ELBCE TomadaDecisaoMulticriterioD LuisDias

4ª Escola Luso Brasileira de Computação Evolutiva 11-14 de Julho de 2013
Tomada de Decisão Multi-Critério

Luis Dias
Universidade de Coimbra – Faculdade de Economia e INESC Coimbra
• tttt
O Ser Humano é humano porque é livre de operar no contexto do seu destino.

Tem a liberdade de deliberar, de tomar decisões, e de escolher entre alternativas
Martin Luther King
2
Sumário
Esta lição aborda a modelação de preferências. Chama-se a

atenção para a importância de estruturar devidamente o
problema. Exemplifica-se a grande diversidade modelos de
agregação através de dois métodos contrastantes: a agregação
através de uma função aditiva de valor e a agregação pelo
método ELECTRE. Termina-se com um breve exemplo de
integração de um modelo de preferências ELECTRE numa
aplicação de computação evolutiva.
LC Dias / FEUC
3
Elementos de estruturação:
definição da fronteira
–  Departamento de combate a incêndios: mais pessoal e
equipamento vs. …
–  Viajar: ir ou não à Islândia vs. …
–  Ruturas de stock: gestão de stocks vs. ..
–  Segurança rodoviária: maximizar segurança vs. …
LC Dias / FEUC
4
Elementos de estruturação:
atores
•  Atores são todas as pessoas, grupos ou entidades que
influenciam o processo de tomada de decisão.
•  Os atores dividem-se em:
–  Atores intervenientes (condicionam diretamente o
processo de decisão)
–  Atores não intervenientes, internos ou externos à
organização (condicionam indiretamente o processo)
–  Analistas (consultores, equipa de estudo)
LC Dias / FEUC
5
Decisão com múltiplos critérios

Elementos de estruturação: problemáticas
•  Problemática de escolha (ou de seleção). Visa a escolha da
melhor acção (ou das N melhores ações).
•  Problemática de ordenação (ou de seriação). Visa uma
ordenação das ações (para submeter a outrem, por imposição
legal, para precaver desistências, para definir prioridades, ...).
•  Problemática de afetação (ou de triagem, ou de
classificação). Visa uma separação das alternativas em
categorias (classes) pré-definidas, que podem ser ordenadas
(afetação ordinal) ou não ordenadas (afetação nominal).
LC Dias / FEUC
6

Elementos de estruturação: ações
•  Ações: objeto da avaliação: soluções, projetos, candidatos,
propostas, ….
•  Podem ou não ser alternativas mutuamente exclusivas
•  O conjunto das ações pode não ser estático:
–  podem alterar-se;
–  podem deixar de estar disponíveis;
–  podem passar a estar disponíveis;
–  podem ser inventadas, combinadas, melhoradas.
LC Dias / FEUC
7
Quais são as ações potenciais?
LC Dias / FEUC
8
Quais são os objetivos a considerar?
•  Uma empresa pretende recrutar um(a) Diretor

(a) de Comunicação.
LC Dias / FEUC
9

Elementos de estruturação: objetivos
•  Cada um dos objetivos fundamentais deve ser:
–  Isolável (a avaliação não depende de outros objetivos);
–  Relevante (indicam-se apenas os aspetos relevantes para o
processo de decisão em causa);
–  Operacional (a avaliação das ações é praticável,
considerando o tempo e esforço disponíveis);
–  Compreensível (todos os intervenientes entendem o que
significa).
LC Dias / FEUC
10

•  O conjunto dos objetivos deve ser:
–  Conciso (por se reduzir ao mínimo o nível de detalhe);
–  Exaustivo (por se incluírem todos os aspetos
fundamentais);
–  Não redundante (por se evitar a duplicação de eventuais
consequências);
LC Dias / FEUC
11

•  Procurar objetivos
–  Imaginar ações muito boas ou muito más (saber porquê)
–  Identificar metas, restrições, orientações...
–  Usar diferentes perspetivas
•  Estruturar uma árvore de objetivos
–  Questões de escalada (porque é importante?)
–  Questões de descida (o que contribui para?)
LC Dias / FEUC
Exemplo: 12
Avaliação de iniciativas
para promover a eficiência
energética (Neves, 2005)
LC Dias / FEUC
13

Elementos de estruturação: escalas de medição
Ordinais (qualitativas)
•  conjunto ordenado e finito (geralmente pequeno) de níveis de
desempenho
•  os níveis podem ser codificados através de números, mas essa
codificação será arbitrária, p.ex. Escala 1-5 no 2º e 3º ciclo
Cardinais (quantitativas)
•  escala de intervalo: escala numérica, onde as diferenças entre
níveis podem ser comparadas, p.ex. ºC, ºF, ºK, €, Kg, pés, ut.
•  escala de razão: escala de intervalo onde para as
quais existe um zero absoluto, legitimando as razões
entre níveis, p.ex. ºK, €, Kg, pés, ...
LC Dias / FEUC
14

Elementos de estruturação: critérios
•  Critério: função associada a um PV que atribui a cada ação
um desempenho (nível) numa escala, munida de um sentido
de preferência.
–  atributo natural, p.ex. Área de um terreno
–  indicador indirecto, p.ex. teste QI
–  indicador construído (agrupando vários PVE):
•  Fórmula, p.ex. Qualificação de um candidato
QP = Média de curso * coef. Escola + Bónus pós-graduação
•  Tabela, p.ex. Fiabilidade de um fornecedor
M. Bom Boa reputação e garantia ≥ 3 anos
Bom Boa reputação e garantia = 2 anos
Suf Sem reputação e garantia ≥ 3 anos
Mau Sem reputação e garantia = 2 anos ou Má reputação
LC Dias / FEUC
15

Tabela de desempenhos
g1(.) g2(.) ... gn(.)
a1 g1(a1) g2(a1) ... gn(a1)
a2 g1(a2) g2(a2) ... gn(a2)
... ... ... ... ...
am g1(am) g2(am) ... gn(am)
•  Cada elemento gj(ai) indica o desempenho da ação ai
(i=1,...,m) de acordo com o j‑ésimo critério (j=1,...,n).
•  Regra geral, o desempenho dado por cada uma destas funções
será um número ou uma menção qualitativa, mas podíamos
tratar intervalos, cenários, etc.
LC Dias / FEUC
Método da soma ponderada
Exemplo - Edital de concurso para recrutar um investigador:
–  Média de curso [arredondada às unidades] (peso: 35%)
–  Currículo: [1 ponto por ano ou artigo] (peso: 25%)
–  Referências (peso: 20%)
–  Idade (peso: 20%)
•  Candidatos e sua avaliação nos vários critérios:
Média (max) Currículo (max) Referências (max) Idade (min)
a1 17 2 nenhumas 24
a2 16 6 nenhumas 25
a3 14 3 muito boas 26
a4 12 10 nenhumas 24
a5 15 0 boas 23
Uso de uma soma ponderada ⇒ desempenhos numéricos:
Média (max) Currículo (max) Referências (max) Idade (min)
a1 17 2 nenhumas 24
a2 16 6 nenhumas 25
a3 14 3 muito boas 26 Nenhumas = 0
a4
a5
12
15
10
0
nenhumas
boas
24
23
Boas = 1
kj 0,35 0,25 0,20 0,20 Muito boas = 2
Média (max) Currículo (max) Referências (max) Idade (min) N(.)
a1 17 2 0 24 11,25
a2 16 6 0 25 12,1
a3 14 3 2 26 11,25
a4 12 10 0 24 11,5
a5 15 0 1 23 10,05
kj 0,35 0,25 0,20 0,20
Média (max)
Exemplo: a1 17
a2 16
1ª possibilidade: normalização da razão a3 14
a4 12
xnorm = x / xmelhor = x / 17 a5 15
Valores originais
0 12 13 14 15 16 17
0 0,706 ... 0,882 0,941 1,0

Valores normalizados
2ª possibilidade: normalização da razão de diferenças

xnorm = |x – xpior | / | xmelhor – xpior | = |x – 12| / 5
Valores originais 12 13 14 15 16 17
Valores normalizados 0,0 0,2 0,4 0,6 0,8 1,0
Média Curríc. Refªs Idade N(.) Média Curríc. Refªs Idade N(.)
a1 1,000 0,200 0,000 0,958 0,59 a1 1,000 0,200 0,625 0,958 0,72
a2 0,941 0,600 0,000 0,920 0,66 a2 0,941 0,600 0,625 0,920 0,79
a3 0,824 0,300 1,000 0,885 0,74 a3 0,824 0,300 1,000 0,885 0,74
a4 0,706 1,000 0,000 0,958 0,69 a4 0,706 1,000 0,625 0,958 0,81
a5 0,882 0,000 0,500 1,000 0,61 a5 0,882 0,000 0,875 1,000 0,68
kj 0,35 0,25 0,20 0,20 kj 0,35 0,25 0,20 0,20
Nenhumas=0, Boas=1, M.Boas=2 1º método de normalização Nenhumas=10, Boas=16, M.Boas=20 1º método de normalização
Média Curríc. Refªs Idade N(.) Média Curríc. Refªs Idade N(.)
a1 1,000 0,200 0,000 0,667 0,53 a1 1,000 0,200 0,000 0,667 0,53
a2 0,800 0,600 0,000 0,333 0,50 a2 0,800 0,600 0,000 0,333 0,50
a3 0,400 0,300 1,000 0,000 0,42 a3 0,400 0,300 1,000 0,000 0,42
a4 0,000 1,000 0,000 0,667 0,38 a4 0,000 1,000 0,000 0,667 0,38
a5 0,600 0,000 0,500 1,000 0,51 a5 0,600 0,000 0,667 1,000 0,54
kj 0,35 0,25 0,20 0,20 kj 0,35 0,25 0,20 0,20
Nenhumas=0, Boas=1, M.Boas=2 2º método de normalização Nenhumas=10, Boas=16, M.Boas=20 2º método de normalização
Resultado final
Média Curríc. Refªs Idade Média Curríc. Refªs Idade N(.)
a1 17 2 nenhum 24 a1 1,000 0,200 0,000 0,667 0,53
a2 16 6 as
nenhum 25 a2 0,800 0,600 0,000 0,333 0,50
a3 14 3 as
muito 26 a3 0,400 0,300 1,000 0,000 0,42
a4 12 10 boas
nenhum 24 a4 0,000 1,000 0,000 0,667 0,38
a5 15 0 as
boas 23 a5 0,600 0,000 0,667 1,000 0,54
kj 0,35 0,25 0,20 0,20 kj 0,35 0,25 0,20 0,20
Nenhumas=10, Boas=16, M.Boas=20 2º método de normalização
Média Curríc. Refªs Idade Média Curríc. Refªs Idade N(.)

a1 17 2 nenhum 24 a1 1,000 0,200 0,000 0,947 0,59
a2 16 6 as
nenhum 25 a2 0,800 0,600 0,000 0,895 0,61
a3 14 3 as
muito 26 a3 0,400 0,300 1,000 0,842 0,58
a4 12 10 boas
nenhum 42 a4 0,000 1,000 0,000 0,000 0,25
a5 15 0 as
boas 23 a5 0,600 0,000 0,667 1,000 0,54
kj 0,35 0,25 0,20 0,20 kj 0,35 0,25 0,20 0,20
Nenhumas=10, Boas=16, M.Boas=20 2º método de normalização
utilidade multiatributo
Teoria da utilidade/valor multiatributo
•  Construir uma função de utilidade (ou uma função de valor)
uj(.) para cada critério, por forma a que uj(ai) represente a
utilidade (valor) da ação ai no critério gj.
•  Construção de funções de utilidade: questões de indiferença
acerca de lotarias.
•  Construção de funções de valor: questões de indiferença
acerca de diferenças de valor (intervalos constantes,
bisseção).
•  Agregação da utilidade/valor nos vários atributos:
u(ai ) = f (u1(ai ), u2 (ai ),..., un (ai ))
utilidade multiatributo: modelo aditivo
n
u (ai ) = ∑ k j u j (ai ) = k1u1 (ai ) + k 2u 2 (ai ) + ... + k n u n (ai )
j =1
•  kj : coeficiente de escala da função de utilidade uj(ai)
•  O uso do modelo aditivo pressupõe a verificação da condição
de independência aditiva das funções de utilidade.
•  A independência aditiva em termos de diferença de
atratividade:
A diferença de atratividade entre duas ações com
desempenho idêntico num subconjunto dos critérios não se
altera se esses desempenhos idênticos forem fixados num
nível diferente.
utilidade multiatributo : modelo aditivo
1) Converter desempenhos em utiles.
1
1
0,9
Média 0,9
Currículo 1
0 ,9
Idade
0,8 0,8
Refªs Utiles 0 ,8
0,7 0,7 0 ,7
0,6 0,6 0 ,6
Nenhumas 0
Utiles
utiles
0,5 0,5 0 ,5
0,4 0 ,4
0,4
0,3
0,3
Boas 0,7 0 ,3
0,2
0 ,2
0,2
0,1
0 0,1 M. Boas 1,0 0 ,1
0
10 11 12 13 14 15 16 17 18 19 20 0 20 25 30 35 40
0 5 10 15 20 a no s
Valores
Média Curríc. Refªs Idade Média Curríc. Refªs Idade

a1 17 2 nenhum 24 a1 0,75 0,2 0 1
a2 16 6 as
nenhum 25 a2 0,67 0,55 0 1
a3 14 3 as
muito 26 a3 0,5 0,3 1 0,9
a4 12 10 boas
nenhum 42 a4 0,25 0,75 0 0
a5 15 0 as
boas 23 a5 0,58 0 0,7 1
2) Determinar coeficientes de escala (pesos das f. utilidade):
1
1
0,9
Média 0,9
Currículo 1
0 ,9
Idade
0,8 0,8
Refªs Utiles 0 ,8
0,7 0,7 0 ,7
0,6 0,6 0 ,6
Nenhumas 0
Utiles
utiles
0,5 0,5 0 ,5
0,4 0 ,4
0,4
0,3
0,3
Boas 0,7 0 ,3
0,2
0 ,2
0,2
0,1
0 0,1 M. Boas 1,0 0 ,1
0
10 11 12 13 14 15 16 17 18 19 20 0 20 25 30 35 40
0 5 10 15 20 a no s
Valores
Método dos trade-offs:

(M=10, C=15) I (M=14, C=0)
k1 *0+ k2 *1=k1 *0,5+k2*0
(M=10, R=MB) I (M=12,4, R=N) k1*0+ k3*1=k1*0,3+k4*0
(M=10, I=25) I (M=14, I=35) k1*0+ k4*1=k1*0,5+k4*0
k1+ k2+k3+k4=1 → k1 ≈ 0,43; k2 ≈ 0,22; k3 ≈ 0,13; k4 ≈ 0,22
3) Determinar utilidade global
Média Curríc. Refªs Idade u(.)
a1 0,75 0,2 0 1 0,59
a2 0,67 0,55 0 1 0,63
a3 0,5 0,3 1 0,9 0,61
a4 0,25 0,75 0 0 0,27
a5 0,58 0 0,7 1 0,56
kj 0,43 0,22 0,13 0,22
26
Sumário
•  Elementos da estruturação do problema

•  Agregação através de uma função de valor: MAVT
•  Agregação através de relações binárias: ELECTRE
•  Integração em computação evolutiva
LC Dias / FEUC
Métodos de prevalência
•  Os métodos de prevalência constróem e exploram
uma ou várias relações binárias “de prevalência”.
•  Para cada par de ações (ax,ay), verifica-se se ax S ay
(S = “prevalece sobre”, “é tão boa ou melhor que”)
•  Métodos de prevalência:
–  Família ELECTRE (B. Roy, U. Paris)
–  Família PROMETHEE (J.-P. Brans, U.L. Bruxelas)
–  Outros: TACTIC, ORESTE, etc.
Métodos ELECTRE: ideias básicas
g1(.) g2(.) g3(.) g4(.) g5(.)

ax 75 80 60 55 80
ay 55 80 60 50 50
[escala entre zero (pior) e 100 (melhor)]
g1(.) g2(.) g3(.) g4(.) g5(.)

ax 75 80 60 70 80
ay 65 70 50 60 90
g1(.) g2(.) g3(.) g4(.) g5(.)
ax 75 80 60 70 80
ay 65 70 50 60 90
•  se:
–  peso dos critérios (1,2,3,4) for “suficiente” e grau de
oposição do critério (5) for “pequeno” ⇒ ax S ay
–  peso do critério (5) for “insuficiente” ⇒ ~ay S ax
•  Então ax S ay ∧ ~ay S ax ⇒ ax P ay
(relação de preferência: ax preferível a ay )
g1(.) g2(.) g3(.) g4(.) g5(.)
ax 75 80 60 70 80
ay 65 70 60 75 90
•  se:
–  peso dos critérios (1,2,3) for suficiente e grau de oposição
de (4,5) for pequeno ⇒ ax S ay
–  peso dos critérios (3,4,5) for suficiente e grau de oposição
de (1,2) for pequeno ⇒ ay S ax
•  Então ax S ay ∧ ay S ax ⇒ ax I ay
(relação de indiferença: ax indiferente a ay )
g1(.) g2(.) g3(.) g4(.) g5(.)
ax 75 80 60 70 0
ay 65 70 50 60 90
•  se:
–  peso dos critérios (1,2,3,4) for suficiente mas grau de
oposição de (5) for demasiado grande (veto) ⇒ ~ ax S ay
–  peso do critério (5) for insuficiente ⇒ ~ay S ax
•  Então ~ ax S ay ∧ ~ ay S ax ⇒ ax R ay
(relação de incomparabilidade: ax incomparável com ay )
ax S ay ? ay S ax ? Situação
Sim Não ax P ay
Não Sim ay P ax
Sim Sim ax I ay
Não Não ax R ay
•  Notas
–  não se calculam valores globais,
–  dispensa axiomas da utilidade e indep. aditiva,
–  admite incomparabilidade e não-compensação, e
ELECTRE: determinar se a S b
•  Calcular índice de concordância de cada critério gj(.)
com a S b :
cj(a,b)
1
-pj -qj 0 Δj
onde
qj e pj são os limiares de indiferença e de preferência
Δj indica a vantagem de a sobre b segundo gj(.) :
⎧⎪ g j ( a ) − g j (b) , Se o critério g j for a maximizar
Δ j = ⎨
⎪⎩ g j (b) − g j ( a ) , Se o critério g j for a minimizar
•  Calcular índice de discordância de cada critério gj(.)
com a S b :
dj(a,b)
1
-vj -pj -qj 0 Δj
onde
pj e vj são os limiares de preferência e de veto
Δj indica a vantagem de a sobre b segundo gj(.)
•  Calcular índice de concordância global, face ao peso
(coef. importância) kj de cada critério:
n
∑ c j ( a ,b ). k j
j =1
c( a ,b ) = n
∑kj
j =1
•  Calcular índice de credibilidade de a S b :
1 − d j (a,b)
σ(a,b) = c(a,b) ∏
j ∈ {1,...,n}: 1 − c(a,b)
dj(a,b) > c(a,b)
•  Comparar índice de credibilidade com o limiar de

corte λ :
a S b ⇔ σ(ai,b)≥ λ
Regresso ao exemplo
Maximizar Maximizar Maximizar Minimizar a1 S a2?
Média Currículo Referências Idade
(max) (max) (max) (min) Concordância 1,3,4: 0.75
a1 17 2 nenhumas 24
a2 16 6 nenhumas 25 Discordância 2: 0.20
a3 14 3 muito boas 26
Credibilidade: 0.75
a5 15 0 boas 23
kj 0,35 0,25 0,2 0,2 a2 S a1?
qj 1 1 0 2
pj 3 3 0 4 Concordância 1,2,3,4: 1.00
vj 5 8 - -
Discordância: 0.00
Credibilidade: 1.00
Regresso ao exemplo
Maximizar Maximizar Maximizar Minimizar
Média Currículo Referências Idade
(max) (max) (max) (min)
a1 17 2 nenhumas 24 S a1 a2 a3 a4 a5
a2 16 6 nenhumas 25
a3 14 3 muito boas 26 a1 0,75 0,80 0,00 0,80
a2 1,00 0,80 0,75 0,80
a5 15 0 boas 23 a3 0,65 0,58 0,60 0,90
kj 0,35 0,25 0,2 0,2 a4 0,75 0,65 0,63 0,45
qj 1 1 0 2
pj 3 3 0 4 a5 0,70 0,75 0,55 0,00
vj 5 8 - -
Regresso ao exemplo
Média Currículo Referências
(max) (max) (max)
Idade
(min)
Limiar de corte 0,75
a2 16 6 nenhumas 25
a3 14 3 muito boas 26 a1 0,75 0,80 0,00 0,80
a2 1,00 0,80 0,75 0,80
a5 15 0 boas 23 a3 0,65 0,58 0,60 0,90
kj 0,35 0,25 0,2 0,2 a4 0,75 0,65 0,63 0,45
qj 1 1 0 2
pj 3 3 0 4 a5 0,70 0,75 0,55 0,00
vj 5 8 - -
Regresso ao exemplo
Média Currículo Referências
(max) (max) (max)
Idade
(min)
Limiar de corte 0,80
a2 16 6 nenhumas 25
a3 14 3 muito boas 26 a1 0,75 0,80 0,00 0,80
a2 1,00 0,80 0,75 0,80
a5 15 0 boas 23 a3 0,65 0,58 0,60 0,90
kj 0,35 0,25 0,2 0,2 a4 0,75 0,65 0,63 0,45
qj 1 1 0 2
pj 3 3 0 4 a5 0,70 0,75 0,55 0,00
vj 5 8 - -
42
Sumário
•  Elementos da estruturação do problema

•  Agregação através de uma função de valor: MAVT
•  Agregação através de relações binárias: ELECTRE
•  Integração em computação evolutiva
LC Dias / FEUC
Integração em computação evolutiva:
Um exemplo
A Multi-Objective Approach for Developing
National Energy Efficiency Plans
Gustavo Haydta, Vítor Lealb, Luís Diasc
a IE-UFRJ (Instituto de Economia,
Universidade Federal do Rio de Janeiro)
b IDMEC – Instituto de Engenharia Mecânica,
Faculdade de Engenharia, Universidade do Porto
c INESC Coimbra / Faculdade de Economia,
Universidade de Coimbra
Um exemplo (Haydt et al, 2013)
•  Propósito: construir planos de eficiência energética
combinando diferentes medidas
•  Programação matemática multi-objetivo
•  Múltiplos objetivos:
•  Minimizar impacto nas alterações climáticas (CO2)
•  Minimizar investimento
•  Minimizar riscos financeiros (payback)
•  Maximizar segurança do abastecimento (min. importações)
•  Minimizar necessidade de novas centrais e redes (max.
poupança de energia)
•  Maximizar qualidade do ar local (min. TSP)
•  A combinar: 678 medidas com diferentes graus de implementação (0%,
10%, 20%, …, 100%)
•  Combinações possíveis: 11678!
•  Algoritmo: NSGA-II (Deb, K., Pratap, A., Agarwal, S., Meyarivan, T., 2002)
•  … mas substituindo relação de dominância por relação de prevalência S do
ELECTRE,
•  …usando quatro perspetivas para a importância dos critérios:
•  A combinar: 678 medidas com diferentes graus de implementação (0%,
10%, 20%, …, 100%)
•  Combinações possíveis: 11678!
•  Ideia: fazer uma pré-filtragem das medidas usando o ELECTRE
•  …sendo possível acrescentar critérios respeitantes a medidas individuais:
A reter…
• Importância da estruturação
• Facilidade com que se cometem arbitrariedades na
agregação
• Várias filosofias possíveis: agregação através de uma
função de valor de síntese vs. Agregação através de
uma relação binária de prevalência
• Agregação potencialmente útil em problemas de
computação evolutiva onde intervenham preferências
• … e na nossa vida pessoal e profissional!
Bibliography
Bibliografia
•  BELTON, Valerie, Stewart, Theodor J., Multiple Criteria
Decision Analysis: An Integrated Approach, Kluwer, 2001.
[BP 519.8 BEL]
•  EVALUATION AND DECISION MODELS: a critical
perspective, Denis Bouyssou et al., Boston, Kluwer
Academic Publishers, 2000. [BP 519.8 EVA]
•  ROY, Bernard; Denis Bouyssou, Aide multicritère à la
decision: méthodes et cas, Paris, Economica, 1993. [BP 519.8
ROY]
•  DIAS, Luís C.; Apontamentos de análise de decisão: como
considerar múltiplos critérios, Coimbra, FEUC, 2002. [BP
519.8 DIA]

ELBCE TomadaDecisaoMulticriterioD LuisDias

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

ELBCE TomadaDecisaoMulticriterioD LuisDias

Загружено:

Авторское право:

Доступные форматы

4ª Escola Luso Brasileira de Computação Evolutiva 11-14 de Julho de 2013

Tomada de Decisão Multi-Critério

O Ser Humano é humano porque é livre de operar no contexto do seu destino.

Esta lição aborda a modelação de preferências. Chama-se a

Decisão com múltiplos critérios

Decisão com múltiplos critérios

Quais são as ações potenciais?

Quais são os objetivos a considerar?

• Uma empresa pretende recrutar um(a) Diretor

Decisão com múltiplos critérios

Decisão com múltiplos critérios

Decisão com múltiplos critérios

Decisão com múltiplos critérios

Decisão com múltiplos critérios

Decisão com múltiplos critérios

0 0,706 ... 0,882 0,941 1,0

2ª possibilidade: normalização da razão de diferenças

Média Curríc. Refªs Idade Média Curríc. Refªs Idade N(.)

Média Curríc. Refªs Idade Média Curríc. Refªs Idade

Método dos trade-offs:

• Elementos da estruturação do problema

g1(.) g2(.) g3(.) g4(.) g5(.)

g1(.) g2(.) g3(.) g4(.) g5(.)

-vj -pj -qj 0 Δj

• Calcular índice de credibilidade de a S b :

• Comparar índice de credibilidade com o limiar de

• Elementos da estruturação do problema

Вам также может понравиться

•  Uma empresa pretende recrutar um(a) Diretor

•  Elementos da estruturação do problema

•  Calcular índice de credibilidade de a S b :

•  Comparar índice de credibilidade com o limiar de

•  Elementos da estruturação do problema