VIEKRITERIJUMSKA

ANALIZA

Branka Dimitrijevi, Viekriterijumska analiza

UVOD
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 / 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 die 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:
problem izbora lokacije raznih logistikih centara,
brojni problemi u vezi sa izborom opreme, raznim ponuaima
problemi izbora koncepcije razvoja, organizacione strukture,
izbor novih N radnika po konkursu na koji se prijavilo M kandidata (M>>N), itd.
FORMALIZAM VIEKRITERIJUMSKE ANALIZE
Posmatra se konaan skup alternativa (odluka, upravljakih akcija, potencijalnih reenja),
AiA. Svaka alternativa vrednovana (opisana) je sa vie kriterijuma (atributa, pokazatelja), KjK.
Postoje tri tipa viekriterijumskih zadataka:
jedno reenje (viekriterijumska optimizacija),
dobijena reenja se rangiraju (viekriterijumsko rangiranje),
kao reenje problema, odvaja se skup dobrih od skupa loih reenja.
Alternative i kriterijumi obino se urede u matrinu tabelu, kao u nastavku:

xi1

xi2

xij

xmj

xmn

Ai

xin

Kn
x1n
x2n

Kj
x1j
x2j

K2
x12
x22

Alternative

A1
A2

K1
x11
x21

Am

xm1

xm2

max/min

max

max

Wj

W1

W2

min

Wj

su alternative, odn.
potencijalna reenja
(npr: potencijalni
ponuai opreme,
potencijalne lokacije...).
Sve alternative
vrednujemo na osnovu
vie kriterijuma K j .
Svaki od tih kriterijuma
je ili maksimizacionog
(max) ili
minimizacionog (min)
tipa (npr: cena je
kriterijum, koji uvek
treba minimizirati, dakle
tipa min). x ij je
vrednost i-te alternative
prema j-tom kriterijumu.
Ai

Kriterijumi

min

Wn

Branka Dimitrijevi, Viekriterijumska analiza

S obzirom na prirodu kriterijuma, vrednosti alternativa po kriterijumima, xij, su ili brojevi

najraznovrsnijeg tipa, ili lingvistiki iskazi, npr. iz skupa iskaza: veliki, srednji, mali, ili binarni
iskazi: da, ne. Na primeru izbora lokacije logistikog centra, koji karakteriu bar 4 kriterijuma,
ilustrujmo ovu priu:
1) trokovi izgradnje u novanim jedinicama (obian broj)
2) broj korisnika koji gravitiraju ka centru (rasplinut broj (eng. fuzzy number) izraen npr.
oko 10000)
3) udaljenost do drugog logistikog centra izraena kroz vreme vonje (srednja vrednost
sluajne promenljive)
4) vanost novog logistikog centra u lancu snabdevanja (subjektivna ocena, npr. apsolutno
velika vanost, strogo vea vanost i slino).
Nisu svi kriterijumi podjednako vani, pa se njihov znaaj predstavlja teinom kriterijuma
W j . U ovom delu viekriterijumske analize (odreivanje teina kriterijuma) dolazi do izraaja
subjektivizam pojedinani ili grupni. Sutina je da se subjektivizam u analizu uvodi na vrlo
ureen nain. Drugim reima subjektivizam u viekriterijumskoj analizi je neminovnost, ali se ona
moe kontrolisati i rigorozno tretirati.

METODE VIEKRITERIJUMSKE ANALIZE

U literaturi se moe nai veliki broj metoda viekriterijumske analize. Nisu sve podjednako
teorijski i praktino interesantne i vane. U nastavku su nabrojane neke od poznatijih.

Metode viekriterijumske analize:

max-max,
max-min,
Hurwiczova (kombinacija max-max i max-min metoda),
SAW (Simple Additive Weighting Method),
TOPSIS (Technique for Order Preference by Similarity to Ideal Solution),
PROMETHEE (Preference Ranking Organization METHod of Enrichment Evaluation)
ELECTRE (ELimination Et Choice Translating REality)
disjunktivna.
konjuktivna, itd.
Metode viekriterijumske analize u koncepcijskom smislu nisu naroito sloene, a to je
svojevrstan apsurd u formalnom smislu su jednostavnije za razumevanje od klasine
jednokriterijumske optimizacije. Karakteristino za ove metode je da su nastajale u periodu brzog
razvoja i irenja informacionih tehnologija i da su zasnivane na primeni raunara. Tri nauno
istraivaka centra u kojima su postignuti znaajniji rezultati u razvoju i praktinoj primeni metoda
viekriterijumske analize su: Univerzitet u Parizu Paris Dauphine, Vrije University Brisel i
Mitchigen University SAD.
U nastavku su prikazane neke od pobrojanih metoda viekriterijumske analize.

Branka Dimitrijevi, Viekriterijumska analiza

Max-min metoda
Ova metoda kvalitet alternative meri samo na osnovu njene vrednosti po kriterijumu po
kome je najloija. Za najbolju alternativu proglaava onu koja ima najveu najloiju
karakteristiku, odnosno onu koja je najmanje loa. Dakle, prvo se trae minimumi po vrstama
tabele, a potom u koloni koja proistie iz ovog postupka trai se maksimum. Ona alternativa kojoj
odgovara naeni maksimum (A*) predstavlja najbolje reenje. Sledi formalan zapis ovog iskaza:.

A* = { A i

max min rij

i

U postupku normalizacije vrednosti x ij se prevode u

rij

na jedan od navedenih naina

Normalizacija:

x ij

max kriterijume - rij =

x max
j

, x max
= max x ij .
j
i

NAIN I
x min
j

min kriterijume - rij =

x ij

max kriterijume - rij =

, x min
= min x ij .
j
i

x ij x min
j

x min
x max
j
j

NAIN II
min kriterijume - rij =

x max
x ij
j

x min
x max
j
j

Normalizacija omoguava da se meusobno porede vrednosti po kriterijuma koji mogu biti, a

najee i jesu, u razliitim mernim jedinicama. Gore navedeni naini za normalizaciju podataka u
polaznoj matrici svode vrednosti alternativa po kriterijumima u opseg [0,1] i sve kriterijume
prevode u kriterijume tipa max. Naini kako se normalizacija izvodi variraju od metode do metode,
to e se i videti u nastavku.
Max-min metoda ima pesimistiki prizvuk, jer alternative posmatra samo na osnovu njihovih
najloijih karakteristika. U svakom sluaju viekriterijumski zadatak reava svoenjem na tretiranje
samo jednog kriterijuma, to predstavlja i njenu sutinsku manu. Jo jedna mana je to ova metoda
ne uzima u obzir teinske koeficijenate kriterijuma.

Max-max metoda
Za razliku od prethodne metode, max-max metoda kvalitet alternative meri samo na osnovu
njene vrednosti po kriterijumu po kome je najbolja. Dakle, prvo se trae maksimumi po vrstama
tabele, a potom se u koloni koja proistie iz ovog postupka ponovo trai maksimum. Ona alternativa
kojoj odgovara naeni maksimum (A*), predstavlja najbolje reenje:
A* = { A i

max max rij

i

Branka Dimitrijevi, Viekriterijumska analiza

Normalizacija polazne matrice i u ovoj metodi vri se na jedan od gore navedenih naina.
Max-max metoda predstavlja optimistiki pristup u sagledavanju viekriterijumskog
problema, posmatrajui vrednost alternative samo po onom kriterijumu po kome je najbolja.
Nedostaci metode isti kao i za max-min.

Hurwicz-ov metod
Hurwicz-ov metod je kombinacija max-max i max-min metoda. Ideja je da se uzmu u obzir i
pesimistiki i optimistiki pristup problemu:

A* = { A i

max min rij + (1 ) max rij

i

j
j

}.

je koeficijent pesimizma-optimizma, 0 1 .
Uvoenjem teinskog koeficijenta , biramo u kojoj meri emo biti pesimisti, odnosno
optimisti:
=1 max-min metoda,
=0 max-max metoda.

SAW metoda
Jednostavna i vrlo poznata metoda viekriterijumske analize koja uzima u obzir teine
kriterijuma. Za svaku alternativu rauna se zbirna karakteristika, odnosno vrednost dobijena
sumiranjem oteanih normalizovanih vrednosti po svim kriterijumima. Ona alternativa kojoj
odgovara najvea ovako izraunata vrednost predstavlja najbolje reenje.
A* = { A i

max W j' rij .

i

j =1

Wj' je normalizovana vrednost teinskog koeficijenta Wj:

W j' =

Wj
n

Wj
j=1

rij su normalizovane vrednosti iz matrice, u skladu sa prethodno prikazanim nainima

normalizacije.

Konjuktivna metoda
U ovoj metodi koristi se informacija o najmanjoj prihvatljivoj vrednosti, tzv. pragu
prihvatljivosti x j , za svaki kriterijum jK.
Prema ovoj metodi u skup prihvatljivih alternativa spadaju one koje po svim kriterijumima
zadovoljavaju unapred zadati prag prihvatljivosti. Dakle alternativa Ai je prihvatljiva ako je
ispunjeno:
Branka Dimitrijevi, Viekriterijumska analiza

x ij x j

j = 1,2,..., n za kriterijume tipa max

x ij x j

j = 1,2,..., n za kriterijume tipa min

Neka vai sledea notacija:

r- odnos broja alternativa koje nisu prihvatljive (odnosno koje treba odbiti) i ukupnog broja
alternativa,
Pc- verovatnoa da e vrednost sluajno izabrane alternative zadovoljiti prag prihvatljivosti,
n- broj kriterijuma.
Imajui u vidu filozofiju konjuktivne metode, vai sledee:
r = 1 Pcn odnosno
1

Pc = (1 r ) n
Dakle, ukoliko elimo da na kraju u skupu neprihvatljivih alternativa imamo r100%
alternativa, prag prihvatljivosti za svaki kriterijum treba odrediti tako da Pc100% alternativa
zadovolji taj prag prihvatljivosti.
Konjuktivnom metodom se favorizuju alternative sa solidnim vrednostima po svim
kriterijumima, a ne alternative sa ekstremnim vrednostima.

Disjunktivna metoda
I u ovoj metodi koristi se informacija o najmanjoj prihvatljivoj vrednosti, tzv. pragu
prihvatljivosti x j , za svaki kriterijum jK.
Prema ovoj metodi u skup prihvatljivih alternativa spadaju one koje po makar jednom
kriterijumu zadovoljavaju unapred zadati prag prihvatljivosti. Dakle alternativa Ai je prihvatljiva
ako je ispunjeno:
x ij x j , j = 1 ili 2,..., ili n za kriterijume tipa max

x ij x j

j = 1 ili 2,..., ili n za kriterijume tipa min

Neka vai sledea notacija:

r- odnos broja alternativa koje nisu prihvatljive (odnosno koje treba odbiti) i ukupnog broja
alternativa,
Pd- verovatnoa da e vrednost sluajno izabrane alternative zadovoljiti prag prihvatljivosti,
n- broj kriterijuma.
Imajui u vidu filozofiju disjunktivne metode, vai sledee:
r = (1 Pd ) n odnosno
1

Pd = 1 r n
Dakle, ukoliko elimo da na kraju u skupu neprihvatljivih alternativa imamo r100%
alternativa, prag prihvatljivosti za svaki kriterijum treba odrediti tako da Pd100% alternativa
zadovolji taj prag prihvatljivosti.
Disjunktivna metoda obezbeuje izbor onih alternativa u skup prihvatljivih koje imaju
ekstremno dobre vrednosti po nekim (makar jednom) kriterijumu.

Branka Dimitrijevi, Viekriterijumska analiza

TOPSIS metoda
Ova metoda alternative vrednuje na osnovu njihove udaljenosti u odnosu na idealno i antiidealno reenje. Najbolja je alternativa koja ima najmanje rastojanje u odnosu na idealno reenje i
najvee rastojanje u odnosu na anti-idealno reenje. Na narednoj slici koja predstavlja prostorni
raspored alternativa definisan sa dva kriterijuma tipa max, moe se uoiti da alternativa A1 iako je
blia idealnom reenju (A+) u poreenju sa alternativom A2, istovremeno je blia i anti-idealnom
reenju (A-) u poreenju sa A2. Imajui u vidu ovu injenicu tvorci metode su za ukupnu meru
kvaliteta alternative proglasili relativnu bliskost alternative idealnom reenju, uzimajui u obzir
njenu udaljenost od idealnog i anti-idealnog reenja istovremeno. Ova mera u sebe ukljuuje i
informaciju o teinskim koeficijentima kriterijuma, te zakljuujemo da ova metoda, kao i veina
njih, tretira razliitost vanosti kriterijuma kao jednu od vanih prednosti u formulaciji problema.
A+

K2
Ai

A1
A2

AK1
U nastavku slede koraci algoritma za reavanje viekriterijumskog zadataka TOPSIS
metodom:
Polazna matrica X = x ij
:

x11
x21

x12
x22

x1j
x2j

x1n
x2n

xij

xin

xm1

xm2

Am

xmj

xi2

xi1

Ai

Kn

Kj

X=

K2

A1
A2

K1

m n

xmn

Korak 1. normalizacija polazne matrice

X R

rij =
R = rij

m n normalizovani
podaci

x ij
m

x ij2
i =1

normalizovana
matrica

Branka Dimitrijevi, Viekriterijumska analiza


Korak 2. oteavanje normalizovane matrice

R V
V = v ij = W j' rij , W j' =

Wj
n

Wj

, v ij = W j' rij

j=1

Korak 3. - formiranje idealnog i anti-idealnog reenja:

A + - idealno reenje, koje ima sve najbolje karakteristike po svim kriterijumima:

A + = max v ij j K ' i min v ij j K ' ' = v1+ , v +2 , ..., v +j ,..., v +n , i = 1, 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 anti-idealno reenje, koje ima sve najloije karakteristike po svim kriterijumima:
A = min v ij j K ' i max v ij j K ' ' = v 1 , v 2 , ..., v j ,..., v n , (i = 1, m)
i

Korak 4. - raunanje udaljenosti (euklidsko rastojanje) svake alternative od idealnog i

antiidealnog reenja
n

S i+ = ( v ij v +j ) 2

udaljenost alternative od idealnog reenja

j=1

Si =

( v ij v j ) 2

udaljenost alternative od anti-idealnog reenja

j =1

Korak 5. - raunanje relativne bliskosti alternative idealnom reenju:

Ci =

Si
Si + Si+

, 0 C i 1.

Korak 6. rang alternativa:

Rang vrednosti Ci poreanih u opadajui niz (od najvee do najmanje vrednosti) odgovara
rangu alternativa Ai (od najbolje do najloije).
Takoe vai:
Ci = 0
Ci = 1

alternativa je ant-iidealno reenje.

alternativa je idealno reenje.

Branka Dimitrijevi, Viekriterijumska analiza

PROMETHEE metoda
Specifinost ove metode je funkcija preferentnosti. Ona slui da razliku u vrednostima za
svaki par alternativa svede u opseg od 0 do 1, po svakom kriterijumu. Time se postie ujedno
normalizacija vrednosti u matrici i dobjanje informacija o preferentnosti (dominantnosti, boljitku)
svake alternative u odnosu na svaku i ti po svim kriterijumima. Autori metode su predloili 6 tipova
funkcija preferentnosti za koje smatraju da pokrivaju veinu standardnih zahteva u tom pogledu.

Tipovi funkcija preferentnosti su:

odskona,
pomerena odskona,
linearna,
pomerena linearna,
stepeniasta,
gausova.
1. Odskona funkcija
P(A1,A2)

P(A1,A2)

0 , d 0
P(A1 , A 2 ) =
1 , d < 0

0 , d 0
P(A1 , A 2 ) =
1, d > 0

1
max

min

d=X1j-X2j

2. Pomerena odskona funkcija

P(A1,A2)

P(A1,A2)

0 , d q
P(A1 , A 2 ) =
1, d < q

0 , d q
P(A1 , A 2 ) =
1, d > q
1

max

min

Branka Dimitrijevi, Viekriterijumska analiza

3. Linearna funkcija
P(A1,A2)

P(A1,A2)

0, d 0

P(A1 , A 2 ) = d / p , p < d < 0

1, d p

0, d 0

P(A1 , A 2 ) = d / p , 0 < d < p

1, d 0

min

max

4. Pomerena linearna funkcija

P(A1,A2)

P(A1,A2)

0, d q
d q
P(A1 , A 2 ) =
, p<d<q
p q
1, d p

0, d q
d q
P(A1 , A 2 ) =
, q<d<p
p q
1, d p

min

max

5. Stepeniasta funkcija
P(A1,A2)

P(A1,A2)

0, d q
1
P(A1 , A 2 ) = , p d < q
2
1, d < p

0, d q
1
P(A1 , A 2 ) = , q < d p
2
1, d > p

min

max

Branka Dimitrijevi, Viekriterijumska analiza

d
9

6. Gausova funkcija
P(A1,A2)

P(A1,A2)

0, d 0

d2
P(A1 , A 2 ) =

1 e 2s 2 , d < 0

0, d 0

d2
P(A1 , A 2 ) =

1 e 2s 2 , d > 0

1
max

min

s 0

Dalji postupak reavanja viekriterijumskog zadatka PROMETHEE metodom, prikazan je u

algoritamskoj formi.

Korak 1. - odreivanje meusobne preferentnosti alternativa, P(A1,A2), za svaki par

alternativa iz skupa alternative A, u skladu sa izabranim tipovima funkcija preferentnosti i
parametrima tih funkcija.

Korak 2. - formiranje indeksa preferentnosti za svaki par alternativa prema formuli:
Wj n
(A1 , A 2 ) = n
W j Pj (A1 , A 2 ) .
W j j=1

j=1

Ova karakteristika govori o preferentnosti alternative A1 u odnosu na alternativu A2, ali

uzimajui u obzir sve kriterijume istovremeno, za razliku od Pj(A1,A2), koja takoe govori o
preferentnosti A1 u odnosu na A2, ali samo po j-tom kriterijumu.

Korak 3. - formiranje matrice indeksa preferentnosti:

A1
A1
M
Am

...
...

M
(Am,A1)

Am
(A1,Am)
M

Korak 4. - izraunavanje pozitivne + (A 1 ) i negativne (A 1 ) karakteristike za

svaku alternativu iz skupa A:
1
(A 1 , x ) .
m 1 xA
1
(A 1 ) =
( x , A 1 ) .
m 1 xA

+ (A 1 ) =

Branka Dimitrijevi, Viekriterijumska analiza

10

 + (A 1 ) govori o tome koliko je alternativa A1 bolja od svih ostalih alternativa iz skupa

alternativa A, pos vim kriterijumima iz skupa kriterijuma K. Logino (A 1 ) , daje suprotnu
informaciju, odnosno koliko su sve ostale alternative bolje od alternative A1.
Na osnovu ovih karakteristika mogue je izvriti konano rangiranje alternativa koje je
objanjeno u nastavku.

PROMETHEE I
Prema PROMETHEE I metodi alternativa A1 je preferentna u odnosu na alternativu A2, ako
je ispunjen neki od sledeih uslova:
+ (A 1 ) > + (A 2 ) (A 1 ) < (A 2 ) ,
A1 P I A 2

+ ( A 1 ) > + ( A 2 ) ( A 1 ) = ( A 2 ),

akko

+ ( A 1 ) = + ( A 2 ) ( A 1 ) < ( A 2 ).

Alternativa A1 je indifirentna u odnosu na alternativu A2 po PROMETHEE I metodi

(meusobno su jednake, nema meusobne preferentnosti) ako je ispunjeno:
A1 I I A 2

+ (A 1 ) = + (A 2 ) ( A 1 ) = ( A 2 ) .

akko

Alternativa A1 je nekomparabilna u odnosu na alternativu A2 po PROMETHEE I metodi (ne

mogu se porediti, nema zakljuka o preferentnosti jedne u odnosu na drugu alternativu), u svim
ostalim sluajevima
A1 R I A 2

u ostalim sluajevima.

S obzirom da PROMETHEE I daje parcijalni rang, koji podrazumeva i postojanje

meusobne neuporedivosti alternativa, nastavak ove metode nazvan PROMETHEE II iskljuuje
mogunost neporedivosti i daje konaan rang.

PROMETHEE II
Moginost postojanja nekomparabilnosti iskljuena je uvoenjem karakteristike (A1), koja
predstavlja ukupnu preferentnost alternative A1, i izraunava se:
(A 1 ) = + (A 1 ) (A1 ) .
Prema PROMETHEE II metodi, alternativa A1 preferentna je u odnosu na alternativu A2, ako
je ispunjeno:
A 1 P II A 2

akko (A 1 ) > (A 2 ) .

Alternativa A1 je indifirentna u odnosu na alternativu A2 po PROMETHEE II metodi, ako

je ispunjeno:
A 1 I II A 2 akko (A 1 ) = (A 2 ) .

Branka Dimitrijevi, Viekriterijumska analiza

11

FAZE VIEKRITERIJUMSKE ANALIZE

Poinje se sa postavkom problema. To je kreativni posao koji se karakterie subjektivizmom

pojedinca ili grupe u odreivanju skupa alternativa i kriterijuma.
U sledeem koraku dolazi se do relativnih vanosti - teina kriterijuma. One se odreuju kao
subjektivna procena ili korienjem nekih tehnika koje se koriste u tu svrhu, a sa ciljem suzbijanja
subjektivizma, o emu e biti rei u nastavku.
Prelazi se na korak izbora adekvatne metode. Reeno je da ih ima dosta (oko 50), pa je izbor
metode koju emo primeniti u konkretnom problemu svojevrstan izazov. On se reava na razne
naine, a bitno je da se koristi iskustvo u reavanju slinih problema u prolosti. U tom smislu
postoje i mogunosti korienja ekspertnih sistema sa ugraenim bazama sluajeva, koji
preporuuju metodu viekriterijumske analize za reavanje konkretnog problema iz baze sluajeva
(engl. Case-base reasoning).
Poslednja faza u viekriterijumskoj analizi jeste prouavanje stabilnosti reenja (odabrane
najbolje alternative, ranga alternativa ili podskupa dobrih alternativa) na promene izvesnih ulaznih
podataka. Razume se da je najinteresantnije prouavati stabilnost reenja na promene relativnih
teina kriterijuma, kao svojevrsnih reprezenata subjektivizma u viekriterijumskoj analizi.

ODREIVANJE RELATIVNIH TEINA KRITERIJUMA

Malo opirnije o jednoj od bitnijih karakteristika viekriterijumske analize, odreivanju

teinskih koeficijenata kriterijuma.
Odreivanje vanosti kriterijuma je subjektivna radnja u kojoj se interpretira sistem vrednosti
u konkretnom zadatku viekriterijumske analize. Svakom kriterijumu KjK pridruuje se relativna
teina, Wj, j=1, ..., n. U najjednostavnijem sluaju svako Kj je nenegativan broj, a ako je pri tome
n

W j = 1 , kae se da su relativne teine kriterijuma normalizovane. Ako to nije sluaj, lako je

j=1

mogue izvriti normalizaciju kao to je ve bilo rei do sada.

Relativne teine kriterijuma nekada se izraavaju lingvistiki. Na primer, za neki kriterijum se
kae vrlo vaan, ili srednje vaan, ili malo vaan, itd. Subjektivan stav prema vanosti kriterijuma,
simultano mogue je iskazati i reenicama tipa: svi kriterijumi su podjednako vani, izuzev
kriterijuma KK koji ima dva puta veu vanost. Odnos prema vanosti kriterijuma mogue je
lingvistiki iskazati i poreenjem vanosti parova kriterijuma. Na primer: kriterijumi K i K su
podjednako vani, ili kriterijum K je apsolutno vaniji od kriterijuma K.
Iako u odreivanju relativnih teina kriterijuma subjektivizam ima znaajnu ulogu, u literaturi
je prisutna tenja da se ovi postupci urede, pa ak i standardizuju. Pri tome se polazi od sledeih
pretpostavki:
Subjektivni stav o relativnim teinama kriterijuma lake je izraziti poredei vanosti
kriterijuma po parovima, nego za sve kriterijume odjednom, to naroito vai kada je
broj kriterijuma vei od 5,
Lingvistike iskaze o vanosti kriterijuma treba prevesti u numerike vrednosti
primenjujui (a) jednostavne standardizovane skale, ili (b) koristei fuzzy brojeve
(definisane na standardizovanim domenima i sa standardizovanim funkcijama
pripadnosti) kao nain za iskazivanje izvesne neodreenosti koja je vezana za ove
parametre problema.
Jedna vrlo prihvaena skala za konverziju lingvistikih iskaza u poreenju po parovima
kriterijuma data je u narednoj tabeli. Skala je predloena pre tri decenije [Saaty skala] i dobila je
status skoro standard.
Branka Dimitrijevi, Viekriterijumska analiza

12

Lingvistiki iskaz

Kvantitativna vrednost

WK

WK

1
3
5
7
9
2,4,6,8

Podjednaka vanost kriterijuma K i K

Malo vea vanost kriterijuma K u odnosu na K
Jako izraena vanost kriterijuma K u odnosu na K
Dominantno visoka vanost kriterijuma K u odnosu na K
Apsolutna vanost kriterijuma K u odnosu na K
Meuiskazi iskazi izmeu dva susedna iskaza

Jedan od jednostavnijih metoda da se korienjem Saaty skale odrede teine kriterijuma

njihovim prethodnim poreenjem po parovima, jeste formiranje Dominacione matrice. Ovim
postupkom se u matrici dominacije D = D ij
, za svaki par kriterijuma odreuje vrednost
nxn

dominacije Dij, ij=1, ...,n, koja, ako K dominira nad K, Dij uzima neku vrednost iz tabele u
zavisnosti od stepena dominacije, ako K ne dominira nad K, Dij=0. Nakon poreenja po parovima
kriterijuma formiraju se zbirovi ukupnih dominacija po svakom od kriterijuma i zatim vri njihova
normalizacija. Sledi ilustrativni primer.

Kriterijum 1
Kriterijum 2
Kriterijum 3

Kriterijum 1

Kriterijum 2

Kriterijum 3

Zbir

1
0
2

3
1
6

0
0
1
Ukupno

4
1
9
14

Normalizovani zbir
(Teinski keoficijenti)
0.29
0.07
0.64
1.00

Pored ove krajnje jednostavne metode, kao pristupi u odreivanju relativnih teina kriterijuma
mogu se sresti i: metod minimalnog srednjeg kvadratnog odstupanja, metoda sopstvenog vektora
(Eigenvector), metoda entropije, itd.

Branka Dimitrijevi, Viekriterijumska analiza

13