5.

ВИШЕКРИТЕРИЈУМСКО ОДЛУЧИВАЊЕ
У овом делу књиге следи опис и објашњење једне класе метода
вишекритеријумског одлучивања. Области интересовања су:
Вишеатрибутивно одлучивање, Вишецилјно одлучивање као и
методе Вишекритеријумског рангирања алтернатива.

За разлику од једнокритеријумских модела, тј. модела са једном

функцијом циља дефинисаном над скупом ограничења (видети у [3],
или [8]), вишекритеријумски проблеми оперишу са две или више
функција циља, за које је потребно пронаћи оптималне вредности,
над дефинисаним скупом ограничења.

Стварне потребе за решавањем проблема у којима је утврђено

постојање више функција критеријума, отвара ново поглавље
математичког програмирања под називом вишекритеријумско
програмирање. Често постављање више критеријума доводи до
таквих несагласности, да потпуно постизање једног циља може
негативно да утиче на преостале циљеве. Посебна важност код
вишекритеријумског одлучивања су концепти Парето оптимума
детаљно приказани у [8]. Доносилац одлуке у оваквим ситуацијама
не настоји да максимизира задате циљеве већ да их достигне до што
је могуће већег степена. Наравно овај захтев није ни мало
једноставано постићи, јер као последицу има чињеницу
перманентне конфликтности између циљева. То значи да
оптимизација по једном циљу се негативно одражава на преостале
циљеве у моделу.

Општа математичка формулација добро структурираног модела са

више циљева (критеријума) најчешће се даје математичким моделом
следећег облика, према [2]:

max [f1(x), f2(x), ... , fp(x)] , p≥ 2,

при ограничењима (p.o.)
gi(x) ≤ 0, i=1, m .
xj≥ 0, j=1, n .
 * Специјална поглавлја из теорије одлучивања: квантитативна анализа *

где је:
n - број променљивих;
p - број функција критеријума;
m - број ограничења;
X - n-димензиони вектор променљивих xj , j=1, n ;
fk - функције (циља) критеријума, k=1, p ;
gi(x) - скуп ограничења, i=1, m .
Потребно је нагласити да се врши максимизација вектора функције
циља при задатим ограничењима, пошто се критеријуми
минимизације могу превести у критеријуме максимизције, и то:
max fr(x) = - min [- fr(x)], r ∈ (1,p)
Решавањем горе наведеног модела добија се скуп допустивих
решења, вектор X који припада скупу природних бројева X ∈ Rn , за
који важи:
X= [x | gi(x)≤ 0, i=1, m , xj≥ 0, j=1, n ].
Овако добијеном скупу решења X, одговара скуп вредности
функције критеријума, односно вектор f(x), тако да се скуп
допустивих решења X може пресликати у критеријумски скуп S:
f(x)= [f1(x), f2(x), ...,fp(x)]
S= [f(x) | x∈X ].
Ако су функција циља и скуп ограничења задате линеарним
комбинацијама (што ће овде бити разматрано), ради се о проблему
вишекритеријумског линеарног програмирања.

Већ је истакнуто да основна карактеристика сваког

вишекритеријумског проблема јесте постојање више критеријума
за одлучивање и више алтернатива за избор најприхватљивије
акције. На овој основи извршена је подела модела у следеће групе:
ƒ Модели вишеатрибутивног одлучивања (VAO), за које су
критеријуми задати атрибутима. Постоји коначан број унапред
задатих алтернатива за избор, при чему не постоје експлицитно
дефинисана ограничења, већ су она укључена у атрибуте.
ƒ Модели вишециљног одлучивања (VCO), са експлицитно
дефнисаним аналитичким обликом сваког критеријума
појединачно. Наравно ради се о условној оптимизацији, па су и
ограничења експлицитно дефинисана са својом аналитичком

210
 * Вишекритеријумско одлучивање *

формом. Следе општи математички модели (ММ) поменутих

вишекритеријумских модела.

Вишеатрибутивно одлучивање
Вишеатрибутивно одлучивање, као једна од области
вишекритеријумског одлучивања карактерише се потребом избора
најприхватљивије алтернативе a*, из скупа алтернатива
представљених на основу дефинисаних критеријума. Општи ММ
вишеатрибутивног одлучивања гласи:
max [f1(x), f2(x), ... ,fn(x)] , n≥ 2,
X ∈ A =[a1, a2, ... ,am]
где је:
n - број критеријума;
m - број алтернатива (акција за избор);
А - познати коначан скуп алтернатива.
Као мера достизања сваког критеријума по дефинисаној
алтернативи јавља се атрибут. Самим тим, сваки атрибут зависи од
критеријума и од алтернативе, односно дводимензионалног је
карактера, представљен је са xij и то:
xij=fj(ai), i=1, m ; j = 1, n .
Из релације се види да свака вредност атрибута зависи од ј-тог
критеријума и од i-те алтернативе. Устаљени начин приказивања
модела вишеатрибутивног одлучивања је преко матрице, која се у
овој терминологији назива матрицом одлучивања, следећег
изгледа:
f1 f 2 LLL f n
a1  x11 x 12 LLL x1n 
 
a 2  x 21 x 22 LLL x 2n 
O=
MMM  MMMM MMM LLL MMMM 
 
a m  x m1 x m2 LLL x mn 

Вишециљно одлучивање
За разлику од вишеатрибутивног одлучивања, код вишециљног
одлучивања дискретно се наглашава скуп функција циља (две и више) над

211
 * Специјална поглавлја из теорије одлучивања: квантитативна анализа *

дефинисаним скупом ограничења. Општи математички модел задатог

вишециљног одлучивања има следећу форму:
max [f1(x), f2(x), ... , fp(x)] , p≥ 2,
п.о.:
gi(x) ≤ 0, i=1, m .
xj≥ 0, j=1, n .
где је:
X - n-димензиони вектор променљивих xj , j=1, n ;
fk - функције критеријума (циља), k=1, p ;
gi(x) - скуп ограничења, i=1, m .
У наставку поглавља следи опширнији опис приказаних модела
одлучивања, са репрезентаивним скупом метода које их прате.

5.1. ВИШЕАТРИБУТИВНО ОДЛУЧИВАЊЕ

Поред већ познатих појмова из терминологије вишекритеријумског
одлучивања, посебно интересантан појам у овој области јесте
атрибут. Управо сваки атрибут треба преставбља средство оцене
нивоа достизања једног критеријума (циља). По правилу, већи број
атрибута треба да карактерише сваку акцију (алтернативу) и они се
бирају на основу изабраних критеријума од стране доносиоца
одлуке. Чести синоними (на основу разних референци из ове
области) за атрибуте су: параметри, перфомансе, компоненте,
фактори, карактеристике, особине и слично, видети [3].

Уобичајени начин представљања проблема ВАО је матрична форма.

Приликом формирања матрице одлучивања, чест је случај да се
вредности атрибута, за сваку акцију по одређеном критеријуму
представљају као квалитативне вредности. При томе се јављају
проблеми како извести поређење квалитативне са квантитативном
вредности атрибута. За превазилажење поменутог проблема, врши
се тзв. квантификација квалитативних атрибута, односно превођење
квалитативних атрибута у квантитативне. Према томе први услов за

212
 * Вишекритеријумско одлучивање *

решавање проблема ВАО је извршена квантификација

квалитативних атрибута.

5.1.1. Квантификација квалитативних атрибута

Постоје разни начини превођења квалитативних вредности атрибута

у квантативне. Најчешће се према [5], користе скале превођења, и
то:
- Редна (ординална) скала - ставља мерене акције у редослед
(рангове), при чему се не води рачуна о релативним растојањима
између рангова.
- Интервал скала - обезбеђује једнаке интервале између
вредности атрибута и означава разлике или растојања од неког
унапред дефинисаног репера (оригинала).
- Скала односа - обезбеђује једнаке интервале између
вредности атрибута и означава разлике или растојања од неког
оригинала који није унапред дефинисан.

У овој књизи ће најчешће бити примењена интервал скала, помоћу

које ће се вршити превођење квалитативних вредности у
квантитативне. Распон скале креће се у интервалу од 1 до 9.
Вредности 0 и 10 нису укључене јер незнамо експлиците минималне
и максималне вредности атрибута за посматрани квалитативни
критеријум.

Квалитативна Тип
Лош Добар Просечан Вр.добар Одличан
оцена критериј.
Квантитативна 1 3 5 7 9 max
оцена 9 7 5 3 1 min

По завршеној квантификацији квалитативних атрибута подаци се и

даље представљају у матричној форми и то је сада названа
квантификована матрица одлучивања. Елементи квантификоване
матрице одлучивања су често са великим распонима бројних
вредности. То је разлог да се исти сведу на интервал (0,1), односно
да се упросече, применом тзв. векторске нормализације. При томе је
потребно водити рачуна о правилном заокруживању елемената
213
 * Специјална поглавлја из теорије одлучивања: квантитативна анализа *

матрице одлучивања једним од правила нумеричке анализе (најмање

на трећу децималу). Овај захтев је ис простог разлога што се велики
распони међу елементима матрице одлучивања сада своде на
интервал (0,1), односно постоји могућност уношења грешке у
подацима што може имати за последицу погрешно решење примера,
после примене неке од метода ВАО.

5.1.2. Векторска нормализација

Спровођењем нормализације врšи се "уједначавање" вредности

атрибута. Нормализација квантификоване матрице одлучивања (О)
врšи се тако šто се сваки елеменат ове матрице подели са својом
нормом, тј. квадратним кореном збира квадрата вреднсоти
елемената по свакој колони (критеријуму) дате матрице
одлучивања.
Поступак се обавља на следећи начин:
• за сваку ј-ту колону матрице одлучивања израчуна се норма као:

m
Normaj = ∑ xij2; j = 1, n
i=1 (5.1.1)
где је:
xij - вредност ј-тог атрибута по i-тој алтернатива..

• Нормализовани елеменат матрице одлучивања израчунава се на

следећи начин:
- код критеријума типа max:
xij
nij = ; j = 1, n.
Normaj
(5.1.2)

- код атрибута типа min:

x ij
n ij = 1 − ; j = 1, n.
Normaj
(5.1.3)
где је:
n ij - нормализовани елеменат матрице одлучивања.

214
 * Вишекритеријумско одлучивање *

После спроведене векторске нормализације, сви елементи се

представљају у нормализованој матрици одлучивања.
У циљу примене метода ВАО, за решавање постављеног примера,
неопходно је извршити тзв. линеаризацију атрибута. Разлог за
извршење линеаризације јесте свођење вредности атрибута на
интервал (0,1), као и превођење разних јединица мере у неименован
број.

5.1.3. Линеаризација атрибута

У зависности од типа критеријума (маx/мин), израчунавање

линеаризованих елемената (lij) матрице одлучивања врши се на
следећи начин:
- код критеријума типа max:
x ij
l ij =
x j* (5.1.4)
где је:
x j* = {x j | max x ij };i = 1, m; j = 1, n .
i

- код критеријума типа min:

min
xj
l ij = (5.1.5)
x ij
где је:
= {x j | min x ij };i = 1, m; j = 1, n.
min
xj
i
i раније дефинисана променљива:

xij - вредност атрибута i-те алтернативе по j-том

критеријуму.
У наредном делу на једном примеру биће илустровани кораци
модификације (квантификација, нормализација и линеаризација)
почетне матрице одлучивања.

215
 * Специјална поглавлја из теорије одлучивања: квантитативна анализа *

ПРИМЕР 1.

Технички директор једног графичког предузећа у ситуацији је да

изврши избор и куповину једне графичке машине у одељењу
"ОФСЕТ ШТАМПА". На располагању има четири типа машина:

М1 - Хајделберг;
М2 - Роланд;
М3 - Милер;
М4 - Yоханисберг.

Свака машина одликује се посебним особинама, има их укупно пет

и приказане су следећим критеријумима:

А1 - брзина отискивања (хиљ. отис./х);

А2 - цена (хиљ. дин./ком.);
А3 - квалитет отиска;
А4 - степен прилагођености раднику;
А5 - поузданост рада.

Добијени подаци (вредности атрибута) за сваку машину по сваком

критеријуму представљени су следећом матрицом одлучивања:
A1 A2 A3 A4 A5
M1  30 200 50 1 prosečan 
 
M 2  20 100 30 3 dobar 
O=
M 3  40 300 20 2 vr.dobar 
 
M 4  60 500 20 2 odličan 

За постављени пример и дефинисану матрицу одлучивања потребно

је извршити основне кораке модификације, квантификацију
квалитативних атрибута, векторску нормализацију и линеаризацију
елемената матрице одлучивања, а потом различитим методама
извршити избор најповољније машине.

216
 * Вишекритеријумско одлучивање *

Квантификација квалитативних атрибута

Применом претходно описане процедуре квантификације

квалитативних атрибута добија се следећа матрица одлучивања:

A1
max minA2 max A3 A4
max A5
max

a1  30 200 50 1 5 
a  20 100 30 3 3 
O1 = 2 
a3  40 300 20 2 7 
 
a4  60 500 20 2 9 

Уз сваки од критеријума уобичајено се уписује његов тип

екстремизације маx/мин, тако је на пример први критеријум брзина
отискивања типа максимизације, док је други критеријум цена, типа
минимизације, и тако редом за преостале критеријуме, док типови
машина Mi (i=1, 4 ) уобичајено постају акције (алтернативе) ai (i=1, 4 ).
Следећи корак модификације матрице одлучивања је нормализација
атрибута.

Векторска нормализација
Спроводећи описану процедуру нормализације (нпр. први елеменат
нормализоване матрице одлучивања израчунава се као:

n11 = x11/Norma1 = 30/ 80.6226 = 0.3721)

на квантификовану матрицу одлучивања О1 добија се

нормализована матрица одлучивања О2 .

Нормализована матрица одлучивања гласи:

217
 * Специјална поглавлја из теорије одлучивања: квантитативна анализа *

max A1 min A2 max A3 max A4 max A5

a 1  0.3721 0.6797 0.7715 0.2357 0.3904
a 2  0.2481 0.8399 0.4629 0.7071 0.2343
O2 = 
a 3  0.4961 0.5196 0.3086 0.4714 0.5466 
 
a 4 0.7442 0.1994 0.3086 0.4714 0.7028 

У циљу могућности примене метода вишеатрибутивног одлучивања,

следећи корак модификације матрице одлучивања јесте
линеаризација атрибута.

Линеарна трансформација

Применом наведених релација линеаризације, добија се

линеаризована матрица одлучивања О3.

На пример, први елеменат l11, за критеријум типа max, износи:

30 1
l11 = = = 0.5
60 2

Други елеменат l12, за критеријум типа min, износи:

100 1
l12 = = = 0.5
200 2

и тако редом се израчунавају преостали елементи линеаризоване

матрице одлучивања О3.

max A1 min A2 max A3 max A4 max A5

a 1  0.5000 0.5000 1.0000 0.3333 0.5556 
 
a 2  0.3333 1.0000 0.6000 1.0000 0.3333 
O3 =
a 3  0.6667 0.3333 0.4000 0.6667 0.7778 
 
a 4 1.0000 0.2000 0.4000 0.6667 1.0000

218
 * Вишекритеријумско одлучивање *

На овако модификовану (квантификовану, нормализовану и

линеаризовану) матрицу одлучивања могуће је применити неку од
метода Вишеатрибутивног одлучивања (што ће овде бити и
приказано). При томе треба нагласити да се кроз сва три претходна
корака задржала максимална количина информација у односу на
почетну матрицу одлучивања.

Овај врло строги захтев оправдава се чињеницом да решење

добијено неком од метода треба да одговара постављеном проблему.
У супротном, ако је приликом модификације почетног модела
дошло до занемаривања и губљења неке количине информација,
добијено решење не одговара постављеном изворном проблему.

5.1.4. Методе вишеатрибутивног одлучивања

Реалност и животност проблематике ВАО условила је брз и

континуалан развој метода из ове области. Због тога се већ данас
располаже једним већим скупом метода, које су у стању да већину
реалних проблема ВАО мање или више успешно решавају (Чупић
[1991]).

Преглед ових метода, налази се код аутора Хванг и Yоон,

приказаним у [5], са таксономијом метода ВАО (слика 5.1.1.)

219
* Специјална поглавлја из теорије одлучивања: квантитативна анализа *

Слика 5.1.1. Таксономија метода ВАО

220
 * Вишекритеријумско одлучивање *

Због ограничености простора у овој књизи, издвојен је један

репрезентовани скуп метода подељен у три групе, и то:

И Према типу информације о атрибуту или акцији:

- Метода доминације;
- МАXИМИН метода;
- МАXИМАX метода;

ИИ Према карактеристикама потребних информација:

- Коњуктивна метода;
- Дисјунктивна метода;
- Лексикографска метода;
- Метода Јдноставних адитивних тежина;
- Метода Хјерархијских адитивних тежина;

Све наведене методе у наредном делу, биће представљене са

општим математичким моделом, као и конкретним резултатима
добијеним применом појединих метода на Примеру 1.

5.1.4.1. Метода Доминације

Ова метода је најстарија и уједно најједноставнија метода из скупа

ВАО. Не захтева никакву трансформацију атрибута, али се често
помоћу ње не може доћи до решења. По овој методи једна акција је
доминантна ако надмашује неку другу акцију у једном или више
атрибута, а у осталим је једнака. На тај начин се врши елиминација
акција над којима је установљена доминација. То значи, да би нека
алтернатива r била доминантна потребно је да буде задовољен услов
да je: x rj ≥ x pj , j=1, n , r ≠ p ; r,p = 1, m . Односно, врши се поређење
сваке алтернативе са свим преосталим, по свим критеријумима, с
тим што се не врши поређење алтернативе саме са собом. Техника
елиминације је једноставна, јер се упоређују вредности атрибута
појединих парова акција, по сваком поједином критеријуму.
Применом ове методе на Пример 1. није могуће доћи до решења, јер

221
 * Специјална поглавлја из теорије одлучивања: квантитативна анализа *

не постоји доминантна алтернатива. Уколико би ипак хтели да

добијемо решење овом методом, неопходно је за једну алтернативу
"побољшати" вредности њених атрибута. На пример, за алтернативу
а2, да се вредности промене, и да износе 60, 100, 50, 3, 9
респективно. У том случају методом доминације могуће је извршити
избор најприхватљивије алтернативе и то а*=а2.

5.1.4.2. МАXIМIN метода

МАXIMIN метода спада у групу метода без информација за

доносиоца одлуке. Једноставна је за рад, а једини услов је да се
примењује на линеаризовану матрицу одлучивања.

Избор најприхватљивије алтернативе врши се следећом релацијом:

a * = {a i | maxminl ij };i = 1, m; j = 1, n. (5.1.6)

i j
где је:
ai - укупан расположиви скуп алтернатива у моделу i=1, m ,
lij - линеаризоване вредности матрице одлучивања i=1, m , j=1, n .

Наведена релација избора најприхватљивије алтернативе по којој

ради ова метода састоји се из два дела. Први део (читајући са десна
у лево), захтева проналажење минималне линеаризоване вредности
по свим критеријумима (вектор ri) у односу на алтернативе у
моделу. Други део захтева проналажење максималне линеаризоване
вредности међу алтернативама (вектора ri). Применом ове релације
на предходно дефинисану линеаризовану матрицу одлучивања О3
добија се вектор колона најприхватљивијих алтернатива ri са
следећим вредностима:

222
 * Вишекритеријумско одлучивање *

ri
a 1  0.3333
 
a 2 0.3333
a 3 0.3333
 
a 4 0.2000
Као што се види у издвојеном вектору ri, више алтернатива
фигурише са максималном вредношћу (r1, r2, r3), па је скуп
најприхватљивијих алтернатива а*=(а1,а2,а3), односно, јавља се
ситуација када исти услови задавољава више алтернатива.

5.1.4.3. MAXIMAX метода

И ова метода спада у класу метода без информација од доносиоца

одлуке. Најповољнија алтернатива је она која има највећу
линеаризовану вредност међу критеријумима по свим
алтернативама, односно избор се врши по следећој релацији:

a * = {a i | max maxl ij };i = 1, m; j = 1, n. (5.1.7)

i j

где је:
ai - укупан расположиви скуп алтернатива у моделу i=1, m ,
lij - линеаризоване вредности матрице одлучивања i=1, m , j=1, n .

Као и претходна (маxмин) метода, релација избора састоји се из два

дела. Првог, у коме се тражи максимална линеаризована вредност по
критеријумима (вектор ri ), и другог дела, где се такође тражи
максимална вредност, али по алтернативама из издвојеног
поменутог вектора.

За претходну матрицу одлучивања, вектор колона ri гласи:

223
 * Специјална поглавлја из теорије одлучивања: квантитативна анализа *

ri
a 1 1.0000
 
a 2 1.0000
a 3 0.7778
 
a 4 1.0000
Издвојени вектор колона (ri) садржи три максимална елемента
(r1,r2,r4), па је скуп најприхватљивијих алтернатива, a*=(a1,a2,a4).

5.1.4.4. Коњуктивна метода

Ова метода спада у тзв. другу класу метода, за које је потребно да

доносилац одлуке изврши класификацију информација о
атрибутима. Те информације су изражене преко вектора
стандардних вредности атрибута за сваки посматрани критеријум.

То подразумева да рад ове методе захтева од доносиоца одлуке

прецизирања минималних вредности појединих атрибута (тј.
стандардни ниво који је спреман да прихвати). Алтернатива а* је
најприхватљивија ако за сваки критеријум обезбеђује да је:

x ij ≥ x 0j ; j = 1, n; i = 1, m (5.1.8)

где је:
xij - вредност j-тог атрибута по i-тој алтернативи,
xj0 - стандардни ниво задовољавања по сваком критеријуму,
постављен од стране доносиоца одлучивања.

Уколико већи број акција задовољава стандардни ниво, његовим

постепеним (интерактивним) заоштравањем, на крају поступка
долази се до најбоље акције.

Нека је стандардни ниво задовољења за претходни пример по свим

критеријумима од f1 do f5 представљен следећим вектором
(респективно):

224
 * Вишекритеријумско одлучивање *

X0 = (30, 250, 50, 3, 5)

тада је:

i = 1 j = 1,2,3,5
i = 2 j = 2,4  *

x ij ≥ x 0j za  , a = a 1
i = 3 j = 1,5 
 i = 4 j = 1,5 

Применом горе наведене релације најприхватљивија алтернатива је

алтернатива а*= а1, јер су све вредности ове алтернативе у највећем
броју случајева веће или једнаке од одговарајућих вредности
вектора стандардних (задовољаваљавајућих) вредности.

5.1.4.5. Дисјунктивна метода

И дисјунктивна метода спада у класу метода, у којој доносилац

одлуке, аналитичар или менаџер има могућност активног учешћа у
процедури решавања проблема То омогућује тзв. вектор пожељних
вредности у коме су дефинисане пожељне вредности атрибута, по
свим критеријумима у моделу. Најприхватљивија је она
алтернатива, која у највећем броју случајева задовољава следећи
услов:

xij ≥ xj*; j = 1, n; i = 1, m. (5.1.9)

gde je:
xij - вредност j-тог атрибута по i-тој алтернативи,
xj*- пожељни ниво вредности по сваком критеријуму, постављен од
доносиоца одлуке.

За претходни пример пожељни ниво вредности атрибута

представљен је следећим вектором (респективно):

X*= (55, 220, 50, 2, 5)

225
 * Специјална поглавлја из теорије одлучивања: квантитативна анализа *

Применом релације (5.1.9), исту задовољавају следећи критеријуми:

i = 1; j = 2,3,5 
i = 2; j = 2,4 
*  
x ij ≥ x j za  
i = 3; j = 4,5 
i = 4; j = 1,4,5 
Алтернатива а1 и а4 у највећем броју случајева задовољавају
постављени услов (укупно по три критеријума) па су то уједно и
најприхватљивије алтернативе, односно а* =( а1, а4).

5.1.4.6. Лексикографска метода

Ова метода најпре захтева рангирање критеријума сагласно значају

које им додељује доносилац одлуке. Ради лакшег праћења рада
методе, индекс атрибута представљаће и значај атрибута. Акција а*
се бира тако што мора бити задовољен услов:
a i | max x ij1 za tip kriterijuma max f j1 
A1 = 
i
, i = 1, m (5.1.10)
a i | min x ij1 za tip kriterijuma min f j1 
i 
где је:
А1 - скуп расположивих алтернатива у моделу, које
задовољавају
постављени услов у односу на први и најзначајнији
критеријум;
ai - расположиве алтернативе у моделу i=1, m ;
xij - вредности атрибута свих алтернатива i=1, m , у односу на
први и најзначајнији критеријум j1;
fj1 - први најзначајнији критеријум у моделу.
Ако скуп А1 има само један елеменат, онда то уједно представља и
најпожељнију акцију. Уколико у изабраном скупу постоји више
акција процедура се наставља:

226
 * Вишекритеријумско одлучивање *

a i | max x ij2 za tip kriterijuma max f j2 

A2 =  i 
{ }
, a ∈ A1 ; (5.1.11)
za tip kriterijuma min f j2  i
 i i x ij2
a | min


где коришћене ознаке имају исто значење, а односе се на други круг.

По исписивању скупа А2 процедура се или зауставља или наставља,

све док се не пронађе скуп Ак (у к-том кораку) у коме се налази само
један елеменат (чиме је уједно изабрана најповољнија акција),
односно док се не размотри свих n критеријума, када се констатује
да већи број акција има исту значајност.
a i | max x ijk za tip kriterijuma max f jk 
Ak = 
a |
i
min x za tip kriterijuma min f  , ai ∈ A
k −1
{ }
; (5.1.12)
 i
i
ijk jk 

Претпоставимо да је за Пример 1 редослед значаја критеријума

следећи:

Приоритет: I; II; III; IV; V.

Критеријум: f4 ; f3 ; f1 ; f2 ; f5.

Матрица одлучивања, за исти пример гласи:

f1
max min f2 f3
max f4
max f5
max

a 1  30 200 50 1 5 
a 2  20 100 30 3 3 
O= 
a 3  40 300 20 2 7 
 
a 4  60 500 20 2 9 

Видимо да је најприхватљивији четврти критеријум (степен

прилагођености раднику), па конкретна релација избора гласи:

A1 = {a i | max x i4 = 3} a * ∈[ a 2 ]
i

227
 * Специјална поглавлја из теорије одлучивања: квантитативна анализа *

што значи да је решење пронађено у првом кораку и изабрана

алтернатива а2 као најприхватљивија.

Уколико би, на пример, и за четврту алтернативу у оквиру четвртог

критеријума вредност атрибута уместо 2 била 3, тада би било
потребно извршити избор по критеријуму који је други по важности,
а то је f3, па би најприхватљивија алтернатива тада била а* = а2.

5.1.4.7. Метода Јдноставних адитивних тежина

Ова метода спада у групу метода код којих доносилац одлуке има
могућност активног учешћа у процдури решавања проблема,
додељивањем тежинских коефицијената критеријумима. Тиме он
изражава своје преференце, односно важности сваког појединачног
критеријума на основу сопствених аспирација и ткз. ¨меке¨ класе
података.

Тежински коефицијенти су најчешће нормализовани, тј:

n
T = [ t 1 , t 2 ,K, t n ]; ∑ t j = 1;
j
Избор најбоље алтернативе врши се применом следеће
релације:
n
max ∑ t jl ij
i j
a * = {a i | n
}, i = 1, n , j = 1, m ; (5.1.13)
∑tj
j
где је:
ai - расположиве алтернативе у моделу, i=1, m ;
tj - вектор тежинских коефицијената критеријума, j=1, n ;
lij - елементи линеаризоване матрице одлучивања, i=1, m , j=1, n .

За Пример 1. ће се сада извршити избор најприхватљивије

алтернативе методом ЈАТ под условом, најпре:

228
 * Вишекритеријумско одлучивање *

а) Да су сви критеријуми истог значаја

Линеаризована матрица одлучивања гласи:

max A1 min A2 max A3 max A4 max A5

a1 0.5000 0.5000 1.0000 0.3333 0.5556
 
a2 0.3333 1.0000 0.6000 1.0000 0.3333
O3 =
a 3 0.6667 0.3333 0.4000 0.6667 0.7778
 
a 4 1.0000 0.2000 0.4000 0.6667 1.0000 

Ако вектор тежинских коефицијената гласи:

T = [ 0.2 0.2 0.2 0.2 0.2 ]

тада међурезултати износе:

r1= 0.2*(0.5000 + 0.5000 + 1.0000 + 0.3333 + 0.5556) = 0.5778
r2= 0.2*(0.3333 + 1.0000 + 0.6000 + 1.0000 + 0.3333) = 0.6534
r3= 0.2*(0.6667 + 0.3333 + 0.4000 + 0.6667 + 0.7778) = 0.5689
r4= 0.2*(1.0000 + 0.2000 + 0.4000 + 0.6667 + 1.0000) = 0.6533

Коначан вектор међурезултата гласи:

ri
a 1  0.5778
 
a 2  0.6534
a 3  0.5689
 
a 4  0.6533

Применом критеријума максимизације, max {r1=0.5778; r2=0.6533;

r3=0.5689; r4=0.6533} ⇒ најприхватљивија алтернатива је a*= a2 .

229
 * Специјална поглавлја из теорије одлучивања: квантитативна анализа *

б) Тежински коефицијенти критеријума су различитог значаја

Линеаризована матрица одлучивања је:

max A min A max A max A4 max A5
1 2 3
a10.5000 0.5000 1.0000 0.3333 0.5556
 
a20.3333 1.0000 0.6000 1.0000 0.3333
O3 =
a 3 0.6667 0.3333 0.4000 0.6667 0.7778
 
a 4 1.0000 0.2000 0.4000 0.6667 1.0000 

За вектор тежинских коефицијената:

T = [ 0.4 0.2 0.2 0.1 0.1 ]

међурезултати, односно елементи вектора ri гласе:

r1=0.5.0.5000+0.2.0.5000+0.2.1.0+0.1.0.3333+0.1.0.5556=0.5889

r2=0.5.0.3333+0.2.1.0000+0.2.0.6+0.1.1.0000+0.1.0.3333=0.5867

r3=0.5.0.6667+0.2.0.3333+0.2.0.4+0.1.0.6667+0.1.0.7778=0.5578

r4=0.5.1.0000+0.2.0.2000+0.2.0.4+0.1.0.6667+0.1.1.0000=0.6867
Коначан изглед елемената вектора ri је:
ri
a 1 0.5889
a 2 0.5867
a 3 0.5578
 
a 4 0.6867

применом критеријума максимизације max {r1=0.5889; r2=0.5867;

r3=0.5578; r4=0.6867} највећа вредност вектора, одговара четвртом
елементу r4=0.6867, па је најприхватљивија алтернатива а*=а5.
Потпуни поредак алтернатива је: а4, а1, а2, а3, јер је r4>r1>r2>r3.

230
 * Вишекритеријумско одлучивање *

5.1.4.8. Метода Хијерархијских адитивних тежина

И код ове методе, доносилац одлуке на почетку дефинише елементе

вектора тежинских коефицијената додељених критеријум има. Ова
метода не захтева нормализацију и линеаризацију матрице
одлучивања, али се елементи квантификоване матрице одлучивања
трансформишу у матрицу P следећом релацијом:

 x ij 
 m
, z a t i p k r i t e r i j u ma f − m a x
j
 
 ∑ x ij 
i
 
p ij =  1  , j = 1,n
 x ij 
 m
, z a t i p k r i t e r i j u ma f j − m i n 
 1 
 ∑ x ij 
 i 
(5.1.14)
где је:
xij - вредност атрибута i-те алтернативе по j-том
критеријуму.

Матрица P=|pij| се затим множи са вектором тежинских

коефицијената Т при чему се добија нови вектор
n
W = ∑ t j * p ij ; i = 1, m. .
j =1
Из тако добијеног вектора тражи се максимални елемент, као начин
избора најбоље акције следећом релацијом:

a * = {a i | max w i },i = 1, m. (5.1.15)

i
За Пример 1. потребно је извршити избор најприхватљивије
алтернативе ако:

а) Тежински коефицијенти критеријума имају исте вредности

Матрица одлучивања гласи:
231
 * Специјална поглавлја из теорије одлучивања: квантитативна анализа *

f1
max f2
min max f3 maxf4 maxf5
a 1  30 200 50 1 5 

a 2 20 100 30 3 3 
O1 = 
a 3  40 300 20 2 7 
 
a 4  60 500 20 2 9 
Збир елемената по сваком критеријуму (као међурезултат) је:
m
∑ x ij = [150 1100 120 8 24] , j = 1, n.
i =1
Израчуната (показано претходном релацијом) матрица P гласи:

a 1 0.2000 0.2459 0.4167 0.1250 0.2083

a  0.1333 0.4918 0.2500 0.3750 0.1250
P= 2
a 3 0.2667 0.1639 0.1667 0.2500 0.2917
 
a 4 0.4000 0.0984 0.1667 0.2500 0.3750

За вектор тежинских коефицијената:

T = [ 0.2 0.2 0.2 0.2 0.2 ]
међурезултати за вектора W гласе:
w1=0.2. (0.2000+0.2463+0.4167+0.1250+0.2083) = 0.2392
w2=0.2. (0.1333+0.4926+0.2500+0.3750+0.1250) = 0.2750
w3=0.2. (0.2667+0.1626+0.1667+0.2500+0.2917) = 0.2278
w4=0.2. (0.4000+0.0985+0.1667+0.2500+0.3750) = 0.2580

Односно, вектор W сада гласи:

wi
0.2392
0.2750
W= 
0.2278
 
0.2580
Применом наведеног типа екстремизације (максимизације):
max{w 1 = 0.2392; w 2 = 0.2750; w 3 = 0.2278; w 4 = 0.2580 } = 0.2750

232
 * Вишекритеријумско одлучивање *

Видимо да је најприхватљивија алтернатива а*=а2 јер је за њу

постигнута максимална вредност почетног вектора, односно потпун
поредак алтернатива је: а2 , а4, а1, а3, јер је w2>w4>w1>w3.

б) Тежински коефицијенти критеријума имају различит значај:

Матрица P гласи:
a1 0.2000 0.2459 0. 4167 0.1250 0.2083
 
a2 0 .1333 0. 4918 0 .2500 0.3750 0 .1250
P =
a3 0.2667 0. 1639 0. 1667 0.2500 0 .2917
 
a4 0.4000 0.0984 0. 1667 0.2500 0 .3750

За вектор тежинских коефицијената:

T = [ 0.4 0.2 0.2 0.1 0.1 ]

применом релације,
n
Wi = ∑ t j * p ij , i = 1, m
j =1
добијени су следећи међурезултати:
w1=0.2000.0.4+0.2463.0.2+0.4167.0.2+0.125.0.1+0.2083.0.1=0.24585
w2=0.1333.0.4+0.4926.0.2+0.2500.0.2+0.375.0.1+0.1250.0.1=0.25169
w3=0.2667.0.4+0.1626.0.2+0.1667.0.2+0.250.0.1+0.2917.0.1=0.22695
w4=0.4000.0.4+0.0985.0.2+0.1667.0.2+0.250.0.1+0.3750.0.1=0.27550
Односно крајњи вектор гласи:
wi
0.24585
 
0.25169
W =
0.22695
 
 0.27550
Применом критеријума максимизације,
max{ w1 = 0.24585; w 2 = 0.25169; w 3 = 0.22695; w 4 = 0.27550 } = 0.27550

233
 * Специјална поглавлја из теорије одлучивања: квантитативна анализа *

може се видети да је најприхватљивија алтернатива а*=а4, јер је за

њу постигнута максимална вредност вектора. Потпуни поредак
алтернатива: а4, а2, а1, а3, јер је w4>w2>w1>w3.

ПРИМЕР 2.

Један студент је у ситуацији да изврши избор куповине једног од 4

понуђена PC рачунара. Сваки рачунар одликује се посебним
особинама (укупно их има 5) и оне су приказане следећим
критеријумима (Наравно због тренда развоја хардвера, јано је да
није могуће имати ажурне податке):

А1 - брзина процесора;
А2 - цена;
А3 - капацитет хард диска;
А4 - поузданост рачунара;
А5 - квалитет монитора;
Добијени подаци за сваки рачунар по сваком критеријуму
представљени су следећом матрицом одлучивања:
max f min f max f max f max f
1 2 3 4 5
a1 30 200 60 dobar prosečan 
 
a 2 25 150 80 prosečan loš 
O=
a 3 40 200 40 prosečan dobar 
 
a 4 20 400 60 vr.dob ar odličan 

Извршити избор најприхватљивије алтернативе (куповина једног PC

рачунара) користећи методе вишеатрибутивног одлучивања.

Најпре је потребно извршити квантификацију квалитативних

атрибута.
Квантификована матрица одлучивања, после замене
квалитативних вредности атрибута за критеријуме f4 и f5 гласи:

234
 * Вишекритеријумско одлучивање *

f1
max min f2 f3
max f4
max max f5
a 1 30 200 60 3 5
a 2  25 150 80 5 1 
O1 = 
a 3 40 200 40 5 3
 
a 4 20 400 60 7 9

Нормализована матрица одлучивања је:

maxf1 minf 2 maxf 3 max f4 f5
max

a 1  0.5053 0.6096 0.4867 0.2887 0.4642

a 2  0.4211 0.7072 0.6489 0.4811 0.0928
O2 =
a 3 0.6737 0.6096 0.3244 0.4811 0.2785
 
a 4 0.3369 0.2193 0.4867 0.6736 0.8356

Линеаризована матрица одлучивања гласи:

maxf1 minf 2 maxf 3 max f4 max f5
a 1 0.7500 0.7500 0.7500 0.4286 0.5556
a 2 0.6200 1.0000 1.0000 0.7143 0.1111
O3 =
a 3 1.0000 0.7500 0.5000 0.7143 0.3333
 
a 4 0.5000 0.3750 0.7500 1.0000 1.0000 

На овако припремљен проблем сада је потребно применити, већ

објашњене методе ВАО.

Метода ДОМИНАЦИЈЕ
Не постоји ни једна доминатна алтернатива.

МАXIМIN метода
Применом релације:

a * = {a i | max min l ij },i = 1, m; j = 1, n.

i j
на претходно линеаризовану матрицу добија се вектор
међурезултата r са следећим вредностима:
235
 * Специјална поглавлја из теорије одлучивања: квантитативна анализа *

0.4286
 0.1111
r= 
0.3333
 
0.3750

Применом првог дела горње релације сада се добија:

max{r1 = 0.4286; r2 = 0.1111; r3 = 0.3333; r4 = 0.3750} = r1 = 0.4286 па је:
а*=а1 , тј. најприхватљивија алтернатива је а1.

МАXIМАX метода
Применом другог дела релације по којој ради ова метода:
a * = {a i | max max l ij },i = 1, m; j = 1, n.
i j
израчунава се вектор међурезултата r,

0.7500
1.0000 
r= 
1.0000 
 
1.0000 
Применом првог дела наведене релације:
max{r1 = 0.7500 ; r2 = 1.0000 ; r3 = 1.0000; r4 = 1.0000} .

Очигледно је да већи број алтернатива задовољава постављени

услов па је скуп најприхватљивијих: а*=а2=а3=а4

Постављени услов задовољавају три алтернативе, па овом методом

није могуће изабрати једну, најприхватљивију.

КОЊУКТИВНА метода
Матрица одлучивања:

236
 * Вишекритеријумско одлучивање *

max f1 minf2 max f3 f4

max f5
max

a 1 30 200 60 3 5
a 2  25 150 80 5 1

a 3 40 200 40 5 3
 
a 4 20 400 60 7 9

За потребе овог примера може се усвојити да вектор задовољавања

гласи:
X0 = [ 30 200 70 7 5 ]
после свега следи:

i = 1; j = 1,2,5

0  i = 2; j = 2,3
X ij ≥ X j 
 i = 3; j = 1,2
 i = 4; j = 4,5
Применом релације избора најприхватљивије алтернативе, по којој
ради ова метода, видимо да је у највећем броју случајева задовољена
прва алтернатива, одакле следи да је:
x ij ≥ x 0j ; j = 1, n; i = 1, m

а*=а1 што значи да је најприхватљивија алтернатива а1.

ДИСЈУНКТИВНА метода
За вектор пожељних вредности:

X* = [ 45 100 55 4 8 ]
следи:
 i = 1; j = 3

* i = 2; j = 3,4
x ij ≥ x j za 
i = 3; j = 4
i = 4; j = 3,4,5

и чега се може закључити да је најприхватљивија алтернатива а4.

237
 * Специјална поглавлја из теорије одлучивања: квантитативна анализа *

ЛЕКСИКОГРАФСКА метода

За матрицу одлучивања која гласи:

maxf1 minf 2 maxf 3 max f4 max f5
a 1 30 200 60 3 5 
a 2  25 150 80 5 1 

a 3 40 200 40 5 3 
 
a 4 20 400 60 7 9 

усваја се следећи редослед критеријума по приоротетима:

Приоритет: I; II; III; IV; V
Критеријум: f2; f1; f4; f3; f5
Применом релације рада лексикографске методе добија се решење
већ у првом кораку:
A1={ai | mиn xi2=150}; ai=a2;

из чега се извлачи закључак да је а2 најприхватљивија алтернатива.

Метода ЈЕДНОСТАВНИХ АДИТИВНИХ ТЕЖИНА

а) За дефинисани пример, вектор тежинских коефицијената има

следеће вредности:
T = [ 0.2 0.2 0.2 0.2 0.2 ]

Линеаризована матрица одлучивања гласи:

max f min f max f max f4 max f5
1 2 3
a1 0.7500 0.7500 0.7500 0.4286 0.5556
 
a 2 0.6250 1.0000 1.0000 0.7143 0.1111
O3 =
a 3 1.0000 0.7500 0.5000 0.7143 0.3333
 
a 4 0.5000 0.3750 0.7500 1.0000 1.0000 

Применом раније описаних релација по којој ради ова метода,

вектор међурезултата r гласи:

238
 * Вишекритеријумско одлучивање *

a 1 0.6468
a  0.6901
r= 2
a 3 0.6595
 
a 4 0.7250
односно, потребно је наћи максималну вредност вектора,
max{r1 = 0.6468; r2 = 0.6901; r3 = 0.6595; r4 = 0.7250} = 0.7250 што
значи да је а*=а5.
Потпуни поредак важности алтернатива гласи: а4, а2, а3, а1.

б) Ако се промени вектор тежинских коефицијената:

T = [ 0.15 0.25 0.3 0.2 0.1 ]

матрица одлучивања гласи:
max f min f max f max f4 max f5
1 2 3
a1 0.7500 0.7500 0.7500 0.4286 0.5556
 
a 2 0.6250 1.0000 1.0000 0.7143 0.1111
O3 = 
a 3 1.0000 0.7500 0.5000 0.7143 0.3333
 
a 4 0.5000 0.3750 0.7500 1.0000 1.0000 

Добијају се следеће вредности за вектор r:

a 1 0.6663
 
a 2 0.7978
r= 
a 3 0.6637
 
a 4 0.6938

max{r1 = 0.6667; r2 = 0.7981; r3 = 0.6644; r4 = 0.6944} = 0.7981

одакле се види да је а*=а2;

Поредак елемената вектора r3>r2>r1>r4, има за последицу могућност

дефинисања потпуног поретка алтернатива а2, а4, а1, а3.

239
 * Специјална поглавлја из теорије одлучивања: квантитативна анализа *

Примећујемо да се променом елемената тежинских коефицијената

долази до промене у структури решења у односу на резултате из
претходне тачке.

Метода ХИЈЕРАРХИЈСКИХ АДИТИВНИХ ТЕЖИНА

а) Применом ове методе на дефинисани Пример 2, матрица

одлучивања се трансформише у матрицу P:
maxf1 minf 2 maxf 3 maxf 4 maxf 5

a 1 0.26 0.26 0.25 0.15 0.28 

a 2 0.22 0.35 0.33 0.25 0.06 
P=  
a 3 0.35 0.26 0.17 0.25 0.17 
 
a 4 0.17 0.13 0.25 0.35 0.50 
Ако вектор тежинских коефицијената има следеће вредности:
T = [0.2 0.2 0.2 0.2 0.2]
тада вектор међурезултата w гласи:

a 1 0.2399
a 0.2408
w= 2
a 3 0.2384
 
a 4 0.2809

Потребно је пронаћи максимум елемената вектора w:

max{w1 = 0.2399; w 2 = 0.2408; w 3 = 0.2384; w 4 = 0.2809} = 0.2809;i=4
па је a*=a4, односно, најприхватљивија алтернатива је а5.

б) Када су тежинске вредности различите:

Τ = [0.15 0.25 0.3 0.2 0.1]

матрица P тада постаје:

240
 * Вишекритеријумско одлучивање *

maxf1 f2
min max f3 f4
max maxf5
a 1 0.26 0.26 0.25 0.15 0.28
a 2 0.22 0.35 0.33 0.25 0.06
P= 
a 3 0.35 0.26 0.17 0.25 0.17 
 
a 4 0.17 0.13 0.25 0.35 0.50

Вектор w међурезултата гласи:

a 1 0.237
a 2 0.275
w=
a 3 0.234
 
a 4 0.254
max {w 1 = 0.237; w 2 = 0.275; w 3 = 0.234; w 4 = 0.254 } = 0.275 ;i=2,
најприхватљивија алтернатива је а*=а2.

ПРИМЕР 3.

Следећи пример на коме се примењују методе ВАО преузет је из

књиге ОДЛУЧИВАЊЕ: формални приступ (Чупић, Тумала,
Сукновић, 2001).

Купац приватног аутомобила је у ситуацији да бира између 4

модела: а1, а2, а3 и а5. Сваки од типова се карактерише одређеним
атрибутима и има их укупно шест:

А1 - максимална брзина,
А2 - потрошња горива,
А3 - могућност оптерећења,
А4 - цена,
А5 - поузданост (квалитативна оцена) и
А6 - способност маневрисања (квалитативна оцена).

241
 * Специјална поглавлја из теорије одлучивања: квантитативна анализа *

Купац жели да изабере за себе најповољнији аутомобил. Матрица

одлучивања за овај пример гласи:
max min max min max max
A1 A 2 A 3 A 4 A5 A6
a1 150 7 1300 6.0 pro seč na odlična 
 
a 2 180 12 1100 7.0 dobra pro seč na 
O=
a 3 130 10 1500 4.5 vr .dobra vr .dobra 
 
a 4 160 8 1300 5.5 pro seč na pro seč na 

Квантификација квалитативних атрибута

max min max min max max
f1 f 2 f3 f4 f5 f6
a 1 150 7 1300 6.0 5 9
a 2 180 12 1100 7.0 3 5
O1 =
a 3 130 10 1500 4.5 7 7
 
a 4 160 8 1300 5.5 5 5
Векторска нормализација

max min max min max max

f1 f2 f3 f4 f5 f6
a 1  0.48063 0.62952 0.49707 0.48456 0.48112 0.67082
a 2 0.57676 0.36489 0.42060 0.39865 0.28868 0.37268
O2 =
a 3 0.41665 0.47074 0.57354 0.67358 0.67358 0.52175
 
a 4 0.51267 0.57660 0.49707 0.52751 0.48112 0.37268

242
 * Вишекритеријумско одлучивање *

Линеарна трансформација
max min max min max max
f1 f2 f3 f4 f5 f6
a 1 0.83333 1.00000 0.86667 0.75000 0.71429 1.00000 
a 2 1.00000 0.58333 0.73334 0.64286 0.42858 0.55556
O3 =
a 3 0.72222 0.70000 1.00000 1.00000 1.00000 0.77778
 
a 4 0.88889 0.87500 0.86667 0.81818 0.71429 0.55556

При избору најповољнијег аутомобила купац ће користити услуге

метода ВАО, које су већ објашњене, због чега ће овом приликом
бити изостављени сувишни коментари.

Метода ДОМИНАЦИЈЕ
Нема доминантне алтернативе.

МАXИМИН метода

Вектор међурезултата гласи:

a 1  0.71
a 0.43
r= 2
a 3 0.70
 
a 4 0.56

max ri= 0.71, i=1, па је најприхватљивија алтернатива а*= а1.

МАXИМАX метода

Из линеаризоване матрице:

243
 * Специјална поглавлја из теорије одлучивања: квантитативна анализа *

max min max min max max

f1 f2 f3 f4 f5 f6
a 1 0.83333 1.00000 0.86667 0.75000 0.71429 1.00000 
a 1.00000 0.58333 0.73334 0.64268 0.42858 0.55556
O3 = 2 
a 3 0.72222 0.70000 1.00000 1.00000 1.00000 0.77778
 
a 4 0.88889 0.87500 0.86667 0.81818 0.71429 0.55556

добијамо вектор међурезултата:

a 1 1.00 
a 1.00 
r= 2
a 3 1.00 
 
a 4 0.89

max ri = 1.00, за i=1, 2, 3, где су најприхватљивије алтернативе: а1,

а2, а3.

КОЊУКТИВНА метода
За вектор стандардних вредности:

Xo=[170 14 1050 7 3 5]
Решење је:
i = 1, j = 2,3,4,5,6 
 j = 1,2,3,4,5,6 
0  i = 2,
X ij ≥ X j  
 i = 3, j = 2,3,4,5,6 
 i = 4, j = 2,3,4,5,6 

Најприхватљивија алтернатива је: а2.

ДИСЈУНКТИВНА метода

За вектор пожељних вредности:

X*= [165 8 1200 5.5 5 5]

244
 * Вишекритеријумско одлучивање *

Решење:
 i = 1; j = 2,3,5,6
i = 2; j = 1,6

x ij ≥ x *j 
i = 3; j = 3,4,5,6
i = 4; j = 2,3,4,5,6
Најприхватљивија алтернатива је а*=а4.

ЛЕКСИКОГРАФСКА метода

Да се подсетимо, релација избора најприхватљивије алтернативе

лексикографском методом гласи:
a i | max x ijk za tip kriterijuma max f jk 
k
A =
a |
i
min x za tip kriterijuma min f
{ }
 , ai ∈ A
k −1
;
 i i ijk jk 

са ознакама уведеним и објашењеним у одељку 5.1.5.6.
Редослед важности критеријума гласи:

Приоритет: I; II; III; IV; V; VI

Krиterиjum: f4; f2; f5; f1; f6; f3

Применом релације избора лексикографском методом

најприхватљивија алтернатива је а*=а3.

Метода ЈЕДНОСТАВНИХ АДИТИВНИХ ТЕЖИНА

За вредности тежинских коефицијената:
Т=[0.2 0.1 0.3 0.1 0.2 0.1]
вектор r гласи:
a 1 0.845
a 2 0.684
r=
a 3 0.892
 
a 4 0.806

Најприхватљивија акција је: а*= а3.

245
 * Специјална поглавлја из теорије одлучивања: квантитативна анализа *

Метода ХИЈЕРАРХИЈСКИХ АДИТИВНИХ ТЕЖИНА

Матрица одлучивања:
max min max min max max
f1 f 2 f3 f4 f5 f6
a 1 150 7 1300 6.0 5 9
a 180 12 1100 7.0 3 5
O1 = 2 
a 3 130 10 1500 4.5 7 7
 
a 4 160 8 1300 5.5 5 5

За вектор тежинских коефицијената:

Т=[0.1 0.3 0.2 0.1 0.2 0.1]
матрица P гласи:

a1 0.241935 0.316623 0.250000 0.233569 0.25 0.346154

 
a2 0.290323 0.184697 0.211538 0.200202 0.15 0.192308
P=
a3 0.209677 0.221636 0.288462 0.311426 0.35 0.269231
 
a4 0.258065 0.277045 0.250000 0.254803 0.25 0.192308

Док вектор w износи:

a 1 0.27715
a 2 0.19600
W=
a 3 0.27322
 
a 4 0.25363

На основу max{wi } = 0.27715 , добија се да је најприхватљивија

i

алтернатива: а*= а1.

246