Matice

Matice lze sčítat pokud mají se počet sloupců první rovná počtu řádku druhé např: 3x3 3x2 ANO; 4x2 2x3 ANO; 2x3 2x3 N

Hodnota matice

Vyberu čísla pro dělení řádku, udělám diagonálu, když je 1, tak opisuji první řádek a další řádky tvořím ve stylu čísla pro dělění
řádku*první řádek*upravovaný řádek = navazujicí řádky upravené matice

Inverzní matice
Přidáme jednotkovou matici a uděláme Jordanovu Eliminační Metodu

1
Jordanova Eliminační Metoda
Jednotkové vektory mohou být proházené, nemusí jít postupně za sebou -> musí ale být všechny.

U lineárních rovnic:

První řádek bude řídíci, takže do něj potřebuji dosta číslo 1

Pod 1 potřebuji dostat 0, takže vezmu řídící řádek *(-upravovaný řádek)+x1

Posunu se do dalšího sloupce, kde chci též získat 1 a pod a nad ní 0

Jelikož už mám 1 tak chci získat 0, opět vezmu řídící řádek *(-upravovaný řádek [pozor na sloupec])+x1

Upravím i druhý řádek a všimnu si, že pro x3 nevyšla nikde 1, takže je to nebazická proměnná

2
LP MAX OPT - Simplexový algoritmus
Simplex max – zj-cj vždycky nejvíce záporný a omega nejmenší nezáporné číslo
Simplex min – zj-cj vždycky nejvíce kladný a omega nejmenší nezáporné číslo
- pokud nám v zj-cj vyjdou všechny hodnoty záporné (i s nulou), tak se jedná o optimální řešení
- vždy přidat proměnnou p a random kladné číslo nad to
1) Definují proměnné (podmínky nezápornosti, účelová funkce)

2) Vytvořím Matematický model s bází (přidám d1/d2/d3)

V bázi budu mít u dx samé nuly, protože jsem zatím nic nevyrobil, ale mohu si sečíst test optimaly pro každou proměnnou
zvlášť a to skalárním součinem bazických proměných (tady F4) s hodnotami pod x1/x2/x3/d1/d2/d3 – cena za to x

Zj-cj je kriteriální řádek, který by při optimálním řešení ukazoval pod b jen zhoršení při dosazení nebazických proměnných.

Vezmu nejnižší zj-cj hodnotu což je -150 u x3 -> dám tuto hodnotu do báze za nejnižší proměnnou u testu přípustnosti omega
v našem případě za d3 neboť udává nejnižšá nezáporný podíl 75 (poměr b/x3 [nejmenší hodnota zj-cj]).

Označím si požadovaný sloupec a řádek a v ní vznikne pivot což je řídící jednotka na které potřebujeme dostat 1, takže pro
další tavulku použiji JEM (v tomto případě celý řádek vydělím 2.

Dále potřebuji lineární kombinaci, aby nad výslednou 1 byly 0, takže použiji JEM řídící řádek*(-12)+upravovaný řádek, u
řídícího řádku nebudu chtít zachovávat sloupec, ale řádek, takže F4 u řídícího řádku (dolar za písmenem) a u upravované -12
F4 pro sloupec (dolar před písmenem). Tento proces mohu použít u celé tabulky, takže protáhnu i na ten další řádek a do báze
vložím x3 s její cenou místo vyřazené d3.

3
Nyní si udělám opět test optimality (zj-cj), a to skalárním součinem proměnných v bázi (F4) se sloupcem x – cena.

Opět vyberu nejmenší hodnotu zj-cj, takže -25 a udělám si test přípustnosti omega, takže sloupec b/x2 -> nejnižší hodnota
omega u d1, takže budu vyřazovat d1 a označím si pivota.

Opět budu dělat JEM, protože chci na místě pivota mít 1, takže pivot/pivotem(F4)

Dále potřebuji lineární kombinaci, aby nad výslednou 1 byly 0, takže použiji JEM řídící řádek*(-6)+upravovaný řádek, u
řídícího řádku nebudu chtít zachovávat sloupec, ale řádek, takže F4 u řídícího řádku (dolar za písmenem) a u upravované -6 F4
pro sloupec (dolar před písmenem). Tento proces mohu použít u celé tabulky, takže protáhnu i na ten další řádek a do báze
vložím x2 s její cenou místo vyřazené d1.

4
Opět udělám test optimality (zj-cj) -> skalární součin bazických proměných F4; sloupec x1 – cena (90). Z toho vidím, že žádná
hodnota není záporná, tudíž je toto řešení optimální s optimální hodnotou účelové funkce 11500. Nulové hodnoty u testu
optimality nebazických proměnných ukazují existenci alternativních řešení.

Poté musím interpretovat výsledky. Lze to zapsat jako matice či vektor bazického řešení.

Alternativní existenci výsledku, lze spočítat pokud jsou v b kladná čísla, udělám si vedle test přípustnosti omega (b/x1), zvolím
pivota a udělám JEM a doplním bázi o x1.

5
Degenerované řešení je pokud ve sloupci b (vektory pravých stran) vychází 0, pokud tam není tak je to nedegenerované řeš.

Intervaly stability
Pokud změním počet rezistorových pouzder.

LP MAX OPT - Grafické řešení

LP MIN OPT – Simplexový algoritmus

Při přidávání p4 (nesmí být v bázi, doplněné na kanonický tvar, znamená to nesplnění omezující podmínky, nechceme, aby se
dostala do báze, takže jí dáváme vysokou cenu P v rámcí min / v rámci max nízkou cenu: takže jí dáme 100 a tím bude nejvyšší)
musím na d4 dát -1, abych u toho měl 1 -> překročení PŘIDÁVÁM POKUD SE MI MĚNÍ > NEBO < V PODMÍNKÁCH

Do báze pak přidávám hodnoty, kde je 1 -> v našem případě d2/d3/p4 a jejich ceny

Poté udělám test optimality (zj-cj), nová proměnná v bázi bude nejvyšší hodnota, takže x3

Potom udělám test přípustnosti (omega), proměnná vystupující z báze bude nejnižší nezáporné číslo, takže p4

6
Poté dle pivota uděláme JEM a poté zj-cj, pokud jsou všechny hodnoty záporné vím, že toto řešení je dle min – optimální.

Přípustné řešení je tehdy, když je v bázi realná proměnná nikoliv pomocná (p)

Poté intepretuji výsledky, výslednou matici a vektor bazických proměnných

7
JDU - Jednostupňová dopravní úloha
1) Každý odběratel musí mít možnost odebrat zboží od kohokoliv
2) Dopravní úloha musí být vyvážený -> suma kapacit = suma odběratelů, pokud je rozdíl mezi kapacitou VD a požadavky
S, musíme přidat fiktivní VDF pro dorovnání rozdílu -> VDF+VD=S

V zadání mohu dostat trojúhelník, který doplním pomocí =TRANSPOZICE, nebo způsobem vložení ctrl+v, tento trojúhelník
musím transponovat a přidat x, je to v podstatě „zrcadlení“ → ctrl+c celá tabulkaa pak ctrl+v transponovat

8
Indexová metoda
Celou tabulku si přepíšu do tohoto tvaru:

Tato metoda vybíra nejmenší indexové koeficienty (pravý horní roh), prvně vybíráme ty nejvýhodnější a pak až dle kapacit.
Nulové indexové koeficienty u VDF, protoze je fiktivní, každopádně musím zadat jeho přidanou kapacitu (250).

Pro sestavení výchozího řešení lze řešit vyplňováním bez VDF a to až pak, nebo to neřešit, ale je to jedno -> obojí musím pak
optimalizovat.

m*n = počet proměnných m+n = počet omezujících podmínek m+n-1 = počet bazických proměnných

Prvním indexem v tabulce je číslo 2 a kde je kapacita 200 a požadavek 300, takže můžu dát maximálne 200, jestliže je VD3 200
a já celou jeho kapacitu použil, proškrtnu zbytek řádku, protože VD3 už nic nepřepraví.

9
Dále hledám další nejnižší index -> což je 2, kde je max 100. Přídáním 100 se splní omezující podmínka u VD1 a u S4, čímž
vzniká degenerace (splněním dvou podmínek, kromě poslední uzavírací)

Poté další index 3 a opět proškrtávám dokud nezaplním všechny reálné čtverce, pak nám zbyde přidání k fiktivní VDF

Toto řešení pak musím optimalizovat pomocí duálních proměnných ty se odvíjejí od cenových koeficientů bazických
proměnných, kterých je m+2-1 což je 8, ale já znám polohu jen 6 z nich (čtverec s číslem), takže zbylé 2 musím určit. Ty určím
pomocí Danzigova uzavřeného obvodu, který nesmím uzavřít a ten vytvořím jako obdelník/čtverec „lámat se“ můžu jen
v plných buňkách ne v těch „nových“ které budeme řikat hodnota epsilon a místo --- napíšu eps

10
Nyní chci získat duální proměnné, kterých je rovný počtu omezujících podmínek (m+n) což je 9, ale bazických proměnných je
jen 8, takže jedna duální proměnná bude degenerovaná = 0 -> dám ji do nejobsazenějšího řádku

Zbytek duálních proměnných vypočítám součtem hodnot dvou duálních proměnných nám musí dat index bazické proměnné

Zbytek duálních proměnných spočítám dle definovaného vztahu -> index bazické proměnné = duální prom + duální prom

Nyní mohu vypočítat perspektivy což je součet dvou duálních proměnných – cenový koeficient (u eps se nepočítá)

Řešení je optimální pokud jsou všechny perspektivity záporné (což v tomto případě není)

11
Vogelova metoda
Založena na výpočtu diferencí (dif), což je rozdíl dvou nejnižších sazeb v řadě (sloupec nebo řádek), v našem případě v prvním
řádku nejmenší 2 a 3, takže jejich dif1 je 1, tato hodnota určuje o kolik by se zhoršila hodnota UF, kdybychom nevybrali tu
nejvýhodnější sazbu, ale až tu druhou nejvýhodnější -> tzn. Hodnota účelové funkce (UF) se zvedne o 1

Dle tohoto rozídlu vyplním i další dif1 (řádek 2 = 3-8, řádek 3 = 2-4, řádek 4 = 3-5, řádek VDF = 0)

Stejným způsobem vypočítám diferenci sloupců, takže (sloupec 1 = 0-4, sloupec 2 = 0-3, sloupec 3 = 0-3, sloupec 4 = 0-2)

Pak vezmu nejvyšší hodnoty dif1 řádků, v našem případě 5 a v tomto řádku zvolím nejnižší index a doplním maximální hodnotu

12
Nyní je nutné přepočítat diference, takže přidám dif2 (u splněného sloupce/řádku přeškrtnu), diference se přepočítají stejně
jako na začátku, akorát „zapomenu“ na hodnoty, které už nebudu používát (v našem případě sloupec S3)

Tentokrát nám nejvyšší diference vznikla u S1 číslem 4, takže hledám nejnižší index na S1 což je 0 a zde přídám maximální
hodnotu (nesmím zapomenout vyvážít kapacity s požadavky VDF!)

Dále provádím ten samý krok dokud nezaplním všechny čtverce, pokud se mi stane, že mám dvě hodnoty stejné, je jedno
jakou z nich si zvolíme. Až spočítám všechny diference, zbyde nějaký čtverec a ten už jen doplňím dle kritérii (zelený čtverec)

13
Toto řešení musíme optimalizovat a vidíme, že není degenerované, protože m+n-1 = 8, a já zde mám 8 bazických proměnných,
takže se můžu vrhnout na počítání duálních proměnných, takže do nejobsazenějšího řádku/sloupce dám 0 a

Dále budu pokračovat podle daného vzorce -> Ui+Vj = cenový koeficient a spočítám pak perspektivu což je součet dvou
duálních proměnných – cenový koeficient (u eps se nepočítá)

Řešení je optimální pokud jsou všechny perspektivity záporné (což v tomto případě není, protože je zde kladná 1)

14
MODI metoda
Řeší se pokud zadaná metoda není optimální, aby ji zopmtimalizovala, je zde nutné uzavřít Danzigův uzavřený obvod, který je
v dané metodě právě 1 a musím udělat čtverec/obdelník, ve kterém budou bazické proměnné a neoptimální čtverec s kladnou
perspektivou, u ní bude vždy kladný roh (+), protože tam musím něco přidat a z nich vede další roh jako záporný (-) a tam
budu ubírat -> tyto hodnoty jsou v pravém dolním indexu. Budu ubírat z těch dvou záporných hodnot tu menší (v našem
případě 50), levý dolní roh je součet dvou horních proměnných

Z tohoto řešení mi vznikne nové optimální, kde budu přídávat u obou/odebírat u obou (-) tu propusnost (těch 50)

Hodnotu účelové funkce (UF) pak spočítám jako množství převáženého zbéží * délka spoje (velké číslo uprostřed [ks]* horní
levý index [km]), každopádně stále nevím, zda-li je dané řešení optimální, takže zase spočítám duální proměnné -> jelikož je
ale 7 bazických matic místo 8 (m+n-1), tudíž je řešení degenerované musím proto přidat eps (nesmí tvořit čtverec/obdelník
s bazickými proměnnými) -> teď už jsem schopen dopočítat všechny duální proměnné. Poté zase vypočítám perspektivu a
zjistím zde, že zde není žádná kladná hodnota tudíž je řešení optimální, 0 značí existenci alternativního řešení.

15
Poté interpetuji výsledky

16
Okružní dopravní problém
Nelze spočítat optimální, ale nejvýhodnější řešení

Mayerova metoda
Jako první vyberu centrální místo rozvozu (u nás sklad) a hledáme nejvzdálenější místo což je S6, kde je vzdálenost 12 a napíšu
ji do nově vznikajícího Okruhu 1

Dále pokračuji v doplňonání okruhu a hledám nejkratší vzdálenost od S6, což je S1 nebo S3, ale je jedno jakou zvolím

17
Nyní musím vybrat nejkratší trasu od obou S, takže jak od S6 tak i od S1 což je S3, protože 3 a 3 je 6 a to je nejméně

Dalším krokem je jako tím předešlím najít nejkratší vzdálenost od S6,S1,S3 což je S2, protože 3+2+3=8 což je nejméně. Touto
hodnotou uzavřu celý Okruh 1, protože už mi nezbyde žádná kapacita

18
Tudíž započnu s Okruhem 2, který začíná též ve skladu, takže volím nejvzdálenější hodnotu od skladu z dostupných S což je S5
s hodnotou 8

Od S5 vybírám nejkratší variantu což je jak S4 tak i S7, takže si mohu zvolit jakou chci a poté přidám i poslední S, která zbyde a
tím uzavřu Okruh 2

Vyšly nám 2 okruhy, které by jsme mohli optimalizovat pomocí Metody nejbližšího souseda (v přápadě Majerovy metody volím
totoú, nebo Vogelovy aproximační metody

Vogelova aproximační metoda

Celou tabulku si musím upravit abych v ní měl jen hodnoty daného okruhu, pro Okruh 1 tedy tabulku s trasami S1/S2/S3/S6 a
sklad.

Tato metoda spočívá v počítání diferenčního čísla (dif1), která se vypočítá pomocí rozdílu dvou nejmenších hodnot daného
řádku či sloupce

Nyní si musím zvolit největší diferenční číslo, která nám určí řádek (ale mohu i sloupec) a z něj vyberu nejmenší hodnotu ve
sloupci, což je 2 a zbytek čísel začervenám, protože je nebudu potřebovat

19
Nyní musím znova přepočítat diferenční číslo a zvolit největší, které určí, kde budu hledat nejmenší hodnotu dif2 což je
hodnota 2 u S6 a to je trasa z S1 do S6, které nejsou napojené na okruh ze skladu, takže je vytvořím vedle

Nyní se můžu vrhnout na stejný postup, kde jsem našek spoj S3 a S2, což znamená, že do S3 už nepojedu ani z něj a do S2 taky
ne

Opět stejný postup a najdu poslední část okruhu a spočítám hodnotu UF což je celková trasa ze skladu a zpátky

20
Metoda nejbližšího souseda
Celou tabulku si musím upravit abych v ní měl jen hodnoty daného okruhu, pro Okruh 2 tedy tabulku s trasami S4/S5/S7 a
sklad.

Z této tabulky vybírám nejkratší hodnotu z počáteční hodnoty = ze skladu, což je S7 s hodnotou 5

Tím pádem nemohu jet nikam ze skladu a do S7 taky je začervenám a najdu opět nejmenší hodnotu z S7 což je S5, kde je 1

Tuto trasu dokončím pomocí S4 a vrátím se do skladu ---- cele řešení má více variant, které mohu přepočítat

21
Teorie Her
Hra s nekonstantním součtem
V matici mám dva hráče, jeden je řádkový a druhý sloupcový, tito hráči si mohou za každou jednu sadu získat tržby až 1 mil. Kč,
které si buď rozdělí a nebo zustáne jednomu z nich. Pokud hráč 1 může získat 1 milion za sadu A, doplním následující tabulku
tak, že kde mu nekonkuruje hráč B, tak bere celý ten milion, kde ano, tak si zisk rozdělí následovně:

Tímto způsobem doplňím i zbytek tabulky

Matice nákladů se odvíjí pouze od cen Sad, takže při výrobě jedné sady mě to stojí 0,1, při výrobě dvou mě to stojí 0,4 a při
výrobě všech tří sad to bude stát 1, doplním dle toho tabulku

22
Nyní potřebuji zjistit Matici výplat, neboli zisku (Tržby – Náklady)

Nyní udělám úplně stejným krokem Hráče 2 -> výsledkem budou dvě matice zisku

Nyní si vytvořím dvoumaticivou hru pro oba hráče a to tak, že Sada A bude mít dva sloupce a to první pro hráče 1 a druhý pro
hráče 2, a jenom do této matice přepíšu hodnoty z již už získaných matic zisku obou hráčů

23
Budeme hledat Naschův rovnovážnný bod, pokud se jím budou hráči řídít nemohou si „pohoršit“, určuje se dle maximální
hodnoty v sloupci pro řádkového hráče (hráč 1) a maximální řádkové hodnoty pro sloupcového hráče (hráč 2)

Tudíž maximální zisky hráče 1 by vypadali takto (podmíněné formátování -> pravidlo pro nejvyšší či nejnižší hodnoty ->
prvních 10 položek = vyberu jen jednu a zvolím si formát)

Stejně budu pokračovat pro řádková maxima hráče 2

Nyní mohu oznažit Nashovy rovnovážne body, poznám je podle toho, kde se střetnou maximální hodnoty (mohou mít jiné
velikosti!), těchto bodů nám zde vzniklo šest, pokud by hráč nerespektoval tento bod, může si jenom pohoršit, každopádně zde
vidíme i jiné body, které dávájí jednomu z hráčů vyšší zisk na úkor ztráty druhého hráče, těchto bodů je zde taky šest a jejich
celkový zisk je dokonce vyšší

24
Dohodou rozdělením zisku u vyšších zisků by se jednalo o koopreativní hru = kartel (který je nezákonný v ČR)

Každý hráč má minimální zaručenou výhru a optimálním řešením jsou nalezené Nashovy rovnovážné body

Hra s konstantním součtem

Stejným principem jako v předchozím vypíšu u Hráče 1 a Hráče 2 jejich matici tržeb (dle zadání slovní úlohy) a matici nákladů
(dle zadání slovní úlohy) a z toho vypočítám matici zisku u obou hráčů (tržby-náklady)

Následná výplatní matice A-B vznikne jako rozdíl matic výplat hráčů, hodnoty nám říkají o kolik navíc by hráči strádali mezi
sebou v našem případě okolik má méně hráč A než hráč B a kde „vyhrává“ či „prohrává“

25
Hráč A by chtěl hrát na jistotu, aby věděl, že nic horšího se mu stát nemůže -> zobrazím si řádková minima a označím
maximální hodnotu (Maximum z minim řádků). Hráč B bude hrát strategii tak, že vezme maximální sloupcové hodnoty a z nich
vybere nejmenší hodnotu (Minum z maxim sloupců). Pokud je spodní i horní cena hry existuje alespoň jeden sedlový bod,
který ukazuje na optimální strategii pro oba hráče,

Optimalizace
Může se stát, že MaxMin a MinMax se nebudou rovnat, tudíž hra nemá sedlový bod a není takto řešitelná, tudíž jí musíme
optimalizovat a to lze pomocí transofmorvaného nebo netransformovaného modelu

26
Netransformovaný model
NEPOUŽÍVAT
Prvním krokem je transponování, kdy přenesu původní matici do nové

Typ se určí jako požadavkový omezující podmínka, tudíž tam bude > nebo = a b je výhra, kterou zatím neznáme. Všechna
omezení se rovnají 1

Jelikož potřebujeme zajistit kladnost matice, budeme muset vypočítat hodnotu alfa, kterou budeme přičítat do upravované
matice

Novou matici získám přičtením alfy k hodnotám v matici

27
Dalším krokem je převedením proměnné w na druhou stranu rovnice, tímto krokem se jí změní známénko na záporné u omez
Pst je to 0, rotože v řádku žádná hodnota w není (je tam jen 1 v celém řádku), tím dostanu u b 0 kromě omez Pst, kde se ta w
nevyskytuje

Následně mohu určit ÚF pro hráče 1

Netransformované modely však nejsou duálně sdružené úlohy, prot nelze odvodit výsledky druhého kráže z modelu pro
prvního hráče a je tak nutné sestavit model i pro druhého hráče a vyřešit.

Transformovaný model
Opět provedu transpozici, opět napíšu typ a w jako výsledek, a opět potřebuji mít kladnou matici, celou nerovnici vydělíme w
(Ai/w = x) tímto způsobem místo A1,A2 napíšu místo nich X1,X2 a omezPst smažu a w/w je 1, takže model vypadá takto

Dále řeším simplexovým algoritmem, kde musím odečíst 6x d (doplňkovou) proměnnou v matici -1 a naopak i přičíst 6x p
(pomocnou) proměnnou v matici 1 (+prohibitivní sazba nad tím písmenkem jelikož min tak kladné velké číslo)

28
Postupuji v simplexu pokud mi v omega testu výjde záporné číslo tak mě nezajímá a jedu dál dokud mi nevyjde výsledná
simplexová tabulka u MIN to znamená, že zj-cj jsou samá záporná čísla a nebo 0

Výsledné proměnné x musíme ještě vrátit zpět na proměnné a to zpětnou transformací Ai = X1 / ÚF (ÚF je ten výsledek
simplexu 0,9375)

Jelikož je tato metoda duálně sdružená jsem schopen od ní odvodit hodnoty pro hráče 2 a to jen vynásobením hodnot
doplňových proměných d, kde mám nějaké číslo, tak násobím -1 a poté opět vynásobím ÚF a zjistím strategii B (u hráče 1 je A)

Poté interpretuji výsledky a to tak, že hráč 2 může nejvíc prohrát výhru hráče 1, což je jeho cena hry -0,233, takže by hráč 1
vždy prohrával oproti hráči 2

29
Rozhodovací modely
Zadáním je tabulka tržeb a slovně náklady, které si převedeme na matice a k nim vytvořím matici zisku (tržby-náklady)

Poté určuji dominanci dle výplat (minimum a maximum řádku), barevně označené jsou alternativy, které vůči sobě dominují a
mají stejné hodnoty

Toto řešení zobrazím pomocí grafu v Excelu vyberu obsah tabulky (čísla) Vložení -> Graf -> vybrat zdroj dat -> přehodit řádky
za sloupce -> popisky vodorovné osy přepíšu na min a max -> přepíšu položky legendy (řádek v levo) na Sada A, Saba B.. ->
přepíšu název na Dominance dle výplat

Dominance podle výplat

2,5

1,5

0,5

0
Min Max

-0,5

-1

Sada A Sada B Sada C Sada A+B

Sada B+C Sada A+C Sada A+B+C

30
Zobrazím i graf dle stavu okolností kde označím matici zisku bez stavů okolností (Nízka, Střední, Vysoká,..) Vložení -> Graf ->
vybrat zdroj dat -> přehodit řádky za sloupce -> přepíšu název na Dominance dle stavu okolností

Dominance podle stavu okolností

2,50

2,00

1,50

1,00

0,50

0,00
1 2 3 4 5

-0,50

-1,00

Sada A Sada B Sada C Sada A+B Sada B+C Sada A+C Sada A+B+C

Další dominancí je dle pravděpodobnosti, kde si musím pod matici zisku přidat pravděpodobnost zcela náhodně, ale celkově
se musí rovnat číslu 1

Tyto stavy dominancí lze napsat jako: Vztah dominance mezi: Sada B a Sada C (stejné); Sada A+B a Sada A+C (stejné)

Dále musím tuto pravděpodobnost zapsat do tabulky, kde levý sloupec označuje u každé sady její minimální až maximální
hodnotu s body, které vyznačují tu pravděpodobnost v pravém sloupce, vždy je tam hodnota dvakrát:

31
Hodnota sady A je 0 pravděpodobnost 1-0,9, hodnota sady A je 0,1 pravděpodobnost 0,9-0,7 hodnota sady A je 0,4
pravděpodobnost 0,7-0,4 hodnota sady A je 0,6 pravděpodobnost 0,4-0,1 hodnota sady A je 0,8 pravděpodobnost 0,1-0 vždy
dojdu s pravděpodobností od 1 do 0 a skoky mezi čísly jsou právě uvedené pravděpodobnosti pod Maticí zisku

Tuto tabulku zobrazím pomocí grafu, vyberu jen čísla Vložení -> bodový graf druhou sadu vložím pomocí vybrat data->přidat
řadu->název „Sada B“ -> na ose x bude levá část sloupce -> na ose y bude pravá čast sloupce (pravděpodobnost) -> přidám
legendu nahoře v levo přidat prvek grafu -> legenda

Dominance podle pravděpodobností (profil

rizika)
1
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
-1 -0,5 0 0,5 1 1,5 2 2,5

Sada A Sada B Sada C Sada A+B

Sada B+C Sada A+C Sada A+B+C

Další hodnoty, které lze určit jsou MaxMax kritérium (optimistický přístup)

32
Nebo MaxMin (Waldovo kritérium – pesimistický přístup)

Nebo Bernoulli-Laplace (průměr)

Hodnoty podle Hurwicze jsou nějaké hodnoty od 0 do 1, podle kterých budu počítat pravděpodobnost minima a maxima, díky
dolarům mohu vše překopírovat

33
Pro dalš kritérium dle Savage je potřeba vypočítat matici ztrát

Vypočítám Savageovo kritérium

Vypočítám očekávanou ztrátu (EOL)

34
Vícekriteriální analýza variant
Zádáním je kriteriální tabulka, kterou kvantifikujeme a to tak, že určíme charakter sloupce -> zdali chceme min nebo max
hodnotu z toho a spokojenost převedeme na body spokojenosti

Nyní převedu všechny kritéria na stejný charakter (na max), pro všechny sloupce stejným postupem:

Převedeme hodnocení na stejnou škálu a to tak, že 7 řádků = 1-7 bodů, pokud je tam hodnota dvakrat, přeskakuji o číslo

35
Porovnání váhami kritérii
Stanovím váhy kritériím, stanovím pořadí (když dvě stejné přeskakuji pořadí) to pak „oboduji“ a vypočítám váhu, která musí
celkovým součtem dát 1, oproti tomu metoda bodovací – rozdíly jsou větší a není to „souvislé“

Podle tohoto určení mohu zobrazit Fullerův trojúhelník, kde označuji důležitější hodnoty, to pak přepíšu a počítám počet
upřednostnění kritéria a každému kritérii připočítám váhu, přidám +1, aby bylo kritérium R relevantní a nevyhazoval bych ho

Saatyho metoda párového porovnání

Vytvářím novou matici dle pravidel Saatyho porovnánní, tam kde je kritérium stejné či rovnocenné je 1, tam je kde je něco
důležitějšího bude vyšší číslo, pokud je to méně důležité bude to menší číslo (zlomek)

Pro vypočítání geometrického součinu použijeme funkci geomin, nebo to lze počítát součinem na mocninu 1/n (n=kriteria)

36
Dále si musím vypočítat Index konzistence (Lambda-5)-(5/1) je to 5, protože to je počet kritérií, poté si vytvořím jednotkovou
matici, modrou barvou je matice kritérii

Nyní potřebuji vypočítat lambdu a to tak, že použiji excel funkci Data->Citlivostní analýza->Hledání řešení, nastavená hodnota
je Determinant, cílová hodnota je 0 a ta měněná buňka je lambda, je důležité si nějakou lambdu přednastavit (třeba 20)

Metoda aspirační úrovně

Vytvořím si asporační úroveň z, což znamená jakých hodnot to má maximálně (min kritérium) či minimálně (max kritérium)
dosahovat a pak jen zabarvuji hodnoty, které jsou v souladu s tím nejvíce

Lexikografická metoda

Bodovací metoda a Bodovací metoda s vahami

Rozdám body od 1-10, rozdíly mezi body nejsou stejné!, červená čísla jsou váhové preference, celkově dávají 1

37
Metoda váženého součtu
Opět převedu kritéria na stejný charakter (max hodnota sloupce – vybraná hodnota). Určím ideální variantu H – je max, bazální
variantu D - je min

Poté standardizuji na kriteriální matici a vypočítám agregovaný užitek a zvolím ten nejlepší (největší) z nich

38
AHP - Analytický hieararchický proces
Přepíšu matici ze zadání a určím charakter kritéria (chci min nebo max), není paretovská ta co je dominována a tu škrtneme

Vytvořím z ohodnocené matice graf, vyberu celou matici krom min/max Vložení->Graf->Paprskový->na osách kritéria

Posouzení dominancí variant

Sada A Sada B Sada C Sada A+B Sada B+C Sada A+C Sada A+B+C

Nklady na výrobu
7
6
5
4
3
Spokojenost zákazníků 2 Tržby
1
0

Průměrná zmetkovitost Průměrná rychlost výroby

39
Použiji Saatyho metodu párových porovnání a vypočítám jejich geometrický průměr funkcí =GEOMEAN pro řádek, a určím
váhu

Vytvořím k nim jednotkovou kružnici a stejně velkou matici, který vypočítám (původní matice)-lambda*(jednotková matice)

Za lambdu dosadím random číslo a determinant vypočítám funkcí =DETERMINANT(vypočítana matice), pak použiji excel
funkci Data->Citlivostní analýza->Hledání řešení, nastavená hodnota je Determinant, cílová hodnota je 0 a ta měněná buňka
je lambda

40