Optimizacija I Odlucivanje Visekriteriju-2

Univerzitet Union
Fakultet za graditeljski menadžment

Fakultet za preduzetnički biznis
dr Ilija Nikolić, red. prof.

dr Slavko Božilović, emiritus, red. prof.
Optimizacija
Višeciljno i Višeatributivno odlučivanje
Primena softvera Expert Choice u problemu realokacije kompanije
Beograd, 2008 - 2010

PREDGOVOR
Izložene oblasti namenjene su prvenstveno izadi seminarskih radova na predmetu Poslovno

odlučivanje osnovnih studija na Fakultetu za preduzetnički biznis. Ovaj materijal mogu da
koriste i polaznici svih stepena studija (uključujući specijalističke i doktorske studije) na
Fakultetu za graditeljski menadžment i Fakultetu za menaddžment nekretnina za
odgovarajuće oblasti na predmetu Operaciona istraživanja.
Sa ciljem da se studentima olakša izučavanje izloženih oblasti, predsednik Univerziteta

emiritus dr Slavko Božilović i predmetni nastavnik dr Ilija Nikolić red. prof. sačinili su
naredne delove, odnosno poglavlja.
• Deo 2 i deo 3 (deo Odlučivanje sa jednokriterijumskom i višekriterijumskom
optimizacijom, i deo Višeatributivno odlučivanje sa opštim pojmovima i ilustrativnim
primerima), jeste potebno sažeto uključiti u seminarske redove (prvenstveno sa osnovnim
definicijama i hiotetičkim primerima matematičkih modela za optimizaciju sa jednim
kriterijumom i više kriterijuma);
• Deo 4 (primena softvera Expert Choice) sa detaljnijim izlaganjem postupaka primene
softvera, nije neophodno da u istom obimu bude uključeno u seminarske radove;
• Ukazivanje na metodu Promethee u prilogu sa ilustracijom primene softvera Decision Lab
2000 na istom problemu, ali bez detaljnijeg izlatanja metode, uputstva za softver i
poređenja sa AHP, odnosno sa Expert Choice (što se ne zahteva, ali može da se uključi u
seminarske radove za veće zaključne ocene).
Deo 4 ima za osnovu seminarski rad studentkinje Jasmine Dobrača, br. dosijea 098/2007 na
Fakultetu za preduzetnički biznis, i značajna proširenja sa stanovišta primene softvera imaju
za rezultat određenu neusaglašenost metodologije izloženih aspekata softvera i neusaglašenost
odgovarajuće terminologije.
Prilog se proširuje sa dva primera iz oblasti graditeljstva:

1) Analiza i izbor dobavljača za osnovni građevinski materijal
2) Analiza i izbor lokacije za kompleksni stambeni objekat.
Izloženi sadržaji delova 2 i 3 podrazumevaju neophodnost da se za potrebe odlučivanja

izučavaju i svi sadržaji na predmetu Kvantitativne metode i modeli:
• prvenstveno sa stanovišta prepoznavanja vrste ili klase modela za razmatrani problem,
• zatim, efikasne primene softvera WinQSB ili drugog softvera sa osnovnim metodama,
• odabrane elementarne ilustracije složenih primena ručnih postupaka.
Pri tome, neki elementi primene ručnih postupaka su neophodni samo za jasnije tumačenje
osnovnih pojmova, olakšano sagledavanje načina definisanja matematičkih modela,
adekvatno tumačenje rešenja i primerenu analizu rešenja.
Sadržaj
1. Uvod...................................................................................................................................... 1
2. Odlučivanje .......................................................................................................................... 2
2.1. Jednokriterijumska i višekriterijumska optimizacija ...................................... 3
2.1.1. Jednokriterijumska optimizacija................... ...........................................3
2.1.2. Višekriterijumska optimizacija................................................................. 7
Ciljno programiranje......................................................................... 12
3. Višeatributivno odlučivanje -Viškriterijumska analiza................................................. 16
3.1. Rešavanje modela višeatributivnog odlučivanja ............................................ 19
3.2. Softverska podrška za višekriterijumsku analizu........ ... ................................24
4. Primena Expert Choice na primeru razmeštaja kompanije ......................................... 25
4.1. Postavka modela problema VAO............ ..........................................................25
4.2. Rešavanje modela VAO ................................................. ....................................28
4.2.1. Identifikacija problema i struktuiranje modela..................................... 27
4.2.2. Definisanje značajnosti kriterijuma primenom težinskih
koeficijena .............................................................................................. 28
4.2.3. Definisanje vrednosti kriterijuma za alternative ................................... 29
4.2.4. Sinteza modela ........................................................................................ 35
Razmatranje podmodela VAO ............................................................ 38
4.2.5. Analiza osetljivosti ................................................................................. 39
1) Performance Sensitivity .................................................................. 39
2) Dynamic Sensitivity......................................................................... 40
3) Gradient Sensitivity......................................................................... 42
4) Head to Head Sensitivity ................................................................ 46
5) 2D − Two Dimensional Sensitivity ................................................. 48
4.2.6. Definisanje značajnosti kriterijuma poređenjem parova...................... 50
Tipovi poređenja i oblici poređenja parova elemenata modela
(alternativa, kriterijuma)..................................................................... 50
1) Poređenje parova susednih kriterijuma ......................................... 51
Pairwise Numerical Comparisons............................................... 51
Pairwise Verbal Comparisons ..................................................... 53
Pairwise Graphical Comparisons ............................................... 54
2) Poređenje parova svih kriterijuma ................................................. 55
4.2.7. Rekapitulacija za konzistentnost pokazatelja o značajnosti
kriterijuma ............................................................................................. 57
5. Zaključak ........................................................................................................................... 59
6. Literatura.......................................................................................................................... 60
7. Prilozi.................................................................................................................................. 60
7.1. Dokument 098_07_Relokacija_kompanije_1.ahp
7.4. Primena metode Promethee i softvera Decision Lab Trial ............................ 63
Primer 1. Izbor lokacije, dokument Realokacija.dlab
Primer 2. Izbor automobila, dokument Cars.dlab
1. UVOD
U ovom radu bavićemo se problematikom višekriterjumskog odlučivanja i primenom softvera

Expert Choice 2000 na odabranom primeru konkretnog zadatka.
Pokušaćemo da na slikovit način dočaramo kompleksan problem vezan za odlučivanje, koje je

potrebno u svim domenima egzistencije, a u ovom slučaju, opredelili smo se za metodu
višekriterijumskog odlučivanja prilikom izbora tj. promene lokacije, sedišta domaće
kompanije (nećemo je imenovati) koja se bavi izradom i distribucijom keramičkih pločica.
Naime, zbog povećanja troškova, rukovodstvo kompanije donelo je odluku da se izmesti

sedište kompanije kao i proizvodni pogon, a u cilju primene strategije smanjenja troškova i
alokacije finansijskih sredstava i daljih ulaganja. Prilikom donošenja odluke o izboru lokacije,
izabrani su kriterijumi koji se smatraju najrelevantnijim i presudnim za povod relokacije, od
mnogobrojnih ostalih, koji nisu svi uzeti u razmatranje, a o čemu će nadalje biti reči.
Analitički se određuje prioritet, i uz pomoć programa dobijamo sintezu svih rešenja koja
ćemo poređati od najpovoljnijeg do najnepovoljnijeg.
Softverski program Expert Choice, baziran na AHP metodi, će nam pružiti sistematski okvir
da hijerarhijski postavimo problem, i donesemo odluku.
Tipičan hijerarhijski model odlučivanja obuhvata cilj, kriterijume i mogućnosti izbora. Na

osnovu međusobnih procena elemenata hijerarhije, uz vođenje računa o nadređenim
elementima, izvode se prioriteti, a onda se njihovom sintezom vrši izbor najpovoljnije
alternative među njima.
1
Poslovno odlučivanje
2. ODLUČIVANJE
Potreba za donošenjem odluka prisutna je u svim domenima egzistencije: od svakog

pojedinca do najrazličitijih organizovanih oblika ljudi i društva.
U cilju donošenja odluke, od strane donosioca odluke-pojedinca ili grupe ljudi, sprovodi se
odgovarajući proces odlučivanja, što kod složenijih situacija najčešće uključuje korišćenje
naučnog modela sistema. Donošenje neke odluke podrazumeva izbor najbolje, odnosno
optimalne alternative, koja predstavlja kombinaciju maksimalnog učinka i minimalnih
troškova.
Donošenju odluka u složenim oblastima organizovanog poslovanja doprinose operaciona

istraživanja.
Operaciona istraživanja su primena naučnih metoda u kompleksnim problemima vezanim za

upravljanje velikim sistemima ljudi, mašina, materijala i novčanih sredstava u industriji,
poslovanju, javnoj upravi i vojnoj upravi. Osnovna karakteristika je razviti model sistema
uključujući merenje takvih faktora kao što su šansa i rizik sa kojima se predviđaju i porede
ishodi alternativnih odluka, strategija i upravljačkih akcija. Cilj je pomoći donosiocu odluke
da naučno odabere svoju politiku i upravljanje.*)
Pre nego što pristupimo detaljnom razmatranju problema, izvršićemo terminološku analizu
definicija nekih pojmova nadalje bitnih za analizu.
Odluka je rezultat procesa odlučivanja. Odluka se donosi da bi se ispunili određeni zahtevi

koji su zadati u problemu koji je predmet razmatranja. Odluka se donosi i kada postoji samo
jedna alternativa, kao i kada se ne izvrše nikakav izbor bez obzira da li je pri tome postojala
samo jedna ili više alternativa za izbor.
Donosilac odluke je pojedinac ili grupa ljudi kojoj je dat određen stepen kompetencije da
odlučuje o pitanjima za koja snosi odgovornost. Donosilac odluke odlučuje na osovu analize
raspoloživih informacija o daljim akcijama ili uzdržavanju od akcija za koji snosi
odgovornost.
Odlučivanje je proces kojim se stvara odluka. To je niz međusobno povezanih i uslovljenih

aktivnosti koje se odvijaju sukcesivno, usmerenih k akrajnjem cilju da se donese određena
odluka. Odlučivanje se može shvatiti i kao izbor između više mogućnosti (alternativa) za
delovanje.
Malo je problema u kojima se postavlja ostvarivanje samo jednog cilja. U realnim uslovima
na postizanje cilja utiče i veliki broj faktora a u procesu donošenja odluke analiziraju se samo
oni koji u tom trenutku predstavljaju značaja uticaj. Odluke koje se donose kod većine realnih
problema su takvog karaktera da se njima mora omogućiti istovremeno ostvarivanje više
ciljeva koji mogu biti suprotstavljeni što donosioce odluke dovodi u situaciju da moraju
praviti kompromise.
*
) Journals of Operational Research, engleski časopis za naučnu oblast operaciona istraživanja
Teorisjke osnove – Optimizacija i odlučivanje 2

U procesu donošenja odluke, formira se jedna ili više alternativa (ili varijante) koje
predstavljaju moguća rešenja problema između kojih donosilac odluke vrši izbor i usvaja
jednu od njih.
Kod višeciljnog odlučivanja cilj je dat u eksplicitnom, a atributi u implicitnom obliku sa

neprekidnim prostorom odluke, odnosno beskonačnim brojem alternativa. Alternative za izbor
se donose u procesu rešavanja i nije unapred poznat broj rešenja.
2.1. Jednokriterijumska i višekriterijumska optimizacija
Metode optimizacije zasnivaju se na korišćenju matematičkih modela. Uopšteno govoreći,

smisao postojanja matematičkog modela nekog realnog sistema je mogućnost da se na osnovu
postojećih podataka bolje shvati sistem i njegovo ponašanje.
Matematički model se sastoji od skupa matematičkih relacija koje opisuju način

funkcionisanja sistema na koji se odnose i karakteristike stanja sistema u zavisnosti od
parametara sistema, ulaznih veličina, početnih uslova i vremena.
Kao i svaki drugi, i matematički model je apstraktna, a ne verna slika realnog procesa.
Matematički model omogućava optimizaciju rešenja problema. Zadatak optimizacije je izbor
najbolje varijante, ili najboljeg rešenja, iz niza varijanti u skladu sa usvojenim kriterijumima.
Bitno je imati na umu da u praktičnim primenama nastaje problem razvoja odgovarajućeg

matematičkog modela i nemogućnosti da model u potpunosti verno opiše realni problem.
• Veoma često je vrlo teško ili skoro nemoguće matematički precizno opisati sve
interakcije koje postoje u realnom problemu, a koje možda utiču na kvalitet rešenja.
• Složeniji modeli zahtevaju složenije metode rešavanja.
• Zato je neophodno da se modelom u prihvatljivoj meri obuhvate sve značajne
karakteristike problema, tako da se može smatrati da rešenje modela jeste upotrebljivo
kao osnova za donošenje odluke.
2.1.1. Jednokriterijumska optimizacija
Opšti pristup u metodama jednokriterijumske optimizacije polazi od formiranja adekvatnog

matematičkog modela za realni problem koji se razmatra. Matematički model nam služi za
izvođenje potrebnih analiza na osnovu kojih možemo doći do traženih odgovora u vezi sa
postavljenim problemom. Na osnovu eksperimentisanja na matematičkom modelu treba
zaključiti koje je rešenje najbolje i njega treba predložiti donosiocima odluke da ga
implementiraju u praksi. U ovom kontekstu nećemo insistirati na razlici u terminima ″rešenje″
i ″odluka″, ali se grubo može reći da se prvi odnosi na rezultat dobijen matematičkom
analizom, a drugi na konačni rezultat koji zavisi od donosioca odluke, odnosno vlasnika
problema.
Postoji više u suštini vrlo sličnih opštih principa koji se preporučuju u fazi izgradnje
matematičkog modela a ovde ćemo samo u najkraćim crtama prikazati nekoliko osnovnih
elemenata u procesu rešavanja problema..

CIlj je razlog zbog koga se javlja i rešava problem odlučivanja. Cilj proizilazi iz namere da se
nešto ostvari ili postigne. Upravljačke promenljive se odnose na odluke koje može da donese
onaj koji namerava da ostvari postavljeni cilj. Razlikuju se u zavisnosti od tipa problema i
kriterijuma na osnovu kojeg se odluka donosi.
Poznati problem jednokriterijumske optimizacije (kao što je već rečeno), podrazumeva

formiranje matematičkog modela, koji čine funkcija kriterijuma f(x) kojoj se određuje
minimalna ili maksimalna vrednost i skup ograničenja g(x)≤0 sa m ograničenja gde x
predstavlja vektor nepoznatih sa n nepoznatih, x={x1, x2, …xn}, čija je karakteristika da
njegove komponente ne mogu biti negativne veličine, već pozitivne veličine ili nula (xj≥0,
j=1,2,...,n). Opšti matematički model sa jednom funkcijom kriterijuma ima sledeći oblik:
(opt) f(x)
p.o.
gi(x )≤ 0 i = 1,2, ..., m
x ≥ 0.
U zavisnosti od prirode relacija za funkciju kriterijuma i ograničenja nastaju linearni modeli

(sve relacije su linearnog oblika) ili nelinearni modeli (bar jedna ralacija je nelinearnog
oblika) Opšti zapis linearnog modela sa jednim kriterijumom i sa zahtevom da se kriterijumu
odredi maksimalna vrednost ima oblik:
(max) f(x) = ∑j cj xj
p.o.
∑j aij xj ≤ bi, i = 1, 2, ..., m1
∑j aij xj = bi, i = m1 + 1, m1 + 2, ..., m1+m2
∑j aij xj ≥ bi, i = m1 + m2 + 1, m1 + m2 +2, ..., m1 + m2 + m3
xj ≥ 0, j = 1, 2, ..., n,
gde su:
n - broj nepoznatih, j = 1, 2, ..., n,
m - broj ograničenja, m = m1 + m2 + m3, kada mogu postojati određeni brojevi (m1, m2,
m3) ograničenja sa znacima “≤” (ne veće, manje ili jednako) “=“ (jednako) i „≥“
(ne manje, veće ili jednako), respektivno, i= 1, 2, ..., m,
f(x) - funkcija kriterijuma
cj - koeficijent u funkciji kriterijuma za j-tu nepoznatu, j = 1, 2, …, n,
aij - koeficijent u i-tom ograničenju za j-tu nepoznatu, i = 1, 2, …, m, j = 1, 2, …n,
bi - slobodni član u i-tom ograničenju, i = 1, 2, …, m,
xj - nepoznata veličina na j-tom mestu poredosledu nabrajanja, j = 1, 2, …, n.
Osnovni pojmovi u oblasti jednokriterijumske optimizacije

• Dopustivo rešenje x je ono nenegativno rešenje koje zadovoljava sva postavljena
ograničenja u modelurazmatranog problema:
x ↔ gi (x), x ≤ 0 i = 1 , 2, …, m.
• Skup dopustivih rešenja X čine sva dopustiva rešenja:
X = {x │gi(x) ≤ 0, i = 1, 2, …, m, xj ≥ 0, j = 1, 2, …, n }.

• Optimalno rešenje x* je ono rešenje koje daje optimalnu (ekstremnu) vrednost funkciji
kriterjuma npr. u slučaju maksimizacije funkcije kriterijuma, ne postoji drugo rešenje
x koje daje veću vrednost kriterijumu, već je ispunjeno:
f(x*) ≥ f(x),
• Ekstremna ili optimalna vrednost funkcije kriterijuma, f*, postiže se sa optimalnim
rešenjem x*:
f* = f(x*),
• Svakom konkretnom modelu odgovara:
- jedinstveno optimalno rešenje x* (jedno optimalno rešenje, jednostruko optimalno
rešenje), ili
- višestruko optimalno rešenje (više optimalnih rešenja), odnosno skup optimalnih
rešenja X* ali sva optimalna rešenja iz takvog skupa daju istu optimalnu vrednost
(jedinstvenu optimalnu vrednost) f* za funkciju kriterijuma :
X* = {x*} → f* = f(x*), za svako x*∈X*.
Nedostatak metoda jednokriterijumske optimizacije proizilazi upravo iz činjenica da se
kvalitet rešenja ocenjuje samo na osnovu jednog kriterijuma. U složenim sistemima to je vrlo
retko slučaj – donosioci odluke pri rešavanju svojih problema u praksi uvek imaju na umu,
eksplicitno ili implicitno, više različitih kriterijuma od kojih su neki međusobno konfliktni.
Primer 1.1. Broj nepoznatih n=2
(max) f(x) = 15x1 + 10x2

p.o.
C1 ... 4x1 + 2x2 ≤ 700
C2 ... 2x1 + 0x2 ≤ 600
C3 ... 0x1 + 4x2 ≥ 200
x1, x2 ≥ 0
Grafička metoda (ručni postupci)
f(C(0;50)) = 750
f(E(175;50)) = 3.125
f(B(0;350)) = 3.500 = max f
Optimalno rešenje: tačka B
x1* = 0; x2* = 350; f* = 3.500
Primena softvera [3]

WinQSB
Modul: Linear and Integer
Programming
Matrix Form – Matrična forma matemat. modela

Combined Report –
Kombinovani izveštaj
x1* = 0; x2* = 350
f* = 3.500
Slack(C1) = 0;
Slack(C2) = 600;
Surplus(C3) = 1.200
Ograničenje C1: podbačaj = 0; C2: podbačaj = 600; C3: prebačaj = 1.200
Primer 1.2. Broj nepoznatih n=4

(max) f(x) = 15x1 + 10x2 + 20x3 + 12x4
p.o.
C1 ... 4x1 + 2x2 + 1x3 + 5x4 ≤ 700
C2 ... 2x1 + 0x2 + 6x3 + 1x4 ≤ 600
C3 ... 0x1 + 4x2 + 2x3 + 0x4 ≥ 200
C4 ... x2 ≤ 150
C5 ... x4 ≥ 50
x1, x2, x3, x4 ≥ 0 i celi brojevi
Matrix Form
Bez uslova da
promenljive
budu celobrojne:
Variable Type =
Continous Ograničenje C4: Upper Bound = 150 = gornja granica nepoznate x2
Ograničenje C5: Lower Bound = 50 = donja granica nepoznate x4
Combined Report
x1* = 15,91; x2* = 150;
x3* = 86,36; x4* = 50;
f* = 4.065,91
Slack(C1) = 0;
Slack(C2) = 0;
Surplus(C3) = 572,73
Celobrojne
promenljive:
Variable Type =
Integer
Optimalno (celobrojno) rešenje: x1* = 16; x2* = 150; x3* = 86; x4* = 50; f* = 4.060

2.1.2. Višekriterijumska optimizacija
Opšte karakteristike svakog višekriterijumskog problema, za razliku od jednokriterijumskih

problema, ogledaju se u sledećem:
• Više kriterijuma (funkcija cilja, funkcija kriterijuma) za odlučivanje,
• Više alternativa (rešenja) za izbor,
• Proces izbora jednog konačnog rešenja.
U oblasti višekriterijumskog odlučivanja, postoje dve vrste problema sa stanovišta opisivanja

razmatrani elemenata problemaposredstvom odgovarajućeg matematičkog modela:
1) Višeciljno odlučivanje (VCO), ili višekriterijumsko progrmiranje (VKP),

Ciljno programiranje (CP) podgrupa u VCO, odnosno VKP,
2) Višeatributivno odlučivanje (VAO), ili višekriterijumska analiza (VKA).
Cilj višekriterijumske optimizacije je donošenje konkretne odluke, ali ne najpovoljnijeg

rešenja koje je bolje od svih drugih akcija za sve kriterijume, odnosno kompromisnog rešenja,
tj. aktivnosti koja je dobra za najveći broj zadatih kriterijuma. U matematičkom smislu,
optimizacija se svodi na traženje ekstrema funkcije kriterijuma, a vrši se primenom različitih
metoda u zavisnosti od tipa relacija u matematičkom modelu, kriterijumske funkcije i
ograničenja. Rešenje optimizacije se gotovo po pravilu vrši primenom računara i
odgovarajućeg softvera.
Uobičajeno je da se problemi višeciljnog odlučivanja nazivaju „dobro struktuirani problemi“,

a problemi višeatributivnog odlučivanja nazivaju „loše struktuirani problemi“, saglasno
uporednom pregledu njihovih karakteristika iz sledeće tabele.
Tabela 2.1. Karakteristike dve grupe višekriterijumskih problema

VCO VAO
f1 f2 fn
(opt) fk(x), k=1,2,...,p A1 a11 a12 ... a1n
A2 a21 a22 ... a2n
gi(x) ≤ 0, i=1,2,...,m
::: ::: ::: ::: :::
Elementi za pređenje xj ≥ 0, j=1,2,...,n Am am1 am2 ::: amn
(karakteristike problema) tip +(-) +(-) +(-) +(-)
Prisutnost više kriterijuma
Ciljevima, kriterijumima Atributima
definisano sa
Cilj Eksplicitan Implicitan
Atribut Implicitan Eksplicitan
Ograničenja Aktivna Neaktivna
Alternative (rešenja, akcije) Beskonačan broj, kontinualne Konačan broj (m), diskretne
Interakcija sa DO Izrazita Nije izrazita
Projektovanje (nalaženje Izbor, evaluacija (rešenja su
Primena (rešavanje modela)
rešenja i izbor) poznata)
Osnovni pojmovi su jedinstveni za obe vrste problema (VCO i VAO), ali se češće koriste za
prvu vrstu problema (VCO), kada postoje određene specifičnosti za modele CP.

Metode koje od samog početka formiranja matematičkog modela za određeni realni problem
vode računa o više ciljeva (kriterijuma) istovremeno razvijaju se u oblasti višekriterijumske
optimizacije (VKO). Ovaj deo matematičkog programiranja doživeo je svoj razvoj krajem 70-
ih godina prošlog veka.
Problemi VKO po prirodi suštinski drugačiji u odnosu na probleme jednokriterijumske

optimizacije. Više je razloga tome. Osnovni je baš u tome što se svi faktori koji utiču na
odluku, odnosno svi ishodi koji bi imali eventualno rešenje, posmatraju kao kriterijumi čije
vrednosti treba da budu optimalne. Svi faktori koji utiču na odluku, odnosno svi ishodi koji bi
imali eventualno rešenje, posmatraju se kao kriterijumi čije vrednosti treba da budu
optimalne, s tim da su kriterijumi često međusobno konfliktni.
Pored toga, razmatrani kriterijumi mogu po svojoj prirodi biti veoma raznorodni i izraženi u
različitim mernim jedinicama, od novčanih jedinica, preko jedinica fizičkih veličina, do
verovatnoća ili subjektivnih procena datih po nekoj skali koja se formira za konkretni
problem. Sve ovo ukazuje da konačno jedinstveno rešenje ne može da se odredi bez učešća
donosioca odluke.
Zadatke višekriterijumske optimizacije u slučajevima kada se razmatraju važne odluke,

karakteriše relativno veliki broj kriterijuma, ne dva ili tri nego deset ili više. Što je broj
kriterijuma veći, zadaci analize su složeniji i teži. U odlučivanju učestvuje veći broj
pojedinaca ili grupa i svi oni favorizuju svoje sisteme vrednosti, odnosno kriterijume koji
najbolje odslikavaju interese grupe kojoj pripadaju. Radi efikasnijeg analiziranja odluke i
pronalaženja pogodnog rešenja kriterijumi se grupišu. Uobičajene su sledeće grupe
kriterijuma:
• ekonomski,
• tehnički,
• tehnološki,
• socijalni i
• ekološki.
Prema nameri donosioca odluke, odnosno prema problemu koji treba da reši,
višekriterijumski zadaci se klasifikuju u sledeće tri grupe:
o zadaci višekriterijumske optimizacije kojima se rešavaju problemi određivanja podskupa
rešenja koja zadovoljavaju određene uslove i/ili izbora jednog rešenja iz ovog podskupa,
o zadaci višekriterijumskog ili višeatributnog rangiranja kojima se rešavaju problemi
određivanja potpunog ili delimičnog redosleda, rang liste, rešenja koja pripadaju
konačnom i prebrojivom skupu;
o zadaci višekriterijumske ili višeatributne selekcije kojima se rešavaju problemi izbora
određenog broja rešenja koja pripadaju konačnom i prebrojivom skupu.
Zavisno od toga kako se i kada donosilac odluke uključuje u rešavanje problema razlikuju se
tri osnovna pristupa, odnosno tri grupe metoda rešavanja:
• aposteriorni pristup,
• apriorni pritup,
• interaktivni i kooperativni pristup.

DO (u daljem tekstu-donosilac odluke) se u aposteriornom pristupu uključuje u analizu i

rešavanje svog problema posle određivanja skupa dominatnih rešenja, dakle a posteriori. On
sam treba da izabere najbolje rešenje. Zadatak analitičara je da iz dopustivog skupa izdvoji
podskup dominatnih rešenja.
U apriornom pristupu DO treba unapred, pre rešavanja zadatka VKO, da iskaže svoj odnos
prema kriterijumima. Ovo može da se uradi utvrđivanjem prioriteta ili hijerarhije kriterijuma,
dodeljivanjem težina pojedinim kriterijumima, određivanjem relativnih odnosa između svaka
dva kriterijuma ili na neki drugi način. Na osnovu toga analitičar treba rešavanjem zadatka da
predloži DO jedno rešenje koje najviše odgovaranjegovim iskazanim preferencijama.
Interaktivni pristup obuhvata metode koje kombinuju apriorni i aposteriorni pristup sa

aktivnim učešćem DO. Pristup se zasniva na neprekidnom korišćenju računara u fazi
odlučivanja i korisnički realizovanom okruženju. Savremeni softverski alati treba da pruže
donosiocu odluke snažnu podršku u ekperimentisanju sa različitim skupovima svojih
preferenci.
Opšta matematička formula dobro struktuiranog problema sa više kriterijuma (ciljeva)

najčešće se daje matematičkim modelom VCO sledećeg oblika:
Max { f1(x), f2 x), …, fp(x), p ≥ 2}
p.o.
gi(x) ≤ 0, i = 1, 2, ..., m
x ≥ 0,
gde su:
n - broj promenljivih, j = 1, 2, …, n,
p - broj funkcija kriterijuma, k = 1, 2, …, p,
m - broj ograničenja, i = 1, 2, ..., m,
x - n-dimenzioni vektor promenljivih xj, j = 1, 2, ..., n,
fk(x) - funkcije kriterijuma, k = 1, 2, …, p,
gi(x) - ograničenja, i = 1, 2, …, m.
Uobičajeno je da se kaže da se vrši maksimizacija vektora (funkcija kriterijuma) pri zadatim

ograničenjima, pošto se kriterijumi minimizacije mogu prevoditi u kriterijume maksimizacije,
npr. Za s-ti kriterijum tipa minimizacije važi:
min fs(x) = -max {-fs(x)}, s∈1,2,…,p}.
Kada su sve funkcije kriterijuma linearnog oblika i sva ograničennja linearnog oblika (neka su
znaka „≤“), javlja se model VCO sledećeg oblika:
max { fk(x) = ∑j ckj xj, k=1,2,…,p; p≥ 2 }
p.o.
∑j aij xj ≤ bi, i = 1, 2, ..., m
xj ≥ 0, j = 1, 2, …, n.
gde su:
ckj - koeficijent k-te funkcije za j-tu promenljivu, k = 1,2,…,p; j = 1,2,…,n;
aij - parameter u i-tom ograničenju za j-tu promenljivu, i = 1,2,...,m; j=1,2,…,n.
bi - slobodni član u i-tom ograničenju, i = 1, 2, ..., m.

Osnovni pojmovi za višekriterijumsku optimizaciju

• Ekstremna vrednost k-tog kriterijuma, kada se vrši optimizacija samo tog kriterijuma sa
odgovarajućim jednokriterijum. modelom naziva se idealna vrednost i označava sa fk*
max fk(x) = ∑j ckj xj
p.o.
∑j aij xj ≤ bi, i = 1, 2, ..., m
xj ≥ 0, j = 1, 2, …, n.
• Optimalno rešenje xk* sa idealom fk* naziva se marginalno rešenje ili ekstremno
efikasno (ili ekstremno pareto-optimalno) rešenje modela VCO sa stanovišta k-tog
kriterijuma.
• Posledice idealnih vrednosti kriterijuma su vrednosti ostalih kriterijuma sa xk*
Tablea 2.2. Posledice idealnih vrednosti kriterijuma za model VCO
Optimizacija Rezultat f1 f2 ::: fp
(max) f1(x) x1*, f1* f11 = f1* f12 = f2(x1*) ::: f1p = fp(x1*)
(max) f2(x) x2*, f2* f21 = f1(x2*) f22 = f2* ::: f2p = fp(x2*)
::: ::: ::: ::: :::
p
(max) fp(x) x *, fp* fp1 = f1(xp*) fp2 = f2(xp*) ::: fpp = fp*
Najbolje vrednosti, ideali f1* F2* F p*
Najlošije vrednosti :::
• Ako postoji rešenje x** koje ostvaruje idealne vrednosti za sve kriterijume, takvo rešenje
sa neaziva savršeno rešenje i razmatrani problem, u suštini, nije višekriterijumski problem
(kriterijumi nisu u konfliktu i nije potrebno dalje rešavanje):
fk* = fk(x**), k=1,2,...,p.
• Pareto-optimlano ili efikasno rešenje, odnosno nedominirano rešenje je takvo rešenje
da, u odnosu na bilo koje drugo rešenje istog tipa, jeste bolje bar za jedan kriterijum i
lošije za bar jedan kriterijum. Drugim rečima, poboljšanje vrednosti jednog kriterijuma iz
efikasnog rešenja xs i prelazak na efikasno rešenje xs+1 može da se vrši samo
pogoršavanjem vrednosti najmanje jednog od preostalih kriterijuma u xs, dok neki
kriterijumi mogu da zadrže vrednosti:
fk(xs+1) > fk(xs+1), k∈K1
fk(xs+1) = fk(xs+1), k∈K2
fk(xs+1) < fk(xs+1), k∈K3
gde skup indeksa svih kriterijuma K={1,2,...,p} čine podskupovi K1, K2 i K3 bez
zajedničkih elemenata:
K1⊂K, K2⊂K, K3⊂K (ili K1∪K2∪K3=K) i K1∩K2=∅, K1∩K3=∅, K2∩K3=∅.
• Rešenje xv nije pareto-optimalno, nije efikasno rešenje, ako postoji rešenje xz koje je
bolje bar za jedan kreterijum i nije lošije ni za jedan od preostalih kriterijuma:
fk(xz) ≥ fk(xs), k=1,2,...,p
Rešenje x je dominirano od xs, odnosno xs dominira nad xv. Međutim, nije nije obavezno
v
da xs bude efikasno rešenje, mora da se uporedi sa svim drugim efikasnim rešenjima i

utvrdi da li postoji neko rešenje koje je bolje od xs (dominira nad xs).

• Optimalno rešenje modela VCO, u matematičkom smislu predstavlja skup svih efikasnih
rešenja:
Xe = {x}.
• Za svaki realni problem je neophodno da se iz skupa efikasnih rešenja odabere jedno
rešenje za primenu, kao najprihvatljivije rešenje u datim uslovima.
o Nije neophodno, a često i nije moguće, da se odrede sva efikasna rešenja.
o Dovoljno je da se odrede odabrani podskup efikasnih rešenja koja su karakteristična za
razmatrani problem.
o U praksi se preporučuje da donosilac odluke aktivno učestvuje u procesu rešavanja
modela VCO (interaktivne metode) i ukazuje kojim kriterijuma je potrebno odrediti
povoljnije vrednosti i za koje kriterijume prihvata nepovoljnije vrednosti, ili obrnuto.
Primer 2.
(max) f1(x) = 15x1 + 10x2 + 20x3 + 12x4
(min) f2(x) = 0x1 + 4x2 + 2x3 + 0x4
(max) f3(x) = x1 + x2 + 2x3 + 2x4
p.o.
4x1 + 2x2+ 1x3 + 5x4 ≤ 700
2x1 + 0x2 + 6x3 + 1x4 ≤ 600
0x1 + 4x2 + 2x3 + 0x4 ≥ 200
x2 ≤ 150
x4 ≥ 50
x1, x2, x3, x4 ≥ 0 i celi brojevi.
Tabela 2.3. Početna analiza – ideali kriterijuma i posledice
Optimizacija Optimalno rešenje xk* f1 f2 f3
(max) f1(x) x1*=16, x2*=150, x3*=86, x4*=50 f1* = 4.060 f12 = 772 f13 = 438
(min) f2(x) x1*=0, x2*=50, x3*=0, x4*=50 f21 = 1.100 f2* = 200 f23 = 150
(max) f3(x) x1*=0, x2*=148, x3*=89, x4*=63 f31 = 4.016 f23 = 770 f3* = 452
Tip kriterijuma max min max
Najbolje vrednosti (idealne vrednosti) kriterijuma f1* = 4.060 f2* = 200 f3* = 452
Najlošije vrednosti kriterijuma 1.100 772 150
• Svako dalje iznađeno efikasno

rešenje ima vrednosti kriterijuma u
kriterijumskom prostoru
f1∈[1.100; 4.060], f2∈[200;
772], f3∈[150; 4.452],
Slika 2.1. Kriterijumski prostor za f1, f2, f3

Zajdnička ideja skupa metoda višeciljnog odlučivanja je da se određenim matematičkim

aparatom, skup više funkcija cilja prevodi u problem jednokriterijumskog odlučivanja, posle
čega se isti rešava standardnom metodologijom jednokriterijumskog linearnog programiranja i
nejčešće simpleks procedurom.
• Podesno je ilustrovati jednu ne mnogo složenu metodu za određivanje efikasnih rešenja.
Pojednostavljena metoda ograničavanja kriterijuma svodi se na optimizaciju jednog
kriterijuma, dok se nekii ili svi preostalikriterijumi prenose u ograničenja i postave
njihove dopustive granične vrednosti.
Tabela 2.4. Metoda ograničavanja kriterijuma

Optimizacija Optimalno rešenje xk* f1 f2 f3
1. (max) f1(x) x1*=16, x2*=150, x3*=86, x4*=50 f1* = 4.060 f12 = 772 f13 = 438
2. (min) f2(x) x1*=0, x2*=50, x3*=0, x4*=50 f21 = 1.100 f2* = 200 f23 = 150
3. (max) f3(x) x1*=0, x2*=148, x3*=89, x4*=63 f31 = 4.016 f23 = 770 f3* = 452
Tip kriterijuma max min max
Najbolje vrednosti (idealne vrednosti) kriterijuma f1* = 4.060 f2* = 200 f3* = 452
Najlošije vrednosti kriterijuma 1.100 772 150
4. (max) f1(x);
x1*=25, x2*=133, x3*=85, x4*=50 3.965 698 424
f2(x) ≤ 700
5. (max) f1(x);
x1*=38, x2*=109, x3*=79, x4*=50 3.840 594 405
f2(x) ≤ 600
6. (max) f1(x);
x1*=41, x2*=103, x3*=78, x4*=50 3.805 568 400
f3(x) ≤ 400
7. (min) f2(x);
x1*=52, x2*=84, x3*=74, x4*=50 3.700 484 384
f1(x) ≥ 3.700
Ilustracija poređenja rešenja

(x1*, x2): x1* ima bolje vrednosti za f1 i f3, lošiju vrednost za f2 (x2* bolje za f2, lošije
za f1 i f3)
(x1*, x4): x1* bolje za f1 i f3, lošie za f2 (x4* bolje za f2, lošije za f1 i f3)
(x4*, x6): x4* bolje za f1 i f3, lošie za f2 (x6* bolje za f2, lošije za f1 i f3)
CILJNO PROGRAMIRANJE
Varijanta modela višeciljnog odlučivanja jesu problemi ciljnog programiranja sa dve nove
vrste promenljivih (tzv. devijacione promenljive) u ograničenjima i ciljnim funkcijama:
dn – negativna devijacije ili podbačaji zahtevane vrednosti posmatranog cilja
dp – pozitivna devijacija ili prebačaj zahtevane vrednosti posmatranog cilja.
• Globalna funkcija cilja g(dn,dp) sastoji se od pojedinčnih ciljnih funkcija gh(dn,dp) sa
devijacionim promenljivama
• Ciljne funkcije imaju strogi poredak (apsolutni prioritet):
g1 >> g2 >>> g3 >>> ....

Kada se maksimalno ostvari g1 prelazi se na optimizaciju g2 uz uslov da se ne pogorša

postignuta vrednost za g1, zatim se vrši optimizacija g3 bez pogoršavanja postignutih
vrednosti ciljeva sa višim prioritetima (1 i 2), itd.
• Funkcije kriterijuma iz modela VCO prenose se u ograničenja i postave zahtevane
vrednosti, uz eventualno uvođenje devijacija (podbačaji, prebačaji, podbačaji i prebaji).
• Uobičajeno je da se sva ograničenja nazivaju ciljevima i zahteva ostvarivanje njihovih
desnih strana (slobodnih članova), u skladu sa uvedenim devijacijama u ograničenjima i
devijacijama u ciljnim funkcijama, kao i prioritetima ciljnih funkcija.
Primer 3.
U primeru 1 i 2 optimalna vrednost prvog kriterijuma je iznosila 4.060. Neka se zahteva da se
za taj kriterijum otvari vrednost 4.500 pod narednim uslovima u odnosu na primer 2:
• Dozvoljavaju se podbačaji i prebačaji kod prvog i drugog ograničenja, kao i za gornju
granicu 150 za količinu artikala A2.
• Kriterijumi f1, f2 i f3 se prenose u ograničenja sa sledećim zahtevima
o Nastojati da se ostvare vrednosti f1 = 4.500, f2 = 400, f3 = 300,
o Dozvoljavaju se podbačaji i prebačaji zahtevanih (željenih) vrednosti f1, f2, f3.
• Postaviti naredne ciljne funkcije sa prioritetima njihovog redosleda:
o Minimizirati podbačaj vrednosti f1 = 4.500,
o Minimizirati zbir prebačaja za f2 = 400 i podbačaja za f3 = 300 sa dvostruko većim
značajem zahtevu za f2 = 400,
o Minimizirati zbir prebačaja slobodnih članova za ograničenje 1 i 2.
Matematički model
(min) g1 = dn4
(min) g2 = 2dp5 + dn6
(min) g3(x) = dp1 + dp2
p.o.
C1 4x1 + 2x2+ 1x3 + 5x4 + dn1 = 700 + dp1
C2 2x1 + 0x2 + 6x3 + 1x4 + dn2 = 600 + dp2
C3 0x1 + 4x2 + 2x3 + 0x4 ≥ 200
C4 = f1 15x1 + 10x2 + 20x3 + 12x4 + dn4 = 4.500 + dp4
C5 = f2 0x1 + 4x2 + 2x3 + 0x4 + dn5 = 400 + dp5
C6 = f3 x1 + x2 + 2x3 + 2x4 + dn6 = 300 + dp6
C7 x2 + dn7 = 150 + dp7
C8 x4 ≥ 50
x1, x2, x3, x4 ≥ 0 i celi brojevi
dnr, dpr ≥ 0, r=1,2,4,5,6,7
gde:
dn1, dp1 = negativna i pozitivna devijacija za b1 = 700 u C1
dn2, dp2 = negativna i pozitivna devijacija za b2 = 600 u C2
dn4, dp4 = negativna i pozitivna devijacija za b4 = f1 = 4.500 u C4
itd.

Potrebno je da se pozitivne devijacije, kao promenljive, prenesu na leve strane ograničenja,

odnosno ciljeva.
(min) g1 = dn4
(min) g2 = 2dp5 + dn6
(min) g3(x) = dp1 + dp2
p.o.
C1 4x1 + 2x2+ 1x3 + 5x4 + dn1 − dp1 = 700
C2 2x1 + 0x2 + 6x3 + 1x4 + dn2 − dp2 = 600
C3 0x1 + 4x2 + 2x3 + 0x4 ≥ 2.200
C4 = f1 15x1 + 10x2 + 20x3 + 12x4 + dn4 − dp4 = 4.500
C5 = f2 0x1 + 4x2 + 2x3 + 0x4 + dn5 − dp5 = 400
C6 = f3 x1 + x2 + 2x3 + 2x4 + dn6 − dp6 = 300
C7 x2 + dn7 − dp7 = 150
C8 x4 ≥ 50
x1, x2, x3, x4 ≥ 0 i celi brojevi; dnr, dpr ≥ 0, r=1,2,4,5,6,7
Primena softvera WinQSB, modul Linear and Integer Goal Programming [3]
Matrix Form
(matrični model)
NAPOMENA.
Poslednje
ograničenje C8
x4 ≥ 50
definisano je sa
donjom granicom
lower Bound za
promenljivu x4
Slika 2.2. Matrix Form

Solution Summary
Optimalno rešenje:
Promenljive za odlučivanje
x1*=152, x2*=78, x3*=42,
x4*=50,
Devijacije
dn5*=4, dn7*=172,
dp1=356, dp2=6,
dp6*=114;
Ciljne funkcije
g1*=0,
g2*=0,
g3* = 362
• Ostvareni su ciljevi g1 i
g2 sa prioritetima 1 i 2.
• Nije ostvaren cilj g3 sa
najnižim prioritetom.
Slika 2.3. Solution Summary
Tabela 2.5. Tumačenje rešenja ciljnog programiranja sa stanovišta ciljeva - ograničenja

Ograničenje Znak Desna strana Podbačaj, dn Prebačaj, dp Ostvareno, Leva strana
C1 = 700 0 dp1* = 356 700+356 = 1.056
C2 = 600 0 dp2* = 6 700+6 = 706
C3 ≥ 200 200
C4 = f1 = 4.500 0 0 4.500
C5 = f2 = 400 dn5* = 4 400−4 = 396
C6 = f3 = 300 0 dp6* = 114 300+114 = 414
C7 = 250 dn7* = 172 0 250−172 = 78
C8 ≥ 50 Definisano sa Lower Bound 50

3. VIŠEATRIBUTIVNO ODLUČIVANJE − VIŠEKRITERIJUMSKA ANALIZA
Opšta postavka problema višeatributivnog odlučivanja (VAO) ili višekriterijumske analize

(VKA), kao lošestruiktuiranih problema, može da se definiše kao optimizacija n kriterijuma fj
(j=1,1,2,...,n) nad konačnim skupom A od m alternativa ai (i=1,2,...,m) sa poznatim
vrednostima aij za j-ti kriterijum sa i-tom alternativom (i=1,2,...,m; j=1,2,...,n):
(opt) fk(A), k=1,2,...,n
p.o.
A = {a1, a2, ..., am}
ai = {a1j, ai2, ..., ain}; i=1,2,...,m.
Uobičajeno je da se model VAO prikazuje sa odgovarajućom matricom vrednosti kriterijuma

za pojedine alternative, koja se naziva matrica odlučivanja. Kriterijumi mogu da imaju isti
značaj ili težinskie koeficijente wj za različite stepene značajnosti (j=1,2,...,n). Idealne
vrednosti fj* i najlošije vrednosti se određuju u polaznoj analizi.
Tabela 3.1. Model VAO sa jednim nivoom za kriterijume

f1 f2 .... fn
a1 a11 a12 .... a1n
a2 a21 a22 .... a2n
:::: :::: :::: :::: ::::
am am1 am2 .... amn
max/min
Značaj w1 w2 wn
Idealne
f1* f2* ::: fn *
vrednosti
Najlošije
vrednost
Postoje tri problema VAO koji proizilaze iz osnovnog problema (i)

(i) Sačiniti višekriterijumsku rang listu svh alternativa. Na primer, analiza m regiona
u državi posmatrajući n ekonomskim i demografskim kriterijuma.
(ii) Odrediti najbolju alternativu u višekriterijumskom smislu. To je alternativa sa
najvišim rangom u problemu (i). Na na primer, izbor najpovojnijeg od m
potencijalnih dobavljača na osnovu n kriterijume, odnosno izbor kupca,
investitora i sl.
(iii) Odabrati podskup od m* alternativa polazeći od vrha višekriterijumske rang lsite,
gde m*<m. Na primer, banka razmatra n kriterijuma za ocenu ekonomske
podobnosti tražilaca kredita i vrši izbor između m klijenata kojima će dodeliti
kredite u zavisnosti raspoloživih novčanih sredstava C za kredite i zahtevanih
visina kredita ci od strane i-tih klijenata:
c1x1 + c2x2 + … + cmxm ≤ C
gde: xi = 1 (ako se bira i-ti klijent), xi = 0 (ako se ne bira i-ti klijent).

Višekriterijumska optimizacija ima jedinstvene opšte pojmove, tako da i za model VAO važe
opšti pojmovi (sa odgovarajućim modifikacijama u nazivima) po analogiji sa modelom VCO:
− efikasna rešenja su nedominirane alternative,
− neefikasna rešenja su dominirane alterative,
− savršeno rešenje je dominantna alternativa.
Osnovni pojmovi i definicije za model VAO
• Idealna vrednost fj* za j-i kriterijum jeste njegova najbolja vrfednost :

fj* = max {aij; i=1,2,…,m} za tip kriterijuma max fj; j∈{1,2,…,n}
fj* = min {aij; i=1,2,…,m} za tip kriterijuma mmin fj; j∈{1,2,…,n}
• Prevođenje kriterijuma fj tipa minimizacije u kriterijum fj′ tip maksimizacije:

a′ij = −aij; i=1,2,...,m; dato j; f* = −f′*
U cilju izlaganja ostalih osnovnih pojmova, neka su svi kriterijumi tipa maksimizacije i
označeni sa f1, f2, …, fn.
• Alternative as i ar su podudarne ako imaju jednake vrednosti za sve kriterijume.

asj = arj; j=1,2,…,n.
Obe alternative imaju istu poziciju na višekriterijumskoj rang listi i može da se
izostavi jedna alternativa iz procesa rešavanja modela.
• Alternative as je dominantna alternativa, dominira nad svim alterntivama, ako nije

nepovoljnija ni za jedan kriterijum od ostalih alternativa
asj ≥ aij, j=1,2,…,n; i = 1,2,…,s-1,s+1,…,m.
Alternativa as jeste savršeno rešenje za problem VAO, odnosno rešenje za problem
(ii) i ima prvo mesto na višekriterijumskog rang listi za problem (i) i (iii).
• Alternativa dominira nad av ako je as povoljnija od ar bar za jedan kriterijum i nije

nepovoljniji ni za jedan kriterijum:
asj ≥ arj za svako j=1,2,…,n
asj > arj za bar jedno j∈{1,2,…,n}
Alternativa ar je dominirana od as i može da se izostavi iz dalje analize, ako se ne
razmatra problem (i) ili (iii) za rangiranje svih alternativa.
• Alternative ar i as su neuporedive ako as ne dominira nad ar i obrnuto, ar ne dominira

nad as:
arj > asj, j∈K1⊂K={1,2,...,n}
arj = asj, j∈K2⊂K
arj < asj, j∈K3⊂K
gde podskupovi K1, K2 i K3 sa indeksima za krterijume nemaju zajedničke elemente:
K1∪K2∪K3=K
K1∩K2=∅, K1∩K3=∅, K2∩K3=∅.

Primer 4.
Tabela 3.2. Tabelarni model VAO
max max
f1 f2
a1 10 525
a2 30 400
a3 50 210
a4 30 350
fj* f1* = 50 f2* = 525
Najlošije 10 210
Slika 3.1. Kriterijumski prostor modela VAO
Analiza pojedinačnih kriterijuma i istovremeno oba kriterijuma
max f1 max f2 max f1, max f2
a3 dominira nad ostalim ai a1 dominira nad ostalim ai a2 dominira nad a4

Rang lista: Rang lista: Potrebno je da se odredi
a3 >> (a2, a4) >> a1 a1 >> a2 >> a4 >> a3 višekriter. rang lista
a2 podudarna sa a4
Problem VAO može da ima više nivoa kriterijuma, što je izuzetno značajno za primenu u
praksi. Ovaj pristup koristi metoda AHP (metoda Analitičkih Hijerarhijskih Procesa) i
softveter Expert Choice. Model sa više nivoa za kriterijume može da se transformiše u model
sa jednim nivoom.
Primer 5. Definisane težine kriterijuma Tabela 3.3. Model VAO sa tri nivoa za kriter.
Normalizacija težina na nivou I (max) K1 K2 K3
w1 = w1:(w1+w2+w3) = 0,625 K11 K12 K31 K32
w2 = w2:(w1+w2+w3) = 0,250 K121 K122
w3 = w3:(w1+w2+w3) = 0,125
a1 10 525 -10 6 7 15
Kriterijumi na nivou II
a2 30 400 80 8 7 20
w11 = w1:(w11+w12)⋅w11 = 0,417
a3 50 210 60 4 10 10
w12 = w1:(w11+w12)⋅w12 = 0,208
a4 30 350 40 10 8 20
w31 = w3:(w31+w32)⋅w31 = 0,094
Ideali 50 525 80 10 10 20
w32 = w3:(w31+w32)⋅w32 = 0,094
Najlošije 10 210 -10 4 7 10
Kriterijumi na nivou III
wj 5 2 1
w121 = w12:(w121+w122)⋅w121 = 0,052 wjk 2 1 3 1
w122 = w12:(w121+w122)⋅w122 = 0,031
wjks 1 3

Tabela 3.4. Modifikovani model VAO na jedan nivo za kriterijume

K11 K121 K122 K2 K31 K32
max max max max max max
a1 10 525 -10 6
a2 30 400 80 8 7 20
a3 50 210 60 4 10 10
a4 30 350 40 10 8 20
Ideali 50 525 80 10 10 20
Najlošije 10 210 -10 4 7 10
Težine 0,417 0,052 0,156 0,250 0,094 0,031
3.1. Rešavanje modela višeatributivnog odlučivanja (VAO)
Postoje brojne metode za rešavanje modela iz oblasti VAO koje su razvijene u poslednjih
dvadeset godina. Posebno može da se ukaže na efikasnost metoda ELECTRE, AHP,
PROMETHEE.
Za neke kriterijume (ili za sve) mogu da se definišu odgovarajuće kvalitativne ocene koje se
prevode u odgovarajuće kvantitativne vrednosti primenom podesne linearne skale.
Kriterijume definišu dve osobine:
1) mogu da budu tipa maksimizacije ili minimizacije;
2) najčešće nisu istog značaja i uobičajeno im se dodeljuju pokazatalji značajnosti:
a) definisanje težinskih koeficijentata (uobičajeno) ili
b) primena određene metode (metoda entropije, kvalitativno poređenje parova
kriterijuma).
Nezavisno od metode koja će se koristiti u rešavanju problema, značajni su sledeći aspekti

pripreme podataka:
1) Definisanje kriterijuma i hijerarhijskih nivoa za kriterijume
2) Definisanje alternativa
3) Definisanje vrednosti kriterijuma za alternative i kvantifikacija kvalitativnih atributa
4) Modifikacija atributa istog kriterijuma
5) Normalizacija i linearizacija atributa i
6) Definisanje značajnosti kriterijuma.
1) Definisanje kriterijuma i hijerarhijskih nivoa za kriterijume

Za razmatrani problem VAO potrebno je odabrati adekvatne kriterijume za dalju analizu
raspoloživih alternativa. Pri tome se mora imati na umu mogućnost tačne ili prihvatljive
procene vrednosti svakog kriterijuma za posmatrane alternative. Kriterijumi mogu da budu na
istom nivou ili se definiše hijerahija kriterijuma u skladu sa konkretnim problemom.
• Metoda AHP i softver Expert Choice upravo se zasniva na razmatranju hijerahije
kriterijuma. Svakako, mogu da se rešavaju i problemi sa jednim nivoom kriterijuma.
• Druge metode podrazumevaju jedan nivo kriterijuma, ali se može izvršiti prevođenje
modela sa više nivoa kriterijuma u model sa jednim nivoom (prikazano u primeru 5).

2) Definisanje alternativa
Alternative su druga dimenzija svakog problema VAO. Pri rešavanju konkretnog problema
potrebno je obuhvatiti sve značajne alternative za donošenje odluke, imajući na umu da se za
svaku alternativu može odrediti vrednost svih postavljenih kriteriuma. Postoje dve varijante
problema:
• Skup sa konačnim brojem alternativa, što ilustruju napred prikazani primeri 4 i 5.
• Skup sa neprekidnim nizom alternativa (na primer, vremenske serije), što rešava
metoda PROMETHEE IV.
3) Definisanje vrednosti kriterijuma za alternative i kvantifikacija kvalitativnih

atributa
Rešavanje modela VAO u opštem slučaju zahteva korišćenje kvantitativnih (brojnih)
podataka. Ekspertske ocene su subjektivne ocene vrednosti pojedinih kriterijuma koje daju
eksperti (članovi komisije), zasnovane na stručnosti i iskustvu u datoj oblasti, daju se u nekom
rasponu ocena, na osnovu kojih se formira jedinstvena grupna ocena. U slučajevima kada su
raspoloživi podaci o problemu opisne prirode (kvalitativni), potrebno je izvršiti njihovo
prevođenje u brojne podatke (u intervalu od 0-10). U tu svrhu razvijeno je i u praksi se
primenjuje više metoda, kao što su linearna skala kvantifikacije kvalitativnih atributa i
ekspertsko ocenjivanje.
• Metoda AHP i softver Expert Choice podržavaju da se vrši poređenje parova
alternativa u okviru svakog kriterijuma i time odrede vrednosti alternativa za
posmatrani kriterijum. Ovaj pristup se tumači u delu za definisanje značajnosti
kriterijuma.
Tabela 3.5. Linearna skala za kvantifikaciju kvalitativnih atributa

Izuzetno Izuzetno
Niska Srednja Visoka
niska visoka
0 1 2 3 4 5 6 7 8 9 10
4) Modifikacija atributa istog kriterijuma

Modifikacija atributa istog kriterijuma može da olakša rešavanje modela. Potrebno je
usaglasiti visinu brojnih vrednosti kriterijuma, odnosno prevesti zahtev da se odredi
minimalna vrednost nekog kriterijuma u zahtev za određivanje maksimalne vrednosti
modifikovanog (suprotnog) kriterijuma. Na primer:
aij = aij:d; i=1,2,...,m; dato j; deljenje vrednosti j-tog kriterijuma sa konstantom d,
aij = aij+d; i=1,2,...,m; dato j; uvećavanje vrednosti j-tog kriterijuma za konstantu d,
5) Normalizacija i linearizacija atributa

Većina metoda za rešavanje modela VAO u nekom od koraka vrše odgovarrajuću
transformaciju atributa. Za upoređivanje atributa različitih vrednosti, eventualno i različitih
jedinica mere, koriste se vektorska normalizacija i linearna skala kvantifikacije kvalitativnih
atributa.

6) Definisanje značajnosti kriterijuma

Kriterijumi kod realnih problema najčešće nisu od istog značaja za analizu problema i
nalaženje rešenja. Stoga je potrebno da donosilac odluke definiše stepen značaja (faktore
značajnosti) pojedinih kriterijuma na rešenje, što se postiže na više načina. Metoda
PROMETHEE ima odgovarajuće specifičnosti.
a) Određivanjem težinskih koeficijenata (težina) ili pondera za kriterijume. Potrebno je
definisati brojčane ocene wj za značajnost kriterijuma j=1,2,...,n. Ukoliko njihov zbir iznosi
1, onda se radi o normalizovanim težinama. Definisanje težinskih koeficijenata je složen
problem, jer donosilac odluke ove koeficijente donosi na osnovu subjektivne procene. U
nekim metodama oni imaju odlučujući uticaj na konačno rešenje. Može se dogoditi da
upravo težinski koeficijenti ne pruže adekvatno rešenje i da se tada moraju varirati
vrednosti težinskih koeficijenata u okviru realnih varijanti da bi se izvršila analiza
ponašanja rešenja. Problem određivanja težinskih koeficijenata moguće je uspešno rešiti
tako što se uključuje grupa eksperata na pripremi dokumentacije i odluke.
b) Metoda entropije zasniva se na razmatranju raspona vrednosti svakog j-tog kriterijuma i
njihovom rasipanju oko njegove optimalne vrednosti fj*; j=1,2,...,n. Dobijeni težinski
koeficijenti wj* ovom metodom mogu da se koriguju sa subjektivnim koeficjentima wj
koje dodeljuje donosilac odluke i odrede težine wj za rešavanje modela:
wj = wj*⋅wj; j=1,2,...,n.
c) Kvalitativno ili kvantitativno poređenje parova kriterijuma koristi se u metodi AHP i
softveru Expert Choice sa tzv. “skalom 9 tačaka“, što rezultuje brojnim vrednostima za
težinske koeficijente.
Tabela 3.6. Skala devet tačaka za poređenje parova kriterijuma i/ili alternativa
Skala Objašnjenje / rangiranje
9 Extreme Apsolutno najznačajnije / najpoželjnije
8 Very Strong to Extreme Veoma snažno ka apsolutno najznač. / najpoželjnijem
7 Very Strong Veoma snažno značajno / poželjno
6 Strong to Very Strong Snažno ka veoma snažno značajnije / poželjno
5 Strong Snažno značajnije / poželjno
4 Moderate to Strong Slabije ka više snažnije značajno / poželjno
3 Moderate Slabije značajno / poželjnije
2 Equal to Moderate Podjednako ka slabije značajno / poželjno
1 Equal Podjednako značajno / poželjno
0.50 Podjednako ka slabije manje značajno / poželjno
0.33 Slabije manje značajno / poželjno
0.25 Slabije ka snažno manje značjano / poželjno
0.20 Snažno manje značajno / poželjno
0.17 Snažno ka veoma snažno manje značajno / poželjnom
0.14 Izuzetno snažno manje značajno / poželjno
0.13 Veoma snažno ka apsolutno manje značajno / poželjno
0.11 Apsolutno najmanje značajno / najnepoželjnije
Kako razmatranje parova kriterijuma može da bude dvojako, proizilazi da se ova skala
može posredno koristiti i za druge metode.

• Poređenje svih parova kriterijuma, tako što se posmatra svaki kriterijum u paru sa
preostalim kriterijumima.
• Poređenje samo susednih parova, svaki kriterijum sa narednim kriterijumom.
d) Metoda PROMETHEE koristi 6 generalizovanih kriterijuma sa odgovarajućim
raspodelama za preferencije o značajnosti kriterijuma. Takvi generalizovani krterijumi,
osim prvog, imaju po jedan ili dva parametra za definisanje odgovarajućih pragova
značajnosti na intervalu sa vrednostima za alternative. Donosilac odluke iskazuje svoje
preference na dva načina, tako što je svakom kriterijumu fj u modelu VAO (j=1,2,...,n)
potrebno dodeliti
• težinski koeficijent o značajnosti tog kriterijuma u odnosu na ostale kriterijume i
• jedan generalizovani kriterijum sa kojim se najpovoljnije mogu iskazati dalje
preference donosioca odluke sa stanovišta tog kriterijuma fj.
Primer 6. Poređenje parova kriterijuma za primer 5 (izostavlja se prikazivanje alternativa)

Tabela 3.7. Poređenje parova kriterijuma na nivou I Proračun težina
K1 K2 K3 w1 = 3w2; w2 = 2w3
K1 3 w1+w2+w3 = 1
K2 2 3w2+w2+(1/2)w2 = 1 /⋅2
K3 6w2+2w2+w2 = 2
K1 – K2: K1 Slabije više značajno, težina 3 w2 = 2/(6+2+1) = 2/9
K2 – K3: K2 Podjednako ka slabije više značajno, ocena 2 w1 = 3w2 = 6/9
w3 = (1/2)w2 = 1/9
Tabela 3.8. Matrica odlučivanja sa wj na nivou I Tabela 3.9. Poređenje K11 – K12
(max) K1 K2 K3 K11 K12
K11 K12 K31 K32 K11 2
K12
K121 K122
(K11; K12): K11 Podjednako ka slabije
a1 – a4 ::: ::: ::: ::: ::: :::
više značajno, ocena 2
wj 6/9 2/9 1/9
w11 = 2w12; w11+w12 = 1
wjk 2w12+w12 = 1 ⇒ w12 = 1/3
wjks w11 = 2w12 = 2/3
Vrednosti w11=2/3, w12=1/3 su lokalne težine i izražavaju međusobni odnos K11 i K12.
Kako K11 i K12 imaju nivo II, kao podkriterijumi za K1 sa w1 = 6/9 na nivou I, potrebno je
odrediti globalne težine za K11 i K12 množenjem sa w1 i upisati u matricu odlučivanja (MO).
Tabela 3.10. MO sa težin. za K11 i K12, nivo II w11* = w11⋅w1 = (2/3)⋅(6/9) = 4/9
(max) K1 K2 K3 w12* = w12⋅w1 = (1/3)⋅(6/9) = 2/9
K11 K12 K31 K32 Poređenje (K121; K122)
K121 K122 K122 Slabije više značajno (drugi u paru)
a1 – a4 ::: ::: ::: ::: ::: ::: Ocena 3 za K122 ili 1/3 ili (3) za K121
wj 6/9 2/9 1/9 w122 = 3w121; w121+w122 = 1
wjk 4/9 2/9 w121+3w121 = 1 ⇒ w121 = 1/4
w122 = 3w121 = 3/4
wjks
w121* = w121⋅w12* = (1/4)⋅(2/9) = 1/18
w122* = w122⋅w12* = (3/4)⋅(2/9) = 3/18

Tabela 3.11. MO sa težin. za K121 i K122, nivo III Poređenje (K31; K32), nivo II
(max) K1 K2 K3 K31 Slabije više značajno, ocena 3
K11 K12 K31 K32 w31 = 3w32; w31+w32 = 1
3w32+w32 = 1 ⇒ w32 = 1/4
K121 K122
w31 = 3w32 = 3/4
a1 – a4 ::: ::: ::: ::: ::: :::
w31* = w31⋅w3* = (3/4)⋅(1/9) = 3/36
wj 6/9 2/9 1/9
w32* = w32⋅w3* = (1/4)⋅(1/9) = 1/36
wjk 4/9 2/9
Upisati u tabelu
wjks 1/18 3/18
NAPOMENA:
Napred su određene normalizovane težine kriterijuma na nivou I (njihov zbir iznosi 1) i
odgovarajuće težine na narednim nivoima. Međutim, može da bude jednostavnije da se ne vrši
normalizacija težina na nivou I i koriste celi brojevi.
Tabela 3.11. MO sa wj na nivou I Tabela 3.7. Poređenje na nivou I
(max) K1 K2 K3 K1 K2 K3
K11 K12 K31 K32 K1 3
K2 2
K121 K122
K3
a1 – a4 ::: ::: ::: ::: ::: :::
K1 – K2: K1 Slabije više značajno, težina 3
wj 6 2 1
Može neposredno: w1 = 3; w2 = 1
wjk
wjks K2 – K3: K2 Podjednako ka slabije više
značajno, ocena 2
w1 = 3, w2 = 1, w3 = 1/2 w2 = 2w3; 1 = 2w3; w3 = 1/2
Množenje sa 2: w1 = 6, w2 = 2, w3 = 1
Tabela 3.12. MO sa w11 i w12 na nivou II Tabela 3.9. Poređenje K11 – K12
(max) K1 K2 K3 K11 K12
K11 K12 K31 K32 K11 2
K12
K121 K122
(K11; K12): K11 Podjednako ka slabije više
a1 – a4 ::: ::: ::: ::: ::: :::
značajno, ocena 2
wj 6 2 1
Može neposredno: w11 = 2; w12 = 1
wjk 12 6
w11* = w11⋅w1 = 2⋅6 = 12
wjks
w12* = w12⋅w1 = 1⋅6 = 6
Tabela 3.13. MO sa w121 i w122 na nivou III Poređenje (K121; K122)

(max) K1 K2 K3 K122 Slabije više značajno (drugi u paru)
ocena 3 za K12
K11 K12 K31 K32
K121 K122 Može neosredno: w122 = 3, w121 = 1
Sledi:
a1 – a4 ::: ::: ::: ::: ::: :::
w121* = w121⋅w12* = 1⋅6 = 6
wj 6 2 1
w122* = w122⋅w12* = 3⋅6 = 18
wjk 12 6
wjks 6 18

Tabela 3.14. Razmatranje w311 i w312 na nivou II Poređenje (K31; K32), nivo II
(max) K1 K2 K3 K31 Slabije više značajno, ocena 3
K11 K12 K31 K32 Može neposredno: w31 = 3, w32 = 1
K121 K122 w31* = w31⋅w3* = 3⋅1 = 3
w32* = w32⋅w3* = 1⋅1 = 1
a1 – a4 ::: ::: ::: ::: ::: :::
wj 6 2 1
wjk 12 6 3 1
wjks 6 18
Potrebno je uočiti da oba pristupa određuju istovetne težinske koeficijente. Ako se u prvom
postupku sa normalizovanim težinama za kriterijume na nivou I (tabela 3.11) izostave brojioci
(izvrši oslobađanje razlomaka na nivou svih podkriterijuma za isti kriterijum), nastaju težine
sa celim brojevima (tabela 3.15). Takvim težinama su saglasne težine iz drugog ostupka
(tabela 3.14).
Tabela 3.11. Težine wj sa postupkom a) Tabela 3.15. Izostavljanje brojilaca težina

K1 K2 K3 K1 K2 K3
K11 K12 K31 K32 K11 K12 K31 K32
K121 K122 K121 K122
a1 – a4 ::: ::: ::: ::: ::: ::: a1 – a4 ::: ::: ::: ::: ::: :::
wj 6/9 2/9 1/9 wj 6 2 1
wjk 4/9 2/9 3/36 1/36 wjk 4 2 3 1
wjks 1/18 3/18 wjks 1 3
• Dobijene su iste težine w1, w2, w3, w31 i w32.

• Težine w11 = 12, w12 = 6 iz table 3.14. saglasne su sa w11 = 4, w12 = 2 iz tabele 3.15;
ispunjeno je w11 = 2w12 (dva puta veća težina w11).
• Važi w122 = 3w121 (tri puta veća težina w12).
3.2. Softverska podrška za višekriterijumsku analizu
Softverska realizacija svake efikasnije metode VAO dopinosi širenju primene takve metode u
praksi i podstiče interes za izučavanje drugih metoda i njihovo poređenje. Mnogi autori
preporučuju naredne dve metode i odgovarajuće softverske pakete.
• Softver Expert Choice je efikasna softverska realizacja metode Analitičkih hijerarhijskih
procesa – AHP. Zbog mogućnosti da se u procesu analize i pripremanja odluka modelira
hijerarhijska struktura problema, ovaj softver ima široku primenu u sistemima za podršku
odlučivanju i rešavanju problema (VAO u praksi. Demo verzija može da se preuzme sa
adrese http://www.expertchoice.com/ i detaljno se izlaže u narednom poglavlju.
• Metoda Promethee – Preference Ranking Organization Method for Enrishment
Evaluations, ima više softverskih realizacija. Demo verzija za Visual Decison, Decision
Lab TRIAL može da se preuzme sa adrese http://www.visualdecision.com/ gde se
prikazuje i poređenje metoda AHP i Promethee.

4. PRIMENA SOFTVERA EXPERT CHOICE NA PRIMERU IZBORA

LOKACIJE KOMPANIJE
Ovaj primer višekriterijumske analize i primene softvera obrazlaže problematiku promene

lokacije preduzeća koje se bavi proizvodnjom i prodajom keramičkih pločica za kupatilo.
Naime, ustanovljen je rizik i veliki troškovi poslovanja preduzeća u glavnom gradu
(Beogradu), i doneta je odluka da se zbog velike konkurencije, sedište prodaje i proizvodni
pogon izmeste u drugi grad, a radi smanjenja troškova i boljeg tržišnog pozicioniranja u
regionu.
• Usvojeno je da kao lokacije razmatraju četiri grada na teritoriji Srbije:
Niš, Novi Sad, Subotica i Užice.
• Za atribute sa maksimumom značaja postavljeni su:
finansijski aspekti, dostupnost zaposlenih (raspoloživost kadra), usluga podrške
(transport), slobodne aktivnosti (sadržaj).
Od ostalih važećih aspekata, u kategoriji finansija, javljaju se naredne podkategorije troškova:

troškovi poslovanja (troškovi – smanjenje) i troškovi razmeštaja preduzeća (troškovi
lokacije). U podkategoriji troškovi, prisutne su još i naredne podpodkategorije: pad troškova
10% (iznos popusta; pad ukupnih troškova), pad troškova 12% i pad troškova 14%.
Prva faza odlučivanja u ovom primeru je postavka modela.
4.1. Postavka problema VAO
Analitički hijerarhijski proces (AHP) koji je razvio Tomas Saaty početkom sedamdesetih
godina prošlog veka, predstavlja alat u analizi odlučivanja, kreiran da pruži pomoć
donosiocima odluke u rešavanju kompleksnih problema odlučivanja u kojima učestvuje veći
broj donosioca odluke, veići broj kriterijuma i u višestrukim vremenskim intervalima.
Razvijen je i originalan softver iz klase sistema zapodršku odlučivanju Expert Choice. Metoda
AHP provodi se kroz četiri faze:
1) Struktuiranje problema,
2) Prikupljanje podataka,
3) Ocenjivanje relativnih težina,
4) Određivanje rešenja problema.
Hijerarhijska struktura problema izbora lokacije predstavljena je na slici 4.1.
Izbor nove lokacije – Realokacija kompanije 25

Cilj
K1 K2 K3 K4
K11 K12
K111 K112 K113
A1 A2 A3 A4
Slika 4.1. Model VAO za razmeštaj preduzeća
Legenda:
Cilj - Izbor lokacije
Nivo 1: K1, K2, K3, K4:
K1 - Finansijski aspekti
K2 - Raspoloživost kadra
K3 - Transport
K4 - Sadržaj
Nivo 2:
K11 - Troškovi-smanjenje
K12 - Troškovi lokacije
Nivo 3:
K111 - pad ukupnih troškova 10%
Alternative:
A1 – Niš
A2 – Novi Sad
A3 – Subotica
A4 – Užice.

Struktuiranje problema se sastoji od dekomponovanja bilo kog složenog problema

odlučivanja u seriju hijararhija, gde svaki nivo predstavlja manji broj upravljanih atributa. Oni
se zatim dekomponuju u drugi set elemenata koji odgovara sledećem nivou itd. Na vrhu
hijerarhije nalazi se cilj, kriterijumi i podkriterijumi su nivoi i podnivoi hijerarhije i
alternative odluke su na dnu hijerarhije.
Sledeći korak je prikupljanje podataka i njihovo kvantifikovanje odnosno određivanje

vrednosti alternativa za svaki kriterijum sa najnižim nivoom na odgovarajućem delu stabla
hijerhije kriterijuma. Na primer, za K1 se posmatraju K11 i K12, ali su alternative pridružene:
• podpodkriterijumima K111, K112 i K113 (u okviru K11) i
• podkriterijumu K12.
Potrebno je ukazati da nije mnog prikaldno koristiti pojmove: kriterijum (nivo I),
podkriterijum (nivo II), podpodkriterijum (nivo III), podpodpodkriterijum (nivo IVI itd.
Podesnije je da se na stablu kriterijuma uvek koriste nazivi ″kriterijumi″ i istaknu njihovi
nivoi:
• kriterijumi K111, K112 i K113 na nivou III i
• kriterijum K12 na nivou II.
Vrednosti kriterijuma za alternative mogu da se određuju na dva načina, odnosno njihovom

kombinacijom:
i) uobičajeno je neposredno definisanje vrednosti aij, kao kvalitativne ili kvantiativne
ocene j-tog kriterijuma sa i-tom alternativnom,
ii) dodeljivanje relativnih ocena za parove atributa kod posmatranog kriterijuma
primenom skale devet tačaka.
Ova skala omogućava menadžerima da izvrše poređenja i formiraju matrice kojima se opisuje
zavisnost kriterijuma i podkriterijuma od alternativa i međusobna zavisnost kriterijuma. Na
ovaj način se prikupljaju podaci neophodni za računanje prioriteta. Ova skala služi
menadžerima da ocene dominantnost svake alternative u odnosu na kriterijume, i
preporučljiva je u analitičkim hijerarhijskim procesima.
Procena relativnih težina kriterijuma je treća faza metode AHP. Matrica poređenja se po
parovima prevodi u probleme određivanja sopstvenih vrednosti, radi dobijanja
normalizovanih i jedinstvenih sopstvenih vektora, težina za sve atribute na svakom nivou.
Takođe, važno je ukazati na dva pristupa definisanja značaja kriterijuma.
a) korisnik direktno unosi težinske koeficijente
b) korisnik koristi skalu devet tačaka i softwer izračunava lokalne i globalne težine.
U oba slučaja se jasno prikazuju:

• globalne težine (Global Weights - wj) i
• lokalne težine (Local Weights - wjs, wjsv).
Određivanje rešenja problema je poslednja, četvrta faza metode AHP i ona podrazumeva
nalaženje tzv. kompozitnog normalizovanog vektora. Pošto se odredi vektor redosleda
aktivnosti u modelu, u narednom krugu se određuje redosled važnosti alternativa u modleu, za
svaki posmatrani kriterijum. Na kraju se izvodi sveukupna sinteza problema, tako što se

učešće svake alternative množi sa težinom posmatranog kriterijuma, a potom se vrednosti

saberu za svaku alternativu posebno. Dobijeni podatak predstavlja težinu ili prioritet svake
posmatrane varijante (alternative) u modelu.
Na osnovu težina, odnosno prioriteta alternativa formira se višekriterijumska
rang lista alternativa.
• Posmatra se opadajući niz prioriteta. Na vrhu liste (rang 1) se nalazi
alternativa sa najvećom težinom, sledi alternativa sa narednom manjom
težinom itd.
• Ako alternative imaju iste težine, dele isto rang mesto.
Za razmatrani problem izbora lokacije preduzeća određuje se naredna matrica plaćanja,

odnosno matrica odlučivanja..
Tabela 4.1. Matrica odlučivanja, sa vrednostima parametara za problem izbora

lokacije kompanije
Kriterijumi → Kj K1 K2 K3 K4
Kjs K11 K12

Alternative ↓
Kjsw K111 K112 K113
A1 16000 20000 24000 20000 5 19000 6
A2 18000 24000 26000 23000 5 17000 7
A3 20000 19000 25000 26000 6 20000 5
A4 18000 17000 25000 18000 7 20000 5
wj w1 w2 w3 w4
Težinski wjs w11 w12
koeficijenti
wjsv w111 w112 w113
Prilikom definisanja tj. davanja kvalitativnih ocena kod kriterijuma dostupnost podrške i
sadržaj (K2 i K4), ekspert koristi kvantitativne vrednosti. Takođe, za ostale kriterijume, unose
se direktni podaci, i na osnovu toga program automatski određuje učešće, odnosno vrednost
za svaki kriterijum.
• Kada smo dobili vrednosti svakog kriterijuma u alternativama, jedan od najtežih aspekata
je određivanje vrednosti učešća svakog pojedinačnog kriterijuma u problemu – definisanje
značajnosti kriterijuma na svakom nivou stabla hijerarhije kriterijuma.
4.2. Rešavanje modela VAO
Programski paket expert Choice je softver, razvojen sedamdesetih godina prošlog veka,
namenjen rešavanju problema višeatributivnog odlučivanja promenom metode analitičkih
hijerarhijskih procesa (AHP), kao i podrške donosiocima odluke pri rešavanju kompleksnih
problema višekriterijumskog odlučivanja kod kojih nije moguće egzaktno vrednovanje
raspoloživih kriterijuma i alternativa, odnosno za rešavanje problema kod kojih su dominantni
kvalitativni faktori.
Zbog mogućnosti da se u procesu analize i pripremanja odluka modelira hijerarhijska
struktura problema, Expert Choice ima primenu u sistemima za podršku odlučivanju, i

rešavanju problema višeatributivnog (VAO) odlučivanja u praksi. Pored mogućnosti

automatizovanog modelovanja i rešavanja problema odlučivanja, što doprinosi većoj brzini
rada, softver pruža i mnoge druge mogućnost:
(a) izvođenje „šta-ako“ analize koja omogućava praćenje uticaja promene vrednosti i
značaja kriterijuma i podkriterijuma na izbor alternative,
(b) grafički i numerički prikaz rezultata analize,
(c) modelovanje složenijih hijerarhijskih struktura problema,
(d) rešavanje problema velikih dimenzija sa obimnim matematičkim izračunavanjima,
(e) grupno odlučivanje itd.
Poznate su tri faze donošenja odluke: razumevanje, preračunavanje i izbor. Ove faze, u Expert
Choce se dalje razrađuju i proširuju na proces donošenja odluke u sedam koraka:
1) Identifikacija i proučavanje problema
2) Eliminacija neizvodljivih mogućnosti
3) Izrada expert Choice modela
4) Odmeravanje
5) Sinteza
6) Provera i potvrđivanje odluke
7) Dokumantovanje odluke.
Nakon što su poznati kriterijumi i alternative u ovom problemu, ukazaćemo na postavku
modela odnosno njegovo struktuiranje i rešavanje u programu Expert Choice 2000.
4.2.1. Identifikacija problema i struktuiranje modela
Vrši se definisanje hijerarhijske strukture kriterijuma i definisanje konkretnih alternativa..
Slika 4.2. Expert Choice – Model View, Postavka problema „Izbora lokacije“
Definisanje novog modela, sa opcijom New iz menija File, zahteva upisivanje naziva
problema na osnovnom ekranu softvera – modelu problema (Model View), upisivanje naziva

dokumenta sa podacima za primenu softvera i izbor lokacije za memorisanje dokumenta.

Sledi definisanje stabla kriterijuma i alternativa sa opcijama iz menija Edit:
Insert Chaild of Current Node – definisanje podkriterijuma za posmatrani čvor
Alternative, Insert – definisanje alternative za kriterijum najnižeg nivoa.
U ovoj fazi postavićemo preciznu definiciju šta je to što predstavlja problem koji treba rešiti i
ukazaćemo na neke bitne aspekte modeliranja problema VAO.
• U predhodnom poglavlju je dato tumačenje problema (izbor lokacije preduzeća).
• Izvršena i identifikacija alternativa, kriterijuma, podkriterijuma. Tokom proučavanja
alternativa, važno je naglasiti da prevelika hijerarhija postaje neosetljiva prilikom izmena
odmeravanja pojedinih elemenata, zbog čega treba da bude dovoljno velika da bi
oslikavala bitne pojave, a ipak dovoljno mala da bi imala vidljiv odziv na (buduće) izmene.
• Uvek treba imati na umu cilj koji se ostvaruje rešavanjem problema, a to je smanjenje
troškova poslovanja u glavnom gradu uz ostvarivanje većeg proboja na jedan od regiona.
Takođe, samim tim omogućava se i drugaćiji odnos troškova i dobijene koristi
(Benefit/Cost) od ovog strateškog postupka što će omogućiti u nekoj daljoj fazi alokaciju
sredstava.
• Struktuiranje problema jeste, prva faza u definisanju modela. Navedeni kriterijumi su
upravo postavljeni tako da daju uvid u ono što predstavlja cilj: finansijski aspekti,
raspološivost kadra, transport i sadržaj. Među četiri ponuđene alternative, dat je prikaz
ponuđenih gradova, uz relevantne informacije uz postavku modela.
• Pri postavljanju kriterijuma modela kao i daljem definisnju podkriterijuma (i njihovih
podpodkriterijuma), vođeno je računa da su oni koji se nalaze povezani, pripadaju istoj
grupi, i uporedivi. Veoma je važno da su oni uporedivi po važnosti uz uvažavanje
postavljenog cilja, podkriterijuma po važnosti i nadređenog kriterijuma, i tako nadole do
mogućnosti koje treba da budu uporedive, uz uvažavanje njima nadređenog kriterijuma
(videti sliku 4.1).
- Potrebno je naglasiti da ne postoji samo jedan model donošenja odluke. Uvek je
prisutna je subjektivnost u definisanju značajnosti kriterijuma.
- Čak i ukoliko više stručnjaka pojedinačno rešava problem uz raspolaganje sa istim
podacima, njihove strukture sigurno će biti donekle različite, ali prema sličnim
odmeravanjima.
4.2.2. Definisanje značajnosti kriterijuma korišćenjem težinskih koeficijenata
Napred je ukazano da se značaj kriterijuma može definisati na dva načina: korišćenjem

težinskih koeficijenata ili poređenjem parova kriterijuma. Ilustrovaćemo prvo uvođenje
težinskih koeficijenata, a kasnije i poređenje parova kriterijuma.
Tabela 4.2. Definisanje težinskih koeficijenata za kriterijume

Kriterijumi Kj K1 K2 K3 K4
Kjs K11 K12
Kjsw K111 K112 K113

wj 3 2 2 1
Težinski wjs 2 1
koeficijenti
wjsv 1 2 4

Potrebno je da se na osnovnoj ekranskoj formi Model View pozicionira cilj, odnosno naziv
problema (nivo 0) za dalje definisanje težina kriterijuma na prvom nivou (K1, K2, K3, K4).
• Meni Assesment, opcija Direct prikazuje dijalog za definisanje odgovarajućih težinskih
koeficijenata (slika 4.3.1)
• Unosese vrednosti Value (w1=3, w2=2, w3=2, w4=1) za težinske koeficijente iz tabele
4.2 (zbir 8) koje softver normalizuje u vrednosti Priority (zbir 1 ili 100%).
• Potvrdom sa OK prikazuju se izvedene vrednosti za težinske koeficijente poređenjem
parova susednih kriterijuma na razmatranom nivou (slika 4.3.2).
Slika 4.3.1. Direktno definisanje težinskih koeficijenta za kriterijume - Value
Slika 4.3.2. Izvedene vrednosti težinskih koeficijenata za poređenje parova

susednih kriterijuma
• Ikonica Model View zahteva potvrdu memorisanja težina sa Yes.

à Napomena: Ikonica Invert koristi se ako se za prevođenje kriterijuma tipa

minimizacije u kriterijum tipa maksimizacije. Potrebno je pozcionirati svako polje sa
težinskim koeficijentima za parove susednih kriterijuma u tabeli iz donjeg desnog dela
ekrana i koristiti navedenu opciju Invert.
• Vrši se povratak na osnovni ekran Model View (slika 4.3.4). Pored naziva kriterijuma se
prikazuju napred proračunate lokalne težine (0,375; 0,250; 0,250; 0,125). Ite vrednosti
imaju i globalne težine.
• Analogni postuapk definisanja težinskih koeficijenata w11=2 i w12=1 za podkriterijume
″Troškovi-smanjenje″ i ″Troškovi lokacije″, u okviru kriterijuma ″Finansijski aspekti″,
određuje lokalne težine (0,667; 0,333) navedenih podkriterijuma i globalne težine (0,250;
0,125). Videti sliku 4.4.
• Proces definisanja težinskih koeficijenata kriterijuma završava se razmatranjem nivoa III
(slika 4.5).
Slika 4.3.4. Model View: Lokalni i globalni Slika 4.4. Model View: Lokalni i globalni
prioriteti za težine kriterijuma w1=3, w2=2, prioriteti za težine kriterijuma w11=2, w12=1
w3=2, w4=1 na nivou I na nivou II
Slika 4.5. Model View: Lokalni i globalni

prioriteti za težine kriterijuma w111=1,
w112=2, w113=3 na nivou III
Tabela 4.3. Lokalne i globalne težine kriterijuma sa Expert Choice na osnovu

polaznih težina hijerarhijskih kriterijuma
Polazni težinski Lokalne Globalne
Nivo Naziv kriterijuma
koeficijenti težine težine
III Pad ukupnih troškova 10% w111 = 1 0,143 0,036
II Troškovi lokacije w12 = 1 0,333 0,125
I Raspolođivost kadra w2 = 2 0,250 0,250
I Transport w3 = 2 0,250 0,250
I Sadržaj w4 = 1 0,125 0,250

Napomena:
Posmatranjem samo kriterijuma sa alternativama (tabela 4.3), polazni model VAO sa tri nivoa
kriterijuma se prevodi u model sa jednim nivoom kriterijuma i mogu da se dalje koriste
metode koje nisu razvijene za neposredno rešavanje modela sa više nivoa (Promethee,
Electre i dr.).
4.2.3. Definisanje vrednosti kriterijuma za alternative
Vrednosti kriterijuma za alternative unose se neposredno, odnosno direktno, primenom

napred izloženog postupka za neposredno definisanje težinskih koeficijenata podkriterijuma
za pozicionirani kriterijum u Model View (Meni Assisment, opcija Direct). Naime:
• Ako se u Model View vrši izbor, odnosno pozicionira, Goal (problem) ili kriterijum koji
ima podkriterijume, omogućava se definisanje težinskih koefricijenata za niži nivo
kriterijuma.
• Ako se pozicionira kriterijum koji nema podkriterijume, već takav kriterijum ima na nižem
nivou definisane alternative za problem u celosti, onda se unose vrednosti odgovarajućih
alternativa (vrednosti posmatranog kriterijuma za alternative).
Napomena:
Ako nisu definisane brojne vrednosti alternativa za razmatrani kriterijum ili kvalitativne ocene
koje su prevedene na brojne vrednosti, može da se vrši poređenje parovova alternativa. Takav
pristup se spovodi po analogiji sa kasnijom ilustracijom za definisanje značajnosti kriterijuma
kro poređenje parova kriterijuma.
Prikazuje se definisanje vrednosti kriterijuma ″Pad ukupnih troškova 10%″
Slika 4.6.1. Vrednosti kriterijuma ″Pad ukupnih troškova 10%″ i normalizovane

težine ili prioriteti alternativa za taj kriterijum

Slika 4.6.2. Izvedene vrednosti težinskih koeficijenata za poređenje parova

susednih alternativa za kriterijum ″Pad ukupnih troškova 10%″
Slika 4.6.3. Model View: Prioriteti alternativa za kriterijum ″Pad ukupnih

troškova 10%″
Nakon što se unesu vrednosti svih kriterijuma sa alternativama, pozicioniranje naziva

problema na osnovnom ekranu softvera prikazuje rešenje problema – prioritete za alternative.
Slika 4.7. Model View sa rešenjem problema – prioriteti za alternative sa Ideal mode

4.2.4. Sintetizacija modela
Softver ima meni Synthesize za proračun težinskih koeficijenata alternativa (vrši se tzv.
sintetizacija modela), kao rešenje modela VAO na osnovu napred definisanih podataka o
značajnosti kriterijuma i vrednosti alternativa za odgovarajuće kriterijume.
• Kao što je pokazano, rešenje se određuje i prkazuje u Model View nakon što se definiše
model, odnosno unesu svi polazni podaci.
• Opcija Sinthesize daje novu ekransku formu sa novim mogućnostima:
o Ideal mode, sintetizacija kada je od značaja odrediti samo ″najbolju″ alternativu u
višekriterijumskom smislu, alternativu sa rangom 1;
o Distributive mode, sintetizacija kada je potrebno posmatrati rang mesta svih
alternativa i ako Ideal Mode daje više alternativa sa ranogm 1;
o Soritiranje alternativa;
o Prikazivanje zbirnih podataka (Summary) i detaljnih podataka (Details).
Slika 4.8.1. Rešenje za Ideal mode,

Summary, alternative sortirane
prema nazivu (Sort by Name)
Isti redosled alternativa se određuje i

bez sortiranja (Unsort), što jeste
redosled njiovog definisanja u
modelu
Overal Inconsisency = 0,00
Koeficijent nekonzistentnosti
Slika 4.8.2. Rešenje za Ideal mode,

Summary, alternative sortirane
prema nazivu (Sort by Prioryty)
Lokacije Novi Sad i Užice imaju
iste (najveće) prioritete 0,256; to
su najbolje lokacije i dele prvo
Rang lsita: (Novi Sad, Užice) >> Subotica >>Niš mesto na rang listi.
Slika 4.8.3. Rešenje za Distributive

mode, Summary, alternative
sortirane prema nazivu (Sort by
Prioryty)
Njaveći prioritet 0,257 ukazuje da
je najpovoljnija lokacija Užice,
Novi Sad ima rang 2. Slede
Rang lista: Užice >> Novi Sad >> Subotica >> Niš Subotica i Niš.

Tabela 4.4. Rang liste alternativa za Ideal mode i Distributive mode

Lokacija Prioriteti za Ideal mode Rang Prioriteti za Distributive mode Rang
Niš 0,240 4 0,240 4
Novi Sad 0,256 1, 2 0,255 2
Subotica 0,248 3 0,248 3
Užice 0,256 1, 2 0,257 1
Slika 4.8.4. Distributive mode, Details sa stanovišta kriterijuma
Slika 4.8.5. Distributive mode, Details sa stanovišta alternativa (By Alternative)

Slika 4.8.6. Distributive mode, Details sa stanovišta kriterijuma

Zbirni podaci za više nivoe (aktivna opcija Show Totals)

Razmatranje podmodela VAO
Rangiranje alternativa može da se vrši i za svaki čvor na hijerarhiskom stablu kriterijuma,

odnosno na svakom nivou sa kriterijumom koji ima svoje podkriterijume – niže nivoe.
Potrebno je:
• pozicionirati kriterijum u Wiew Model (slike 4.9.1 i 4.10.1)
• Koristiti Synthesize, With Resepect to Current Node za grafičko prikazivanje rešenja
(slike 4.9.2. i 4.10.2).
Slika 4.9.1. Model View, Prioriteti alternativa za kriterijum ″Finansijski aspekti″, nivo I
Slika 4.9.2. Grafik prioriteta

alternativa za kriterijum
″Finansijski aspekti″, nivo I
(Distributive mode)
Slika 4.10.1. Model View, Prioriteti alternativa za kriterijum ″Troškovi-smanjenje″, nivo II
Slika 4.10.2. Grafik prioriteta

alternativa za kriterijum ″
Troškovi-smanjenje ″, nivo II
(Distributive mode)

BITNA NAPOMENA:
Overall Inconsistency, koeficijent nekonzistentnosti jeste mera saglasnosti definisanja
modela sa stanovišta značajnosti kriterijuma.
• Potrebno je da ovaj koeficijent ima vrednost ne veću od 0,10.
• Ovaj pokazatelj jeste od posebnog značaja ako se vrši poređenje parova kriterijuma, kada
se eventualno mogu načiniti greške i nastaje nekonzistentnost podataka.
4.2.5. Analiza osetljivosti

Expert Choice podržava pet oblika grafičke analize osetljivosti rešenja sa odgovarajućim
opcijama u meniju Sensitivity – Graph: Performance, Dynamic, Gradient, Head to head, 2D.
Poslednja opcija Open Four Graph prikazuje istovremeno prva četiri grafika (slika 4.11).
Slika 4.11. Četiri oblika grafičke analize osetljivosti: Performance, Dynamic,

Gradient i Head to head
1) Performance Sensitivity
Analiza osetljivosti performansi daje relativni odnos prioriteta alternativa, uzimajući u obzir
sve kriterijume. Na desnoj ordinati (y-osa) grafika dat je krajnji nivo prioriteta svih alternativa
i njihov redosled u odnosu na odabrani čvor (kriterijum). Na levoj ordinati se očitavaju
vrednosti prioriteta kriterijuma. Za očitavanje vrijednosti prioriteta alternativa u odnosu na
svaki kriterijum posebno, koristi se bar-traka i desna ordinata. Grafik analize osjetljivosti
performansi takođe ima dinamički karakter, jer je moguće vršiti promenu vrednosti prioriteta
kriterijuma prevlačenjem bar-trake kriterijuma prema gore ili dole, što izaziva promenu u
prioritetu alternativa kriterijuma i rešenje (slika 4.12.1. i 4.2.2)
• Podaci se jasnije prate na grafiku Dynamic Sensitivity (slika 4.13.1. i 4.13.2.)

Slika 4.12.1. Performance Sensitivity Slika 4.13.1. Dynamic

polazno rešenje Sensitivity, polazno rešenje
Prioriteti (težine) kriterijuma: w1=37,5%; w2=25,0%; w3=25,0%; w4=12,5%
Prioriteti (težine) alterntiva: 25,7% (Užice); 25,5% (N. Sad); 24,8 (Subotica); 24,0% (Niš)
Slika 4.12.2. Performance Sensitivity Slika 4.13.2. Dynamic

Kriterijum ″Transport″: uvećanje w3 sa 25,0% na 29,3% Sensitivity za w3=29,3%
Prioriteti kriterijuma: w1=35,4%; w2=23,6%; w3=29,3%; w4=11,8%
Prioriteti alterntiva: 25,7% (N. Sad); 25,6% (Užice); 24,7 (Subotica); 24,1% (Niš)
Za analizu osjetljivost performansi ilustruje se posmatranje kriterijuma ″Transport″. Ako se

njegova težina uveća sa w3=25,0% na 29,3% nastaje promena težina ostalih kriterijuma i
promena lokacije sa rangom 1. ″Užice″ prelazi na prvog na drugo mesto (prioritet 25,7%
opada na 25,6%) i ″Novi Sad″ sa drugog na prvo mesto (prioritet 25,5% raste na 25,7%).
2) Dynamic Sensitivity
Dinamička analiza osetljivosti je namenjena dinamičkoj promeni prioriteta kriterijuma radi

praćenja promene prioriteta alternativa. u u ovoj vrsti analize, ako se promeni značaj nekog od
kriterijuma (povlačenjem njegove bar-linije levo ili desno) i dodeli nova težina, prikazuju se
nastale posledice:
• promena težina ostalih kriterijuma i
• promena višekriterijumske rang liste (prioriteta alternativa).

Razmotrimo ponovo kriterijum ″Transport″ (slika 4.14.1. i 4.14.2) i prikažimo uporedo

grafike Dynamic Sensitivity (slika 4.14.1. i 4.14.2) i Gradient Sensitivity (slika 4.15.1. i
4.15.2). Ako se polazna težina w3=25,0% uveća na 28,5% određuje se isti najviši prioritet
25,6% za ″Novi Sad″ i ″Užice″.
Slika 4.14.1. Dynamic Sensitivity za Slika 4.15. Gradient Sensitivity za

w3=28,5% w3=25,0% i 28,5%
Sada se jasno uviđa da najbitniji aspekt višekriterijumske analize jeste definisanje značajnosti
kriterijuma, što utiče na rešenje – redosled alternativa na višekriterijumskoj rang listi. Napred
izložena dva primera pokazuju da ne mnogo velike korekcije težinskog koeficijenta
w3=25,0% za kriterijum ″Transport″ ima za rezultat (tabela 4.5), prvo da su najpovoljnije i
podjednako povoljne dve lokacije (Novi Sad i Užice) a zatim da je najpvoljnija samo jedna
lokacija (Novi Sad).
Tabela 4.5. Uticaj promene težine w3=25,0% za kriterijum ″Transport″

na težine ostalih kriterijuma i rang listu alternativnih lokacija
Polazno Rang Rang Rang
w3=28,5% w3=29,3%
rešenje mesta mesta mesta
Kriterijumi, nivo I
Finansijski aspetki 37,5% 35,7% 35,4%
Raspoloživost kadra 25,0% 23,8% 23,6%
Transport 25,0% 28,5% 29,3%
Saobraćaj 12,5% 11,9% 11,8%
Alternative
Niš 24,0% 4 24,0% 4 24,1% 4
Novi Sad 25,5% 2 25,6% 1, 2 25,7% 1
Subotica 24,8% 3 24,7% 3 24,7% 3
Užice 25,7% 1 25,6% 1, 2 25,6% 2
Inače, grafik Dynamic Sensitivity ima više mogućnosti za izbor odgovarajućih opcija u
meniju Options:
• Home, postavljanje polaznog rešenja,
• Components, prikazivanje učešća težina kriterijuma u prioritetu alternative,
• Sort i Unsort, soritranje alternativa prema prioritetima i poništavanje soritranja.

Slika 4.14.2. Dynamic Sensitivity sa komponentama za težine kriterijuma u

prioritetima alternativa (polazno rešenje)
Na primer, ″Užice″ ima najviši prioritet 25,7% i može da se izvrši raščlanjavanje učešća
težina kriterijuma pri određivanju takvog prioriteta: 9,64%; 6,43%; 6,43% i 3,21%.
Tabela 4.6. Formiranje prioriteta 25,70 za lokaciju ″Užice″ na osnovu prioriteta kriterijuma
Prioritet za Učešće kriterijuma
Kriterijumi wj
Užice u prioritetu za Užice
Transport 25,0% 25,7% 6,43%
Saobraćaj 12,5% 25,7% 3,21%
Ukupno: 25,70%
3) Gradient Sensitivity
Gradijentna analiza osetljivosti se vrši na grafiku kod kojeg je na apscisi prikazuju moguće
vrednosti u rasponu od 0,00 do 1,00 za prioritet kriterijuma čiji je naziv ispisan u dnu grafika.
Taj kriterijum se bira se u meniju X-Axcis. Razmotrimo ponovo kriterijum ″Transport″ (slika
4.16) i posmatrajmo istovremeno grafik Dynamic Sensitivity sa ciljem da se mogu pratiti
procentualne vrednosti prioriteta kriterijuma i alternativa (slika 4.17)
Na na ordinati grafika Gradient Sensitivity se prikazuju prioriteti alternativa i u centralnom

delu su linije koje funcije prioriteta alternativa u zavisnosti od prioriteta u rasponu od 0,00%
do 1,00% za posmatrani kriterijum. Desno su nazivi alternativa.
• Crvena vertikalna linija predstavlja vrednosti prioriteta w3=0,25% za kriterijum
″Transport″ u polaznom rešenju.
• Plava isprekidana vertikalna linija predstavlja analiziranu vrednosti prioriteta posmatranog
kriterijuma koja nastaje povlačenjem crvene linije prema levo (umanjenje prioriteta w3 od
vrednosti 0,25% prema 0,00%) ili desno (uvećanje prioriteta w3 prema 1,00%).
Promena prioriteta jednog kriterijuma (u ovom slučaju za ″Transport″) na grafiku Gradient

Sensitivity , kao i u svim ostalim oblicima analize, ima za rezultata odgovarajuće promene

prioriteta ostalih kriterijuma i prioriteta altenrativa (što se jasno prati na grafiku Dynamic
Sensitivity).
Slika 4.16. Gradient Sensitivity za Slika 4.17. Dynamic Sensitivity za

w3=25,0% i 53,2% w3=53,2%
Grafik Gradient Sensitivity daje najupotrebljivije informacije za zavisnost prioriteta

kriterijuma i prioriteta alternativa u odnosu na posmatrani kriterijum ″Transport″. Na primer;
za w3 < 28,5% najbolja je lokacija ″Užice″
za w3 = 28,5% najbolje su lokacije ″Užice″ i ″Novi Sad″
za w3 > 28,5% najbolja je lokacija ″Novi Sad″.
Svakako, mogu da se posmatraju i niža rang mesta za alternative. U suštini, grafik Gradient
Sensitivity omogućava da se odrede intervali prioriteta w3 sa konstantnim redosledom
prioriteta alternativa i granične vrednosti w3 za promene prioriteta alternativa.
Tabela 4.7. Uticaj prioriteta w3 za kriterijum ″Transport″ na model i rešenje

Prioriteti kriterijuma Prioriteti lokacija i rang mesta
w3
w1; w2; w3; w4 Užice Subotica N. Sad Niš
1 0,0%; 6,3% 1 2 3 4
26,2% 25,0% 25,0% 23,8%
2 6,3% 46,8%; 31,2%; 6,3%, 15,6%
1 2, 3 2, 3 4
3 6,3%; 27,3% 1 3 2 4
25,6% 24,7% 25,6% 24,0%
4 27,3% 36,3%; 24,2%; 27,3%, 12,1%
1, 2 3 1, 2 4
5 27,3%; 52,7% 2 3 1 4
24,9% 24,3% 26,4% 24,3%
6 52,7% 23,7%; 15,8%; 52,7%; 7,9%
2 3, 4 1 3, 4
7 52,7%; 67,4% 2 4 1 3
24,5% 24,1% 26,8% 24,5
8 67,4% 16,3%; 10,9%; 67,4%; 5,4%
2, 3 2, 3 1 2, 3
9 67,4%; 97,3% 3 4 1 2
23,7% 23,7% 27,7% 24,9%
10 97,3%; 100% 1,4%; 0,9%; 97,3%; 0,5%
3, 4 3, 4 1 2

Napred je prikazana analiza sa grafikom

Gradient Sensitivity za problem u celosti i
posmatrajući kriterijum ″Transport″.
Međutim, ova analiza može da se vrši sa
stanovišta svakog od kriterijuma na
posmatranom nivou kriterijuma.
• Izbor nivoa kriterijuma vrši se na
osnovnom ekranu Model View.
• Izbor kriterijuma na grafiku Gradient
Sensitivity vrši se u meniju X Axcix.
Slika 4.18.1. Gradient Sensitivity za
kriterijum Finansijski aspekti
Slika 4.18.2. Gradient Sensitivity za Slika 4.18.3. Gradient Sensitivity za

kriterijum Raspoloživost kadra kriterijum Raspoloživost kadra
Analiza za kriterijume sa nivoom I

Bilo koji oblik analize za kriterijume na nižim nivoima, što se inicira pozicioniranjem
zahtevanog nivoa u Model View (na primer, Fianansijski aspekti nivo I) i izborom naziva
potrebne analize u meniju Sensitivity-Graphs (na primer, Gradient Sensitivity) otvara
dijalog Perform Sensitivity.
• Potvrda da se želi analiza za pozicionirani kriterijum, odnosno čvor na stablu
kriterijuma, vrši se sa opcijom Current Node (tekući čvor).
• Ako je potrebna analiza za problem u celosti, nezavisno što je pozicioniran kriterijum
na nižem nivou, koristi se opcija Goal (cilj).
• Sa Cancel se odustaje od analize.
Slika 4.19. Performance Sensitivity za Slika 4.20. Dynamic Sensitivity za

kriterijum Finansijski aspekti, nivo I kriterijum Finansijski aspekti, nivo I

NAPOMENE:
• Pet oblika analize osetljivosti vrši se za problem (izbor Goal – naziv problema u Model
View) ili kriterijum na bilo kom nivou (I i II na razmatranom primeru), samo ako ima
svoje podkriterijume koji imaju za jedan niži nivo od posmatranog kriterijuma.
• Za kriterijume bez podkriterijuma (takvim kriterijumima su pridružene alternative) ne vrši
se analiza - softver ne dozvoljava analizuosetljivosti.
Kriterijum Finansijski aspekti na nivou I ima dva podkriterijuma na nivou II za koje može da
se vrši analiza sa grafikom Gradiente Sensitivity (biraju se u meniju X Axcis).
Slika 4.21.1. Gradiente Sensitivity za Slika 4.21.2. Gradiente Sensitivity za

kriterijum Finansijski aspekti, nivo I kriterijum Finansijski aspekti, nivo I
podkriterijum Troškovi-smanjenje, nivo II podkriterijum Troškovi lokacije, nivo II
Kriterijum Troškovi-smanjenje sa nivom II ima tri podkriterijuma na nivou III.
Slika 4.22. Performance Sensitivity Slika 4.23. Dynamic Sensitivity

Troškovi-smanjenje, nivo II Troškovi-smanjenje, nivo II
Slike 4.24. Sensitivity Analysis za kriterijum Troškovi-smanjenje, nivo II

4) Head to head Sensitivity
Ovaj oblik analize predstavlja mogućnost poređenja dve alternative u odnosu na kriterijume
ili podkriterijume. Grafik je podeljen tako da leva strana prikazuje jednu alternativu, a desna
drugu alternativu.
a) Analiza na nivoa cilja
• Prva alternativa (na

primer Niš) bira se u
meniju
Hand_to_head_from
• U levom uglu iznad
grafika se prikazuju
nazivi ostalih alternativa i
vrši se izbor druge
alternative, na primer
″Novi Sad″
Slika 4.25.1. Hend to hend Sensitivity za lokacije ″Niš″ i ″Novi Sad″
Na sredini su nazivi alternativa koje se porede i nazivi svih kriterijuma na razmatranom nivou
kriterijuma. Preko svakog naziva kriterijuma je postavljena bar-traka u smeru bolje
alternative. Ispod se prikazuju procentualne vrednosti za prioritete alternativa i tekstualna
poruka da se vrši poređenje za dve izabrane alternative.
• Uočava se da je ″Novi Sad″ povoljnija za tri kriterijuma (″Finansijksi aspekti″ za oko
0,3%; ″Transport″ za oko 0,70% i Sadržaj za oko 0,4%).
• Ukoliko alternative imaju jednaku vrednost preferencija za određeni kriterijum, onda za taj
kriterijum neće biti iscrtana bar-traka (to je kriterijum ″Raspoloživost kadara″).
• Sumarni rezultat poređenja dve alternative je predstavljen krajnjom donjom bar-trakom sa
nazivom ″Overall″ koja je postavljena u smeru povoljnije alternative i pokazuje procenat
za koliko je ta alternativa bolja od druge: ″Novi Sad″ je povoljnija lokacija od lokacije
″Niš″ za oko 1,75%.
Slika 4.25.2. Poređenje ″Niš″, ″Subotica″ Slika 4.25.3. Poređenje ″Niš″, ″Užice″

Slike 4.26. Poređenje ″Novi Sad“ i ostalih Slike 4.27. Poređenje ″Subotica″ i ostalih
b) Analiza za kriteriujm
Finansijski aspekti,
nivo I
Slika 4.28.1.
Slika 4.28.2. Slika 4.28.3.

c) Analiza za kriteriujm
Finansijski aspekti,
nivo I
Slika 4.29.

5) 2D − Two Dimensional Sensitivity
Dvodimenzionalni grafik (2D Plot) omogućava međusobno poređenje alternativa u odnosu na

dva kriterijuma istovremeno. Kriterijumi koji se biraju pomoću opcija u meniju „X Axys“ za
apscisu i „Y Axys“ za ordinatu grafika. Prostor grafika je podeljen na 4 kvadratnta.
Najpovoljnije alternative u odnosu na kriterijume koji su dodeljeni x-osi i u y-osi nalaze se u
gornjem desnom kvadrantu. Što je alternativa bliža gornjem desnom uglu grafika, to je njena
preferencija u odnosu na posmatrane kriterijume veća.
Slika 4.30.1. 2D Sensitivity Slika 4.31.1. 2D Sensitivity

Finansijski aspekti, Raspoloživost kadra Raspoloživost kadra, Finansijski aspekti
Slika 4.30.2. Finansijski aspekti, Transport Slika 4.32.1. Transport, Finansijski aspekti
Slika 4.30.3. Finansijski aspekti, Sadržaj Slika 4.33.1. Sadržaj, Finansijski aspekti

Svakako, kada se analiza vrši naizmenično za dva ista kriterijuma (kao što je napred pokazano
za kriterijum ″Finansijski aspekti″ i svaki od preostalih kriterijuma),
• dobijaju se identični rezultati,
• grafici su uređeni saglasno kriterijumu na apscisi i kriterijumu na ordinati.
Proizilazi da je dovoljno da se određeni par

kriterijuma razmatra samo jednom, nezavisno
od toga koji je kriterijum postavljen na x osi i
koji je na y osi.
Slika 4.31.2.
Slika 4.31.3. Slika 4.32.2.
U okviru kriterijuma Finansijski aspekti na

nivou I mogu da se razmatraju njegovi
podkriterijumi na nivou II.
Slika 4.33.2.
Podkriterijumi na nivou III u okviru

kriterijuma Troškovi-smanjenje sa nivoom II
Slika 4.34.1. Slika 4.34.2.

4.2.6. Definisanje značajnosti kriterijuma poređenjem parova
Metoda AHP i softver Expert Choice podržavaju da se preference donosioca odluke vrši
poređenjem parova elemenata modela:
• poređenje parova alternativa u okviru jednog kriterijuma, ako nisu definisane vrednosti
alternativa za razmatrani kriterijum (da bi se neposredno – direktno unosile takve vrednosti
sa opcijom Direct iz menija Assisment),
• poređenje parova kriterijuma na svakom nivou ili definisanje težinskih koeficijenata na
nekim nivoima i poređenje parova kriterijuma na ostalim nivoima.
U realnim problemima je češće prisutno da su poznate vrednosti alternativa za kriterijume i
poređenje parova se vrši za kriterijume. Pri tome mogu da se koriste dve tehnike:
• poređenje samo susednih parova kriteriujuma i
• poređenje svih parova kriterijuma.
Tipovi poređenja i oblici poređenja parova elemenata modela

(alternativa, kriterijuma)
Tri tipa poređenja parova, izbor opcije Type u meniju Assesment za prikazivanje podmenija:
• Importance, poređenje kriterijuma (značajnost prvog u odnosu na drugi u paru)
• Preference, poređenje alternativa (preferiranje prve u odnosu na drugu u paru)
• Likelihood, poređenje faktora iskazanih verovatnoćama
Tri oblika poređenja parova, što može da se inicira na dva načina:

• izbor opcije Pairwise u meniju Assesment,
• neposredno biranje jednog od tri oblika poređenja u paliti alata iz drugog reda u
osnovnom radnom ekranu Model View (prelaskom sa kursorom preko ikonica
prikazuje se njihov nazhiv, ispod ikonica i u poslednjem redu ekrana za informacije)
Pairwise Numerical Comparisons, numeričko poređenje,

Pairwise Verbal Comparisons, verbalno poređenje,
Pairwise Grafical Comparisons, grafičko poređenje.
Ako se bira Pairwise u meniju Assesment, prikazuje se ekran za poslednji put korišćeni oblik
poređenja parova kriterijuma ili ekran za direktno definisanje težinskih koeficijenata, kao da
je korišćena opcija Direct u meniju Assesment, što je prikazano i tumačeno na početku (slike
4.3.1 i 4.3.2).
• Bitno je da svaki ekran za definisanje značajnosti krtierijuma (direktno unošenje težina ili
poređenjm parova) prikazuje navedene ikonice za izbor oblika poređenja.
• Drugim rečima, nezavisno koji se oblik prikazuje (odnosno koji je oblik prvobitno
izabran), uvek može da se izvrši prelazak na željeni oblik poređenja parova.
Model View, povratak na osnovni ekran (zahteva se potvrda ispravnosti podataka).
Priorities derived from Pairwise Conparisons, grafičko prikazivanje prioriteta.

1) Poređenje parova susednih kriterijuma

Najjednostavniji pristup za poređenje parova kriterijuma jeste da se porede samo susedni
kriterijumi, što u potpunosti odgovara napred prikazanom procesu definisanja težinskih
koeficijenata. Na primer, na prvom nivou se posmatraju parovi (K1, K2); (K2, K3) i (K3, K4).
Pairwise Numerical Comparisons, numeričko poređenje parova kriterijuma
Slika 4.35.1. Numeričko poređenje parova susednih kriterijuma, nivo 1

K1 je 3 puta značajniji od K2; K2 je 2 puta značajniji od K; K3 je 4 puta značajniji od K4
Uočava se da donji deo ekrana prikazuje kvadratnu matricu sa nazivima kriterijuma za redove
(prvi kriterijum u paru) i kolone (drugi kriterijum u paru). Omogućava se poređenje
posmatranog kriterijuma sa narednim kriterijuma, tako što su dostupna polja na glavnoj
dijagonali (za susedne parove) i iznad glavne dijagonale (za sve parove posmatranog
kriterijuma i naredne kriterijume). Potrebno je da se u donjem delu ekrana pozicionira polje u
preseku reda za prvi kriterijum i kolone za drugi kriterijum.
• U gornjem delu ekrana se prikazuju nazivi kriterijuma za izabrano polje u donjem delu.
• Na numeričkoj skali koja odgovara skali 9 tačaka se povlači pokazivač prema levo (ako
prvi kriterijum ima veći značaj) ili prema desno (ako drugi kriterijum ima veći značaj).
Slika 4.35.2. Numeričko poređenje parova susednih podkriterijuma (nivo II) u okviru
kriterijuma K1 – Finansijski aspekti (nivo I)

Slika 4.35.3. Numeričko poređenje parova susednih podkriterijuma (nivo III)

u okviru kriterijuma K11 – Troškovi smanjenje (nivo II)
Kada drugi kriterijum u paru ima veći značaj, povlačenjem pokazivača prema desno određuju
se odgovarajući težinski koeficijenti prikazani crvenom bojom u polja za posmatrani par
kriterijuma.
Slika 4.35.4. Model View, Rezultat numeričkog poređenja parova susednih kriterijuma
Numeričko poređenje parova susednih kriterijuma daje rang listu sa jednom alternativom
najvišeg ranga za Ideal Mode i isti redosled alternativa za Distributive Mode.
Tabela 4.8. Definisanje težina kriterijuma i poređenje parova susednih kriterijuma

Varijante definisanja Težine Rang Numeričko poređenje Rang
značajnosti kriterijuma → kriterijuma mesta susednih kriterijuma mesta
Kriterijumi, nivo I
Finansijski aspetki 37,5% 64,7%
Raspoloživost kadra 25,0% 21,6%
Transport 25,0% 10,8%
Saobraćaj 12,5% 2,7%
Alternative, Ideal Mode
Niš 24,0% 4 24,0% 4
Novi Sad 25,6% 1, 2 25,3% 2
Subotica 24,8% 3 24,6% 3
Užice 25,6% 1, 2 26,1% 1

Pairwise Verbal Comparisons, verbalno poređenje parova kriterijuma

Na desnoj ivici gornje dela ekrana (slika 4.36.1) prikazuje se skala 9 tačaka (slika 3.6) sa
verbalnim nazivima za svaku drugu opciju. Nakon što se pozicionira polje za određeni par
kriterijuma u matrici iz donjeg dela ekrana, u gornjem delu se prikazuju nazivi kriterijuma.
• Povlačenjem pokazivača na skali, u navedeno polje se upisuje pripadajuća numerička
težina:
- pokazivač prema gore daje veći značaj prvom kriterijumu u paru,
- pokazivač prema dole iskazuje se veći značaj drugom kriterijumu u paru i
odgovarajuća numerička težina se prikazuje sa crvenom bojom.
• U posmstrano polje može da se neposredno upiše numerička težina za iskazivanje značaja
prvog kriterijuma u odnosu na drugi kriterijum.
Slika 4.36.1. Verbalno poređenje parova susednih kriterijuma, nivo 1

(K1, K2), ocena Moderate (Slabije značajnije) težina 3,0
(K2, K3), ocena Equal to Moderate (Podjednako ka slabije značajnije) težina 2,0
(K3, K4), ocena Moderate to Strong (Slabije ka strožije značajnije) težina 4,0.
NAPOMENE:
Ovde je prikazano verbalno poređenje parova kriterijuma na nivou I, što odgovara napred
sprovedenom postupku za njihovo numeričko poređenje (slika 4.35.1).
Na ostalim nivoima se ilustruju odabrane razlike za verbalne ocene u odnosu na numeričko
poređenje parova krtierijuma.
(K11, K12), ocena Very Strong (Veoma snažno značajnije), težina 7
(K111, K112), ocena Strong za K112 (Veoma snažno značajnije)
težina 5 za par (K112, K111)
težina (5), odnosno 1/5 = 0,20 za par (K111, K112)
(K112, K113), ocena Extreme za K113 (Apsolutno najznačajnije), težina 8

Slika 4.36.2. Model View, Rezultat verbalnog poređenja parova susednih kriterijuma
Pairwise Grafical Comparisons, grafičko poređenje parova kriterijuuma
Slika 4.37. Grafičko poređenje parova susednih kriterijuma, nivo 1
Gornji deo ekrana prikazuje nazive kriterijuma za pozicionirano polje sa posmatranim parom
kriterijuma u matrici iz donjeg dela ekrana. Svaki kriterijum ima bar traku, plave boje za prvi
u paru i crvene boje za drugi u paru.
• Potrebno je da se za jedan (bilo koji) kriterijum polvači traka prema desno da se
iskaže veći značaj tom kriterijumu ili prema levo da se iskaže manji značaj.
• Time se dobija obrnuti efekat za suprotni kriterijum u paru.
• Desno se prate delovi kruga koji prikazaju značjanost svakog kriterijuma.
• Po analogiji sa numeričkim i verbalnim poređenjem parova kriterijuma, u
odgovarajuće polje se postavlja ogovarajuća brojna ocena iz skale 9 tačaka.

2) Poređenje parova svih kriterijuma

Polazeći od ranije prikazanog poređenja parova susednih kriterijuma, prikazuju se dve
varijante proširenja sa poređenjem parova svih kriterijuma na nivou I.
• Od osnovnog značaja jeste da se ostvari mera nekonzistentnosti (Overall Inconsistency,
Incon.) koja nije veća od 0,10. Podatak se prikazuje na ekranu za poređenje i sintetizaciju.
• Sa istim značajem kriterijuma u paru (K, K4) određuje se neprihvatljiva vrednost 0,32.
Slika 4.38.1. Numeričko poređenje parova svih kriterijuma, nivo 1

Nepravilno poređenje, mera nekonzistentnosti Incon: 0,32 > 0,10

Pravilno poređenje, mera nekonzistentnosti Incon: 0,05 < 0,10
Slika 4.39.1. Sintetizacija modela, prioriteti Slika 4.39.2. Sintetizacija modela, prioriteti
alternativa sa Overall Inconsistency = 0,32 alternativa sa Overall Inconsistency = 0,05

U prvoj varijanti (slika 4.38.1) definisani su podaci o značajnosti parova kriterijuma na niovu
I sa kojima nije ostvarena prihvatljiva mera konzistentnosti (Incon. = 0,32 > 0,10):
K1 je 3 puta značajniji od K2; 3 puta značajniji od K3 i ima isti značaj kao K4;
K2 je 2 puta značajniji od K3 i 3 puta značajniji od K4;
K3 je 4 puta značajniji od K4.
Lako je da se uoči zašto navedena poređenja imaju neprihvatljivu meru konzistencije:

• Ako K1 ima 3 puta veći značaj od K2, a K2 ima 3 puta veći značaj od K4; proizilazi
da nije moguće da K1 ima isti značaj sa K4. K1 ima 6 puta veći značaj od K4 (slika
3.38.2).
BITNE NAPOMENE:
• Nije neophodno da se definiše potpuna konzistentnost podataka za značajnosti kriterijuma.
Ako se postavi da K1 ima 5 puta veći značaj od K4 (umesto napred obrazloženog 6 puta
većeg značaja) određuje se prihvatljiva vrednost Incon. = 0,06 < 0,10
• Numerička skala postavlja celobrojne vrednosti za značajnost kriterijuma, ali može da se u
određeno polje upiše i potrebna necelobrojna vrednost. Na primer, dalje definisanje da K2
ima 1,5 puta veći značaj od K4, određuje se granična vrednost Incon. = 0,10 (slika 4.38.3).

Pravilno poređenje, mera nekonzistentnosti Incon: 0,10
Slika 4.40. Model View sa rešenjem za poređenje svih parova kriterijuma sa Incon=0,05

Izloženo poređenje parova susednih kriterijuma i parova svih kriterijuma daje isti redosled
alternativa na višekriterijumskoj rang listi sa Ideal Mode (tabela 4.9). Pri tome nastaju:
• razlike za prioriete nekih ili svih kriterijuma, u zavisnosti od definisanih pokazatelja
o značajnosti kriterijuma u procesu poređenja njihovih parova i
• razlike za prioritete nekih ili svih alternativa, što je rezultat poređenja parova
kriterijuma.
Tabela 4.9. Poređenje parova kriterijuma, Ideal Mode
Varijante poređenja Susedni Rang Svi Rang Svi Rang
parova kriterijuma → Incon=0 mesta Incon=0,05 mesta Incon=0,10 mesta
Kriterijumi, nivo I
Transport 10,8% 17,8% 18,2%
Saobraćaj 2,7% 6,7% 7,2%
Alternative
Niš 24,0% 4 23,9% 4 23,9% 4
Novi Sad 25,3% 2 25,5% 2 25,5% 2
Subotica 24,6% 3 24,9% 3 24,9% 3
Užice 26,1% 1 25,7% 1 25,7% 1
Napred je prikazano poređenje parova svih kriterijuma na nivoou I. Svakako, može da se vrši
poređenje svih parova kriterijuma na ostalim nivovima.
• Kako na nivou II ima samo dva kriterijuma, K11 i K12 u okviru kriterijuma K1, može da
se vrši samo prikazano poređenje susednih parova K11 i K12 (slika 4.35.2).
• Na novou III ima tri kriterijuma i napred je vršeno poređenje susednih parova (slika
4.35.3): K112 ima 3 puta veći značaj od K111 i K113 ima 5 puta veći značaj od K112. Za
dalje poređenje svih parova potrebno je posmatrati K111 i K113.
Ako se postavi da K113 ima 9 puta veći značaj od K112 i želi da se takva ocena zadrži,
pokazuje se da nastaje neprihvatljiva mera Incon. > 0,10 za bilo svaku ocenu da K113
ima veći značaj od K111.
Ako se postavi da K113 ima 9 puta veći značaj od K111, sa zahtevom da K113 ima 9
puta veći značaj od K112 se ostvaruje Incon. = 0,13 > 0,10. Da se ostvari maksimalna
prihvatljiva vrednost Incon. = 0,10 neophodno je postaviti da K113 ima 8 puta veći
značaj od K112 (slika 4.41.1). Time Ideal Mode određuje Incon. = 0,10 i uvećava
prioritet za najbolja alternativu Užice na vrednosti 0,271 (slika 4.41.2).
Slike 4.41.1. i 4.41.2. Poređenje parova kriterijuma na nivou III i rešenje

4.2.7. Rekapitulacija za konzistentnost pokazatelja o značajnosti kriterijuma
• Uvek se obezbeđuje pravilno definisanje

značajnosti kriterijuma sa Incon. = 0, ako
se vrši:
o dodela težinskih koeficijenata za
kriterijume i
o poređenje parova susednih
kriterijuma.
• Poređenje parova svih kriterijuma može Slika 4.42.1. Sinetizacija za K11, nivo II
da ima za rezultat nepravilno definisanje Incon. = 0,10
značajnosti kriterijum i Incon. > 0,10.
o Potrebno je definisati saglasne ocene
za značajnost kriterijuma i obezbediti
Incon. ≤ 0,10.
• Nekonzistetnost na nižem nivou
kriterijuma se prenosi na viši nivo
kriterijuma ako na višem nivou postoji
potpuna ili ista konzistentnost:. Slika 4.42.2. Sinetizacija za K1, nivo I
o Incon. = 0,10 za K11 na nivou II (slika Incon. = 0,10
4.42.1) određena sa njegovim
podkriterijumima na nivou III (slika
4.41.1) prenosi se na K1 na nivou I
(slika 4.42.2), pošto K1 ima Incon. = 0
za njegove podkriterijume K11 i K12.
o Kako i na najvišem nivou, na nivou
problema, kriterijumi imaju Incon. =
0,10 i sintetizacijom se određuje ista
vrednost (slika 4.22.3). Slika 4.42.3. Sinetizacija za problem, nivo 0
Incon. = 0,10
• Nekozistentnost na nižem nivou
kriterijuma se umanjuje na višem nivou
kriterijuma, ako na višem nivou postoji:
o potpuna konzistentnost, ili
o manja nekonzistentnost u odnosu na
niži nivo.
Napred je za kriterijume na nivou III sa
ocenom da K113 ima 9 puta veći značaj
od K111 određeno je Incon. = 0,10 (slika Slika 4.43. Sinetizacija za problem, nivo 0
4.4.1). Incon. = 0,06
Zahtev da K113 ima 6 puta veći značaj od K111 daje Incon. = 0,21. Ako se na nivou I zadrži
Incon. = 0,05 (slika 4.38.2), onda se na nivou problema dobija Incon. = 0,06 (slika 4.43).

5. ZAKLJUČAK
Izloženi su opšti pojmovi u oblasti odlučivanja i oblasti optimizacije za potrebe odlučivanja.

Ukazano je na jednokriterijuumsku optimizaciju (JKO) i višekriterijumsku optimizaciju
(VKO), uz dalje raščlanjavanje VKO na višeciljno odlučivanje (VCO) i višeatributivno
odlučivanje (VAO). Izdvojeno je Ciljno programiranje (CP) kao zasebni problem u VCO i za
sve oblasti su prikazani ilustrativni primeri. Date su sugestije da se za JKO i VCO koristi
softver WinQSB, a za VAO metoda AHP i softver Expert Choice ili metoda Promethee i
softver Decision Lab.
Za ilustrativni primer problema VAO i primene softvera Experrt Choice, nakon sinteze i
detaljnije analize izbora nove lokacije kompanije (posmatrane su četiri potencijalne lokacije)
na osnovu postavljenih kriterijuma sa tri nivoa hijerarhije, izvodi se zaključak da ne postoji
samo jedno rešenje, te da se u zavisnosti od preferencija donosioca odluke o kriterijuma mogu
odrediti različita rešenja. Naime, rešenje uvek zavisi od subjektivnih ocena koje se dodeljuju
kriterijumima na svim nivoima hijerarhijskog stabla kriterijuma. Na početku je pokazano da
uobičajeno korišćenje težinskih koeficijenata za kriterijume određuje da su, u
višekriterijumskom smislu, najpovoljnije lokacije Novi Sad i Užice ako se koristi Ideal Mode
(imaju isti najviši prioritett). Kada se koristi Distributive Mode najpovoljnija je lokacija
Užice. Primenom analize osetljivosti ilustrovana je zavisnost rešenja od težinskih
koeficijenata za odabane kriterijume. Dalje su detaljno izložena dva oblika poređenja parova
kriterijuma na osnovu skale 9 tačaka koja karakteriše metodu AHP i softver Expert Choice.
Vršeno je poređenje parova samo za susedne kriterijume i poređenje parova za sve
kriterijume. U drugom pristupu je od osnovnog značaja da se pravilno sprovede poređenje
parova kriterijuma i obezbedi faktor nekozistentnosti koji ne prelazi vrednost 0,10.
• Proizilazi da model VAO jeste fleksibilan i nakon definisanja pouzdanih konstantnih
podataka za vrednosti kriterijuma sa alternativama u svakom trenutku se analizom
osetljivosti može preispitati uvođenje preferencija o značajnosti kriterijuma u cilju
proveravanja sigurnosti ocenjivanja svakog pojedinačnog kriterijuma, posmatrajući da li
se za neki od kriterijuma (koji na početku nije bio istaknut) kasnije uviđa da ima veći
značaj u odnosu na neki drugi kriterijum (više utiče na rešenje nego neki drugi kriterijum).
• U opštem slučaju, odnosno na drugim problemima, ukoliko model nije adekvatan za
prihvatljivo opisivanje razmatranog slučaja, može da se odbaci i pristupi izgradnji novog
modela sa adekvatnijim kriterijumima za koje se mogu odrediti pouzdani podaci o
alternativama. Na izloženom primeru realokacije kompanije neophodno je imati na umu
da su izvršene procene troškova kao kriterijuma posmatrajući potencijalne lokacije, tako
da stepen pouzdanosti rešenja, odnosno višekriterijumske rang liste lokacija jeste u
zavisnosti od poudanosti procena za troškove.
Bitno je ukazati da se uvidom sistem Help utvrđuje da Expert Choice podržava složenije
definisanje modela VAO (kao što je korišćenje verovatnoća, funkcija preferencija za
kriterijume i dr.), što nije postavljeno kao predmet istraživanja u izloženim oblastima.
Inače, Expert Choice može da se koristi za gnerisanje modela VAO sa više nivoa kriterijuma i
definisanje preferencija o kriterijumima, posebno poređenjem parova kriterijuma, te da se sa
globalnim prioritetima za kriterijume dalje primeni neka druga metoda koja je razvijena za
probleme sa jednim nivoom kriterijuma (na primer, Promethee ili Electre).

6. LITERATURA
[1] Opricović Serafim, Višekriterijumska optimizacija, Naučna knjiga, Beograd, 1986.

[2] Nikolić Ilija, Borović Siniša, Višekriterijumska optimizacija – metode, primena u
logistici, softver, Centar vojnih škola, Beograd, 1996.
[3] Nikolić Ilija, Božilović Slavko, Kvantitativne metode i modeli u menadžmentu -
Odabrani problemi u graditeljstvu - Primena softvera WinQSB i Expert Choice,
Fakultet za graditeljski menadžment, Beograd, 2009.
[4] Milija M. Suknović, Milutin E. Čupić, Višekriterijumsko odlučivanje formalni pristup,
Fakultet organizacionih nauka, Beograd, 2003.
[5] Prof. dr. Maja Levi-Jakšić, mr. Sanja Marinković, mr. Jasna Obradović, Menadžment
inovacija i tehnološkog razvoja, Fakultet organizacionih nauka, Beograd, 2005.
[6] http://www.expertchoice.com/
[7] http://www.visualdecision.com/
7. PRILOZI
7.1. Model podataka za Expert Choice – direktni unos težina

098_07_Realokakcija_kompanije_1.ahp
7.2. Model podataka za Expert Choice – poređenje parova susednih kriterijuma
098_07_Relokacija_kompanije_2.ahp
7.3. Model podataka za Expert Choice – poređenje parova svih kriterijuma
098_07_Relokacija_kompanije_3.ahp

Poslovno odlučivanje, Metoda Promethee I, II
7.4. Primena metode Promethee, softver Decision Lab
Primer 1. Realokacija kompanije
Polazni podaci, dokument Realokacija.dlab
PROMETHEE 1 Partial Ranking

Parcijalno predak alternativa
(delimično rangiranje alternativa)
PROMETHEE 2 Complete Ranking

Potpuni poredak alternativa
(potpuno rangiranje alternativa)
Softver Decision Lab Trial 2000 61

Poslovno odlučivanje, Metoda Promethee I, II
Primer 2. Izbor automobila
Polazni podaci, dokument Cars.dlab
PROMETHEE 1
Partial Ranking
Parcijalno predak alternativa
(delimično rangiranje
alternativa)
PROMETHEE 2
Complete Ranking
Potpuni poredak alternativa
(potpuno rangiranje
alternativa)
Softver Decision Lab Trial 2000 62

Optimizacija I Odlucivanje Visekriteriju-2

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Optimizacija I Odlucivanje Visekriteriju-2

Uploaded by

Copyright:

Available Formats

Univerzitet Union

Fakultet za graditeljski menadžment

dr Ilija Nikolić, red. prof.

Beograd, 2008 - 2010

Izložene oblasti namenjene su prvenstveno izadi seminarskih radova na predmetu Poslovno

Sa ciljem da se studentima olakša izučavanje izloženih oblasti, predsednik Univerziteta

Prilog se proširuje sa dva primera iz oblasti graditeljstva:

Izloženi sadržaji delova 2 i 3 podrazumevaju neophodnost da se za potrebe odlučivanja

U ovom radu bavićemo se problematikom višekriterjumskog odlučivanja i primenom softvera

Pokušaćemo da na slikovit način dočaramo kompleksan problem vezan za odlučivanje, koje je

Naime, zbog povećanja troškova, rukovodstvo kompanije donelo je odluku da se izmesti

Tipičan hijerarhijski model odlučivanja obuhvata cilj, kriterijume i mogućnosti izbora. Na

Potreba za donošenjem odluka prisutna je u svim domenima egzistencije: od svakog

Donošenju odluka u složenim oblastima organizovanog poslovanja doprinose operaciona

Operaciona istraživanja su primena naučnih metoda u kompleksnim problemima vezanim za

Odluka je rezultat procesa odlučivanja. Odluka se donosi da bi se ispunili određeni zahtevi

Odlučivanje je proces kojim se stvara odluka. To je niz međusobno povezanih i uslovljenih

Teorisjke osnove – Optimizacija i odlučivanje 2

Kod višeciljnog odlučivanja cilj je dat u eksplicitnom, a atributi u implicitnom obliku sa

2.1. Jednokriterijumska i višekriterijumska optimizacija

Metode optimizacije zasnivaju se na korišćenju matematičkih modela. Uopšteno govoreći,

Matematički model se sastoji od skupa matematičkih relacija koje opisuju način

Bitno je imati na umu da u praktičnim primenama nastaje problem razvoja odgovarajućeg

2.1.1. Jednokriterijumska optimizacija

Opšti pristup u metodama jednokriterijumske optimizacije polazi od formiranja adekvatnog

Teorisjke osnove – Optimizacija i odlučivanje 3

Poznati problem jednokriterijumske optimizacije (kao što je već rečeno), podrazumeva

U zavisnosti od prirode relacija za funkciju kriterijuma i ograničenja nastaju linearni modeli

Osnovni pojmovi u oblasti jednokriterijumske optimizacije

Teorisjke osnove – Optimizacija i odlučivanje 4

Primer 1.1. Broj nepoznatih n=2

(max) f(x) = 15x1 + 10x2

Primena softvera [3]

Matrix Form – Matrična forma matemat. modela

Teorisjke osnove – Optimizacija i odlučivanje 5

Primer 1.2. Broj nepoznatih n=4

Teorisjke osnove – Optimizacija i odlučivanje 6

2.1.2. Višekriterijumska optimizacija

Opšte karakteristike svakog višekriterijumskog problema, za razliku od jednokriterijumskih

U oblasti višekriterijumskog odlučivanja, postoje dve vrste problema sa stanovišta opisivanja

1) Višeciljno odlučivanje (VCO), ili višekriterijumsko progrmiranje (VKP),

Cilj višekriterijumske optimizacije je donošenje konkretne odluke, ali ne najpovoljnijeg

Uobičajeno je da se problemi višeciljnog odlučivanja nazivaju „dobro struktuirani problemi“,

Tabela 2.1. Karakteristike dve grupe višekriterijumskih problema

Teorisjke osnove – Optimizacija i odlučivanje 7

Problemi VKO po prirodi suštinski drugačiji u odnosu na probleme jednokriterijumske

Zadatke višekriterijumske optimizacije u slučajevima kada se razmatraju važne odluke,

Teorisjke osnove – Optimizacija i odlučivanje 8

DO (u daljem tekstu-donosilac odluke) se u aposteriornom pristupu uključuje u analizu i

Interaktivni pristup obuhvata metode koje kombinuju apriorni i aposteriorni pristup sa

Opšta matematička formula dobro struktuiranog problema sa više kriterijuma (ciljeva)

Uobičajeno je da se kaže da se vrši maksimizacija vektora (funkcija kriterijuma) pri zadatim

Teorisjke osnove – Optimizacija i odlučivanje 9

Osnovni pojmovi za višekriterijumsku optimizaciju

da xs bude efikasno rešenje, mora da se uporedi sa svim drugim efikasnim rešenjima i

Teorisjke osnove – Optimizacija i odlučivanje 10

• Svako dalje iznađeno efikasno

Slika 2.1. Kriterijumski prostor za f1, f2, f3

Teorisjke osnove – Optimizacija i odlučivanje 11

Zajdnička ideja skupa metoda višeciljnog odlučivanja je da se određenim matematičkim

Tabela 2.4. Metoda ograničavanja kriterijuma

Ilustracija poređenja rešenja

Teorisjke osnove – Optimizacija i odlučivanje 12