PRIMJER rješavanja problema metodom ELECTRE

Opis problema

Problem višekriterijskog odlučivanja koji će se pokušati riješiti Metodom ELECTRE je odabir

najboljeg kandidata za radno mjesto asistenta na visokoškolskoj instituciji.

Kandidat koji se prima na fakultet u svojstvo asistenta, sudjelovat će u znastvenoistraživačkom i

nastavnom radu fakulteta. S obzirom na značaj njegovog posla, potrebno je da kandidati
zadovolje visoke uvjete da bi dobili svoju priliku za rad na visokoškolskoj instituciji.

Kriteriji ili možemo ih nazvati uvjetima, koji su bitni prilikom donošenja takve odluke bili bi:

1. Odgovarajuća struka
S obzirom da se problem koji će se riješiti metodom ELECTRE odnosi na primanje asistenta
na projekte koji zahtijevaju organizacijska i informatička znanja, struka, odnosno završeni
fakultet koji dolazi u obzir kod vrednovanja potencijalnog kandidata bili bi: Fakultet
organizacije i informatike, Ekonomski fakultet i Fakultet elektrotenike i računarstva.

2. Prosjek ocjena
Prosjek ocjena kandidata vrlo je važan kriterij, jer je ključno da se na fakultetu zapošljavaju
diplomirani studenti s najboljim prosjekom u svojoj generaciji. Kandidat bi trebao biti barem
među 10% najboljih studenata svoje generacije po ukupnom prosjeku ocjena čitavog studija.

3. Broj stranih jezika

Danas se bez znanja stranih jezika, naročito engleskog jezika, koji je postao svjetski jezik, ne
može naći gotovo nikakav posao.
Za fakultetski obrazovani kadar samo po sebi je razumljivo da dobro vlada barem jednim ili
više stranih jezika. Za znanstvenoistraživački rad na fakultetu nužno je poznavanje engleskog
jezika. Gotovo sva literatura, projektna dokumentacija, interakcija među partnerima projekata
i dr. odvija se na engleskom jeziku.
 4. Broj radova
Broj stručnih, možda i znanstvenih radova također je kriterij koji može pomoći u odabiru
najboljeg kandidata. Radovi su dokaz iskustva, ambicioznosti i kompetentnosti pojedinog
kandidata.

Metodom ELECTRE birat će se između četiri kandidata: Kandidat A, Kandidat B, Kandidat

C i Kandidat D, za koje će biti postavljene različite vrijednosti kriterija.

Metoda ELECTRE

Metoda ELECTRE (Elimination et ChoiceTranslating Reality) jedna je od metoda

višekriterijskog odlučivanja pomoću koje ćemo odabrati najboljeg kandidata za radno mjesto
asistenta.

Glavna ideja metode ELECTRE je ta da se u skup alternativa uvede uređajna relacija na temelju
podataka iz tablice odlučivanja i težine kriterija. Da bi se to postiglo koristi se postupak
modeliranja preferencija.

Po definiciji se pretpostavlja:
1.) f j (a) je realan broj koji se zove vrijednost alternative a po j - tom kriteriju,

2.) Ako su vrijednosti f j (a) fiksne   k , što je veća vrijednost f k (a) bolja je alternativa a .

Svaki kriterij omogućuje uspoređivanje dviju alternativa. Ovakve usporedbe smatraju se prvom
razinom modeliranja preferencija.

Preferencije modelirane na prvoj razini ograničene su na k osi koje su pridružene izabranim

kriterijima. I u praksi i u teoriji potrebna je druga razina modeliranja preferencija. Na toj razini
uspoređuju se a i b uzevši u obzir sve kriterijalne vrijednosti. Zbog toga se govori o razini
objedinjenih preferencija.

Prva razina modeliranja, definirana s familijom kriterija, korisna je za razumijevanje i

objašnjavanje modela objedinjavanja s druge razine.
Metoda ELECTRE može se prikazati u 10 koraka:

1. Postavka problema – matrica odlučivanja

2. Računanje normalizirane matrice odlučivanja
3. Računanje ponderirane normalizirane matrice odlučivanja
4. Određivanje skupova suglasnosti i nesuglasnosti
5. Računanje matrice suglasnosti
6. Računanje matrice nesuglasnosti
7. Računanje matrice dominacije po suglasnosti
8. Računanje matrice dominacije po nesuglasnosti
9. Računanje agregirane matrice dominacije
10. Eliminiranje najslabijih alternativa.

Odabir kandidata u svojstvo znanstvenog novaka metodom ELECTRE

Korak 1: Postavka problema – matrica odlučivanja

Problem: Odabir najboljeg kandidata u svojstvo asistenta na visokoškolskoj instituciji. Varijante

su: Kandidat A, Kandidat B, Kandidat C, Kandidat D. Kriteriji su: struka, prosjek ocjena, broj
stranih jezika, broj radova. Za svakog od kandidata dodijeljene su vrijednosti za svaki od
kriterija. Svi kriteriji nisu jednako važni pa su im pridružene težine (ponderi) wi , npr. najveću
važnost ima kriterij Struka s ponderom 0,4, zatim Prosjek ocjena s 0,35, Broj radova 0,15 i Broj
stranih jezika 0,1. Kriteriji su kriteriji koristi – «veće je bolje».
Sve navedene informacije i težine kriterija se prikazuju u tablici odlučivanja. Za kriterij «Struka»:
FOI; FER; EF, za svaki fakultet je dodijeljena težina kriterija, pa je tako FOI-u dodijeljena težina
3, FER-u 2 i Ekonomskom fakultetu 1. «Prosjek ocjena» kao kriterij označava prosjek ocjena
kandidata, «Strani jezici» označavaju broj stranih jezika koje kandidat govori i «Radovi» broj
znanstvenih ili stručnih radova koje je objavio kandidat.
Tabela 1: Postavka problema

Struka Prosjek Strani jezici

Radovi
ocjena
Težina 0,4 0,35 0,1 0,15
Tip Max Max Max Max
Kandidat A 3 FOI 4,2 2 0
Kandidat B 2 FER 3,8 3 2
Kandidat C 3 FOI 4,5 1 1
Kandidat D 1 EF 4,8 2 1

Korak 2: Računanje normalizirane matrice odlučivanja

Nakon što je učinjena postavka problema i izrađena matrica odlučivanja, potrebno je izvršiti
normalizaciju tako da se elementi svakog stupca dijele s normalizacijskom konstantom. Svi
kriteriji ne moraju imati jednake skale, pa ih je normalizacijom potrebno ujednačiti. Postoje
različiti postupci normalizacije koje karakteriziraju različite pripadne normalizacijske konstante:
postotna normalizacija, normalizacija zbrojem, 0-1 normalizacija i Euklidska normalizacija.
Korištena je Euklidska normalizacija. Normalizirana matrica odlučivanja označava se sa R .
Po Euklidovoj normalizaciji vrijednosti iz tablice odlučivanja normaliziraju se tako da se element
svakog stupca dijeli s normalizacijskom konstantom:
1
 2
N j     f j ai  
n 2

 i 1 
Izračun normalizacijske konstante:
N struka  9  4  9  1  4,7958

Nocjena  17,64  14,44  20,25  23,04  8,6816

N jezik  4  9  1  4  4,2426

N radovi  0  4  1  1  2,4495
Tabela 2: Normalizirana tablica odlučivanja (R)

Struka Prosjek Strani jezici

Radovi
ocjena
Težina 0,4 0,35 0,1 0,15
Tip Max Max Max Max
Kandidat A 0,6255 0,4838 0,4714 0
Kandidat B 0,4170 0,4377 0,7071 0,8165
Kandidat C 0,6255 0,5183 0,2357 0,4082
Kandidat D 0,2085 0,5529 0,4714 0,4082

Korak 3: Računanje ponderirane normalizirane matrice odlučivanja (V)

Stupci matrice R množe se s težinama odgovarajućih kriterija wi . Dobivena matrica označava se

sa V . Vrijedi V = RW gdje je W dijagonalna matrica s wii  wi .

Tabela 3: Ponderirana normalizirana tablica odlučivanja (R)

Struka Prosjek Strani jezici

Radovi
ocjena
Težina 0,4 0,35 0,1 0,15
Tip Max Max Max Max
Kandidat A 0,2502 0,1693 0,0471 0
Kandidat B 0,1668 0,1532 0,0707 0,1225
Kandidat C 0,2502 0,1814 0,0236 0,0612
Kandidat D 0,0834 0,1935 0,0471 0,0612

Korak 4: Određivanje skupova suglasnosti i nesuglasnosti

Za svaki par alternativa (ak , al ), k , l  (1,2,..., n), k  l skup indeksa kriterija J  1,2,..., ndijeli

se na dva podskupa; skup suglasnosti Ckl  j / f j (ak )  f j (al ) i skup nesuglasnosti

Dkl  j / f j (a k )  f j (al )

Skup C kl čine indeksi kriterija po kojima alternativa ak nije slabija od alternative al , a skup Dkl

čine indeksi kriterija po kojima je alternativa ak slabija od alternative al .

Skup suglasnosti Ckl  j / f j (ak )  f j (al )

C12   f1 , f 2  C13   f1 , f 3  C14   f1 , f 3 

C21   f 3 , f 4  C23   f 3 , f 4  C24   f1 , f 3 , f 4 
C31   f1 , f 2 , f 4  C32   f1 , f 2  C34   f1 , f 4 
C41   f 2 , f 3 , f 4  C42   f 2  C43   f 2 , f 3 , f 4 

Skup nesuglasnosti Dkl  j / f j (a k )  f j (al )

D12   f 3 , f 4  D13   f 2 , f 4  D14   f 2 , f 4 

D21   f1 , f 2  D23   f1 , f 2  D24   f 2 
D31   f 3  D32   f 3 , f 4  D34   f 2 , f 3 
D41   f1 D42   f1 , f 3 , f 4  D43   f1

Korak 5: Računanje matrice suglasnosti

m
Elementi matrice suglasnosti računaju se formulom ckl   (w j /  w j ) . Ista tako je važno
jckl j 1

naglasiti da vrijedi: 0  ckl  1 . Indeksi suglasnosti ckl , koji odražavaju razinu suglasnosti s

dominacijom alternative ak u odnosu na al , čine matricu suglasnosti C s cii  0 .

Tabela 4: Matrica suglasnosti (C)

 * 0,75 0,5 0,5 

0,25 * 0, 25 0,65 
C 
 0,9 0,75 * 0,55 
 
 0,6 0,35 0,6 * 

C12   f1, f 2  = 0,4+0,35 = 0,75

C13   f1 , f3  = 0,4+0,1 = 0,5

C14   f1 , f 3  = 0,4+0,1 = 0,5

Korak 6: Računanje matrice nesuglasnosti

Indeks nesuglasnosti d kl odražava odupiranje alternative al dominaciji alternative ak .

max v kj  vlj
jDkl
Vrijednosti tog indeksa računaju se pomoću formule: d kl 
max v kj  vlj
jJ

Objašnjenje: najveća razlika između al i ak po kriterijima po kojima je al bolja od ak /

najveći raspon između al i ak po svim kriterijima

Indeksi d kl čine matricu nesuglasnosti D.

Tabela 5: Matrica nesuglasnosti (D)

 * 1 1 0,3669 
0,6808 * 1 0,4832 
D
 0,384 0,73 * 0,1409 
 
 1 1 1 * 

0,1225 0,0612 0,0612

d12  1 d13  1 d14   0,3669
0,1225 0,0612 0,1668
0,0834 0,0834 0,0403
d 21   0,6808 d 23  1 d 24   0,4832
0,1225 0,0834 0,0834
0,0235 0,0613 0,0235
d 31   0,384 d 32   0,73 d 34   0,1409
0,0612 0,0834 0,1668
0,1668 0,0834 0,1668
d 41  1 d 42  1 d 43  1
0,1668 0,0834 0,1668
Korak 7: Računanje matrice dominacije po suglasnosti (H)

Za računanje ove matrice nužno je odrediti vrijednost praga suglasnosti s dominacijom c .

Alternativa a k može dominirati alternativu al ako je zadovoljen uvjet c kl  c . Obično se za

ckl
c uzima prosječna vrijednost indeksa suglasnosti c   .
n(n  1)
Uspoređivanjem vrijednosti indeksa dominacije za svaki par alternativa (a k,a l ) s pragom

suglasnosti s dominacijom, konstruira se matrica H za čije elemente vrijedi:

h kl  1, za c kl  c
h kl  0, za c kl  c

ckl
c  = 0,5541
n(n  1)

Tabela 6: Matrica dominacije po suglasnosti (H)

* 1 0 0
0 * 0 1
H 
1 1 * 0
 
1 0 1 *

Korak 8: Računanje matrice dominacije po nesuglasnosti (G)

Za računanje ove matrice nužno je odrediti prag indeksa nesuglasnosti d .

d kl
Obično se za d uzima prosječna vrijednost indeksa nesuglasnosti d   .
n(n  1)
Zatim se konstruira matrica G za čije elemente vrijedi:
g kl =1, za d kl  d

g kl =0, za d kl > d
 d kl
d  = 0,73
n(n  1)
Tabela 7: Matrica dominacije po nesuglasnosti (G)

* 0 0 1
1 * 0 1
G
1 1 * 1
 
0 0 0 *

Korak 9: Računanje agregirane matrice dominacije (E)

Agregirana matrica dominacije E sadrži elemente ekl  h klg kl .

Tabela 8: Agregirana matrica dominacije (E)

* 0 0 0
0 * 0 1
E
1 1 * 0
 
0 0 0 *

Korak 10: Eliminiranje najslabijih alternativa

Agregirana matrica dominacije omogućuje uvođenje parcijalnog uređaja u skup alternativa A.

Ako je ekl  1 , smatra se da alternativa a k dominira alternativu a l . Matrica A je matrica
incidencije za relaciju parcijalnog uređenja skupa alternativa.
Na temelju matrice incidencije crta se graf agregirane dominacije i alternativa koja nije
dominirana ni jednom drugom alternativom čini jezgru grafa i ona je najbolja. Ako ih je više
između njih se nastavlja biranje.
Slika 1: Graf agregirane dominacije

A B

C D

Jezgra grafa = {Kandidat C}

Objašnjenje: Jedina alternativa koja nije dominirana drugom alternativom je alternativa C.

Alternativa D je dominirana alternativom A, alternativom B i alternativom C, alternativa B je
dominirana alternativom C i alternativa A je dominirana alternativom C. Alternativa koja nije
dominirana ni jednom drugom alternativom je alternativa C – Kandidat C koja čini jezgru grafa,
odnosno nije završni čvor niti jednog luka. Prema tome, rezultat metode ELECTRE je da je
najbolji kandidat za asistenta Kandidat C.