja. Zatim potrebno je uvesti pojam
kriterijumske funkcije koja mora biti specifina i da vrednosti precizno pokazuju kako
sistem funkcionie.
Za optimizaciju sistema koriste se razliite metode zavisno od tipa relacija u
matematikom modelu, kriterijumske funkcije i ogranienja. Korienjem ove linearne
transformacije ukljuuje pretpostavku linearne zavisnosti izmeu kriterijumske funkcije i
zadatih kriterijuma.
Optimizacija obuhvata samo jedan deo problema planiranja ili korienja sistema. Da bi
sa svih stanovita razmotrio problem optimizacije uzima se u obzir vie kriterijuma (ili
bar one glavne) kako bi predvianje to bolje sagledali. Traenje najboljeg reenja u
viekriterijumskom smislu jeste zadatak viekriterijumske optimizacije.
Favorizovano "najbolje" reenje ima veliku ansu da na kraju bude stvarno najbolje kao
dobar kompromis izmeu razliitih konfliktnih interesa uesnika. Takoe opstanak kao
najbolje reenje podrazumeva da nema loe kriterijumske pokazatelje zbog kojih bi ostali
predlozi imali razlog da ga ne prihvate.
Rangiranje je potrebno kad se eli odrediti raspored razliitih planiranih reenja.
Alternativno reenje moe biti bilo koje reenje (alternativa) a samim tim prednost ove
metode je izbor kriterijuma, favorizovanje pojedinih nazvanih osnovnim, odreivanje
intervala, odreivanje funkcija i dr. Sama re alternativa podrazumeva izbor od dve
ponuene varijante, u ovom sluaju re alternativa koristi se kao jedan mogui rezultat
promena uz napomenu da ih moe biti i vie.
Konano reenje mora biti jedno od dobijenih alternativa ili skup alternativa za date
vrednosti teine kriterijuma. Ako donosilac odluke nije zadovoljan alternativom ili
ukoliko oceni da su date vrednosti relativno male postoji mogunost promene
kriterijumske funkcije kao i promene intervala.
Uvodna razmatranja
Sve se ovo radi da bi se dobilo kompromisno reenje. Najbolja alternativa je ona koja
zauzima prvo mesto odnosno dovoljnu prednost nad ostalim alternativama bez obzira na
promenu kriterijuma.
U ovom radu prvo su izloene najpoznatije oblasti u kojima je odluivanje primenjivano,
bez pretenzije da taj spisak bude potpun. Isto tako prikazi tih oblasti su skoro uvek ili
preuzeti iz poznate literature koja je citirana na kraju rada ili su intepretacije iz tih knjiga
i lanaka, jedino su neka vanija mesta specijalno istaknuta tako to je tu naveden i izvor
iz koga je ba to mesto preuzeto.
Uz prikaz direktnih oblasti primene kao to su na primer razne vrste odluivanja dat je
takoe prikaz planiranja kao vane oblasti za koju odnosno zbog koje se, sve u vezi sa
odluivanjem radi. Ako je konana odluka doneta tj. usvojena je jedna alternativa kao
konana, tek tada treba poeti sa realizacijom plana i programa.
U delu koji se odnosi na viekriterijumsku optimizaciju istaknute su nove primene ove
metode odnosno kao neke nove modifikacije ove metode.
Prvo poglavlje, pod nazivom - Pojam, karakteristike i znaaj predvianja, nije ta bi
trebalo raditi u budunosti, nego ta bi trebalo uraditi danas da bi se obezbedilo da se
eljene stvari dese u uslovima neizvesne budunosti. Izbor strategije, moe biti od
prelomnog znaaja.Strategija je odluka koja obezbeuje put ili nain dostizanja
organizacionih ciljeva. Pod strategijom se esto podrazumeva i skup akcija koje
donosiocima odluka stoje na raspolaganju prilikom odluivanja.1
Drugo poglavlje, pod nazivom - Opti pojmovi i terminologija viekriterijumske
optimizacije, bavi se definisanjem osnovnih zadataka viekriterijumske optimizacije kao
npr.odreivanje metoda, kriterijuma, broj kriterijuma, broj alternativa i dr.
Vrlo je vano naglasiti cilj istraivanja kao i da se sa to manje razliitih kriterijuma
dobije sveobuhvatna i objektivna slika u skladu sa zahtevima koje nosilac odluivalja
postavlja kao cilj.
U treem poglavlju, pod nazivom - Metode viekriterijumske optimizacije, navedene
su neke od poznatih metoda za viekriterijumsku optimizaciju.
etvrto poglavlje, pod nazivom - Koncepcija i istraivanje, detaljnije dovodi do
zakljuka da sve probleme u donoenju odluka viekriterijumska optimizacija ne reava
na identian nain. Sve je to potrebno na neki nain matematiki osmisliti kao i naglasiti
redosled rada. Meutim za primenu matematikih operacija u linearnoj algebri i uopte u
raunu moraju se znati uslovi koji moraju biti zadovoljeni. Pitanje je dali psiholoke ili
subjektivne osobine imaju mogunost da budu izmerene.
Peto poglavlje, pod nazivom - Ureeni skupovi i mree, ima za cilj da naglasi
matematiki pristup odabiru najpovoljnijih alternativa.
esto poglavlje, predstavlja rad pod nazivom - Mrena metoda za viekriterijumsku
analizu, gde je pokazana jedna nova metoda za odreivanje optimalnog reenja. Primena
ove metode pokazana je na primeru Visoke poslovne kole strukovnih studija iz Blaca
kao i na jo nekoliko primera iz prakse. Novi metod je uporeen sa nekim ve dobro
poznatim metodama za viekriterijumsko odluivanje kako bi se uporedili njihovi
rezultati.
1 upi, M., Tumala R., Savremeno odluivanje, metode i primena, Beograd, 1994., str.426
1.10.1.
1.10.2.
Predvianje i planiranje
1. Predvianje i planiranje
1.1. Pojam, karakteristike i znaaj predvianja
Da bi se poboljale postojee i prevele u eljene potencijalne performanse u poslovanju
preduzea skoro redovno se naglaava nekoliko odrednica:
potreba anticipiranja konsenkvenci odluka koje se donose u sadanjosti,
kompleksnost i dinaminost sredine (okruenja) u kojoj e se one ostvarivati,
potreba aktivnog odnosa menadmenta preduzea prema izazovima iz okruenja, bilo
da su oni pozitivni za preduzee, ili pak negativni.
vizionarska koncepcija promena koje e preduzee vriti, i
spremnost da se upravlja iznenaenjima i rizicima.
Kako planiranje ne ukljuuje donoenje buduih odluka, nego se odnosi na donoenje
tekuih odluka sa projekcijom u budunost, bitno je da se kroz anticipiranje budunosti i
zauzimanje stava o buduem toku dogaaja povea stepen izvesnosti ostvarivanja
oekivanih rezultata odluka, koje se, dakle, uvek donose u sadanjosti.
"Problem je u tome koju budunost mi treba da razmatramo, kao i kako da je pretvaramo
u simultane odluke u sadanjosti."2
Oni koji imaju verovanje da e prirodni tok dogaaja dovesti sam po sebi do eljenih
stanja, i nemaju ni potrebe za predvianjem budunosti pa nemaju ni razmiljanje i
promiljanje kako da se ista iskoristi.
Planiranje je dakle, proces koji je usmeren na to da "generie" budua stanja, tj. ona
stanja koja se ele, a za koja se ne oekuje da bi se desila, ako se neto ne uini
planskom akcijom.
Otuda, planiranje ukljuuje optimistiku i pesimistiku komponentu. Optimizam se
bazira na shvatanju da se neto moe uraditi u sadanjosti da bi se poveale anse da se
eljene stvari dese u budunosti. Pesimizam lei u verovanju da, ukoliko se neto ne
preduzme sada, nije verovatno da e se eljeno budue stanje desiti.
Meu aktivnostima koje treba uraditi u sadanjosti, a u cilju poveanja izvesnosti
ostvarivanja planiranih zadataka i rezultata, dominantno mesto zauzima aktivnost
predvianja. Otuda se to predvianje definie kao:
"Istraivanje budunosti, s ciljem da se doe do pouzdanih planskih pretpostavki,
odnosno stavova o relevantnosti i prirodi dejstva eksternih i internih faktora na budue
poslovanje preduzea".3
Njegov znaaj determinisan je potrebom poveanja stepena izvesnosti realizacije
planskih odluka.
Predvianje i planiranje
Prethodna definicija predvianja ukazuje na nekoliko njegovih bitnih karakteristika:
istraivaki napor, to znai da treba da uvaava nauno zasnovane metode
istraivanja;
bavi se budunou u smislu otkrivanja ansi, odnosno ukazivanja na opasnosti koje se
formiraju u budunosti;
predvianje vezuje budunost za poslovanje preduzea s ciljem da se olaka donoenje
i realizacija planskih odluka;
predvianje podrazumeva zauzimanje stava o anticipiranim tokovima buduih
dogaaja (rezultati predvianja figuriu kao kljune premise planiranja);
osnovni smisao predvianja i planiranja jeste da se minimiziraju rizik i neizvesnost u
poslovanju.
Na osnovu toga vidi se da predvianje figurie kao nuna prethodnica procesa planiranja.
Brojni faktori afirmiu znaaj predvianja kao integralnog dela procesa savremenog
planiranja.
Posebno je znaajno biti spreman:
blagovremeno iskoristiti anse,
predvideti opasnosti,
minimizirati ih i biti svestan.
Odnosno imati na oku kretanja na podrujima kao to su:
Predvianje i planiranje
"Budunost" se nee dogoditi zato to to neko arko eli.
4 Drucker, P. "Management", Harper and Row Publishers, New York, 1973., str. 122.
Predvianje i planiranje
Predvianje i planiranje
Kada je re o odnosu prognoze i pedvianja, uobiajeno je da se koriste kao sinonimi,
iako ima pokuaja da se oni diferenciraju.
Prognoza (od grke rei prognosis = prethodno znanje, prethodno saznanje) objanjava
se kao "odreivanje ishoda nekog stanja koje je ve u toku ili u oekivanju, predvianje,
predskazivanje, zakljuivanje unapred o neemu" ili kao "predvianje kako trajanja,
tako i ishoda nekog odreenog procesa ili aktivnosti zasnovano na utvrenim podacima".
Polazei od ranije definicije predvianja za koje se kae da se bavi budunou, ali da
podrazumeva zauzimanje stava o anticipiranom toku dogaaja, proizilazi da je prognoza
vie neutralan i pasivan napor na polju istraivanja budunosti, dok je predvianje
usmereno na pripremu podloga za planiranje.
Zbog toga je realnije shvatanje koje polazi od toga da se "pod prognoziranjem
podrazumeva slobodna, neobavezna procena budueg toka dogaaja, dok je predvianje
prihvaen stav o buduem dogaaju od koga se polazi u definisanju planskih odluka".
to se tie projekcije, i nju takoe treba razlikovati od predvianja, budui da ona
predstavlja metod predvianja. Razlikuje se mehanika i analitika projekcija.
Mehanika projekcija se bazira na mehanikom produavanju tokova iz prolosti u
budunost, pretpostavljajui da nee dolaziti do diskontinuiteta u kretanju dogaaja u
budunosti. Ovakav metod predvianja se naziva i pasivnim predvianjem.
Analitika projekcija podrazumeva da se predvianje toka dogaaja u budunosti
zasniva na razumevanju uzrono-posledinih odnosa u kretanju dogaaja u prolosti i
sadanjosti, to znai da dozvoljava i drugaije kretanje dogaaja u budunosti. Ova
projekcija se naziva i aktivnim predvianjem. Naime, analitike projekcije imaju aktivan
stav prema budunosti i pouzdanije su za privredna predvianja, dok se mehanike
projekcije mogu koristiti samo za kratkorona predvianja.
Sa stanovita korienja projekcije u planiranju korisno je praviti razliku izmeu
izvetajne, eljene i planirane projekcije.
Izvetajna projekcija pomae da preduzee predvidi gde bi bilo, odnosno u kakvo stanje
svojih odnosa sa okruenjem e doi ako nita se ne menja u nainu svoga poslovanja.
eljena projekcija oslikava stanje u koje bi mogio da se doe imajui u vidu anticipirane
promene u faktorima okruenja, dok razlika izmeu ove dve projekcije ini domen
planirane projekcije. Prema tome, planirana projekcija oslikava stanje u koje je mogue
doi na bazi pretpostavljenih planskih akcija.
Proizilazi da izvetajna projekcija odgovara na pitanje gde bi preduzee bilo u odsustvu
planskih akcija, a eljena projekcija odgovara na pitanje gde bi moglo da bude ako bi
iskoristilo izazove koje nudi budunost, dok planirana projekcija odgovara na pitanje gde
moe biti imajui u vidu planirano preduzimanje akcija.
Predvianje i planiranje
Predvianje i planiranje
1.3.2. Vremenski horizont predvianja
S obzirom na to da ostvarivanje planova podrazumeva protok kraeg ili dueg
vremenskog perioda, to je u momentu njihovog donoenja nuno predvideti period bar
toliko dug da obuhvati trajnost konsekvenci planskih odluka.
"Vremenski horizont" je veliina vremenskog intervala u kome se mogu predviati
kretanja odreenih privrednih pojava, koje bitno utiu na poslovanje preduzea. On je
odreen i injenicom da se mogunost predvianja smanjuje to se vie ide u budunost,
a isto tako se smanjuje mogunost korienja prolim iskustvom to se ide dalje u
prolost.
Vremenski horizont je "budui vremenski period od kojeg dalje privredne veliine, zbog
neizvesnosti, pokazuju takvu irinu kolebanja da se vie ne mogu koristiti za
odluivanje". Radi se o intervalu koji je bitno utvrditi da bi se moglo da izvri
prikupljanje podataka i predvidi budui tok vremenskog horizonta.
Iako nije mogue precizno utvrditi granice pojedinih intervala uobiajena je podela na:
kratki, srednji i dugi rok. Shodno tome govori se o:
kratkoronom predvianju koje obuhvata period do godine dana,
srednjoronom predvianju, koje se odnosi na period od jedne do pet godina i
dugoronom predvianju koje pokriva period preko pet godina.
Kratkorono predvianje. Moe se rei da kratkorono predvianje obuhvata period koji
je dovoljno dug da se varijabilni faktori proizvodnje upotrebe u razliitim
kombinacijama, a u cilju maksimiziranja poslovnih rezultata.
Ova vrsta predvianja je osnova za pripremu kratkoronih, odnosno operativnih planova.
Znaajno je u onim delatnostima koje su pod uticajem faktora koji se regularno
pojavljuju tokom cele godine. Otuda, kratkorono planiranje obuhvata identifikovanje,
anticipiranje i dimenzioniranje uticaja faktora koji e sticajem odreenih okolnosti u tom
periodu nastupiti.
Kada je re o faktorima koji se regularno pojavljuju misli se na dimenzionisanje uticaja:
sezone,
klimatskih faktora,
godinjih odmora i kolskih raspusta,
ustaljenih kulturnih, privrednih, sportskih i politikih manifestacija,
dravnih i verskih praznika i sl.
Predvianje i planiranje
U odreenim situacijama moe se pribei i dedukciji, tj. da se polazei od optih zakona
doe do pojedinanih zakljuaka. Proizilazi da u predvianju nastupanja ovih faktora
mora da se operie sa predvianjem sa to duim vremenskim horizontom, s jedne i to
dubljim razumevanjem prirode dejstva faktora na tranju i mogunosti preduzea, s
druge strane.
Srednjorono predvianje. Sam naziv ukazuje da se radi o predvianju koje obuhvata
period vremena izmeu kratkoronog i dugoronog. Uobiajeno je da se vezuje za period
od 5 godina, iako u pojedinim granama duina ciklusa ne korespondira petogodinjem
periodu. U velikom broju grana zapaa se pojavljivanje poslovnih ciklusa koji traju 2-5
godina, koje je za razliku od uticaja sezone teko dimenzionisati zbog dueg vremenskog
perioda koji obuhvataju.
Zbog injenice da se radi o periodu u kojem se, zavisno od prirode grane, moe puno
toga dogoditi sa ili bez uzrono posledine povezanosti sa dugoronim trendom, mnogi
autori smatraju ova predvianja vrlo tekim, ali, moda najkorisnijim.
Zbog toga, upravo predvianje kretanja privrednih i drutvenih faktora u petogodinjem
vremenskom intervalu treba da omogui realnije opredeljivanje ciljeva, akcija, i uslova
koji e se ostvarivati u srednjoronom planu.
Imajui u vidu veliinu i duinu konsekvenci planskih odluka koje rezultiraju iz
srednjoronog planiranja, moglo bi se rei da se radi o kjunom intervalu vremenskog
horizonta predvianja.
Dugorono predvianje. Dugim rokom se smatra period dovoljno dug da se promene svi
faktori procesa proizvodnje. Pojam je prvi uveo Alfred Marshall, a danas se pored
kategorije dugog roka u kojem su svi faktori proizvodnje varijabilni, razlikuje i tzv. vrlo
dug period u kojem je mogue potpuno promeniti i tehnoloku osnovu proizvodnje.
Dugorono predvianje obuhvata period dovoljno dug da se sagledaju konsekvence
najradikalnijih planskih odluka. Budui da se odnosi na najdui vremenski interval i
najiri prostorni horizont, ovo predvianje ukljuuje visok stepen neizvesnosti.
Tanost predvianja uslovljena je:
Danas se u teoriji i praksi koristi veliki broj metoda i tehnika predvianja koje imaju
dobre i loe strane zavisno od podruja i duine vremenskog perioda za koje se u
predvianju koriste.
Tanost predvianja moe da bude ugroena zbog:
Predvianje i planiranje
5 Schermerhorn, J.P., Management and Organizacional Bihevior, John Willey.N. y.,1996, str. 194
6 Bulat,V., Industrijski menadment, ICIM, Kruevac., 1997., str. 245.
7 Zver, B., proces odluivanja u organizacijama udruenog rada, Informator, Zagreb, str.78
Predvianje i planiranje
Alternative izmeu kojih treba izvriti izbor i usvojiti jednu od njih kao odluku poseduju
odreenu koliinu informacija o karakteristikama konkretnog predmeta odluivanja.
Sloenost izbora odluke je obrnuto proporcionalan broju alternativa i koliini
informacija o svakoj postojeoj alternativi.
Neki autori ukazuju da se izbor moe izvriti na osnovu:
tehnike odluivanja, kada se koristi skup detalja, tehnika ili metoda.
pravila odluivanja, kada se koriste odgovarajui vodii ili testovi za prosuivanje
vetine odluivanja, tj. sposobnosti korienje tueg znanja u reavanju problema.
U raznim, konkretnim sluajevima donosi se niz odluka ali se moe prihvatiti da bilo
koja odluka pripada jednoj od tri osnovne grupe (Slika 1.1), to je saglasno sa najeim
nivoima odluivanja, a u svakoj narednoj grupi ima vie odluka nego u prethodnoj
grupi.8 Odluke se dele na:
strateke odluke, sa dugoronim posledicama,
taktike odluke kojima se sprovode strateke odluke,
operativne odluke koje nastaju kada se jedna taktika odluka dalje razlae na vie
odluka nieg nivoa.
ODLUKE
TAKTIKE ODLUKE
OPERATIVNE ODLUKE
Predvianje i planiranje
Efekti zakasnele odluke mogu biti umanjeni, odnosno imati manje ili vee tetne
posledice, a neka druga odluka bi imala optimalne rezultate.
c) Trokovi. Vrednost odluke ne moe biti manja od uinjenih trokova za njeno
pripremanje, imajui pri tome na umu da cena pogreno donete odluke moe biti vrlo
velika. Na primer: pogrene strateke odluke mogu imati dugorone negativne
posledice koje se ili ne mogu otkloniti ili neutralisanje takvih posledica traje dugo,
odnosno zahteva velike trokove, ukljuujui i trokove pripremanja novih odluka.
d) Sloenost. Razmatranje velikog broja injenica, njihova promenljivost i
zavisnost, stepen pouzdanosti podataka i njihova kompletnost, odreuju stepen
sloenosti odluke i pristup pripremanju takve odluke.
U realnim situacijama vrlo esto je prisutno da na ostvarenje cilja za koji se donosi
odluka utie veliki broj faktora i pri donoenju odluke analiziraju se samo oni faktori
koji se u tom trenutku smatraju najznaajnijim.
Na postizanje cilja odluke donete u sadanjosti deluju i faktori u budunosti koji u
trenutku donoenja odluke nisu poznati, odnosno na njih se ne moe uticati. U zavisnosti
od stepena poznavanja svih faktora pri donoenju jedne odluke razlikuje se:
odluivanje pri izvesnosti,
odluivanje pri riziku i
odluivanje pri neizvesnosti.
Malo je problema u kojima se postavlja ostvarivanje samo jednog cilja. Veina realnih
problema imaju svojstvo da se u svakom konkretnom sluaju donosi takva odluka kojom
je potrebno da se istovremeno ostvare vie ciljeva koji mogu biti i konfliktni.
Na osnovu navedenog proizilazi da odluivanje predstavlja izuzetno sloen proces i ono
moe biti dvojako:
racionalno odluivanje ili nauno odluivanje, izborom najbolje alternative na bazi
kvantitativnih analiza potrebnih podataka i informacija, odnosno, utvrivanja i
argumentovanog poreenja svih raspoloivih alternativa, koristei odgovarajue naune
metode i moderna tehnika sredstva, ili
intuitivno odluivanje, oslanjajui se na oseaj i steena iskustva u slinim situacijama
iz prakse.
Predvianje i planiranje
Prihvatljivo je posmatrati 11 faza procesa odluivanja (Slika 1.3)10 iji se sadraj i bez
detaljnih obrazloenja, moe tumaiti iz samih naziva faza. U ovom pristupu se
neposrednim procesom donoenja odluka smatraju faze 3 do 9.
Rukovodei se donoenjem jedne odluke date su i potrebne interakcije meu svim
fazama, a osenavanjem faza 5 do 7 oznaava se da mnogi autori ove faze ne razdvajaju,
ve ih smatraju jednom od bitnijih faza u procesu donoenja odluka.
U sluajevima kada nema odluke povratna sprega moe da vodi do bilo koje od faza od 5
do 7.
Predvianje i planiranje
Razlaganjem odluka u sutini, nastaje novi proces donoenja odluka. Time se postie
proces odluivanja, ali se istovremeno doprinosi uspenijem sprovoenju osnovne
odluke, imajui vee mogunosti kontrole, analize posledica i korekcije niih odluka u
realnim problemima.
Vrlo esto su prisutne i situacije kada jednom doneta odluka o odreenom problemu ne
mora ostati u prvobitnom obliku, ve na osnovu analize trenutno aktuelnih uslova u
sistemu i njegovom okruenju, nastaje potreba sprovoenja jedne od narednih mera:
da se prethodna odluka u manjoj ili veoj meri dopuni ili
da se prethodna odluka u potpunosti zameni, ili
da se prethodna odluka zameni odlukom o drugom odnosno novom problemu.10
Predvianje i planiranje
Formulacija problema,
Izrada matematikog modela koji reprezentuje realni sistem,
Izbor i primena metode i izbora algoritma i programa za raunar,
Testiranje modela dobijenog reenja,
Implementacija.
U inenjerskoj praksi planiranja sistema koristi se prilaz "diskretnih modela" kada se,
umesto izrade sveobuhvatnog matematikog modela, projektuju varijantna reenja. Za
ovakav prilaz postupak reavanja optimizacionog problema ima sledee faze11:
1.
2.
3.
4.
5.
6.
7.
8.
Formulisanje problema,
Prikupljanje podataka o sistemu,
Definisanje kriterijuma za vrednovanje alternativnih reenja,
Formulisanje alternativnih reenja,
Vrednovanje alternativa,
Optimizacija - izbor najbolje alternative,
Zavrno projektovanje i
Implementacija.
Predvianje i planiranje
Predvianje i planiranje
Predvianje i planiranje
x k = x k 1
f ( x k 1 )
f ' ( x k 1 )
xk = xk 1 {G ( xk 1 )} V f ( xk 1 )
1
2 f
(xi x j ) .
f
f
= 0 ; j = 1,2,...n Jednaine
= 0 ; j = 1,2,...n proizilaze iz
x j
x j
potrebnog uslova za optimalno reenje. Reavanjem ovih jednaina dobijaju se
stacionarne take i posebnim analizama treba utvrditi koja od njih je traeni maksimum
(optimum).
- Reavanje jednaina
Predvianje i planiranje
- Varijacioni raun i reavanje Euler-ove (Ojlerove) jednaine za zadatke optimalnog
upravljanja
Metode varijacionog rauna su razvijene za reavanje kontinualnih dinamikih zadataka.
Opti problemi sa jednom promenljivom u varijacionom raunu je nai ekstremum
funkcionala.
b
J ( y ) = f ( x , y , y' )dx
a
promenljive
'
1
'
2
'
n
jednaina:
d f f
= 0; i = 1, 2, ..., n .
dx yi' yi
- Linearno programiranje
Linearno programiranje je metoda za reavanje zadataka optimizacije koji koriste
matematiki model sastavljen od linearne kriterijumske funkcije i sistema linearnih
jednaina ili nejednaina kojim je zadat skup ogranienja. Zadatak se sastoji u nalaenju
minimuma ili maksimuma kriterijumske funkcije uz zadovoljenje datih ogranienja.
Matematika formulacija zadataka linearnog programiranja ima sledei oblik:
n
min c j x j
j =1
max f ( x )
g ( x ) = 0 ; i = 1,..., m
Predvianje i planiranje
Sreivanjem jednaina jedna promenljiva xj izraava se eksplicitno preko ostalih n 1 i
zamenjuje se u kriterijumskoj funkciji. Time se zadatak svede na zadatak sa n 1
promenljivom i bez jednog ogranienja.
Ponavljanjem postupka eliminacije i zamene varijabli zadatak se konano svede na
zadatak sa n m varijabli bez ogranienja. Ovaj postupak moe se primeniti i za
eliminaciju ogranienja u vidu nejednaina, meutim ona se ree primenjuje.
- Metoda Langranovih multiplikatora
Ova metoda se moe primeniti za reavanje sledeeg zadatka:
max f ( x )
g ( x ) = 0 ; i = 1,..., m
Uvoenjem Langranove funkcije (Langranzijana L) zadatak se svede na zadatak bez
ogranienja proiren Langranovim multiplikatorima (i).
Reava se sledei zadatak:
m
max f ( x ) i g i ( x)
i =1
h( x ) 0;
j = 1,2,...r
i =1
j =1
hj
F ( x ) = f ( x ) + K 1 i g i2 ( x ) + K
Predvianje i planiranje
- Dinamiko programiranje
Dinamiko programiranje je metoda reavanja zadataka u kojima postoji takozvani
viestepeni proces odluivanja. Osnova dinamikog programiranja je rekurentna relacija
koja se razvija za svaki optimizacioni zadatak posebno. Moe se primeniti za
odreivanje optimuma u statinim i dinaminim zadacima. Prisustvo ogranienja tipa
a x b olakavaju numeriki postupak, ali ogranienja tipa g i ( x) (= ili )0 oteavaju
primenu dinaminog programiranja.
g ( x ) (= ili )0
- Iterativno zadovoljavanje ogranienja
Praktian prilaz u reavanju nelinearnih zadataka je da se rei zadatak bez ogranienja
zatim se testira da li dobijeno reenje x + zadovoljava ogranienje. Ako su ogranienja
zadovoljena za x + ono je i optimalno reenje zadatka sa ogranienjima. U suprotnom
zadatak nije reen i reavanje zadatka se nastavlja primenom neke od navedenih metoda
za svoenje zadatka sa ogranienjima na zadatke bezuslovne optimizacije.
13 Zaglavlje svakog broja renomiranog englenskog asopisa za naunu oblast operaciona istraivanjeJournals of Operational Research
ekonomski,
tehniki,
tehnoloki,
socijalni i
ekoloki.
Prema nameri donosioca odluke, odnosno prema problemu koji treba da rei,
viekriterijumski zadaci se klasifikuju u sledee tri grupe:
zadaci viekriterijumske optimizacije kojima se reavaju problemi odreivanja
podskupa reenja koja zadovoljavaju odreene uslove i/ili izbora jednog reenja iz ovog
podskupa,
zadaci viekriterijumskog ili vieatributnog rangiranja kojima se reavaju problemi
odreivanja potpunog ili deliminog redosleda, rang liste, reenja koja pripadaju
konanom i prebroivom skupu;
zadaci viekriterijumske ili vieatributne selekcije kojima se reavaju problemi izbora
odreenog broja reenja koja pripadaju konanom i prebrojivom skupu.14
gde su:
a 2 f 21 f 22
... ...
... ...
a m fx m1 f m 2
... f 1n
... f 2 n
... ...
... ...
... f mn
rij = x ij :
xij2
rij = 1 x ij :
za max f j
x ij2
)(
za max fj
)(
lij = x max
x min
: x j x min
za min f j max f j
j
j
j
gde su:
x max
= max (xij , i = 1, 2, ..., m ) ; = min (xij , i = 1, 2, ..., m ) .
j
3.11.
3.12.
3.13.
metoda PROMETHEE,
ciljno programiranje,
metoda ELECTREE,
metoda surogat vrednosti razmene.
Lp ( F *, F )=
[f
n
i =1
*
i
f i ( x)
,1 p
f (x
n
i =1
( p)
x +( p ).
R '( F ( x ) , p )= f i f i ( x )
i =1
= {F (x ) / x X }
Kompromisno reenje kao funkcija parametara p ima sledee osobine:
- Postoji kompromisno reenje za svako p 1 ako je dopustivi skup ( ) kompaktan.
- Za vrednost parametara p , 1 p kompromisno reenje je jednostavno ako je
konveksno.
- Kompromisno reenje je Pareto optimalno ili neinferiorno za p , 1 p a najmanje
jedno reenje F +( p ) je neinferiorno za p = .
- Kompromisno reenje F +( p ) je kontinualno za p ,1 p .
- Kontinualno je i za p =1 (ili p =) ako je jedinstveno.
Osnovna karakteristika kompromisnog programiranja je da se reenje zadatka VKO
odreuje minimizacijom odstupanja od idealne take prema usvojenoj meri rastojanja
ukljuujui sve kriterijume.
A* = { Ai
xij
x max
j
, x max
= max xij .
j
i
- NAIN I
x min
j
xij
x min
= min xij .
j
i
xij x min
j
x max
x min
j
j
- NAIN II
x max
xij
j
x max
x min
j
j
A* = { Ai
je koeficijent pesimizma-optimizma, 0 1 .
Uvoenjem teinskog koeficijenta , vre se izbor u kojoj meri mogu biti pesimisti,
odnosno optimisti:
=1 max-max metoda,
=0 max-min metoda.
A* = { Ai
j =1
Wj
W
j =1
Kn
x11
x21
x12
x22
x1j
x2j
x1n
x2n
xij
xin
xm1
xm2
Am
xmj
xi2
xi1
Ai
Kj
K2
X=
K1
A1
A2
m n
xmn
R = rij
rij =
m n
normalizovani
podaci
normalizovana
matrica
x ij
m
x ij2
i =1
Wj
W
j =1
A+ = max vij j K ' i min vij j K ' ' = v1+ , v2+ , ..., v +j ,..., vn+ , i = 1,2,..., m
i
i
K ' K K ' je podskup skupa K koga ine kriterijumi tipa max.
K ' ' K K ' ' je podskup skupa K koga ine kriterijumi tipa min
A = min vij j K ' i max vij j K ' ' = v1 , v2 , ..., v j ,..., vn , (i = 1,2,..., m)
i
i
Korak 4. - raunanje udaljenosti (euklidsko rastojanje) svake alternative od
idealnog i antiidealnog reenja;
Si+ =
(v
Si =
(v
j =1
ij
j =1
ij
v j ) 2
Ci =
Si
, 0 Ci 1.
Si + Si+
Ci = 0
Ci = 1
pp
n
R(F(x),p,)= ip f i* f (x )
i =1
e( f i ) =
d ij
(f
=
1 n d ij
J
ln j =1 Si
*
i
f ij
d ij
ln
Si
, i = 1,...., n
Di
gde je:
dij - j ta diskretna vrednost (j=l,,J) i te funkcije odstupanja,
Di duina opsega (ako nije potrebna transformacija onda je Di=1),
fij j ta vrednost i te kriterijumske funkcije,
Si oznaava sumu vrednosti Si=jdij
(1 e( fi )) ; i = 1,..., n
(n E )
gde je:
E = ei ( f i )
i =1
0,
ako ... f (a ) f (b)
P ( a, b) =
P[ f (a ) f (b)]. ako... f (a ) > f (b)
Radi kraeg pisanja uvodi se oznaka d , d = f ( a ) f (b) . Postoji est tipova funkcije
preferencije i to:
I "Jednostavan" kriterijum
0, ako ... d 0
P ( a, b) =
1. ako... d > 1
II Kvazi kriterijum
0, ako ... d 0
P ( a, b) =
1. ako... d > q
P ( a, b) = d ,
p
1.
ako ... d 0
ako ... 0 < d p
ako... d > p
0,
P ( a, b) = 1 ,
2
1.
ako ... d 0
ako ... 0 < d p
ako... d > p
ako ... d 0
ako ... 0 < d p
ako... d > p
VI Gausov kriterijum
0, ako ... d 0
P ( a, b) =
d2
2 ako... d > q
1 e 2 .
KVAZI KRITERIJUM
KRITERIJUM SA LINEARNOM
PREFERENTNOU
STEPENASTI KRITERIJUM
PARAMETRI
____
p, q
KRITERIJUM SA LINEARNOM
PREFERENTNOU
p, q
OBLAU INDIFERENTNOSTI
GAUSOV KRITERIJUM
( a, b) =
P ( a , b) Z ;
Z
h =1
h =1
0 ( a, b) 1
gde je:
Z h - relativni znaaj (teina) kriterijuma, pa ako su razliite teine onda se (a, b)
rauna kao ponderisana, a ne kao prosta aritmetika sredina.
Ph (a, b) - funkcija preferentnosti koja se za a u odnosu na b definie kao:
0,
ako ... f (a ) f (b)
P ( a, b) =
P[ f (a ) f (b)]. ako... f (a ) > f (b)
H ( x) =
P(a, b). ako x < 0
Postoji est tipova funkcije tzv. generalisanih kriterijuma (Tabela 3.1) koji su najee u
praktinim primenama, gde nosilac odluivanja odreuje najvie dva parametra.
Da bi se dobio konaan rang upotrebljavanih alternativa potrebno je po izvrenom izboru
preferencijskih funkcija i parametara, uz uvaavanje zahteva za maksimizacijom ili
minimizacijom, odrediti indekse preferencije i uvrstiti ih u tabelu indeksa preferencije.
Indeks preferencije (a, b) daje veliinu preferencije alternative a u odnosu na b , i to
je blii 1, to je vea preferencija. Za (a, b) = 1 izraena je stroga preferentnost ( P )
alternative a u odnosu na b .
Vrednost indeksa preferencije odreuju dijagram za rangiranje. Za alternativu a ,
definie se:
izlazna vrednost toka: + (a ) = (a, x) i
xK
x K
( a ) = + (a ) ( a ) .
Za reavanje problema odluivanja moe se koristiti i proiren modifikovan pristup
metode PROMETHEE.
H ( x) =
1. ako x > p
gde su:
-parametar brzine, odnosno intenziteta preferencije (0 < < );
p -granica preferencije.
U zavisnosti od eljenog intenziteta preferencije, koji hoe da iskae, nosilac odluivanja
bira vrednost parametara i odreuje granice preferencije.
Univerzalna preferencijska funkcija kojom se mogu izraziti jo kompleksniji zahtevi ima
ovakav oblik:
p ,
m
ako x p
(1 m )
H ( x ) = m +
( x p ) , ako p < x q
(
)
q
ako x > q
1.
gde su:
i - parametri brzine - intenziteta preferencije (0<<; 0<<),
p - granica promene brzine - intenziteta preferencije,
q granica preferencije i
m parametar.
4.11.
4.12.
Koncepcija i istraivanje
4. Koncepcija i istraivanje
4.1. Koncepcija
Viekriterijumska optimizacija vue koren iz ekonomskih nauka, danas viekriterijumska
optimizacija i odluivanje imaju veliku primenu u mnogim sistemima a posebno u
sistemima industriskih postrojenja. Detaljnije razmatranje dovodi do zakljuka da ni sve
problemske situacije viekriterijumske optimizacije nisu po svojoj strukturi i
dimenzijalnosti meusobno identine. Otuda izlaganje o viekriteriumskom odluivanju
poije klasifikacijom problemskih situacija a nastavlja klasifikacijom sagledanih
koncepata i metoda za viekriterijumsko odluivanje te analizom njihove upotrebljivosti.
Potrebno je svaku problemsku situaciju odluivanja, nakon njenog formulisanja,
matematiki opisati i na neki nain naglasiti kao bitan redosled alternativa, donosiocu
odluke.
Strukturni oblici rada:
Centralizovano odluivanje
Antagonistiko odluivanje
Hijerarhistiko odluivanje
Centralizovano odluivanje ukljuuje nivo odluivanja donosiocu odluke (moe biti
jedan ili vie osoba sa iskustvom, autoritetom i odgovornou stvarnih odluka) i nivo
analize (tim analitiara) (Slika 4.1).18
KORISNIK
ANALITIARI
Koncepcija i istraivanje
Postoji vei broj matematikih metoda namenjenih za generisanje alternativa u okviru
viekriterijumske analize, a najvie su prikazani linearnim modelom. (Elans, Steuer
(1973); Eskor, Kuada (1978); Yu, Elenu (1975); Eal (1977); Gal, Leberling (1977 i
1981) Isernant (1974) itd.
Antagonistiko odluivanje doivelo je znaajan uspon u posledljih 20-30 godina
meutim jo uvek je retko primenjivan. Ovakav vid odluivanja prestavlja situaciju koju
karakterie meusobna nezavisnost uesnika u postupku (Slika 4.2).19
DONOSILAC
ODLUKE
DONOSILAC
ODLUKE
ANALITIARI
ANALITIARI
DONOSILAC LOKALNE
ODLUKE
DONOSILAC LOKALNE
ODLUKE
SUBSTANCIJALNI
MODEL 1.
SUBSTANCIJALNI
MODEL 2.
Koncepcija i istraivanje
Predstavljanje strukture (Slika 4.4)21 karakteristina je po tome da je lice sa gornjeg
nivoa potpuno informisanoo interesima lica sa nieg nivoa ali bez mogunosti uticaja na
njih.
DONOSILAC
ODLUKE
DONOSILAC LOKALNE
ODLUKE
DONOSILAC LOKALNE
ODLUKE
4.2. Istraivanje
Meu matematikim metodama za podrku odluivanju a na osnovu kojih analitiari
obrazlau poredak, postoje razliiti bazni koncepti za izgradnju modela i nalaenje
najpovoljnijih alternativa.Ti pristupi su holistiki i analitiki.
Holistiki pristup se bazira na principu da identifikacija informacije nije potrebna pre
donoenja odluke, to dovodi do zakljuka da holistike pretpostavke i intuicija, imaju
znaajnu ulogu.
Obzirom da je, po svojoj prirodi, vrlo ogranien u primeni u primenjenim naunim
disciplinama, ovde nee biti detaljnije razmatran.
Analitiki pristup garantuje sistemsku evaluaciju moguih alternativa i to pre donoenja
konanih odluka.
Meu analitike principe se svrstavaju:
Koncepcija i istraivanje
Koncept Pareto optimalnosti - Istorijski gledano, ovaj koncept je najstariji, primenjivan
pri viekriterijumskoj analizi raznih problemskih situacija. (Pareto (1896)).
Ovo reenje je prisutno onda kada je poboljanje jednog cilja mogue samo na raun
pogoranja drugih ciljeva.
Koncept funkcije korisnosti - Funkcija korisnosti je ista mamematika tvorevina i
pokazala se veoma pogodnom u svim onim sluajevima kada se mogla dokazati i
upotrebiti. Koncept maksimizacije funkcije ima teorecku i matematiku osnovu te je
prihvaen kao put za analitiko donoenje odluke. Ovaj princip odluivanja primenljiv je
u novim situacijama i podrazumeva analizu i onih alternativa koje u praksi mogu biti
inferiorne.
Koncept zadovoljavajueg reenja - Polazi se od toga da svi oni koji donose odluke
(menaderi, inenjeri, preduzetnici,...) ne sprovode stvarno optimizaciju, jer nemaju
dovoljno ni vremena ni informacija. Meutim, sa razvojem raunarske tehnologije,
otrina mnogih kritika na raun optimizacije je ublaena. ak je ublaen i uticaj
nedostatka informacija.
Koncept planom uslovnog odluivanja - Pretpostavlja se da odreeni ciljevi imaju
prioritet i da moraju biti dostignuti. Samim tim ovo je viekriterijumski pristup za
donoenje odluke pod pretpostavkom da su pojedini kriterijumi dominantni u odnosu na
druge.
Imajui u vidu da ni jedan od ovih metoda nije idealan i prihvatljiv bezuslovno u svim
situacijama i dalje se radi na razvijanju novih metoda viekriterijumskog odluivanja
koje su esto kombinacije razliitih koncepcija iz svih prethodno nabrojanih metoda,
upravo se u svim novim metodama uglavnom pokazuje, da se iskoriste dobre strane tih
metoda.
Redovno se deava da je jedna alternativa bolja od druge u smislu jednog kriterijuma
dok je druga bolja od prve po drugom kriterijumu. Reeenje problema predstavlja
nalaenje kompromisnog reenja. Da bi doneli takvu odluku neophodno je poreati
alternative definisanje odgovarajuim kriterijumima kao i odrediti teinske koeficijente u
odnosu na sve druge kriterijume. Posle toga za svaki kriterijum se odreuje da li je
potrebno izabrati alternativu tako da kriterijum bude minimalan ili maksimalan. U
zavisnosti ocene svih parametara odreuje se i metoda koa e se koristiti za reavanje
problema.
Meutim izgradnja matematikih temelja bilo koje naune discipline zahteva
identifikaciju uslova koji moraju biti zadovoljeni da se omogui primena matematikih
operacija u linearnoj algebri i uopte u raunu. Identifikacijom ovih uslova pokazano je
da klasina merenja i ocena teorije, ukljuujui i korisnost teorije, ne mogu sluiti kao
matematiki temelj teoriji odluivanja, u teoriji igara, ekonomiji ili drugim naunim
disciplinama, jer ne zadovoljavaju potrebne uslove. Matematike osnove drutvene
nauke kao discipline, ukljuujui i ekonomske teorije, zahtevaju primenu matematikih
operacija koje nisu fizike promenljive, tj promenljive kao to su vrednosti koje opisuju
psiholoke ili subjektivne osobine.
Da li psiholoke osobine mogu biti merene (i samim tim da li matematike operacije se
mogu primeniti na psiholoke promenjive) je diskutovao odbor koji je imenovan u 1932
od strane britanskog udruenja za unapreenje nauke, ali suprotna miljenja u ovoj
raspravi nisu pominjani u zavrnom izvetaju u komitetu za 1940 god.
Koncepcija i istraivanje
Godine 1944, teorija igara je predloena kao pravi instrument sa kojima se razvijaju
teorije ekonomskog ponaanja, gde je program teorije da su sredstva za merenje
prednost.
Samo odreivanje i tumaenje operacije korisnosti teorije, koja se koristi za izgradnju
skale korisnosti vodi sutinska protivrenost i da operacije sabiranja i mnoenja nisu
primenljive na vrednostima korisnosti razmera. Uoavaju se dodatni nedostaci korisnosti
teorije koja pokazuje se nepodobnom da slui kao matematiki temelj za ekonomiju ili
druge teorije.
22 J. Barzilai, Avoiding MCDA Evaluation Pitfalls, in Real Time and Deliberative Decision Making, Igor Linkov, Elizabeth Ferguson, Victor S. Magar (Eds.),
NATO Science for Peace and Security Series C - Environmental Security, Springer, pp. 349353, 2008.
23 Jonathan Barzilai, Game Theory Foundational Errors Part III, Technical Report, Dept. of Industrial Engineering, Dalhousie University, pp. 14, 2009.
Koncepcija i istraivanje
Svrha preslikavanja od strane M je da omogui primenu matematikih operacija na
elementima matematikog sistema M : Kako reito kae Campbell', "Predmet merenja je
da se omogui mono oruje matematikoj analizi i to treba primeniti na predmet
nauke".24 U smislu ovih pojmova, osnovne elemente gledita su saeti u kontekstu
merenja gde se tvrdi da za psiholoke promenljive nije mogue konstruisati funkciju koja
odraava empirijski rad, jer empirijski (ili "praktini) rad tada nije definisan, ako
empirijski rad ne postoji, tada i njegova matematika refleksija ne postoji.
U okviru matematikog modeliranja od sutinske vanosti je omoguiti primenu
matematikih operacija, empirijski objekti su odreeni matematikim objektima na
kojima se izvode ove operacije. U matematikom smislu, ove funkcije preslikavanja su
sa skupa empirijskih objekata na skup matematikih predmeta (to su obino realni
brojevi). Imajui u vidu dva skupa, veliki broj preslikavanja iz jednog u drugi mogu biti
konstruisani, od kojih se ne odnose na karakterizaciju osobina pod merenjem: date
osobine moraju biti odlije empirijske operacije koje su specifine za ovu imovinu i ove
imovinsko-specifine empirijski operacije se zatim reflektuju na odgovarajue operacije
u matematiki model. Merenja skale su one vrednosti koje odraavaju specifine
empirijske operacije koje karakteriu datu imovinu u odgovarajue operacije u
matematiki model. Zbog toga, izgradnja merenja zahteva veliinu da je vrednost
specifine empirijske operacije identifikovana i ogleda se u matematikom modelu.
tavie, operacije treba da se biraju kako bi se postigao cilj ove konstrukcije koja je
primena matematikih operacija u matematikom modelu.
24 Jonathan Barzilai, Value of a Game, Notices of the American Mathematical Society,No.1-4,p., 2006.
25 Ohn von Neumann and Morgenstern, Theoru of Games and Ekonomik Behav ior, Princeton Universitu Pres 1974.
Koncepcija i istraivanje
Traiti empirijsku operaciju koja podraava "centar gravitacije", rad, rad su
identifikovali sada poznati korisnosti teorije konstruisanja lutrije na "nagrade", da slui u
tu svrhu. Von Neumann i Morgenstern je jedinstvenost argumenta i teita rada su
centralni elementi njihove korisnosti teorije koja je formalizovana u aksiomama. Ova
teorija je na osnovu teorije igara koja, zauzvrat, bio je da slui kao matematiki temelj
ekonomskoj teoriji. Razraena na fon Nojman i Morgenstern konceptu, Stivens je
predloio jedinstvenost baza klasifikacije "Skale tip" i koncentrisao se na pitanja o
mogunosti merenja psiholokih promenjivih i primenu matematikih operacija u skali
vrednosti se preselio na izgradnju "Interval" skale, odnosno koje su jedinstvene i do
zbirnih konstanti i pozitivne multiplikativne konstante.
Koncepcija i istraivanje
Koncepcija i istraivanje
26 John R.Hicks, Value and Capital,Second Edition, Ohford Universitu Press 1946.
Koncepcija i istraivanje
Neka se razmotri problem maksimiziranja funkcije u ( x1 , x2 ,...xn ) , predmet korisnosti
= 0 za i =1,2,, n
xi
xi
koji podrazumeva
u g
u g
==
xi xi
x j x j
za sve i, j , i stoga je
u u g g
x j xi x j xi
(1)
x j
j xi
(2)
xi
x j
u
x
xi
x j
g
x
u
x
xi
x j
g
x
za sve i, j
(3)
*
*
*
x * = x1 , x 2 ,...x n
27 Jonathan Barzilai, Measurement and Preference Funstion ModellingInternational Transactions jn Operational Research,Vol. 12, 2006..
Koncepcija i istraivanje
U specijalnom sluaju jednog budetskog ogranienja p1 x1 + p2 x2 + ... + pn xn = b , gde je
cena pi dobra za svako i ,
xi
x j
pj
g g
=
x j xi
pi
i reenje zadovoljava
p1 x1 + p 2 x 2 + ... + p n x n = b
*
xi
x j
u
xi
pj
pi
za svako i, j.
(4)
Kada je broj promenljivih vei od dve, sistem jednaina se ne moe reiti nijednom
metodom u dvodimenzionalnom prostoru, jer sa leve strane poslednja jednaina (4)
zavisi od svih n nepoznatih . Na primer, mogu se konstruisati porodice krive
indiferentnosti u ravni, gde su fiksne promenljive x3 ,..., xn , ali mora biti x3 ,..., xn
*
indiferentnih krivih koje odgovaraju reenju vrednosti x3 ,..., xn , ali ove vrednosti nisu
poznate. Konstatujui ponovo da funkcija korisnosti y nije eliminisana u jednaini (4) i
da ova jednaina je izvedena pomou operacije diferencijacije koja se ne primenjuje na
red korisne funkcije, zakljuuje se da Hiksova "Generalizacija u sluaju mnogih roba"
nema osnova.
Vrativi se jednaini (2), uz napomenu da f ( x1 , x2 ,..., xn ) i F ( x1 , x2 ,..., xn ) imaju iste
veliine povrina (ali sa razliitim izvodima) i po pravilu lanca, ako su oba F i
f ( x1 , x2 ,..., xn ) diferencijabilna onda je:
xi
x j
F( f )
x
xi
x j
f
x
(5)
Koncepcija i istraivanje
Ako je operacijama sabiranja i mnoenja omogueno da budu u matematikom
sistemu M ove operacije moraju biti tu i definisane.
Empirijski sistem E onda mora da je opremljen sa odgovarajuim operacijama kako bi
osobine iz M bile i u modelu E .
Matematiki sistem sa apsolutnom nulom ili jedinicom nije homogen, koji specijalno
razlikuje elementi za razliku od drugih. S druge strane, poto postojanje apsolutne nule
za empirijske sisteme koje karakteriu subjektivna svojstva nisu uspostavljena, oni
moraju biti modeli u homogenim matematikim sistemima. Skupovi koji su opremljeni
sa operacijama sabiranja i mnoenja, ukljuujui i inverzne operacije kao i oduzimanje i
deljenje, se izuavaju u apstraktnoj algebri i nazivaju se polja. Poto je svrha modeliranja
da omogui primenu matematikih operacija, mogu se razvrstati skale prema vrsti
matematikih operacija. Ovde se koriste termini odgovarajue skale za oznaavanje mere
gde su operacije sabiranja i mnoenja omogueni na skali vrednosti, kao i da oznai
situacije gde merenje za ove operacije nije mogue. Ova podela je od fundamentalnog
znaaja, ako se na umu ima princip reflrksije da su svi modeli u literaturi slabi jer su
zasnovani na operacijama koje ne odgovaraju sabiranju i mnoenju.28
Koncepcija i istraivanje
Refleksivnost,
Simetrinost,
Antisimetrinost,
Tranzitivnost.
onda i relacija
(x
y x y).
x y
5.7. Mrea
Mrea je ureen skup (L, ) u kome za svaka dva elementa a i b postoji inf {a, b} i
sup{a, b}.
Mrea se moe definisati i kao algebarska struktura L, sa dve operacije , sa sledeim
svojstvima:
x, y L,
x y = yx
x y = y x
zakon komutativnosti;
x ( y z ) = (x y ) z
x ( y z ) = ( x y ) z zakon asocijativnosti;
x (x y ) = x
x (x y ) = x
zakon apsorpcije.
6.
predstavljena kao n torka ai = (ai1 , ai 2 ,..., ain ) , ili ekvivalentno, ai = (aik )k =1 , gde
svaka koordinata a ij , j {1,2,..., n} je broj koji nije negativan realan i broj koji
n
k (a , b ) = Z k (a , b )
bk a k
1k 0 k
kp (a, b ) =
j 1
1
j 1
Z ( p , p )
i =1
i +1
( p , p ) ( p , p ) = 0 za sve,
i =1
i +1
i +1
odnosno i {1,2,..., j} ,
to je ekvivalentno
kp (a, b ) =
j 1
1
j 1
Z ( p , p )
i =1
i +1
( p , p ) p
i =1
i +1
k +1,i
p ki
1k 0 k
Poevi kao alternativa a , do alternative b se moe doi preko vie razliitih staza u
L sa odgovarajuim tekuim prioritetnim teinama, tako da je definisana prednost
alternativne b nad alternativom a u odnosu na kriterijum ck kao to sledi
k (a , b ) = ( k (a , b ))nk =1
D1(a) =
1
n
z . (a,1)
k=1
k=1
D0 (a) =
z . (0, a).
1
n
z
k =1
k =1
Primer 6.1.1. Ovo je jedan hipotetiki primer u kome je pokazan prethodno opisan
metod grafiki. Posmatrane su alternative A = {a1 , a2 , a3 , a4 } i neka su procenjene nizom
kriterijuma C = {c1 , c2 , c3 , c4 } kako je prikazano u narednoj tabeli (Tabela 6.1).
Tabela 6.1 Poetni podaci za primer 6.1.1.
c1
c2
c3
c4
a1
70
80
a2
65
80
a3
65
75
a4
60
80
A R + se definie kao:
1, za ak bk
Z k (a, b ) =
0, za ostalo
Odgovarajue razdaljine su predstavljene u tabeli 6.2, koji indukuju grafik dat na slici
6.1. Dakle, alternativa a2 je najbolji izbor, alternativa a1 i a 4 su ravnoduni, odnosno,
oni su podjednako dobar izbor, i a3 je najgori izbor izmeu svih njih.
Tabela 6.2 Rezultati za primer 6.1.1.
a1
a2
a3
a4
D1
0.5
0.375
0.75
0.5
D2
0.5
0.625
0.25
0.5
0.25
-0.5
7.
c1 : Mogunost zapoljavanja.
a1
a2
a3
a4
a2
a3
a4
c3 : Duina studiranja.
a1
a2
a3
a4
10
a2
a3
a4
c1
c2
c3
c4
a1
a2
10
a3
a4
ai
(7, 7, 10, 8)
(0.6, 0.5, 1, 1)
(9, 8, 10, 7)
(1, 1, 1, 0)
A4 (9, 8, 8, 7)
(1, 1, 0, 0)
A2 (4, 6, 10, 7)
(0, 0, 0.5, 0)
A3 (7, 7, 9, 8)
(0.6, 0.5, 0.5,1)
(4, 6, 9, 7)
(0, 0, 0.5, 0)
(7, 7, 8, 7)
(0.6, 0.5, 0, 0)
A1 (6, 6, 8, 8)
(0.4, 0, 0, 1)
(6, 6, 8, 7)
(0.4, 0, 0, 0)
(4, 6, 8, 7)
(0, 0, 0, 0)
11
2,6 = 0,2167
43
D0 (a1 ) =
11
1,4 = 0,1750
42
D(a1 ) = 0,0417
D1 (a 2 ) =
11
3,5 = 0,4375
42
D0 (a 2 ) =
11
0,5 = 0,0625
42
D(a 2 ) = 0,3750
D1 (a 3 ) =
11
1,4 = 0,1750
42
11
1 1
D0 (a3 ) = max
2,6;
2,6 = 0,325
43
4 2
D (a 3 ) = 0,15
D1 (a 4 ) =
11
2 = 0,25
42
D0 (a 4 ) =
11
2 = 0,1667
43
D(a 4 ) = 0,0833
Dobijene vrednosti predstavljene su u tabeli 7.2. i na osnovu njih je dobijen konaan
poredak.
Tabela 7.2 Potpuni poredak za primer 7.3.1.
D ( i )
a1
a2
a3
a4
0,1750
-0,3750
0,1500
-0,0833
c1
c2
c3
c4
a1
a2
10
a3
a4
ai
Reenje:
S a1 : (9 6) (9 4 ) + (8 6) (8 6 ) + (10 8) (10 8) + (8 8) (8 7 ) =
S a21
3
+ 1 + 1 + 0 = 2,6
5
: (9 4) (9 4) + (8 6) (8 6) + (10 10) (10 8) + (8 7) (8 7 ) = 1 + 1 + 0 + 1 = 3
S A1 : (9 7) (9 4 ) + (8 7) (8 6 ) + (10 9) (10 8) + (8 8) (8 7 ) =
2 1 1
+ + + 0 = 1,4
5 2 2
S A1 : (9 9) (9 4 ) + (8 8) (8 6 ) + (10 8) (10 8) + (8 7) (8 7 ) = 0 + 1 + 1 + 0 = 2
Dobijene vrednosti su date u tabeli 7.4. i na osnovu njih se dobija potpuni poredak.
Tabela 7.4 Konani rezultati za primer 7.3.2.
S ( i )
a1
a2
a3
a4
2.6
1.4
Primer 7.4.1. Neka je dat skup alternativa A = {a1 , a2 ,..., a8 } koji je procenjen na osnovu
kriterijuma C = {c1 , c2 ,..., c7 }.
Alternative kao i kriterijumi odabrani su iz materijala iz priloga 1.
Ocene koje su odreene su subjektivne, mogu se menjati, mogu se poveati odnosno
smanjivati pomou teinih koeficijenata tako to e neke alternative imati vei odnosno
manji relativni znaaj. Studijski programi su preuzeti iz informatora Visoke poslovne
kole strukovnih studija iz Blaca kao i podsmerovi koji student bira prilikom upisa u
drugu godinu.
Raunarstvo i informatika:
- a1 : Informacione tehnologije,
- a 2 : Softverski ininjering,
Finansije i raunovodstvo:
- a 3 : Bankarstvo i osiguranje,
- a4 : Raunovodstvo,
Porezi i carine:
- a 5 : Porezi i budet,
- a 6 : Carina,
Menadment i internacionalna biznis administracija:
- a 7 : Menadment proizvodnje i usluga,
- a 8 : Internacionalna biznis administracija,
Kriterijumi (Deskriptivni pristup):
- c1 : Opte obrazovni predmeti,
- c2 : Struni predmeti,
- c3 : Struni aplikativni predmeti,
- c4 : Praksa,
- c5 : Potrebe privrede,
- c6 : Atraktivnost u sadanjosti , tradicionalna zainteresovanost za ovu vrstu studija,
- c7 : Atraktivnost u narednom periodu- procene.
c1
c2
c3
c4
c5
c6
c7
a1
a2
a3
a3
a5
a6
a7
a8
c4 - praksa se odreuje za svaki smer i spada u red najtee izvodljivih delova nastave
pogotovo za pojedina usmerenja- gde ak kod nas i nema tradicije za ta usmerenja
c 5 - Kada je privreda u loem stanju(kakva je kod nas)teko je govoriti o nekim
0.6,0.5,0.6, 1, 0.05
8,8,8,8,6,5,4
0, 0, 0, 0, 0, 0, 0
6, 7, 6, 5, 5, 5, 4
0.3, o
.5,0.31, 1,
7,8,7,7,7,5,7
0.3, 0, 0, 0.3,0,0.3,0.8
7,7,6,6,5,8,7
6,7,7,5,8,8,7
0, 0, 0.3,0,0.7,0.7,0.7
0, 0, 0.3, 0, 0.3,0, 0
6,7,7,5,6,5,4
0, 0, 0.3, 0, 0.7,0.7, 0
1,0.5,0.6,1,1,0,0.8
0.3,0.5,0.3,0.6,0.7,0.7,0.6
6,7,7,5,8,8,8
6,7,7,6,8,8,7
8,8,8,8,6,9,4
0.6,0.5,0.3
,0.6,0.7,0.3,0.8
9,8,8,8,9,5,8
0.3,1,1,0.6,0,0.7,0,6
8,8,7,7,7,6,8
0,0,0.3,0.3,0.7,0.7,0.8
7,8,7,7,7,8,7
7,7,6,6,6,8,9
7,9,9,7,5,8,7
0.6,0.5, 0.6,1,0.3,1,1
1, 1, 1, 0.6, 1,0.7,1
6,7,7,6,8,8,8
8,8,8,8,6,9,9
8,8,7,7,7,8,8
8,8,8,8,8,9,9
9,9,9,7,9,8,9
1, 1, 1, 0.6, 1,0.7,1
9,9,9,7,9,8,9
1, 1, 1, 1, 1, 1, 1
9, 9, 9, 8, 9, 9, 9
11
2.8 = 0,133
73
D0 (a1 ) =
11
4,2 = 0,200
73
D0 (a2 ) =
11
3 , 6 = 0 ,1171
73
11
3,4 = 0,161
73
D (a 2 ) = D1 (a 2 ) D0 (a 2 ) = 0,010
D1 (a3 ) =
11
4,3 = 0,205
73
D0 (a 3 ) =
11
2,6 = 0,124
73
11
2,1 = 0,100
73
D0 (a 4 ) =
11
4,9 = 0,233
73
D (a 4 ) = D1 (a 4 ) D0 (a 4 ) = 0,133
D1 (a 5 ) =
11
3,2 = 0,152
73
D0 (a5 ) =
11
3,8 = 0,181
73
D (a 5 ) = D1 (a 5 ) D0 (a5 ) = 0,029
D1 (a 6 ) =
11
3 = 0,143
73
11
4 = 0,190
73
D (a 6 ) = D1 (a 6 ) D0 (a 6 ) = 0,047
D1 (a 7 ) =
11
4,2 = 0,190
73
D0 (a 7 ) =
11
2,8 = 0,133
73
D (a 7 ) = D1 (a 7 ) D0 (a 7 ) = 0,057
D1 (a8 ) =
11
4,6 = 0,219
73
D0 (a8 ) =
11
2,4 = 0,114
73
(i )
a1
a2
a3
a4
a5
a6
a7
a8
-0,067
0,010
0,081
-0,133
-0,029
-0,047
0,057
0,105
a4
a1
a6
a5
a2
a7
a3
a8
7, 9, 9, 7, 7, 8, 7
7, 9, 9, 7, 6, 8, 9
9, 9, 9, 7, 9, 8, 9
7, 8, 7, 7, 7, 8, 9
8, 8, 8, 8, 8, 9, 7
1, 1, 1, 0.6, 1,0.7,1
a1 , a2 , a3 , a6 , a7 , a8 ........................3
a4 , a5 ,...........................................2
6, 7, 7, 6, 8, 8, 7
6, 7, 7, 6, 6, 8, 4
6, 7, 6, 5, 5, 5, 4
8, 8, 7, 7, 7, 5, 8
6, 7, 7, 5, 8, 8, 8
6, 7, 7, 5, 8, 8, 7
6, 7, 7, 5, 6, 8, 4
6, 7, 7, 5, 6, 8, 4
0, 0, 0.3,0,0.7,0.7,0.7
0, 0, 0.3,0,0.2,0.7 0
0, 0, 0.3,0.3,0.2,0.7,0
7, 7, 6, 6, 5, 8,7
0.3, 0, 0, 0.6,0.2,0.7,0.6
0.3,0,0,0.3,0,0.7,0,6
7, 7, 6, 6, 5, 8, 7
0.3, 0, 0, 0.3, 0,0.7, 0.6
7, 8 , 7, 7, 5, 8, 7
0.3,0.5, 0.3,0.6,0,0.6,0.6
8, 8, 8, 8, 6, 9, 4
0.6,0.5, 0.6,1, 0.2,1, 0
9, 8, 8, 8, 9, 5, 8
1,0.5,0.6,1,1,0,0.8
6, 7, 7, 6, 8, 8, 8
0,0,0.6, 1,0.3,0.5,0.8
7, 8, 7, 7, 7, 8, 7
8, 8, 7, 7, 7, 6, 8
0.6,0.5,0.3,0.6,0.5,0.3,0.8
7, 7, 6, 6, 6, 8, 9
0.3, 0, 0, 0.3, 0.2,0.7,1
8, 8, 8, 8, 8, 9, 8
0.6,0.5,0.6,1,0.3,1,0.8
0.3,0.5,0.3,0.6,0.5,0.7,0.6
0.3,1,1,0.6,0,0.7,0,6
8, 8, 8, 8, 8, 9, 8
0.6,0.5, 0.6, 1, 1, 1, 0.8
0.3, 1, 1, 0.6, 1,0.7,1 0.3, 0.5,0.3, 0.6,0.5,0.7,1 0.6, 0.5, 0.6, 1, 0.7,1,0.6
7, 9, 9, 7, 5, 8, 7
0.3,1,1, 0.6,0.5,0.7,0.6
7, 9, 9, 7, 7, 8, 9
1, 1, 1, 1, 1, 1, 1
9, 9, 9, 8, 9, 9, 9
11
2.8 = 0,133
73
D0 (a1 ) =
11
4,2 = 0,200
73
D0 (a 2 ) =
11
3 , 6 = 0 ,1171
73
11
3,4 = 0,161
73
D (a 2 ) = D1 (a 2 ) D0 (a 2 ) = 0,010
D1 (a3 ) =
11
4,3 = 0,205
73
D0 (a 3 ) =
11
2,6 = 0,124
73
11
2,1 = 0,150
72
D0 (a 4 ) =
11
4,9 = 0,350
72
D (a 4 ) = D1 (a 4 ) D0 (a 4 ) = 0,200
D1 (a 5 ) =
11
3,2 = 0,229
72
D0 (a5 ) =
11
3,8 = 0,271
72
D (a 5 ) = D1 (a 5 ) D0 (a5 ) = 0,042
D1 (a 6 ) =
11
3 = 0,143
73
D0 (a 6 ) =
11
4 = 0,190
73
D (a 6 ) = D1 (a 6 ) D0 (a 6 ) = 0,047
D1 (a 7 ) =
11
4,2 = 0,190
73
D0 (a 7 ) =
11
2,8 = 0,133
73
11
4,6 = 0,219
73
D0 (a8 ) =
11
2,4 = 0,114
73
(i )
a1
a2
a3
a4
a5
a6
a7
a8
-0,067
0,010
0,081
-0,200
-0,042
-0,047
0,057
0,105
a4
a1
a6
a5
a2
a7
a3
a8
9, 9, 9, 8, 9, 9, 9
D1 (a1 ) =
11
2.8 = 0,200
72
D0 (a1 ) =
11
4,2 = 0,300
72
8,8,7,7,6,6,4
0.6, 0.5, 0.3, 0.6, 0.3, 0.3,0
0, 0, 0, 0, 0, 0, 0
6, 7, 6, 5, 5, 5, 4
7,7,6,6,6,5,8
6,7,7,5,8,8,8
6,7,7,5,8,8,7
0, 0, 0.3,0,0.7,0.7,0.7
1,0.5,0.6,1,1,0,0.8
0.3,0.5,0.3,0.6,0.7,0.7,0.6
7,8,7,7,5,8,7
8,8,8,8,6,9,4
9, 8, 8 , 8, 9, 5 , 8
0.3,1,1,0.6,0,0.7,0,6
7,8,7,7,7,8,7
6,7,7,6,8,8,7
0,0, 0.3,0.3,0.7,0.7, 0.6
8,8,7,7,7,6,8
0.6,0.5,0.3,0.6,0.7,0.3,0.8
7,7,6,6,6,8,9
0.3, 0, 0, 0.3, 0.25,0.7,1
6,7,7,6,8,8,8
0,0,0.3,0.3 ,0.7,0.7,0.8
8,8,8,8,7,9,8
0.6, 0.5,0.6, 1, 0.5,1,0.7
7,9,9,7,5,8,7
9,8,8,8,9,8,9
7,9,9,7,7,8,7
1, 1, 1, 1, 1, 1, 1
D0 (a 2 ) =
1 1
3 , 6 = 0 , 257
7 2
11
3,4 = 0,243
72
D (a 2 ) = D1 (a 2 ) D0 (a 2 ) = 0,013
D1 (a 3 ) =
11
4,3 = 0,307
72
D0 (a 3 ) =
11
2,6 = 0,185
72
D (a3 ) = D1 (a 3 ) D0 (a 3 ) = 0,122
D1 (a 4 ) =
11
2,1 = 0,150
72
D0 (a 4 ) =
11
4,9 = 0,350
72
D (a 4 ) = D1 (a 4 ) D0 (a 4 ) = 0,200
D1 (a 5 ) =
11
3,2 = 0,229
72
D0 a ( A5 ) =
11
3,8 = 0,271
72
D (a 5 ) = D1 (a 5 ) D0 (a5 ) = 0,042
D1 (a 6 ) =
11
3 = 0,214
72
D0 (a 6 ) =
11
4 = 0,288
72
D (a 6 ) = D1 (a 6 ) D0 (a 6 ) = 0,074
D1 (a 7 ) =
11
4,2 = 0,300
72
D0 (a 7 ) =
11
2,8 = 0,200
72
D (a 7 ) = D1 (a 7 ) D0 (a 7 ) = 0,100
D1 (a8 ) =
11
4,6 = 0,329
72
11
2,4 = 0,171
72
(i )
a1
a2
a3
a4
a5
a6
a7
a8
-0,100
0,013
0,122
-0,200
-0,042
-0,074
0,100
0,158
a4
a1
a6
a5
a2
a7
a3
a8
Primer 7.4.2. Kroz ovaj primer pokazan je redosled alternativa u prethodnom primeru
koje daju neke od poznath metoda viekriterijumske analize. Neto je izmenjen raspored
alternativa to je pokazano samim reavanjem primenom nekih drugih metoda. Jedna od
najvie primenjivanih metoda u odluivanju problema u poslovnom odluivanju je i
metoda Kompromisnog rangiranja.
U ovom radu korien je koncept i oznaka koje je upotrebio dr Opricovi jer su iste
oznake uglavnom odomaene u naoj literaturi i praksi. U tom smislu navedene su
osnovne ideje od kojih se polo u nalaenju kompromisnog reenja.Reenje koje je
najblie idealnom na osnovu usvojene mere rastojanja naziva se kompromisnim
reenjem Opricovi S., Viekriterijumska optimizacija, Nauna knjiga, Beograd, 1986,
str.45.
Minimizacijom ove metode odreuje se kompromisno reenje. Najee se kao mera
rastojanja od idealne take koristi metrika.
pp
n
L p F * , F = f i* f i ( x ) , 1 p
i=1
Q j = v(S j S * ) / (S S * ) + (1 v )(R j R * ) / (R R * );
j = 1,2,...J
gde je:
)(
S j = wi f i n f ij / f i * f i
i =1
R j = max wi ( f i * f ij )/ ( f i* f i )
S * = min S j ;
j
S = max S j ;
j
R = min R j ;
j
R = max R j ;
j
f i * = max f ij ;
i = 1,2,...n
f i = min f ij ;
i = 1,2,...n
c1
c2
c3
c4
c5
c6
c7
a1
a2
a3
a3
a5
a6
a7
a8
Reenje:
Sa1 : (9 7) (9 6) + (9 9) (9 7) + (9 9) (9 6) + (8 7) (8 5) + (9 5) (9 5) + (9 8) (9 5) +
2
1
1 2
+ (9 7) (9 4) = + 0 + 0 + + 1 + + = 2,647
3
3
4 5
S a2 : (9 7) (9 6) + (9 8) (9 7) + (9 7) (9 6) + (8 7) (8 5) + (9 7) (9 5) + (9 8) (9 5) +
2 1 2 1 2 1
+ (9 9) (9 4) = + + + + + + 0 = 2,91
3 2 3 3 4 4
Sa3 : (9 7) (9 6) + (9 7) (9 7) + (9 6) (9 6) + (8 6) (8 5) + (9 6) (9 5) + (9 8) (9 5) +
2
2 3 1
+ (9 9) (9 4) = +1 + 1 + + + + 0 = 4,334
3
3 4 4
S a4 : (9 9) (9 6) + (9 8) (9 7 ) + (9 8) (9 6) + (8 8) (8 5) + (9 9) (9 5) + (9 5) (9 5) +
+ (9 8) (9 4) = 0 +
1 1
1
+ + 0 + 0 + 1 + = 2,003
2 3
5
S a5 : (9 8) (9 6) + (9 8) (9 7) + (9 7) (9 6) + (8 7) (8 5) + (9 7) (9 5) + (9 6) (9 5) +
1 1 2 1 2 3 1
+ (9 8) (9 4) = + + + + + + = 3,881
3 2 3 3 4 4 5
Sa6 : (9 8) (9 6) + (9 8) (9 7) + (9 8) (9 6) + (8 8) (8 5) + (9 6) (9 5) + (9 9) (9 5) +
1 1 1
3
+ (9 4) (9 4) = + + + 0 + + 0 +1 = 2,916
3 2 3
4
Sa7 : (9 6) (9 6) + (9 7) (9 7) + (9 7) (9 6) + (8 6 (8 5) + (9 8) (9 5) + (9 8) (9 5) +
2 2 1 1 2
+ (9 7) (9 4) = 1 + 1 + + + + + = 4,234
3 3 4 4 5
Sa8 : (9 6) (9 6) + (9 7) (9 7) + (9 7) (9 6) + (8 5) (8 5) + (9 8) (9 5) + (9 8) (9 5) +
2
1 1 1
+ (9 8) (9 4) =1 + 1 + + 1 + + + = 4,367
3
4 4 5
Dobijene vrednosti iz tabele 7.8 daju potpuni poredak.
Tabela 7.10 Konani rezultati za primer 7.4.2.
(i )
a1
a2
a3
a4
a5
a6
a7
a8
2,647
2,910
4,334
2,003
3,881
2,916
4,234
4,367
a4
a1
a2
a6
a5
a7
a3
a8
c1
c2
c3
c4
c5
c6
c7
Relativni znaaj
zahtev
max
max
max
max
max
max
max
a1
a2
a3
a3
a5
a6
a7
a8
Donosilac odluke treba da odabere preferencijske funkcije koje najbolje mogu da izraze
specifinosti upotrebljenih kriterijuma. Usvajanjem preferenciskih funkcija i parametara
stvaraju se uslovi da se izvri rangiranje uporeivanih alternativa korienjem postupaka
definisanih PROMETHEE metodom (slika 7.5.).
Relativni
znaaj
Kriterijm
Zahtev
maxmin
c1
max
ij ( x ) =
c2
max
ij ( x ) =
za
max
0
1
ij ( x ) =
2
1
za
x3
0
x
ij ( x ) =
3
1
za
x=0
c3
c4
c5
c6
1
c7
max
max
max
max
ij ( x) = ij (k (a ) k (b) )
0 za
1 za
x=0
0 za
1 za
x<0
x >1
x 1
x <1
za 1 x < 3
za 0 < x < 3
za
x3
0
za
x <1
x 1
ij ( x ) =
za 1 x < 3
2
za
x3
1
1 ex 1
2 e 1
1 1 ln(
e 1) + 2 e
ij ( x ) = +
1
2 2
1
za
za 1
za
ex 1
ij ( x ) = e 1 za 0 x < 0
1
za
x 1
(a 1 , a 2 ) = 0 + 1 1 + 2
1
+ 0+ 0+ 0+ 0 = 2
2
1
(a 1 , a 3 ) = 0 + 1 2 + 3 1 + 1 + 0 + 0 + 0 = 5 , 33
3
(a 1 , a 4 ) = 0 + 1 1 + 1 0 + 0 + 0 + 3 1 + 0 = 4
(a 1 , a 5 ) = 0 + 1 1 + 2
1
+ 0 + 0 + 3 1 + 0 = 5
2
1
(a 1 , a 6 ) = 0 + 1 1 + 1 + 0 + 0 + 0 + 3 1 = 4 , 5
2
1
1
(a 1 , a 7 ) = 1 1 + 2 1 + 2 + 1 + 0 + 0 + 0 = 3 , 33
2
3
1
1
(a 1 , a 8 ) = 1 1 + 2 1 + 2 + 2 + 0 + 0 + 0 = 4 , 66
2
3
(a 2 , a 1 ) = 0 + 0 + 0 + 0 + 2
1
+ 0 + 0 =1
2
1
1
(a 2 , a 3 ) = 0 + 1 1 + 1 + 1 + 1 0 + 0 + 0 = 1 , 83
2
3
(a 2 , a 4 ) = 0 + 0 + 0 + 0 + 0 + 3 1 + 0 = 3
(a 2 , a 5 ) = 0 + 0 + 0 + 0 + 0 + 2 1 + 0 = 2
(a 2 , a 6 ) = 0 + 0 + 0 + 0 + 1 0 + 0 + 3 1 = 3
(a 2 , a 7 ) = 1 1 + 1 1 + 0 + 1 0 + 0 + 0 + 0 = 2
(a 2 , a 8 ) = 1 1 + 1 1 + 0 + 2
2
+ 0 + 0 + 0 = 3 , 33
3
(a 3 , a 1 ) = 0 + 0 + 0 + 0 + 1 0 + 0 + 2 1 = 2
(a 3 , a 2 ) = 0 + 0 + 0 + 0 + 0 + 0 + 2 1 = 2
(a 3 , a 4 ) = 0 + 1 1 + 2
1
+ 0 + 0 + 3 1 + 1 1 = 6
2
(a 3 , a 5 ) = 0 + 0 + 0 + 0 + 0 + 2 1 + 1 1 = 3
(a 3 , a 6 ) = 0 + 0 + 0 + 0 + 0 + 0 + 5 1 = 5
(a 3 , a 7 ) = 0 + 0 + 0 + 0 + 0 + 0 + 2 1 = 2
(a 3 , a 8 ) = 1 1 + 0 + 0 + 1
1
+ 0 + 0 + 1 1 = 2 , 33
3
(a 4 , a 1 ) = 2 1 + 0 + 0 + 1
1
+ 4 1 + 0 + 1 1 = 7 , 33
3
(a 4 , a 2 ) = 2 1 + 0 + 1 1 + 1 1 + 2 1 + 0 + 1 1 = 5 ,83
2
3
(a 4 , a 3 ) = 2 1 + 1 1 + 2 1 + 2 1 + 3 1 + 0 + 0 = 7 , 66
2
3
(a 4 , a 5 ) = 1 1 + 0 + 1 1 + 1 1 + 2 1 + 0 + 0 = 2 ,83
2
3
2
(a 4 , a 6 ) = 1 1 + 0 + 0 + 2 2 + 3 1 + 0 + 4 1 = 9 , 33
3
(a 4 , a 7 ) = 3 1 + 1 1 + 1 1 + 2 2 + 1 0 + 0 + 1 1 = 6 ,83
2
3
(a 4 , a 8 ) = 3 1 + 1 1 + 1 1 + 3 1 + 1 0 + 0 + 0 = 7 , 5
2
(a 5 , a 1 ) = 1 1 + 0 + 0 + 0 + 2 1 + 0 + 1 1 = 4
(a 5 , a 2 ) = 1 1 + 0 + 0 + 0 + 0 + 0 + 1 1 = 2
(a 5 , a 3 ) = 1 1 + 1 1 + 1
1
1
+ 1 + 1 0 + 0 + 0 = 2 ,83
2
3
1
(a 5 , a 4 ) = 0 + 0 + 0 + 0 + 0 + 0 + 1 = 0 , 33
3
1
(a 5 , a 6 ) = 0 + 0 + 0 + 0 + 1 + 0 + 4 1 = 4 . 33
3
(a 5 , a 7 ) = 2 1 + 1 0 + 0 + 1 0 + 0 + 0 + 1 1 = 3
(a 5 , a 8 ) = 2 1 + 1 0 + 0 + 2 1 + 0 + 0 + 0 = 4
(a 6 , a 1 ) = 1 1 + 0 + 0 + 1
1
1
+ 1 0 + 1 + 0 = 1 . 83
3
2
1
1
1
(a 6 , a 2 ) = 1 1 + 0 + 1 + 1 + 0 + 1 + 0 = 2 , 33
2
3
2
1
2
1
(a 6 , a 3 ) = 1 1 + 1 1 + 2 + 2 + 0 + 1 + 0 = 4 , 83
2
3
2
(a 6 , a 4 ) = 0 + 0 + 0 + 0 + 0 + 0 + 4 1 = 4
(a 6 , a 5 ) = 0 + 0 + 1 0 + 1
1
+ 0 + 3 1 + 0
3
1
2
(a 6 , a 7 ) = 2 1 + 1 1 + 1 + 2 + 0 + 1
2
3
1
(a 6 , a 8 ) = 2 1 + 1 1 + 1 + 3 1 + 0 + 1 1
2
= 3 . 83
1
+ 0 = 5 . 33
2
+ 0 = 7 ,5
1
1
+ 0 + 2 + 0 + 0 = 1,5
2
2
(a 7 , a 4 ) = 0 + 0 + 0 + 0 + 0 + 3 1 + 0 = 3
(a 7 , a 5 ) = 0 + 0 + 0 + 0 + 1 0 + 2
(a 7 , a 6 ) = 0 + 0 + 0 + 0 + 2
1
+ 0 =1
2
1
+ 0 + 3 1 = 4
2
(a 7 , a 8 ) = 0 + 0 + 0 + 1
1
+ 0 + 0 + 0 = 0 , 33
3
(a 8 , a 1 ) = 0 + 0 + 0 + 0 + 3 1 + 0 + 1 1 = 4
(a 8 , a 2 ) = 0 + 0 + 0 + 0 + 1 0 + 0 + 1 1 = 1
(a 8 , a 3 ) = 0 + 0 + 1
1
1
+ 0 + 2 + 0 + 0 = 1, 5
2
2
(a 8 , a 4 ) = 0 + 0 + 0 + 0 + 0 + 3 1 + 0 = 3
(a 8 , a 5 ) = 0 + 0 + 0 + 0 + 1
1
1
+ 2 + 0 = 1 . 33
3
2
1
(a 8 , a 6 ) = 0 + 0 + 0 + 0 + 2 + 0 + 4 1 = 5
2
(a 8 , a 7 ) = 0 + 0 + 0 + 0 + 0 + 0 + 1 1 = 1
a1
a2
a3
a4
a5
a6
a7
a8
a1
5,33
4,5
3,33
4,33
a2
1,83
3,33
a3
2,33
a4
7,33
5,83
7.66
2,83
9,33
6,83
7,5
a5
2,83
0,33
4,33
a6
1,83
2,33
4,83
3,83
5,33
7,5
a7
1,5
0,33
1,5
1,33
a8
( ) = (a , X )
x k
( ) = ( X , a )
xk
a1
a2
a3
a4
a5
a6
a7
a8
+ (i )
28,49
16,16
22,33
47,31
20,49
29,65
12,83
16,83
(i )
23,16
15,16
25,48
23,33
19,00
35,16
32,49
29,32
Dobijene vrednosti su date u tabeli 7.14. i na osnovu njih se dobija potpuni poredak.
Tabela 7.14 Vrednosti istog toka
(i )
a1
a2
a3
a4
a5
a6
a7
a8
6,33
-3,15
23,98
1,49
-5,51
-10,66
-12,49
a4
a1
a2
a5
a3
a6
a7
a8
Primer 7.4.4. Neka je dat skup alternativa A = {a1 , a 2 ,..., a 8 , a 9 } koje se procenjuju na
osnovu kriterijuma C = {c1 , c 2 ,..., c7 }.
Alternative kao i kriterijume odabrani su iz materijala iz priloga 1.
Ocene koje su odreene su subjektivne, mogu se menjati, mogu se poveati odnosno
smanjivati pomou teinih koeficijenata.
Ovde su uzeti sve isti parametri kao u prethodnom primeru sa napomenom da je dodat
turizam kao alternativu zajedno sa ocenama.
Raunarstvo i informatika:
- a1 : Informacione tehnologije,
- a 2 : Softverski ininjering,
Finansije i raunovodstvo:
- a 3 : Bankarstvo i osiguranje,
- a4 : Raunovodstvo,
Porezi i carine:
- a 5 : Porezi i budet,
- a 6 : Carina,
Menadment i internacionalna biznis administracija:
- a 7 : Menadment proizvodnje i usluga,
- a 8 : Internacionalna biznis administracija,
- a 9 : Turizam.
Kriterijumi (Deskriptivni pristup)
- c1 : Opte obrazovni predmeti,
- c2 : Struni predmeti,
- c3 : Struni aplikativni predmeti,
- c4 : Praksa,
- c5 : Potrebe privrede,
- c6 : Atraktivnost u sadanjosti , tradicionalna zainteresovanost za ovu vrstu studija,
- c7 : Atraktivnost u narednom periodu- procene,
c1
c2
c3
c4
c5
c6
c7
a1
a2
a3
a3
a5
a6
a7
a8
a9
c4 - praksa se odreuje za svaki smer i spada u red najtee izvodljivih delova nastave
pogotovo za pojedina usmerenja- gde ak kod nas i nema tradicije za ta usmerenja
c5 - Kada je privreda u loem stanju(kakva je kod nas)teko je govoriti o nekim
potrebama. Ovo je vie hipotetiko pitanje.
c6 - Atraktivnost u sadanjosti se odnosi na tradicionalna shvatanja koja postoje u svakoj
populaciji o pojedinim zanimanjima i ovde je dat pregled tih vrednosti.
c7 - Ovde je dato jedno predvianje to e se deavati u budunosti pre svega se misli
na mogunost prelaza sa deskriptivne ekonomije na izuavanje matematike ekonomije
(to je u razvijenom svetu na ozbiljnim mestima sadanjost).
78777789
9888998
9888968
8888798
1,0.5,0.3,1,1,1,0.8
9888998
1,0.5,0.3,1,1,1,0,8
8878889
8877758
8877664
6765554
7877654
0.3,0.5,0.3,0.3,0.3,0,0
7766587
0.6,0.5,0.3,0.6,0.5,0,0.8 0.6,0.5,0.3,0.3,0.3,0
0.3,0,0,0.3,0,0.6,0.6
7766687
0.3,0,0,0.3,0.3,0.7,0.6
7877587
0.3,0.5,0.3,0.6,0,0.6,0.6
0.3,0.5,0.3,0.6,0.5,0.7,0.6
0.3,0,0,0.3,0,0.7,0.6
77788888
6775888
0.3,0,0.3,1,0.7,0.7,0.6
7778887
0.3,0,0.3,1,0.7,0.6,0.8
6775887
0,0,0.3,0,0.5,0.7,0.6
6775787
0,0,0.3,0.3,0.7,0.6,0.8
6777888
0.3,0.5,0.3,0.6,0.5,0.7,0.6
7877787
0,0,0.3,0,0.7,0.7,0.8
0,0,0.3,0,0.7,0.6,0.6
0.6,0.5,0.6,1,0.3,1,0
7877787
1,0.5,0.6,1,1,0,0.8
0.3,0.5,0.3,0.6,0.5,0.7,0.6
8888694
7766587
9888958
6776887
0,0,0.3,0.3,0.7,0.7,0.6
8877768
0.6,0.5,0.3,0.6,0.5,0.3,0.8
7766689
0.3,0,0.3,0.3,0.7,0.6
6776888
0.6,0.5,0.3,0.6,0.5,0.7,1
8877789
0.6,0.5,0.3,1,0.7,0.6,1
0.3,0,0,0.3,0.3,0.7,1
7877787
7997587
7997787
0.3,1,1,0.6,0.5,0.6,1
7997789
0.3,1,1,0.6,0.5,0.6,1
7997789
1111111
9998999
0.3,0.5,0.3,0.6,0,0.7,0.6
7 8 77 5 8 7
0.3,0,0,0.3,0.3,0,0
0.3,0,0,0.3,0,0,0.6
0 0 0 0 0 0 0
6 7 6 5 5 5 4
67 7 56 8 4
7 7 6 6 6 5 4
7 7 6 6 5 5 7
0,0,0.3,0.3,0.3,0.7,0
6 7 7 6 6 8 4
0.6,0.5,0.3,0.6,0.5,0.3,0
0.3,0,0,0.3,0.3,0,0.8
0,0,0.3,0,0.7,0.7,0.6
6 7 75 8 87
0,0,0.3,0,0.7,0.7,0.8
8 8 7 77 64
0.6,0.5,0.6,1,0.3,1,0
1,0.5,0.6,1,1,0,0.8
7 7 7 8 88 7
0.3,0,0.3,1,0.7,0.7,0.6
6 7 7 58 8 8
0,0,0.3,0.3,0.7,0.7,0.6
77 6 6 6 5 8
0.3,0.5,0.3,0.6,0.5,0.7,0.6
7 7 78 8 88 8
0.3,0,0.3,1,0.7,0.7,0.8
6 7 7 6 8 8 7
0.6,0.5,0.3,1,1,0.6
88 8 88 9 7
8 8 8 8 6 9 4
0.6,0.5,0.3,0.6,0.5,0.3,0.8
8 8 7 7 7 6 8
88 8 8 8 9 8
0.6,0.5,0.3,1,0.7,1,0.8
98 8 89 5 8
0.3,0,0,0.3,0.3,0.7,1
7 87 7 78 7
7 7 6 6 6 8 9
1,0.5,0.3,1,1,1,0.8
0.6,0.5,0.3,0.6,0.5,0.7,1
7 9 9 7 5 8 7
9 8 8 89 98
8 8 7 7 7 8 9
7 9 9 76 8 9
9 8 8 8 9 98
1,0.5,0.3,1,1,1,0.8
89 9 77 8 9
0.6,1,1,0.6,0.6,0.7,1
1 1 1 1 11 1
9 9 9 8 99 9
11
2.8 = 0,133
73
D0 (a1 ) =
11
4,2 = 0,200
73
D0 (a 2 ) =
11
3 , 6 = 0 ,1171
73
11
3,4 = 0,161
73
D(a 2 ) = D1 (a 2 ) D0 (a 2 ) = 0,010
D1 (a3 ) =
11
4,3 = 0,205
73
D0 (a 3 ) =
11
2,6 = 0,124
73
11
2,1 = 0,150
72
D0 (a 4 ) =
11
4,9 = 0,350
72
D(a 4 ) = D1 (a 4 ) D0 (a 4 ) = 0,200
D1 (a 5 ) =
11
3,2 = 0,229
72
D0 (a5 ) =
11
3,8 = 0,271
72
11
3 = 0,143
73
D0 (a 6 ) =
11
4 = 0,190
73
D(a 6 ) = D1 (a 6 ) D0 (a 6 ) = 0,047
D1 (a 7 ) =
11
4,2 = 0,190
73
D0 (a 7 ) =
11
2,8 = 0,133
73
D(a 7 ) = D1 (a 7 ) D0 (a 7 ) = 0,057
D1 (a8 ) =
11
4,6 = 0,219
73
D0 (a8 ) =
11
2,4 = 0,114
73
11
3,3 = 0,157
73
D0 (a 9 ) =
11
3,7 = 0,176
73
D(a 9 ) = D1 (a 9 ) D0 (a 9 ) = 0,019
Konani rezultati za ovaj primer su dati u tabeli 7.16.
Tabela 7.16 Konani rezultati za primer 7.7.4.
a1
a2
a3
a4
a5
a6
a7
a8
a9
-0,067
0,010
0,081
-0,200
-0,042
-0,047
0,057
0,105
-0,019
a4
a1
a6
a5
a9
a2
a7
a3
a8
Alternativa a 9 je nala svoje mesto a pri tome redosled ostalih alternativa ostao je
nepromenjen ako se uporedi sa poetnom mrenom metodom sa osam datih alternativa.
Nije teko utvrditi da tako neto u optem sluaju ne vai u poreenju sa drugim
metodama.
Primer 7.4.5. Neka je dat skup alternativa A = {a1 , a 2 ,..., a8 , a9 , a10 } koje se procenjuju
na osnovu kriterijuma C = {c1 , c 2 ,..., c7 }. Alternative kao i kriterijume odabrani su iz
materijala iz priloga 1.
Ocene koje su odreene su subjektivne, mogu se menjati, mogu se poveati odnosno
smanjivati pomou teinih koeficijenata, itd. Ovde su uzeti sve iste parametre kao u
prethodnom primeru sa napomenom da je dodat turizam kao alternativa zajedno sa
ocenama.(Hipotetiki primer navodno da i on ima dva podsmera odnosno dva studijska
programa).
Raunarstvo i informatika
- a1 : Informacione tehnologije,
- a 2 : Softverski ininjering,
Finansije i raunovodstvo
- a 3 : Bankarstvo i osiguranje,
- a4 : Raunovodstvo,
Porezi i carine
- a 5 : Porezi i budet,
- a 6 : Carina,
Menadment i internacionalna biznis administracija
- a 7 : Menadment proizvodnje i usluga,
- a 8 : Internacionalna biznis administracija,
Turizam
- a 9 : Ugostiteljstvo i hotelijerstvo,
- a10 : Turistiko agencijski poslovi.
Kriterijumi (Deskriptivni pristup)
- c1 : Opte obrazovni predmeti,
- c2 : Struni predmeti,
- c3 : Struni aplikativni predmeti,
- c4 : Praksa,
- c5 :Potrebe privrede,
- c6 : Atraktivnost u sadanjosti , tradicionalna zainteresovanost za ovu vrstu studija,
- c7 :Atraktivnost u narednom periodu- procene.
c1
c2
c3
c4
c5
c6
c7
a1
a2
a3
a3
a5
a6
a7
a8
a9
a10
c4 - praksa se odreuje za svaki smer i spada u red najtee izvodljivih delova nastave
pogotovo za pojedina usmerenja- gde ak kod nas i nema tradicije za ta usmerenja
c5 - Kada je privreda u loem stanju (kakva je kod nas) teko je govoriti o nekim
potrebama. Ovo je vie hipotetiko pitanje.
c6 - Atraktivnost u sadanjosti se odnosi na tradicionalna shvatanja koja postoje u
svakoj populaciji o pojedinim zanimanjima i ovde je dat pregled tih vrednosti.
7 8 7 7 7 8 9
8 8 8 8 8 9 7
0 0 0 0 0 0 0
6 7 6 5 5 5 4
0,0,0.3,0.3,0.3,0,0
6 7 7 6 6 5 4
6 7 7 5 8 8 7
0,0,0.3,0,0.7,0.7,0.6
0,0,0.3,0,0.7,0.7,0.6
6 7 7 5 8 8 7
6776684
0, 0, 0.3, 0.3, 0.3, 0.7, 0
8 8 7 7 7 5 8
0.3,0,0,1,0.7,0.7,0.6
7 7 7 8 8 8 7
8 7 8 8 8 9 9
0.6,0,0.6,1,0.8,1,1
6 7 7 5 8 8 8
0,0,0.3,0,0.7,0.7,0.8
7 7 7 8 8 8 7
0.3,0,0.3,1,0.7,0.7,0.6
0.6,0.5,0.3,0.6,0,0.8
7 7 6 6 5 8 7
7 7 6 6 6 8 7
0.3,0,0,0.3,0.3,0.7,0.6
8 7 8 8 8 9 9
0.6,0,0.6,1,0.7,1,1
6 7 7 6 8 8 7
8 8 8 8 6 9 4
7 8 7 7 5 8 7
7 7 7 8 8 8 8
0.3,0,0.3,1,0.7,0.7,0.8
0,0,0.3,0.3,0.7,0.7,0.6
0.6,0.5,0.6,1,0.3,1,0
0.6,0.5,0.3,0.6,0.5,0.3,0.8
8 8 7 7 7 6 8
0.6,0.5,0.6,1,0.7,1,0.6
9 8 8 8 9 5 8
0.3,0.5,0.3,0.6,0,0.7,0.6
0.3,0.5,0.3,0.6,0.5,0.7,0.6
8 7 8 8 8 9 9
0.6,0,0.6,1,0.7,1,1
1,0.5,0.6,1,1,0,0.8
0.3,0,0,0.3,0.3,0.7,1
7 8 7 7 7 8 7
7 7 6 6 6 8 9
7 9 9 7 5 8 7
1,0.5,0.6,1,1,0.3,0.8
9 8 8 8 9 68
9 8 8 8 9 9 8
1,0.5,0.6,1,0.7,1,0.8
8 9 9 7 7 8 9
0.6,1,1,0.6,0.7,0.7,1
0.6,1,1,0.6,0.5,0.7,0.6 0.3,0.5,0.3,0.6,0.5,0.7,1
8 9 9 7 7 8 7
9 9 9 8 9 9 9
1, 1, 1, 1, 1, 1, 1
11
2.8 = 0,133
73
D0 (a1 ) =
11
4,2 = 0,200
73
11
3 , 6 = 0 ,1171
73
11
D0 (a 2 ) =
3,4 = 0,161
73
D(a 2 ) = D1 (a 2 ) D0 (a 2 ) = 0,010
D1 (a3 ) =
11
4,3 = 0,205
73
D0 (a 3 ) =
11
2,6 = 0,124
73
11
2,1 = 0,150
72
D0 (a 4 ) =
11
4,9 = 0,350
72
D(a 4 ) = D1 (a 4 ) D0 (a 4 ) = 0,200
D1 (a 5 ) =
11
3,2 = 0,229
72
D0 a ( A5 ) =
11
3,8 = 0,271
72
11
3 = 0,143
73
D0 (a 6 ) =
11
4 = 0,190
73
D1 (a 7 ) =
11
4,2 = 0,190
73
D0 (a 7 ) =
11
2,8 = 0,133
73
D(a 7 ) = D1 (a 7 ) D0 (a 7 ) = 0,057
D1 (a8 ) =
11
4,6 = 0,219
73
D0 (a8 ) =
11
2,4 = 0,114
73
11
3,3 = 0,157
73
D0 (a 9 ) =
11
3,7 = 0,176
73
D(a 9 ) = D1 (a 9 ) D0 (a 9 ) = 0,019
D1 (a10 ) =
11
2 = 0,143
73
D0 (a10 ) =
11
5 = 0,357
73
a1
a2
a3
a4
a5
a6
a7
a8
a9
a10
-0,067
0,010
0,081
-0,200
-0,042
-0,047
0,057
0,105
-0,019
-0,214
a10
a4 a1
a6
a5
a9
a2
a7
a3
a8
Primer 7.5.1. U ovom odeljku primenjen je metod reetke na problem auto izbora za
jednu malu privatnu kompaniju. Ovde je potovana investicija u osnovnim sredstvima,
odnosno ulaganjima u pokretna trajna dobra. Kao alternativa sopstvenim sredstvima,
vlasnik firme ima bankarske kredite i finansijski lizing.
Analiza interesovanja za kredite pokazuje da auto krediti su ubedljivo najtraeniji u
2008. (31,4 odsto), ali u 2009. interesovanje za auto kredite je poela da opada (25.07
odsto), a u prvoj polovini 2010. strahovito pao je na 13,92 odsto (Ovo istraivanje je
sprovedeno od strane Internet portala www.krediti.rs
Kada je u pitanju gotovinske kredite indeksirane u evrima, kamata je gotovo podjednaka
na auto kredite. Ovi krediti su atraktivni jer su bezuslovni, odnosno graani dobijaju
novac i procedura odobravanja je mnogo laka i bra nego kod druge vrste kredita.
Finansijski leasings se esto poredi sa bankarskim kreditima, jer oni imaju neke sline
karakteristike (u unapred odreenim ratama, kamata otplate, nain snimanja
raunovodstva i drugo), ali u sutini se razlikuje od njega zato to je davalac lizinga
vlasnik predmeta tokom celog perioda ugovora o lizingu i na tu temu je instrument
obezbeenja optubi.
U ovom primeru, nisu potovani kriterijumi trokova, i traeno je najbolje reenje u
odnosu na snagu i funkcionalnost, potronju goriva i drugih trokova, cene odravanja
automobila i bezbednost neuspeha. Dakle, cilj je kupovina najboljeg automobila u
sadanjem trenutku po kriterijumima koji su zadati.
Pretpostavka je da vlasnik privatne firme ima odreenu sumu novca na raspolaganju
koju ima nameru uloiti za nabavku automobila. Dakle, korienjem tih sredstva moe
da kupi novi mali automobil za gotovinu, ili istu koliinu novca moe da uloi kao
depozit u banci za kredit namenjen za kupovinu novog automobila, ali vei ili ak vei
automobil na lizing, ili kupovine za gotovinu, ak vei nego koristi automobil, ili
najvei (i najskuplji) koji se koristi automobil na bankarski kredit. Dakle, skup
alternativa dat je u tabeli 7.19.
Alternative
a1
a2
a3
a4
a5
Skup alternativa dae ocene na sledei skup kriterijuma koje je predstavila tabela 7.20.
Pretpostavka je da su svi kriterijumi od istog znaajatj. z j = 1 , za j {1,2,3,4} odnosno
Kriterijumi
c1
Snaga i funkcionalnost
c2
c3
Cena odravanja
c4
c4
a1
10
a2
a3
a4
a5
10
8899
0.6, 0.75, 0.75, 1
7899
0.4, 0.75, 0.75, 1
6899
0.20, 0.75, 0.75,1
5899
0, 0.75, 0.75, 1
10 7 8 9
1, 0.25,0.75, 1
8789
0.6, 0.25, 0.25, 0.33
7789
0.4, 0.5, 0.5, 1
6789
0.25, 0.5, 0.75, 1
5789
0, 0.5, 0.75, 1
10 8 9 9
1, 0.75, 0.75, 1
8677
0.6, 0.25, 0.25, 0.33
7677
0.4, 0.25, 0.25, 0.33
6677
0.2, 0.25, 0.25, 0.33
5677
0,0.25,0.25,0.33
10 6 7 7
1,0.25,0.25,0.33
10 5 6 6
1, 0, 0, 0
8566
0.6, 0, 0, 0
7566
0.4, 0, 0, 0
6566
0.25, 0, 0, 0
5566
0000
11
3 = 0,1875
44
D0 (a1 ) =
11
1 = 0,0625
44
11
2,70 = 0,1688
44
D0 (a 2 ) =
11
1,30 = 0,0812
44
D(a 2 ) = D1 (a 2 ) D0 (a 2 ) = 0,0876
11
2,4 = 0,15
44
D0 (a 3 ) =
11
1,6 = 0,1
44
D(a 3 ) = D1 (a 3 ) D0 (a 3 ) = 0,0500
D1 (a 4 ) =
11
1,43 = 0,0894
44
D0 (a 4 ) =
11
2,57 = 0,1606
44
D(a 4 ) = D1 (a 4 ) D0 (a 4 ) = 0,0712
D1 (a 5 ) =
11
1 = 0,0625
44
D0 (a 5 ) =
11
3 = 0,1875
44
D(0, ai )
D(ai )
a1
a2
a3
0.1875
0.0625
0.1250
0.1688
0.0812
0.0876
0.1500
0.1000
0.0500
a4
a5
0.0894
0.1606
-0.0712
0.0625
0.1875
-0.1250
Sada je lako da se utvrdi kako reetkasti metod daje linearno naruivanje alternativa na
sledei nain:
a1 a 2 a 3 a 4 a 5
Dakle, najbolje reenje za vlasnika male privatne kompanije je da kupi mali automobil
za gotovinu, a najgore reenje je kupovina polovnog automobila za bankarski kredit.
Na osnovu izloenog novi metod se moe uspeno primeniti na praktinim primerima, i
to uopeno u relativno malom broju alternativa. U sluaju da su ukljuene sve relativne
vrednosti odreenih taaka, drugim reima, ako se dosta razlikuju, onda donosilac
odluke prilikom izbora moe biti veoma zadovoljan to je dobro istakao sve
mogunosti. Naime, u tom sluaju izraunavanje prednosti jedne nad drugom
alternativom, u odnosu na dati skup kriterijuma, ukljuuju i elje i razlike izmeu ovih
alternativa i vrednosti samih alternativa.
c3
c4
a1
10
a2
a3
a4
a5
10
Reenje:
S a1 : (10 5) (10 5) + (9 9) (9 5) + (10 10) (10 6 ) + (9 9) (9 6 ) =
= 1+ 0 + 0 + 0 = 1
S a 21 : (10 6) (10 5) + (9 8) (9 5) + (10 9) (10 6 ) + (9 9) (9 6 ) =
=
4 1 1
+ + + 0 = 1,3
5 4 4
3 2 2
+ + + 0 = 1,6
5 4 4
2 3 3 2
+ + + = 2,56
5 4 4 3
a1
a2
a3
a4
a5
1,3
1,6
2,56
a1 a 2 a 3 a 4
a5
Kako su ocene sa velikim razmacima kao i relativno mali broj kriterijuma redosled
alternativa ostao je nepromenjen.
Primer 7.6.1. Primene mrene metode za viekriterijumsku analizu (relaivni znaaj nije
uziman u obzir)
Ovo je jedan hipotetiki primer u kome je pokazan prethodno opisan metode grafiki tj.
Mrenom metodom. Date su alternative A = {a1 , a 2 , a 3 , a 4 , a 5 , a 6 } i neka su one
c3
c4
c5
Relativni znaaj - Zh
0,096
0,133
0,285
0,102
0,384
Zahtev
max
max
max
max
max
a1
0,035
0,036
0,008
0,033
0,018
a2
0,035
0,031
0,039
0,031
0,018
a3
0,033
0,035
0,041
0,029
0,021
a4
0,032
0,030
0,042
0,035
0,035
a5
0,033
0,032
0,035
0,036
0,022
a6
0,032
0,033
0,034
0,037
0,080
c4
c5
0,096
0,133
0,285
0,102
0,384
Zahtev
max
max
Max
max
max
a1
35
36
33
18
a2
35
31
39
31
18
a3
33
35
41
29
21
a4
32
30
42
35
35
a5
33
32
35
36
22
a6
32
33
34
37
80
A R + se definie kao:
1, za a k bk
0,
za ostalo
33 35 42 38 80
1, 0.8, 1, 1, 1
35 36 42 35 35
1, 1, 1, 0.8, 0.3
33 35 42 35 35
0.3,0.8,1, 0.8, 0.3
35 36 39 35 18
1, 1, 0.9, 0.8, 0
35 36 8 33 18
1, 1, 0, 0.6, 0
33 35 41 25 21
0.3, 0.8, 0.8, 0, 0.1
33 32 35 38 22
0.3, 0.3, 0.8, 1, o.1
32 33 34 37 80
0, 0.5, 0.8, 0.9, 1
32 30 42 35 35
0, 0, 1, 0.8, 0.3
35 31 39 35 18
1, 0.2, 0.9, 0.8, 0
35 31 8 33 18
1, 0.2, 0, 0.6, 0
33 33 35 38 80
0.3, 0.5, 0.8, 1, 1
32 32 34 37 22
0, 0.3, 0.8, 0.9, 0.1
32 30 41 25 21
0, 0, 0.8, 0.5, 0
32 30 8 25 18
0, 0, 0.8, 0, 01
32 30 34 25 21
0, 0, 0.8, 0, 0.1
32 30 8 25 18
0, 0, 0, 0, 0
35 33 42 38 80
1, 1, 1, 1, 1
35 36 42 35 35
1, 1, 1, 0.9, 0.27
35 36 41 33 21
1, 1, 0.93, 0.6, 0.05
35 36 8 33 18
1, 1, 0, 0.6, 0
33 35 41 25 21
0.3, 0.8, 0.8, 0, 0.1
35 31 39 35 18
1, 0.2, 0.9, 0.8, 0
35 31 8 33 18
1, 0.2, 0, 0.6, 0
32 30 8 35 18
0, 0, 0, 0.77, 0
33 33 35 38 80
0.33, 0.5, 0.8, 1, 1
35 31 42 35 35
1,0.2,1, 0.9, 0.27
33 32 35 38 22
0.3, 0.3, 0.8, 1, 0.1
32 30 42 35 35
0, 0, 1, 0.8, 0.3
32 30 41 25 21
0, 0, 0.8, 0, 0.05
32 33 34 37 80
32 32 34 37 22
0, 0.5, 0.76, 0.9, 0.1
32 30 34 25 21
0, 0, 0.76, 0, 005
32 30 8 25 18
0, 0, 0, 0, 0
11
2,4 = 0,160
53
D0 (a1 ) =
11
2,6 = 0,173
53
11
2,1 = 0,140
53
D0 (a 2 ) =
11
2.9 = 0,193
53
D(a 2 ) = D1 (a 2 ) D0 (a 2 ) = 0,053
D1 (a3 ) =
11
3 = 0,200
53
D 0 (a 3 ) =
11
2 = 0 ,133
53
11
2,9 = 0,193
53
D0 (a4 ) =
11
2,1 = 0,140
53
D(a 4 ) = D1 (a 4 ) D0 (a 4 ) = 0,053
D 1 (a 5 ) =
11
2 ,5 = 0 ,167
53
D0 (a 5 ) =
11
2,5 = 0,167
53
D(a 5 ) = D1 (a 5 ) D0 (a 5 ) = 0
D1 (a 6 ) =
11
1,8 = 0,120
53
D0 (a 6 ) =
11
3,2 = 0,213
53
a1
a2
a3
a4
a5
a6
-0,013
-0,053
0,067
0,053
-0,093
a 2 a1
a5
a4
a3
c3
c4
c5
0,096
0,133
0,285
0,102
0,384
Zahtev
max
max
max
max
max
a1
0,035
0,036
0,008
0,033
0,018
a2
0,035
0,031
0,039
0,031
0,018
a3
0,033
0,035
0,041
0,029
0,021
a4
0,032
0,03
0,042
0,035
0,035
a5
0,033
0,032
0,035
0,036
0,022
a6
0,032
0,033
0,034
0,037
0,08
Do reetke metodom dolazi se, poevi sa skupom alternativa, skiciranjem reetki novih
alternativa generisanih datim koje su formirane i to je ilustrovano u tabeli 7.29.
Relativni znaaj pomnoen je sa datom vrednostima i tako su dobijene nove
odgovarajue vrednostiza za svaku alternativu.
c4
c5
Zahtev
max
max
max
max
max
a1
3,7
4,8
2,3
3,4
6,9
a2
3,7
4,1
11,1
3,2
6,9
a3
3,2
4,7
11,7
8,1
a4
3,1
12
3,8
13,4
a5
3,2
4,3
10
3,7
8,5
a6
3,1
4,4
9,7
3,8
30,7
1, ako je ak bk ,
Z k ( a, b) =
0,
ostalo.
D1 (a1 ) =
11
2,49 = 0,249
52
D0 (a1 ) =
11
2,51 = 0,251
52
11
2,72 = 0,181
53
11
D0 (a 2 ) =
2,28 = 0,228
52
11
3,03 = 0,202
53
)=
1 1
1 , 97 = 0 ,197
5 2
11
2,73 = 0,273
52
D0 (a 4 ) =
11
2,27 = 0,227
52
D(a 4 ) = D1 (a 4 ) D0 (a 4 ) = 0,046
D1 (a5 ) =
11
2,6 = 0,260
52
D0 (a5 ) =
11
2,4 = 0,160
53
D(a 5 ) = D1 (a 5 ) D0 (a 5 ) = 0,100
D1 (a 6 ) =
11
1,76 = 0,176
52
D0 (a 6 ) =
11
3,24 = 0,216
53
D(a 6 ) = D1 (a 6 ) D0 (a 6 ) = 0,040
Tabelarni pregled reenja:
Tabela 7.31 Konani rezultati za primer 7.6.2.a
D ( i )
a1
a2
a3
a4
a5
a6
-0,002
-0,047
0,005
0,046
0,100
-0,040
a2 a6 a1 a3 a4 a5
Sada je pokazana mrea na slici 7.13. gde su grupisane tri po tri alternative pa je put do
najbolje odnosno najloije alternative jednak i to duine po 3 (tri).
3.7, 4.8, 11.7, 3.4, 8.1 3.7, 4.7, 11.7, 3.2, 8.1 3.2, 4.3, 12, 3.8, 13.4
1, 1, 1, 0.5, 0
0.17, 0.5, 0.85, 1, 1
1, 1, 0.93,3.1, 4.3,
3.7, 4.8, 2.3, 3.4, 6.9
1, 1, 0, 0.5, 0.01
Kao to se moe videti sa slike 7.13., za svaki i {1,2,3,4,5,6, } , svi putevi iz alternativa
ai do vrha imaju istu duinu, kao i svi putevi od dna do alternative ai imaju istu duinu
(svi ovi su duine do 3).
D1 (a1 ) =
11
2,49 = 0,166
53
D0 (a1 ) =
11
2,51 = 0,167
53
11
2,72 = 0,181
53
11
D0 (a 2 ) =
2,28 = 0,152
53
11
3,03 = 0,202
53
D0 (a 3 ) =
11
1,97 = 0,131
53
11
2,73 = 0,182
53
D0 (a 4 ) =
11
2,27 = 0,151
53
D(a 4 ) = D1 (a 4 ) D0 (a 4 ) = 0,031
D1 (a5 ) =
11
2,6 = 0,173
53
D0 (a5 ) =
11
2,4 = 0,160
53
D(a 5 ) = D1 (a 5 ) D0 (a 5 ) = 0,013
D1 (a 6 ) =
11
1,76 = 0,117
53
D0 (a 6 ) =
11
3,24 = 0,216
53
D(a 6 ) = D1 (a 6 ) D0 (a 6 ) = 0,099
Tabelarni pregled reenja:
Tabela 7.32 Konani rezultati za primer 6.7.2.b
D ( i )
a1
a2
a3
a4
a5
a6
-0,001
0,029
0,071
0,031
0,013
-0,099
a6 a1 a5 a2 a4 a3
c1
c2
c3
c4
c5
0,096
0,133
0,285
0,102
0,384
Zahtev
max
max
max
max
max
a1
0,035
0,036
0,008
0,033
0,018
a2
0,035
0,031
0,039
0,031
0,018
a3
0,033
0,035
0,041
0,029
0,021
a4
0,032
0,03
0,042
0,035
0,035
a5
0,033
0,032
0,035
0,036
0,022
a6
0,032
0,033
0,034
0,037
0,08
Kriterijum
Relativni znaaj - Zh
Donosilac odluke treba da odabere preferencijske funkcije koje najbolje mogu da izraze
specifinosti upotrebljenih kriterijuma. Usvajanjem preferenciskih funkcija i parametara
stvaraju se uslovi da se izvri rangiranje uporeivanih alternativa korienjem postupaka
definisanih PROMETHEE metodom (slika 7.14.).
Zahtev maxmin
Tip preferencijske
funkcije
Relativni znaaj
Kriterijm
Parametri
Pi (x )
1
e x 1
0 , 001
2 e
1
0 x 0,001
0,001 x 0,002
x 0,002
ex 1
e 0 , 006 1
0 x 0,006
a=0
c1
max b=0,001
c=0,002
c2
max
a=0
b=0,006
c3
max
a=0
b=0,008
ex 1
e 0 , 008 1
c4
c5
max
max
X = f (a ) f (b)
a=0
b=0,006
a=0
b=0,055
x 0,006
0 x 0,008
x 0,008
x
0 , 006
0 x 0,006
x 0,006
x
0 , 055
0 x 0,055
x 0,055
0 , 002
+ 0 = 0 ,143
0 , 006
(a 1 , a 3 ) = 0 , 096 0 ,33 + 0 ,133 0 ,167 + 0 + 0 ,102 0 , 677 + 0 = 0 ,121
(a 2 , a 1 ) = 0 + 0 + 1 0 , 285 + 0 + 0 = 0 , 285
(a 2 , a 3 ) = 0 , 096 1 + 0 + 0 + 0 ,102 0 , 33 + 0 = 0 ,130
(a 2 , a 4 ) = 0 , 096 1 + 0 ,133 1 + 0 + 0 + 0 = 0 , 229
(a 2 , a 5 ) = 1 0 , 096 + 0 +
3
0 , 285 + 0 + 0 = 0 , 203
8
5
(a 2 , a 6 ) = 1 0 , 096 + 0 + 0 , 285 + 0 + 0 = 0 , 274
8
1
0,285 + 0 + 0,054 0,384 = 0,181
4
(a 3 , a 4 ) = 0,096 0,5 + 0,133 0,833 + 0 + 0 + 0 = 0,159
17
= 0,438
55
3
1
8
6
1
14
= 0,234
(a 4 , a 3 ) = 0 + 0 + 0,285 + 1 0,102 + 0,384
8
55
7
13
= 0,340
(a 4 , a 5 ) = 0 + 0 + 0,285 + 0 + 0,384
8
55
3
(a 4 , a 6 ) = 0 + 0 + 0,285 + 0 + 0 = 0, 214
4
3
= 0,357
55
1
5
3
(a 5 , a 2 ) = 0 + 0,133 + 0 + 0 ,102 + 0,384
= 0 ,128
6
6
55
1
(a 5 , a 3 ) = 0 + 0 + 0 + 0,102 1 + 0 ,384
= 0 ,109
55
1
1
(a 5 , a 4 ) = 0 ,096 0,5 + 0 ,133 + 0 + 0 ,102 + 0 = 0,109
3
6
1
(a 5 , a 6 ) = 0 ,096 0,5 + 0 + 0, 285 + 0 + 0 = 0,083
8
(a 6 , a1 ) = 0 + 0 + 0, 285 1 + 0,102
2
+ 0,384 1 = 0,737
3
1
3
(a 6 , a 3 ) = 0 + 0 + 0 + 0,102 1 + 0,384 1 = 0, 486
(a 6 , a 5 ) = 0 + 0,133
45
= 0, 414
55
1
1
+ 0 + 0,102 + 0,384 1 = 0, 423
6
6
a1
a2
a3
a4
a5
a6
a1
0,143
0,121
0,181
0,165
0,130
a2
0,285
0,130
0,229
0,203
0,274
a3
0,305
0,181
0,159
0,280
0,341
a4
0,438
0,124
0,234
0,340
0,214
a5
0,375
0,128
0,109
0,109
0,083
a6
0,737
0,530
0,486
0,414
0,423
a1
a2
a3
a4
a5
a6
+ (i )
0,740
1,121
1,266
1,350
0,804
2,590
(i )
2,140
1,106
1,080
1,092
1,415
1,042
(i )
a1
a2
a3
a4
a5
a6
-1,400
0,015
0,186
0,258
-0,611
1,548
a1
a4 a2
a3
a4
a6
Primer 7.7.1. (Primer preuzet iz zbirke zadataka autora Borovi-Milievi strana 306).
Razmatra se problem izbora postrojenja koja treba instalirati za odreenu proizvodnju.
Postoji mogunost izbora est varijanata razliitih postrojenja na osnovu sledeih
kriterijuma:
c1
c2
c3
c4
c5
c6
a1
80
90
60
5,4
a2
65
58
20
9,7
a3
83
60
40
7,2
a4
52
72
60
a5
40
80
100
7,5
10
a6
94
96
70
3,6
10
min
max
min
min
min
max
1,5
2,5
wi
c1
c2
c3
c4
c5
c6
a1
14
90
40
4,3
a2
29
58
80
a3
11
60
60
2,5
a4
42
72
40
7,7
a5
54
80
2,2
10
a6
96
30
6,1
a7
max
max
max
max
max
max
wi
1,5
2,5
1, ako je ak bk ,
Z k ( a, b) =
ostalo.
0,
Iz prethodne mree alternativa, izdvojen je delimino ureen skup najkraih puteva od
date alternative do vrha kao i od iste alternative do dna .
14,90,40,4.3,2,6
0.6,0.8, 0.5,0.6,0.2, 0.6
11,60,60,2.5,6,7
0.2,0.1,0.75,0.3,0.7,0.7
54,96,30,6.1,3,10
1, 1, 0.4, 0.8, 0.3, 1
42,72,40,7.7,7,8
0.8,0.4,0.5,1,0.8,0.8
0, 58, 0, 0, 0, 1
0, 0, 0, 0, 0, 0
D1 (a1 ) =
11
2.7 = 0,150
63
D0 (a1 ) =
11
3.3 = 0,183
63
11
3,5 = 0,194
63
0 80, 0, 2.2, 0, 6
0, 0.8, 0, 0.3, 0, 0.6
11
2,5 = 0,208
62
D(a 2 ) = D1 (a 2 ) D0 (a 2 ) = 0,014
D1 (a 3 ) =
11
3.25 = 0,181
63
D0 (a 3 ) =
11
2.75 = 0,153
63
11
1,7 = 0.094
63
D0 (a 4 ) =
11
4,3 = 0,358
62
D(a 4 ) = D1 (a 4 ) D0 (a 4 ) = 0,264
D1 ( A5 ) =
11
2,6 = 0,144
63
D0 (a 5 ) =
11
3,4 = 0,283
62
D(a 5 ) = D1 (a 5 ) D0 (a 5 ) = 0,145
D1 (a 6 ) =
11
3, 2 = 0 ,178
6 3
D 0 (a 6 ) =
1 1
2 ,8 = 0 , 233
6 2
D(a 6 ) = D1 (a 6 ) D0 (a 6 ) = 0,055
Dakle, dobijen je tabelarni redosled alternativa.
Tabela 7.39 Konani rezultati za primer broj 7.7.1.a
D (i )
a1
a2
a3
a4
a5
a6
-0,033
-0,014
0,028
-0,264
-0,145
-0,055
a4
a5
a6
a1 a 2
a3
54,96,40,7.7,7,10
1, 1,0.5, 1,0.7,1
29,90,80,4.3,9,7
0.5, 0.8, 1, 0.6,1,0.7
29,90,80,4.3,9,6
0.5,0.8,1, 0.6,1, 0.6
14,90,40,4.3,2,6
0.6,0.8, 0.5,0.6,0.2, 0.6
29,60,80,2.5,9,7
0.5,0.1,1,0.3,1,0.7
11,60,60,2.5,6,7
0.2,0.1,0.75,0.3,0.7,0.7
29,58,80,0,9,1
0.5, 0,1,0,1,0
14,58,40,0,2,1
0.6, 0, 0.5, 0, 0.2, 0
54,80,40,7.7,7,10
1, 0.8, 0.5,1,0.7,1
54,80,0,2.2,3,10
1, 0.8,0,0.3,0.3,1
42,72,40,7.7,7,8
0.8,0.4,0.5,1,0.8,0.8
11,58,60,0,6,1
0.2, 0, 0.75, 0, 0.7, 0
54,96,30,6.1,3,10
1, 1, 0.4, 0.8, 0.3, 1
42,72,0,2.2,3,8
0.8, 0.4, 0, 0.3, 0.3 0.8
0,96,30,6.1,0,6
0, 1,0.4,0.8,0,0.6
0,80,0,2.2,0,6
0, 0.8, 0, 0.3, 0, 0,6
0,72,0,2.2,0,6
0, 0.4, 0, 0.3, 0, 0.6
0, 58, 0, 0, 0, 1
0, 0, 0, 0, 0, 0
D1 (a1 ) =
11
2.7 = 0,150
63
D0 (a1 ) =
11
3.3 = 0,183
63
11
3,5 = 0,194
63
D0 (a2 ) =
11
2,9 = 0,139
63
11
3.25 = 0,181
63
D0 (a 3 ) =
11
2.75 = 0,153
63
11
1,7 = 0.094
63
D0 (a 4 ) =
11
4,3 = 0,239
63
D(a 4 ) = D1 (a 4 ) D0 (a 4 ) = 0,145
D1 ( A5 ) =
11
2,6 = 0,144
63
D0 (a 5 ) =
11
3,4 = 0,189
63
D(a 5 ) = D1 (a 5 ) D0 (a 5 ) = 0,045
D1 (a 6 ) =
11
3, 2 = 0 ,178
6 3
D 0 (a 6 ) =
11
2 ,8 = 0 ,156
63
D(a 6 ) = D1 (a 6 ) D0 (a 6 ) = 0,022
Dakle, dobija se tabelarni redosled alternativa.
Tabela 7.40 Konani rezultati za primer broj 7.7.1.b
D (i )
a1
a2
a3
a4
a5
a6
-0,033
0,055
0,028
-0,145
-0,045
0,022
a4
a5
a1
a6
a3
a2
Ako se alternative grupiu kao na sledeoj slici 7.17.c dve po dve dobija se sledea
mrea.
42,72,60,7.7,7,8
0.8, 0.4,0.75, 0.8,0.8
29,90,80,4.3,9,6
0.5, 0.8, 1, 0.6,1,0.6
14,90,40,4.3,2,6
0.6,0.8, 0.5,0.6,0.2, 0.6,
11,60,60,2.5,6,7
0.2,0.1,0.75,0.3,0.7,0.7
29,58,80,0,9,1
0.5, 0, 1, 0, 1, 0
14,58,40,0,2,1
0.6,0.1, 0.5, 0,0.2, 0
54,96,30,6.1,3,10
1, 1, 0.4, 0.8, 0.3, 1
54,80,0,2.2,3,10
1, 0.8,0,0.3,0.3,1
42,72,40,7.7,7,8
0.8,0.4,0.5,1,0.8,0.8
11,60,40,2.5,6,7
0.2,0.1,0.5,1,0.7,0.7
0,96,30,6.1,0,6
0, 1,0.4,0.8,0,0.6
0,80,0,2.2,0,6
0, 0.8, 0, 0.3, 0,0.6
0, 58, 0, 0, 0, 1
0, 0, 0, 0, 0, 0
D1 (a1 ) =
11
2.7 = 0,225
62
D0 (a1 ) =
11
3.3 = 0,275
62
11
3,5 = 0,291
62
D0 (a 2 ) =
11
2,5 = 0,208
62
D(a 2 ) = D1 (a 2 ) D0 (a 2 ) = 0,083
D1 (a3 ) =
11
3,25 = 0,271
62
11
2,75 = 0,229
62
11
1,7 = 0,142
62
D0 (a 4 ) =
11
4,3 = 0,358
62
D(a 4 ) = D1 (a 4 ) D0 (a 4 ) = 0,216
D1 ( A5 ) =
11
2,6 = 0, 217
62
D0 (a 5 ) =
11
3,4 = 0,283
62
D1 (a 6 ) =
1 1
3, 2 = 0 , 267
6 2
D 0 (a 6 ) =
11
2 ,8 = 0 , 233
62
D(a 6 ) = D1 (a 6 ) D0 (a 6 ) = 0,034
Dakle, dobija se tabelarni redosled alternativa.
Tabela 7.41 Konani rezultati za primer broj 7.7.1.c
D (i )
a1
a2
a3
a4
a5
a6
-0,050
0,083
0,042
-0,216
-0,066
0,034
a4
a5
a1
a6
a3
a2
c1
c2
c3
c4
c5
c6
a1
80
90
60
5,4
a2
65
58
20
9,7
a3
83
60
40
7,2
a4
52
72
60
a5
40
80
100
7,5
10
a6
94
96
70
3,6
10
min
max
min
min
min
max
1,5
2,5
wi
Reenje:
S a1 : 1,5 40-80)/(40-94) + 3 96-90)/(96-58) + 2,5(20-60)/(20-100) + 2(2-5,5)/(2-9,7) +
D ( i )
a1
a2
a3
a4
a5
a6
5,606
7,958
7,010
4,144
5,858
5,366
a4
a6
a1
a5
a3
a2
Zakljuak
Zakljuak
U ovom radu predstavljen je jedan novi metod, nazvan reetkasti metod, koji je razvijen
od strane iovi M. et al. (2011), a istie se da je primena ove metode pokazana
prvenstveno na primeru Visoke poslovne kole strukovnih studija iz Blaca, kao i na jo
nekim praktinim primerima.
Skoro na svim primerima uporedo je odraen isti primer sa jo nekom od ve dobro
poznatih metoda za viekriterijumsku optimizaciju.
Osnovni ciljevi i zadaci postavljeni na poetku rada su postignuti. Dat je novi pristup
iskazivanja preferencija pri viekriterijumskoj analizi odnosno viekriterijumskoj
optimizaciji koja se uspeno moe primeniti kako u pasivnom odluivanju tako i u
drugim primenama (logistike, vojne, tehnike struke, itd.)
Da bi se donela dobra odluka, potrebno je oceniti alternative definisanjem odgovarajuih
kriterijuma. Takoe je potrebno definisati teine koeficijente za svaki od kriterijuma u
odnosu na druge.
Teini koeficijenti su najee brojevi koji se subjektivno biraju. Pored toga za svaki
kriterijum se odreuje da li je potrebno izabrati alternativu tako da kriterijum bude
minimalan ili maksimalan, odnosno ta je priroda tog kriterijuma. Nakon toga se po
svakom kriterijumu posebno ocenjuju alternative na bazi precizno utvrenih parametara
ili subjektivne procene.
Nain na koje se iskazuju te ocene zavisi od izabrane metode pomou koje je reen
postavljeni problem.
Danas postoji vie metoda viekriterijumske analize kao naprimer PROMETHEE,
ELECTRE, TOPSIS, MAX-MIN, MAX-MAX, itd. U zavisnosti od koriene metode kao
reenje se dobija rang alternativa, najbolja alternativa kao i skup alternativa koje
ispunjavaju odreene uslove.
Pri reavanju problema viekriterijumskog odluivanja, od ranije poznate metode i nova
metoda imaju isti cilj da pokau, odnosno da pomognu donosiocu odluke da odluivanje
bude bolje i efikasnije, a nikako nemaju za cilj da zamene donosioca odluke.
Prednost matematikih metoda u poslovnom odluivanju ukljuuje vei broj problema
koji zahtevaju dalja istraivanja.
Poznato je da postoji veliki broj razvijenih metoda i tehnika za viekriterijumske
optimizacije (viekriterijumske analize). Ako pitate analitiare koji se bave ovim
pitanjem, koja od ovih metoda je najbolja, moete dobiti razliite odgovore u zavisnosti
od vrste problema koji treba da se rei, kao i tip reenja koje je potrebno reavati. Sa
druge strane, ako se od istog analitiara trai da preporui neku metodu, onda odgovor
moe biti slian kao odgovor na prethodno pitanje, ali najbolji odgovor je da se predloi
metod koji moe da najbolje zadovolji i analitiara i donosioca odluke.
Uopteno, postoje dve razliite vrste problema zbog razliito posmatranih postavki,
jedna vrsta ima konaan broj alternativnih reenja, a druga vrsta ima beskonaan broj
reenja. U problemima u vezi sa izborom i procenom, logino je pretpostaviti da je broj
alternativa ogranien. Dakle, akcenat je bio usmeren na probleme sa konanim brojem
alternativa.
Zakljuak
U tom sluaju, mreni metod optimizacije (MMO) moe se opisati pomou osobina
matrica. Pretpostavi se da postoji m alternativa koje se procenjuju na osnovu
n - kriterijuma. Matricom oblika m n odreeno je da svaki element bude j - ti
kriterijum vrednosti za i - tu alternativu.
Svi kriterijumi u MMO mogu se klasifikovati u dve kategorije. Kriterijumi koje treba
uveati, na primer, kriterijumi dobitne kategorije i kriterijume koje treba svesti na
minimum, na primer, kriterijume trokovne kategorije. Idealno reenje za problem MMO
je da se maksimizuju svi kriterijumi od prvog tipa, a da se minimizuju svi kriterijumi od
drugog tipa. Na prirodan nain, bilo koji kriterijum drugog tipa se moe preneti u
kriterijum prvog tipa.
Primenom MMO problemi mogu biti veoma razliiti u kontekstu, ali oni dele sledee
zajednike karakteristike: vie kriterijuma esto formiraju hijerarhiju i kriterijumi mogu
doi u sukob sa drugim. Zbog nedostatka informacija, konflikt meu kriterijumima,
neizvesnost u subjektivne procene i razliite prioritete meu razliitim donosiocima
odluka, konani rezultati procena ne mogu biti konani. Postoje mnoge metode na
raspolaganju za reavanje problema MMO, a za ovaj pregled se misli na one koje su
razvili Hvang i CL Ioon K. (1981) i Radojii M.; iovi.M. (1998).
Predstavljeni, reetkasti MMO -metod koji uvodi iovi M. et al. (2011) - je novi metod
koji je blizak kategoriji kompromisnog metoda rangiranja, ali se znatno razlikuje od
istog. Pomou novog metoda se izraunavaju najvie (najbolje) odnosno najloije
(najgore) rastojanje svake alternative od idealnog (najboljeg) reenja. Reenje relativno
blizu idealnog reenja i daleko od najgoreg reenja ocenjuje se da bude najbolje po
izboru. Reetka metod se takoe zasniva na udaljenosti merene alternative od hipotetiki
najbolje i najgore alternative, ali ukljuuje u izraunavanje kako teinu izmeu
alternativa tako i samu teinu alternative. Navedeni su neki od primera koji potvruju da
metod reetke i metod kompromisnog rangiranja izazivaju dva razliita odnosa naruena
na istom skupu alternativa to je dato u objanjenju novog metoda MMO.
U sluaju da se radi sa relativno malim brojem alternativa, metod reetke ima sasvim
lepu grafiku interpretaciju, a moe se uspeno primeniti u mnogim praktinim
problemima (videti primer iovi, M. i saradnici (2011)).
Predloena mrena metoda iskazivanja subjektivnih preferencija donosioca odluke
izborom odgovarajue kriterijumske funkcije po pojedinim kriterijumima moe imati
odgovarajuu praktinu primenu u reavanju razliitih problema viekriterijumskog
rangiranja alternativnih reenja kada se u viekriterijumskoj osnovi koriste ne samo
kvantitativni ve i kvalitativni kriterijumi.
Korienje ovih metoda, kao monog upravljakog alata u poslovnom odluivanju je
potrebno u cilju dobijanja slike o ukupnoj pogodnosti neke alternative u odnosu na druge
uporeivane, te se tako omoguava donosiocu odluke da sa vie argumenata moe
obrazloiti svoju odluku o prednosti odreene alternative u odnosu na ostale
uporeivane.
Sva raznovrsnost problema poslovnog odluivanja ne moe se opisati matematikim
modelima te se razmatrane metode mogu shvatiti kao one koje se u praksi mogu ee
pojavljivati i na relativno jednostavniji nain.
Naglasak kao i konana odluka u procesu odluivanja ostaje na menaderu kao
donosiocu odluke, a ove metode viekriterijuske analize imaju zadatak da kao moan
alat, odnosno upravljaki mehanizam uine ovaj proces efikasnijim.
Zakljuak
U radu je predstavljen novi pristup viekriterijumskoj optimizaciji kojom su pokazane
neke pogodnosti korienja u odreenim situacijama to po optem miljenju subjektivni
uticaj smanjuje.
Na kraju ovaj rad je imao nameru da ostvari nekoliko ciljeva. Prvo, objanjena je
primena mrenog postupka. Drugo, metoda je primenjena na primeru Visoke poslovne
kole strukovnih studija Blace, a izvreno je i poreenje istog primera sa nekim drugim
veoma poznatim metodama za odluivanje. Zatim su na jo nekim primerima pokazane
prednosti samog odluivanja primenom nove metode.
Na osnovu svega izreenog moe se zakljuiti da je mreni metod odluivanja
fleksibilno reenje namenjeno krajnjem korisniku koji ga moe uspeno koristiti samo sa
korektnim definisanjem odgovarajuih kriterijuma kao i alternativa.
Literatura
Literatura
Borovi, S., i Ronevi, M., (1987) Postupak izbora lokacije proizvodnih sistema
primjenom viekriterijumske analize i metoda operacionih istraivanja, Novi Sad,
(Zbornik radova - Industrijski Sistemi - IS '87).
Borovi, S., (1996) "Viekriterijumski pristup izboru radne snage" Zbornik radova,
SymOrg '96 - V Meunarodni simpozijum "Menadment i razvoj preduzea", Vrnjaka
Banja, 3-5.06., str.: 655-660, (koautor I. Nikoli).
Boin, M., Radojii, M., Organizacija I upravljanje, Tehniki fakultet, aak, 1997.
Brans, J. P. and ph. Vincke, (1985) A preference ranking organisation method / The
Promethee method for multiple criteria Decision-Making /, Management Science,
Vol.31. No6
Castillo, E., & all, (2002) Building and Solving Mathematical Programming Models in
Engineering and Science, John Wiley & Sons, Inc
Clark, R., Mayer, K., (2003), e-Learning and the Science of Instruction, John Wiley &
Sons, Inc.
10
11
12
13
14
15
16
17
18
19
Literatura
20
21
Hwang, C. L. and K. Yoon, (1987) Group Decision Making under Multiple Criteria,
Springer-Verlag, Berilin
22
23
24
Jonathan Barzilai, Game Theory Foundational Errors Part III, Technical Report,
Dept. of Industrial Engineering, Dalhousie University, pp. 14, 2009.
25
26
27
28
29
30
31
32
33
34
35
36
Levi-Jaki, M., Komazec, G., Menadment operacije, Mega Trend, Beograd, 2003.
37
Lucas, H. C., Information System Concepts for Management, Mc Graw Hill, 1994.
38
M. iovi, M., Radojii, Jedan aprouch na primenu PROMETHEE metodom, SIMOP-Is'88, Brioni, 1988.
39
40
41
Literatura
aak, 1996.
42
43
44
45
Nikoli, J. I., (1991b) "Primena viekriterijumske analize na izbor kadrova", Bilten 3-4,
Centar za istraivanje i razvoj kadrova Fakulteta organizaconih nauka, Beograd,
decembar 91, str 9-12.
46
47
Nocedal, A. J., Wright, J., (1999) Numerical Optimization, Springer, New York.
48
49
50
51
52
53
54
55
Pap E., Fuzzy mere i njihova primena, Prirodno matematiki fakultet, Novi Sad, 1999.
56
57
58
Petri, J. J., i drugi, (1985) Renik iz operacionih istraivanja, Nauna knjiga, Beograd.
59
Petrovi, M., Janiijevi, N., Bogievi, B., (2002) Organizacija, Ekonomski fakultet
Univerziteta u Beogradu
60
61
62
63
Literatura
64
65
Radojii, M., iovi, M., Rani, S., O nekim relacijama industrijskog menadera i
metoda optimizacije pri donoenju stratekih odluka, 22. jugoslovenski simpozijum Upravljanje proizvodnjom u industriji prerade metala, Zbornik radova, Beograd, 1994.
66
67
Ribeiro R.A. Fuzzy multiple attribute decision making: a review and new preference
elicitation techniques. - Fuzzy Sets and Systems, 78, 1996.
68
Roy, B., Vincke, PH., Multicriteriaanalysis: survey and new directions, European
Journal of Operation Research, 8, 1981.
69
70
Todorovi, J., uriin, D., Janoevi, S., "Strategijski menadment", Institut za trina
istraivanja, Beograd, 2000., str. 183.
71
72
Starr, M.K. and M. Zeleny (eds.), (1977) Multple Criteria Decision Macing, North
Holland, New York.
73
74
75
76
77
Wren D., Voich D., Menadment - proces, struktura, ponaanje, PS "Grme", Beograd,
1994.
78
iovi M., Damljanovi, N., Lazarevi, V., Dereti N. (2011), Novi metod za
viekriterijumska anaiisis, UPB Sci. Bull, Serija, vol.. 73, Iss. 2, ISSN 1223-7027, str
13-22.
79
iovi M., Damljanovi, N., Lazarevi, V., Dereti, N., Turanjanin, D. (2011) B, O
preporuka za izbor srednje kole, UNITECH'11, Gabrovo, Bugarska, III-155-158
(ISSN 1313-230Ks ).
80
81
82
iovi, M., i dr., Ocene okruenja organizacije i primene, SM-2003, Pali, 2003.
83
iovi, M., Radojii M., Jemenica R., Some possibilites of application of methods
compromises programming, 2 Balkan conference on operational research, Volume of
abstracts, Thessaloniki, 1993.
Literatura
84
85
iovi, M., Stankovi, R., Jedan pristup odreivanju teina kriterijuma kod
viekriterijumske optimizacije, SYM-OP-IS 2001, Beograd - Banjica.
86
iovi, M., Stankovi, R., New method for defining the criteria weights in multiple
criteria decision making, Proceedings of the 9th symposium of mathematics and its
applications "Politehnica" University in Timisoara, 2001.
87
iovi, M., Stankovi, R., Petrovi, P., Application of MCDA methods to estimation
of quality systems, 6th Balcan conference on operational research, Thessaloniki Greece,
2001.
88
89
iovi, M., Stankovi, R., Petrovi, P., On weight coefficients for criteria in MCDA, 6.
Balcan conference on operational research, Thessaloniki Greece, 2001.
Prilozi
Prilozi
Spisak tabela: ................................................................................................................ 158
Spisak slika: .................................................................................................................. 159
Prilog 1 ......................................................................................................................... 160
1.f Struktura studijskog programa ................................................................................ 160
2.f Svrha studijskog programa ...................................................................................... 161
3.f Ciljevi studijskog programa .................................................................................... 162
4.f Kompetencije diplomiranih studenata..................................................................... 163
5.f Kurikulum ............................................................................................................... 164
1.m Struktura studijskog programa .............................................................................. 165
2.m Svrha studijskog programa .................................................................................... 166
3.m Ciljevi studijskog programa .................................................................................. 167
4.m Kompetencije diplomiranih studenata ................................................................... 168
5.m Kurikulum ............................................................................................................. 169
1.p Struktura studijskog programa................................................................................ 170
2.p Svrha studijskog programa ..................................................................................... 171
3.p Ciljevi studijskog programa ................................................................................... 172
4.p Kompetencije diplomiranih studenata .................................................................... 173
5.p Kurikulum............................................................................................................... 174
1.r Struktura studijskog programa ................................................................................ 175
2.r Svrha studijskog programa ...................................................................................... 176
3.r Ciljevi studijskog programa .................................................................................... 176
4.r Kompetencije diplomiranih studenata..................................................................... 177
5.r Kurikulum ............................................................................................................... 178
1.t Struktura studijskog programa ................................................................................ 179
2.t Svrha studijskog programa ...................................................................................... 180
3.t Ciljevi studijskog programa .................................................................................... 181
4.t Kompetencije diplomiranih studenata ..................................................................... 182
5.t Kurikulum ............................................................................................................... 183
Prilog 2 ..........................................................................................................................184
Prilozi
Spisak tabela:
Tabela 6.1 Poetni podaci za primer 6.1.1..................................................................... 76
Tabela 6.2 Rezultati za primer 6.1.1. ............................................................................. 77
Tabela 7.1 Poetni podaci za primer 7.3.1..................................................................... 83
Tabela 7.2 Potpuni poredak za primer 7.3.1. ................................................................. 84
Tabela 7.3 Poetni podaci za primer 7.3.2..................................................................... 85
Tabela 7.4 Konani rezultati za primer 7.3.2. ................................................................ 85
Tabela 7.5 Poetni podaci za primer 7.4.1..................................................................... 87
Tabela 7.6 Konani rezultati za primer 7.4.1.a .............................................................. 90
Tabela 7.7 Konani rezultati za primer 7.4.1.b .............................................................. 93
Tabela 7.8 Konani rezultati za primer 7.4.1.c .............................................................. 96
Tabela 7.9 Poetni podaci za primer 7.4.2..................................................................... 98
Tabela 7.10 Konani rezultati za primer 7.4.2. .............................................................. 99
Tabela 7.11 Poetni podaci za primer 7.4.3................................................................. 100
Tabela 7.12 Vrednosti indeksa preferencije ................................................................. 104
Tabela 7.13 Izlazne i ulazne vrednosti toka ................................................................. 106
Tabela 7.14 Vrednosti istog toka ................................................................................ 106
Tabela 7.15 Polazni podaci za primer 7.4.4................................................................. 108
Tabela 7.16 Konani rezultati za primer 7.7.4. ............................................................ 112
Tabela 7.17 Polazni podaci za primer 7.4.5................................................................. 114
Tabela 7. 18 Konani rezultati za primer 7.4.5. ........................................................... 117
Tabela 7.19 Redosled alternativa za primer 7.5.1. ...................................................... 119
Tabela 7.20 Skup kriterijuma za primer 7.5.1. ............................................................. 119
Tabela 7.21 Stepeni zadovoljstva za primer 7.5.1. ....................................................... 119
Tabela 7.22 Udaljenosti i razlike za primer 7.5.1. ....................................................... 121
Tabela 7.23 Polazni podaci za primer 7.5.2................................................................. 122
Tabela 7.24 Konani rezultati za primer 7.5.2. ............................................................ 122
Tabela 7.25 Polazni podaci za primer 7.6.1................................................................. 123
Tabela 7.26 Sreeni podaci za mreu za primer broj 7.6.1. ........................................ 124
Tabela 7.27 Konani reultati uz pimer 7.6.1. ............................................................... 127
Tabela 7.28 Polazni podaci za primer 7.6.2................................................................. 127
Tabela 7.29 Podaci za mreu za primer 7.6.2. ............................................................. 128
Tabela 7.30 Konani rezultati za primer 7.6.2.a .......................................................... 130
Tabela 7.31 Konani rezultati za primer 6.7.2.b .......................................................... 132
Tabela 7.32 Polazni podaci za primer 7.6.3................................................................. 133
Tabela 7.33 Vrednosti indeksa preferencije za primer 7.6.3. ...................................... 136
Tabela 7.34 Izlazne i ulazne vrednosti toka za primer 7.6.3. ....................................... 137
Tabela 7.35 Konane vrednosti za zadatak 7.6.3. ........................................................ 138
Tabela 7.36 Polazni podaci za primer broj 7.7.1. ........................................................ 139
Tabela 7.37 Max- polazni podaci za primer broj 7.7.1................................................. 140
Tabela 7.38 Konani rezultati za primer broj 7.7.1.a .................................................. 142
Tabela 7.39 Konani rezultati za primer broj 7.7.1.b .................................................. 144
Tabela 7.40 Konani rezultati za primer broj 7.7.1.c .................................................. 146
Tabela 7.41 Polazni podaci za primer broj 7.7.2. ........................................................ 147
Tabela 7.42 Konani rezultat za primer 7.7.2. ............................................................. 148
Prilozi
Spisak slika:
Prilozi
Prilog 1
Prilozi
2.f Svrha studijskog programa
U savremenim tokovima razvoja drutva kao neophodnost se javlja potreba za mladim i
kompetentnim strukovnim ekonomistima. U skladu sa pomenutim, namera je da se uz
savremen i moderan program studentima prue aktuelna i paljivo odabrana znanja iz
oblasti finansija i raunovodstva.
Studijski program Finansije i raunovodstvo baziran je na spoju savremenih teorijskih i
struno-aplikativnih znanja i usklaen je sa potrebama trita rada. Relizacija studijskog
programa obezbeuje sticanje kompetentnog znanja neophodnog za samostalno
obavljanje specifinih poslova u finansijsko - raunovodstvenim sektorima malih i
srednjih preduzea, bankama, osiguravajuim drutvima i drugim finansijskim
organizacijama.
Svrha studijskog programa Finansije i raunovodstvo usklaena je sa osnovnim
zadacima i ciljevima Visoke poslovne kole strukovnih studija Blace koji se odnose na:
obrazovanje profesionalnog kadra koje obuhvata sticanje znanja i vetina koje su vezane
za poziv, formulisanje i izgraivanje kompetencija studenata, pre svega kvalitetom i
obimom dovoljnih za visokokvalitetno bavljenje neposrednim poslom, kao i
neprekidnim poboljanjem kvaliteta i efikasnosti studiranja.
Prilozi
3.f Ciljevi studijskog programa
Studijski program Finansije i raunovodstvo baziran na spoju teorijskih i strunoaplikativnih znanja ima za cilj da studente pripremi i osposobi za samostalno obavljanje
poslova iz domena finansija i raunovodstva to e im omoguiti lake, bre i uspenije
ukljuivanje u realno poslovno okruenje.
Osnovni ciljevi studijskog programa Finansije i raunovodstvo odnose se na:
Obezbeivanje studentima savremeni studijski program koji akcenat stavlja na
sposobnost analiziranja, sintetizovanja i procenjivanja kljunih teorijskih
koncepata i njihove praktine primene;
Mogunost studenata da svoja interesovanja usmere kroz vei broj izbornih
predmeta.
Specifini ciljevi studijskog programa Finansije i raunovodstvo:
Osposobljavanje studenata za samostalan rad na poslovima raunovodstva;
Osposobljavanje studenata za profesionalno bavljenje poslovima vezanim za
finansijsku analizu, finansijsko upravljanje i bavljenje korporativnim
finansijama;
Osposobljavanje studenata za upravljanje hartijama od vrednosti i razumevanje
vrednovanja finansijskih instrumenata;
Osposobljavanje studenata za obavljanje bankarskih poslova, poslova u
osiguravajuim drutvima i drugim finansijskim institucijama;
Osposobljavanje studenata za donoenje odluka na nivou finansijskog
poslovanja.
Ciljevi studijskog programa Finansije i raunovodstvo usklaeni su sa osnovnim
zadacima i ciljevima Visoke poslovne kole strukovnih studija Blace koja svoju
delatnost zasniva na teorijskom i praktinom usavravanju studenata, pri emu se
posebna panja poklanja praktinim aspektima i osposobljavanju studenata da se odmah
po zavretku studija ukljue u reavanje praktinih problema.
Prilozi
4.f Kompetencije diplomiranih studenata
Prilozi
5.f Kurikulum
(Kurikulum studijskog programa sadri listu i strukturu obaveznih i izbornih predmeta i
modula i njihov opis.)
Izbor nastavnih predmeta prema sopstvenim afinitetima omoguuje studentima
formiranje strunog profila. Na prvoj godini studenti biraju jedan (4 ESPB) od ponuena
dva izborna predmeta. Na drugoj godini studenti biraju tri (18 ESPB) od ponuenih est
izbornih predmeta. Na treoj godini studenti biraju dva (8 ESPB) od ponuena etiri
izborna predmeta. Zavrni rad vrednuje se sa 12 ESPB bodova.
U strukturi studijskog programa izborni predmeti sa zavrnim radom zastupljeni su sa 46
ESPB bodova, to je 23.33% u odnosu na ukupan broj ESPB bodova.
U strukturi studijskog programa Finansije i raunovodstvo zastupljene su sledee grupe
predmeta u odnosu na ukupan broj ESPB bodova, i to:
akademsko-opteobrazovni 35 ESPB to je 18,57 %,
struni 66 ESPB to je 40,00 % i
struno-aplikativni 79 ESPB to je 41,43 %.
Struna praksa predstavlja obavezan deo kurikuluma studijskog programa Finansije i
raunovodstvo.
Prilozi
1.m Struktura studijskog programa
Studijski program sadri elemente utvrene zakonom.
Studijski program osnovnih strukovnih studija Menadment i internacionalna biznis
administracija je koncipiran u skladu sa Zakonom o visokom obrazovanju i Bolonjskom
deklaracijom uz primenu evropskog sistema prenosa ESPB bodova.
Studijski program traje tri godine (est semestara), ima ukupno 180 ESPB, pripada polju
drutveno-humanistikih nauka i daje struni naziv strukovni menader u skladu sa
Zakonom o visokom obrazovanju i listom strunih, akademskih i naunih naziva.
Cilj studijskog programa Menadment i internacionalna biznis administracija jeste
obrazovanje i osposobljavanje strunjaka za poslove iz domena domaeg i
meunarodnog poslovanja preduzea.
Sadraj studijskog programa, pravila studiranja, prava i obaveze studenata i druga pitanja
od znaaja za izvoenje studijskog programa, tampaju se svake godine kao posebna
publikacija koja je dostupna javnosti i u elektronskom obliku.
Upis kandidata na studijski program se obavlja na osnovu konkursa koji raspisuje Visoka
poslovna kola strukovnih studija Blace na osnovu odluke Nastavnog vea. Uslovi upisa
na studijski program propisani su Statutom i Pravilnikom o proceduri prijema studenata.
Studijski program Menadment i internacionalna biznis administracija sadri sve
elemente utvrene Zakonom o visokom obrazovanju:
Listu obaveznih i izbornih predmeta grupisanih u opte-obrazovne, strune i
struno-aplikativne;
Nain izvoenja studija i potrebno vreme za izvoenje pojedinih vrsta studija;
Vrednost svakog predmeta iskazanu u skladu sa Evorpskim sistemom prenosa
bodova;
Bodovnu vrednost strune prakse i zavrnog rada iskazanu u ESPB bodovima;
Druga pitanja od znaaja za izvoenje studijskog programa.
Studije se sprovode kroz formu aktivne nastave, samostalnog rada studenata, praktinih
vebi, strune prakse, izrade zavrnog rada. Aktivna nastava se ostvaruje kroz
predavanja, vebe, konsultacije, mentorski rad. Predavanja, vebe i konsultacije se
odravaju svake nedelje u semestru prema rasporedu.
Prilozi
2.m Svrha studijskog programa
Prilozi
3.m Ciljevi studijskog programa
Prilozi
4.m Kompetencije diplomiranih studenata
Studijski program Menadment i internacionalna biznis administracija omoguuje
studentima sticanje specifinih kompetencija za reavanje problema menadmenta i
meunarodne poslovne administracije.
Opte kompetencije koje studenti stiu zavretkom studijskog programa odnose se na:
Sposobnost, analize, sinteze i predvianja reenja iz oblasti ekonomije,
informatike, marketinga i menadmenta;
Primene steenih znanja u praksi;
Razvoj komunikacionih sposobnosti i spretnosti u oblasti verbalnog, neverbalnog
i pismenog komuniciranja;
Potovanje etikog kodeksa menadera;
Kreativno korienje savremene informacione tehnologije.
Sticanje predmetno-specifinih kompetencija studenata se odnosi na:
Prilozi
5.m Kurikulum
Prilozi
Prilozi
2.p Svrha studijskog programa
U savremenim tokovima razvoja drutva kao neophodnost se javlja potreba za mladim i
kompetentnim strukovnim ekonomistima. U skladu sa pomenutim, namera je da se uz
savremen i moderan program studentima prue aktuelna i paljivo odabrana znanja iz
oblasti poreza i carine.
Studijski program Porezi i carina baziran je na spoju savremenih teorijskih i strunoaplikativnih znanja i u potpunosti je usklaen sa potrebama trita rada. Nakon zavrenih
osnovnih strukovnih studija na studijskom programu Porezi i carina studenti su
osposobljeni za samostalno obavljanje poslova u:
Lokalnim upravama za obraunavanje i kontrolu i naplatu poreza;
Carinskim upravama, direkcijama, carinarnicama, carinskim ispostavama,
referatima i odsecima za kontrolu nad carinskom robom;
Sprovoenju carinskog postupka, obraunu, naplati uvoznih i drugih dabina,
praenju i zatiti autorskih i intelektualnih prava svojine;
Otkrivanju carinskih delikata, voenju evidencije, voenju statistikih podataka o
prometu, uvozu, izvozu itd.
Otvaranju i radu u pedicijama,
gde se na zadovoljavajui nain obezbeuje fiskalna i zatitna politika drave u skladu sa
preporukama Svetske trgovinske organizacije i preporukama Evropske unije. Studijski
program
Porezi i carina pomae formiranju strunog kadra na nain pruanja znanja i sticanja
vetina, kao i razvoju sposobnosti i potpunu osposobljenost za samostalan rad u struci
neposredno po diplomiranju.
Svrha studijskog programa Porezi i carina usklaena je sa osnovnim zadacima i
ciljevima Visoke poslovne kole strukovnih studija Blace koji se odnose na: obrazovanje
profesionalnog kadra koje obuhvata sticanje znanja i vetina koje su vezane za poziv,
formulisanje i izgraivanje kompetencija studenata, pre svega kvalitetom i obimom
dovoljnih za visokokvalitetno bavljenje neposrednim poslom, kao i neprekidnim
poboljanjem kvaliteta i efikasnosti studiranja.
Prilozi
3.p Ciljevi studijskog programa
Prilozi
4.p Kompetencije diplomiranih studenata
Prilozi
5.p Kurikulum
Prilozi
1.r Struktura studijskog programa
Prilozi
2.r Svrha studijskog programa
Studijski program Raunarstvo i informatika
pomae u formiranju strunog kadra, koji moe biti potpuno osposobljen za praktian i
samostalan rad u struci, neposredno po diplomiranju, kao i za dalje struno usavravanje.
Potreba za kadrovima u ovoj oblasti je velika.
Svrha studijskog programa je sticanje najvieg nivoa znanja iz raunarskih,
komunikacionih i multimedijalnih tehnologija, spajajui savremena znanja iz navedenih
oblasti sa potrebama u privredi. Studenti se osposobljavaju da mogu obavljati sloene
poslove u domenu: proizvodnje i odravanja raunarske opreme, odravanja,
projektovanja i razvoja raunarskih programa, projektovanja, instaliranja i odravanja
raunarskih mrea i projektovanja, realizacije i odravanja informacionih sistema.
Svrha studijskog programa Raunarstvo i informatika usklaena je sa osnovnim
zadacima i ciljevima Visoke poslovne kole strukovnih studija iz Blaca koji se odnose
na: obrazovanje profesionalnog kadra koje obuhvata sticanje znanja i vetina koje su
vezane za poziv, formulisanje i izgraivanje kompetencija studenata, pre svega
kvalitetom i obimom dovoljnih za visokokvalitetno bavljenje neposrednim poslom, kao i
neprekidnim poboljavanjem kvaliteta i efikasnosti studiranja.
Prilozi
Strunjaci raunarstva i informatike imaju odgovornost za izbor hardverskih i
softverskih proizvoda prema potrebama organizacije, integriu ove proizvode u skladu sa
njenim potrebama i sa njenom infrastrukturom, i instaliraju, prilagoavaju i odravaju
aplikacije (tj. programske sisteme) koje upotrebljavaju zaposleni u organizaciji.
Prilozi
5.r Kurikulum
Prilozi
1.t Struktura studijskog programa
Prilozi
Studijski program Turizam sadri sve elemente utvrene Zakonom o visokom
obrazovanju:
Listu obaveznih i izbornih predmeta sa okvirnim sadrajem;
Nain izvoenja studija i potrebno vreme za izvoenje pojedinih vrsta studija;
Vrednost svakog predmeta iskazanu u skladu sa Evorpskim sistemom prenosa
bodova
Bodovnu vrednost strune prakse i zavrnog rada iskazanu u ESPB bodovima;
Druga pitanja od znaaja za izvoenje studijskog programa.
Studije se sprovode kroz formu teoretske nastave, praktinih vebi i strune prakse.
Nastava se izvodi kroz predavanja i diskusiju, uz primenu savremenih metoda kao to su:
Internet podrka obrazovnom procesu, metode daljinskog obrazovanja, studije sluajeva,
simulacioni modeli itd.
Posebna panja se posveuje obradi i reavanju specifinih praktinih problema. Samo
izvoenje nastave se odvija u grupama sa optimalnim brojem studenata.
Prilozi
3.t Ciljevi studijskog programa
Prilozi
4.t Kompetencije diplomiranih studenata
Prilozi
5.t Kurikulum