TOMA DE DECISIONES A TRAVES DE SISTEMAS MULTICRITERIO

Alfredo Ayala Ortega

INGENIERIA EN SISTEMAS COMPUTACIONALES MAESTRIA EN CIENCIAS DE LA COMPUTACIN UVAQ alfredo.ayala.o@gmail.com

Palabras clave: modelo, multicritrio, sistema, toma de decisiones, agente. Resumen. Este documento proporciona la informacin acerca del proyecto que pretendo para la realizacin de mi tesis de la Maestra en Ciencias de la Computacin. La idea que se describe es lo que se puede desarrollar e implementar con las tecnologas desarrolladas hasta la fecha para la toma de decisiones y considerar las opiniones de una regin o comunidad en especifica, esto con la intensin de impulsar proyectos que ayuden a la sustentabilidad de dicha comunidad. Tambin se describe que tecnologas debo considerar y estudiar para conducirla implementacin de dicha idea. 1. INTRODUCCIN

La toma de decisiones en grupo es una actividad frecuente e importante en las organizaciones. Obtener herramientas, como el uso de modelos explcitos pero no necesariamente for involucrados en la toma de decisiones a responder las preguntas que surgen durante este proceso. Estas herramientas ayudan a ilustrar las posibles soluciones y a generar una recomendacin que aumente la coherencia entre la evolucin del proceso y los objetivos de las partes interesadas. La palabra recomendacin se utiliza para que tanto el analista como la persona o el grupo de personas que toman la decisin estn enterados que estn en libertad de seguir o no las sugerencias (Roy, 2005). [2] Cuando se busca una toma de decisiones grupal lo ideal es obtener un consenso para lograr unidad y apropiacin, y evitar una simple votacin (Ben-Arieh y Chen, 2006). Obtener lo anterior usualmente re- quiere de grandes esfuerzos por parte de las organizaciones y puede generar desgastes importantes del grupo decisor (Doumpos y Zopounidis, 2004). Adicionalmente, much terios, para lo cual es necesario que el grupo decisor cuente con herramientas que los lleve a tomar la decisin ms adecuada (Doumpos y Zopounidis, 1998). [2] A nivel internacional, a partir de los aos sesenta, se han desarrollado las tcnicas de Anlisis Multicriterio (AMC en adelante) para dar soporte a la toma de decisiones (Roy, 1968). [2] Por lo anterior en este artculo se pretende aterrizar una implementacin de sistemas de

toma de decisiones aplicados a un problema de eleccin de proyectos enfocados al desarrollo comunitario. 2. DECISICION La decisin combina la teora de la probabilidad con la teora de la utilidad, proporciona un marco completo y formal para la toma de decisiones realizadas bajo incertidumbre, esto es, en casos en los que las descripciones probabilsticas capturan adecuadamente la forma en la que se toman las decisiones en el entorno. [1] La toma de decisin se puede adecuar a modelos de sistemas multicriterio en los que podamos obtener una eleccin adecuada que pueda satisfacer el criterio de las multitudes de una comunidad, en la que sus objetivos personales y profesionales sean cubiertos. [1] Debido a que las decisiones se basan en diferentes criterios, se ha desarrollado el Anlisis Multicriterio (AMC), el cual se soporta en modelos de decisin que contienen diferentes posibles soluciones. Esas soluciones requieren ser evaluadas o clasificadas por la persona o el grupo de personas que toman la decisin, segn diferentes criterios que generalmente son evaluados en distintas unidades. Existe una gran diversidad de trminos para referirse al AMC como son: Soporte a la Decisin con Mltiples Objetivos (SDMO), Atributos Mltiples para la Toma de Decisiones (AMTD) y Anlisis Multicriterio de Decisin (AMCD) (Hajkowicz y Collins, 2006). [2] El AMC compara las alternativas, las cuales pueden ser cualitativas o cuantitativas, por medio de puntuaciones de stas frente a diferentes criterios. Diversos autores se han concentrado en la inclusin de etiquetas lingsticas para la toma de decisiones mediante la evaluacin de las alternativas de forma cualitativa, dado que con frecuencia, para los expertos, resulta difcil expresar las preferencias mediante nmeros exactos. [2] Este tipo de programas metodologas se adaptan aun entorno en particular, ya que este debe tomar de manera cualitativa La escogencia de dicho territorio representa una toma de decisin que involucra mltiples criterios. Adicionalmente, los decisores se ven en involucrados tienen las mismas prioridades? [2] Para llegar a forma estos modelos de anlisis o comprender los que ya se han P I R T T . 3. AGENTES Un agente es cualquier cosa capaz de percibir su medioambiente con la ayuda de

sensores y actuar en ese medio utilizando actuadores. [1] El trmino percepcin se utiliza en este contexto para indicar que el agente puede recibir entradas en cualquier instante. La secuencia de percepciones de un agente refleja el historial completo de lo que el agente ha percibido. En general, un agente tomar una decisin en un momento dado dependiendo de la secuencia completa de percepciones hasta ese instante. [1]

Figura 1. Los agentes interactan con el medioambiente mediante sensores y efectores.

La funcin que describe el comportamiento de un agente se puede presentar en forma de tabla: en la mayora de los casos esta tabla sera muy grande. La tabla es, por supuesto, una caracterizacin externa del agente. Inicialmente, la funcin del agente para un agente artificial se implementar mediante el programa del agente. La funcin del agente es una descripcin matemtica abstracta; el programa del agente es una implementacin completa, que se ejecuta sobre la arquitectura del agente. Para ilustrar esta idea se utilizar un ejemplo muy simple, el mundo de la aspiradora presentado en la figura 2. Este mundo es tan simple que se puede describir todo lo que en l sucede; es un mundo hecho a medida, para el que se pueden inventar otras variaciones. Este mundo en particular solamente dos localizaciones: cuadricula A y B. La aspiradora puede percibir en qu cuadrante se encuentra y si hay suciedad en l. Una funcin muy simple para el agente vendra dada por: si la cuadricula en la que se encuentra esta sucia, entonces aspira, de otra forma cambiar de cuadrcula. [1]

2. El mundo de la aspiradora con dos localizaciones solamente.

Un agente racional es aquel que hace lo correcto; en trminos conceptuales, cada elemento de la tabla que define la funcin del agente se tendr que rellenar correctamente. La definicin propuesta implica que el agente racional no slo recopile informacin sino que aprenda lo mximo posible de lo que est percibiendo. La configuracin inicial del agente puede reflejar un conocimiento preliminar del entorno, pero a medida que el agente adquiera ste puede modificarse y aumentar.

3.1. Sistema Multiagente (SMA) Un sistema multiagente (SMA) es un sistema compuesto por mltiples agentes inteligentes que interactan entre ellos. Los sistemas multiagente pueden ser utilizados para resolver problemas que son difciles o imposibles de resolver para un agente individual o un sistema monoltico. [1] Los mbitos en los que la investigacin de sistemas multiagente puede ofrecer un enfoque adecuado incluyen el comercio online,1 la respuesta a desastres2 y el modelado de estructuras sociales. El dominio del sistema multiagente o de inteligencia artificial distribuida es una ciencia y una tcnica que trata con los sistemas de inteligencia artificial en red. El bloque fundamental de construccin de un sistema multiagente, como es de esperarse, son los agentes. Aunque no existe una definicin formal y precisa de lo que es un agente, stos son por lo general vistos como entidades inteligentes, equivalentes en trminos computacionales a un proceso del sistema operativo, que existen dentro de cierto contexto o ambiente, y que se pueden comunicar a travs de un mecanismo de comunicacin interproceso, usualmente un sistema de red, utilizando protocolos de comunicacin. [1] En cierto modo, un sistema multiagente es un sistema distribuido en el cual los nodos o elementos son sistemas de inteligencia artificial, o bien un sistema distribuido donde la conducta combinada de dichos elementos produce un resultado en conjunto inteligente. Hay que notar que los agentes no son necesariamente inteligentes. Existen como en todo el resto del dominio de la inteligencia artificial, dos enfoques para construir sistemas multiagentes: El enfoque formal o clsico, que consiste en dotar de los agentes de la mayor inteligencia posible utilizando descripciones formales del problema que resolver y de hacer reposar el funcionamiento del sistema en tales capacidades cognitivas. Usualmente la inteligencia es definida utilizando un sistema formal (por ejemplo, sistemas de inferencia lgica) para la descripcin, raciocinio, inferencia de nuevo conocimiento y planificacin de acciones a realizar en el medio ambiente. [1] El enfoque constructivista, que persigue la idea de brindarle inteligencia al conjunto de todos los agentes, para que a travs de mecanismos ingeniosamente elaborados de interaccin, el sistema mismo genere comportamiento inteligente que no necesariamente estaba planeado desde un principio o definido dentro de los agentes mismos (que pueden ser realmente simples). Este tipo de conducta es habitualmente llamado comportamiento emergente. Si bien sistemas multiagente ad hoc son a menudo creados desde cero por investigadores y desarrolladores, algunos frameworks han surgido aplicando estndares comunes (tales como las plataformas de sistemas de agentes y lenguajes de comunicacin de FIPA). Estos frameworks ahorran tiempo a los desarrolladores y SMA . [1]

La Foundation for Intelligent Physical Agents (FIPA) es un organismo para el desarrollo y establecimiento de estndares de software para agentes heterogneos que interactan y sistemas basados en agentes. [4] 3.2 JADE Jade es un Frameworks completamente implementado en el lenguaje Java. La plataforma JADE soporta la coordinacin de mltiples agentes FIPA y proporciona una implementacin estndar del lenguaje de comunicacin FIPA-ACL. JADE fue desarrollado originalmente por Telecom Italia y se distribuye como software libre. [4] JADE crea mltiples contenedores para los agentes, cada uno de los cuales puede ejecutarse en uno o en varios sistemas. Un conjunto de contenedores constituye una plataforma. Cada plataforma debe tener un contenedor principal que tiene dos agentes especiales denominados AMS y DF. El AMS (Agent Management System) controla la plataforma. Es el nico que puede crear y destruir a otros agentes, destruir contenedores y parar la plataforma. The DF (Directory Facilitator) proporciona un directorio que anuncia qu agentes hay disponibles en la plataforma. JADE tiene una extensin denominada WADE (Workflows and Agents Development Environment) que es un sistema de workflow que permite crear procesos mediante un editor grfico llamado WOLF. [4] Pgina oficial para descargar JADE: http://jade.tilab.com.

Imagen 1. Agentes en JADE en NetBeans

4. VALS VALS ("V A L Valores, actitudes y estilos de vida" en espaol) es una metodologa de investigacin propio que se utiliza para psicogrficos segmentacin del mercado. Las dimensiones principales del marco VALS son la motivacin principal (dimensin horizontal) y los recursos (la dimensin vertical). Los segmentos verticales gente dimensin basada en el grado en que son innovadores y tienen recursos, tales como los ingresos , la educacin , auto-confianza , inteligencia , habilidades de liderazgo, y la energa. [5] Vals es un modo de visualizar a las personas en sus actitudes bsicas, necesidades, deseos, creencias y demografa. El acercamiento es holstico, dibujando una perpectiva y muchas fuentes de datos para desarrollar un frameworks comprensivo para caracterizar los modos de vida de los Americanos. [7] 5. Tcnicas de anlisis Multicriterio (AMC) Debido a que las decisiones se basan en diferentes criterios, se ha desarrollado el Anlisis Multi-Criterio (AMC), el cual se soporta en modelos de decisin que contienen diferentes posibles soluciones. Esas soluciones requieren ser evaluadas o clasificadas por la persona o el grupo de personas que toman la decisin, segn diferentes criterios que generalmente son evaluados en distintas unidades. Existe una gran diversidad de trminos para referirse al AMC como son: [2] Soporte a la Decisin con Mltiples Ob S M A M tiples para la Toma de Decisiones (AMTD) y Anlisis Multi-Criterio de Decisin (AMCD) (Hajkowicz y Collins, 2006). Generalmente, al enfrentarse con un problema en la toma de decisin, se pueden efectuar cuatro tipos de anlisis (Roy, 1968): (i) identificar la mejor alternativa o seleccionar un grupo con las mejores alternativas, (ii) determinar el orden (ranquin) de la mejor a la peor de las alternativas, (iii) clasificar las alternativas en grupos homogneos predefinidos, y (iv) identificar las principales caractersticas de diferencia de las alternativas y describirlas con base en estas caractersticas. [2]

FASE

DESCRIPCIN

Escoger las opciones de Normalmente existe un decisiones (alternativ nmero finito de alternativas que requieren as) ser evaluadas y ordenadas de mejor a peor. Escoger los criterios de Los criterios son usados evaluacin para medir el desempeo de las alternativas.

Obtener medidas de Estos valores pueden ser desempeo para la matriz obtenidos de expertos en de evaluacin el tema o de otros modelos ambientales o econmicos. Estandarizar mediciones las L AM

criterios medidos en unidades distintas. Por lo tanto, es necesario transformar las mediciones para que . U un rango entre 0 y 1. para que los criterios puedan ser combinados en la misma funcin de utilidad. Ponderar los criterios Es raro que todos los criterios tengan la misma importancia para los tomadores de decisiones. Existen una variedad de mtodos para ponderar os criterios.

Determinar el orden En esta fase las (ranquin) de las opciones ponderaciones de los criterios se combinan con las medidas de desempeo para que cada alternativa alcance una medida global de su rendimiento. Realizar un anlisis de La variacin sistemtica sensibilidad de las ponderaciones, de las medidas de desempeo y de los algoritmos para la determinacin del orden, puede mostrar dnde el modelo necesita fortalecimiento y solidez de los resultados, dados unos supuestos de entrada.

Tomar la decisin

El objetivo del mtodo de AMC es informar la decisin, pero no tomar la decisin final.

Tabla 1. Fases del proceso del AMC

6.

Sistemas de Anlisis de Toma de Decisiones.

Los sistemas de anlisis de toma de decisiones se aplican para la proyeccin de proyectos de diferente ndole. La idea de este artculo es aterrizar a el desarrollo, implementacin y seguimientos, de este sistema en la aprobacin de proyectos de gobierno y privados en la comunidad de Ptzcuaro.

7. Conclusiones Los sistemas de anlisis de toma de decisiones son de gran utilidad para el desarrollo y superacin de las empresas e incluso de las comunidades en constante desarrollo. Las tecnologas que ya estn implementadas en nuestra actualidad ya son las suficientes para desarrollar sistemas inteligentes complejos que ayuden a este fin de desarrollo. Mi pretensin adhiere la necesidad de documentarse acerca de estas tecnologas (agentes, modelos de toma de decisiones, JADE, VALS, minera de datos, etc.) para una mejor comprensin de las posibilidades que existen para ayudar a la comunidad de Ptzcuaro, o comunidades de los alrededores, con este tipo de sistemas. Mi objetivo es muy grande pero es algo que se puede hacer con la tecnologa actual, nicamente se necesita dedicar tiempo y esfuerzos para realizar dicho sistema diseado a la medida de las necesidades de estas comunidades. Por lo tanto mi proyecto de tesis estar orientada a la implementacin de un sistema de toma de decisiones para la implementacin de proyectos que impulsen el desarrollo de comunidades de Michoacn.

REFERENCIAS1 [1] Stuart J. Russell, Peter Norving, I A .U , Segunda Edicin, Pearson Prentice Hall, Universidad Pontificia de Salamanca, campus Madrid, 2004 [2] Sandra Lorena Galarza Molina, Andrs Torres, Sandra Mndez Fajardo, Blanca P M H A M -Criterio Como Soporte P E P S L F I , Universidad ICESI, Vol. 24 No. 121, 2011. [3] http://jade.tilab.com, Java Agent DEvelopment Framwork, an Open Source plattaform for peer-to-peer agent based applications, 2012. [4] http://es.wikipedia.org/wiki/Java_Agent_Development_Framework,wikipedia, 2012. [5] http://en.wikipedia.org/wiki/VALS, Wikipedia, 2012. [6] http://es.wikipedia.org/wiki/Sistema_multi-agente, Wikipedia, 2012. [7] http://www.context.org/iclib/ic03/srivals/, Rediscovering The North American Vision, 1983