Pobieranie prezentacji. Proszę czekać

Pobieranie prezentacji. Proszę czekać

Przegląd wieloatrybutowych metod podejmowania decyzji Opracował: Mirosław Kwiesielewicz PWSZ Elbląg.

Podobne prezentacje


Prezentacja na temat: "Przegląd wieloatrybutowych metod podejmowania decyzji Opracował: Mirosław Kwiesielewicz PWSZ Elbląg."— Zapis prezentacji:

1 Przegląd wieloatrybutowych metod podejmowania decyzji Opracował: Mirosław Kwiesielewicz PWSZ Elbląg

2 Wybór samolotu bojowego WariantPrędkość max. [Mach] Zasięg [NM] Ładow- ność [funt] Koszt Eksp $ Niezawod- ność Zdolność Manewrowa A ŚredniaBardzo Wysoka A NiskaŚrednia A Wysoka A Średnia Atrybuty - X j

3 Arytmetyczna Normalizcja Atrybut Wariant X1X2X3X4X5X6 A A A A

4 Normalizacja arytmetyczna Normalizacja

5 Atrybut Wariant X1X2X3X4X5X6 A A A A

6 Normalizacja +Normalizacja

7 Metoda MAXIMIN Wybór wariantu Problem wspólnej skali normalizacja

8 Inne propozycje normalizacji Dla atrybutu czwartego Wtedy

9 Przykład MAXIMIN x1X2x3x4x5X6 A A A A min max

10 Metoda MAXIMAX Wybór wariantu

11 Przykład MAXIMAX x1X2x3x4x5X6 A A A A max

12 Rozwiązanie kompromisowe - indeks pesymizm - optymizm maximinmaximax

13 Metoda satysfakcjonująca Stanowisko wizytującego w szkole francuskiej amerykańskiego nauczyciela historii Nie można skompensować tutaj niewystarczającej znajomości francuskiego perfekcyjną znajomością historii, ani odwrotnie Szkoła decyduje się wyeliminować kandydatów o niewystarczającej wiedzy w obydwu zakresach Decydent musi znać minimalne, akceptowalne wartości dla obydwu atrybutów, które spełniają rolę wartości progowych Wariant decyzyjny A i jest akceptowany, gdy

14 Przykład obliczeniowy WariantX1x2x3x4x5x6 A ŚredniaBardzo Wysoka A NiskaŚrednia A Wysoka A Średnia

15 Uwagi Metoda ta nie jest stosowana do wyboru wariantów decyzyjnych Służy ona głównie do zakwalifikowania ich do zbioru kategorii akceptowalnych i nie akceptowalnych

16 Metoda wydzielania Wybierany jest wariant decyzyjny, którego poziom przekracza największą wartość dla jednego z atrybutów Wybór wariantów utalentowanych pod jednym z kierunków Wariant decyzyjny A i jest akceptowany, gdy dla j=1 lub 2 lub 3 lub... lub n

17 Przykład obliczeniowy WariantX1x2x3x4x5x6 A ŚredniaBardzo Wysoka A NiskaŚrednia A Wysoka A Średnia

18 Metoda leksykograficzna Atrybuty powinny być uszeregowane od najważniejszego do najmniej ważnego Niech X 1 – najważniejszy, X 2 mniej ważny, itd.. Wybiera się wariant Jeśli otrzymamy zbiór jednoelementowy, to jest on najbardziej preferowanym wariantem, jeśli nie to Jeśli otrzymamy pojedynczy element to STOP, jeśli nie to j.w., aż do otrzymania pojedynczego elementu.

19 Przykład obliczeniowy WariantX1x2x3x4x5x6 A ŚredniaBardzo Wysoka A NiskaŚrednia A Wysoka A Średnia Ważność atrybutów X1, X3, X2...

20 Dodatkowe założenie (półporządek leksykograficzny) Różnica 0.3 macha lub mniejsza nie jest znacząca WariantX1x2x3x4x5x6 A ŚredniaBardzo Wysoka A NiskaŚrednia A Wysoka A Średnia

21 Dodatkowe założenie Różnica 1000 funtów lub mniejsza nie jest znacząca WariantX1x2x3x4x5x6 A ŚredniaBardzo Wysoka A NiskaŚrednia A Wysoka A Średnia

22 Metoda permutacji Tablica decyzyjna Wektor wag

23 Permutacje dla 3 wariantów Istnieje 6 możliwości

24 Testowanie porządku dla wariantu 5 Zbiór zgodnego częściowego uporządkowania Zbiór niezgodnego częściowego uporządkowania Jeśli występuje uporządkowanie to dla przypiszemy, natomiast dla przypiszemy

25 Zbiory zgodności i niezgodności Załóżmy, że w permutacji P i zachodzi, czyli k-ty wariant jest bardziej preferowany od l-tego Wtedy permutacji P i przypisujemy liczbę R i gdzie (zbiór zgodności) (zbiór niezgodności)

26 Rozważany przykład permutacja WariantX1x2x3x4x5x6 A ŚredniaBardzo Wysoka A Wysoka waga =0.5

27 Macierz dla rozważanej permutacji sumy Wagi zgodne z porządkiem Wagi niezgodne z porządkiem

28 Wariant najlepszy Najlepsze uporządkowanie wariantów odpowiada permutacji która posiada największą wartość R i W rozważanym przypadku jest to porządek

29 Prosta addytywna metoda wagowa Najbardziej znana i najczęściej stosowana Każdemu z atrybutów przyporządkowuje się wagę Najlepszy wariant decyzyjny jest obliczany jako

30 Przykład Atrybut Wariant X1X2X3X4X5X6 A A A A Porządek przeciwny Normalizacja

31 Macierz znormalizowana Atrybut Wariant X1X2X3X4X5X6 A A A A Wektor wag Wynik Czyli

32 Metoda Electre ELECTRE – Elimination et Choice Translating Reality) Metoda wykorzystuje koncepcję relacji outrankingu, która mówi, że nawet jeśli dwa warianty nie dominują się wzajemnie matematycznie, decydent akceptuje ryzyko traktowania wariantu, jako prawie na pewno lepszego od wariantu

33 Podstawy metody Electre Metoda opiera się na porównaniach parami wariantów decyzyjnych Sprawdza: stopień w jakim wagi preferencji są w zgodzie z relacją dominacji par (zgodność) Stopień w jakim obliczenia wagowe różnią się między sobą (niezgodność)

34 Krok 1. Obliczenie znormalizowanej macierzy decyzyjnej gdzie

35 Przykład X1X2X3X4X5X6 A A A A

36 Krok 2. Obliczenie macierzy ważonej znormalizowanej Gdzie wektor wag

37 Przykład

38 Krok 3. Określenie zbioru zgodności i niezgodności Dla każdej pary wariantów decyzyjnych k i l zbiór atrybutów dzielony jest na dwa podzbiory: zbiór zgodności ( preferowane nad ) zbiór niezgodności

39 Przykład C 12 C 12= {3, 4, 5,6}D 12= {1, 2}

40 Krok 4. Wyznaczenie macierzy zgodności Wyznaczenie indeksu zgodności Macierz zgodności

41 Przykład C 12= {3, 4, 5,6} suma

42 Krok 5. Wyznaczenie macierzy niezgodności Wyznaczenie indeksu zgodności Macierz niezgodności

43 Przykład

44 Wyznaczone macierze

45 Wyznaczenie macierzy dominacji zgodności Tworzona jest z macierzy zgodności w oparciu o pewien próg zgodności Z macierzy C tworzy się macierz F taką, że

46 Przykład obliczeniowy

47 Wyznaczenie macierzy dominacji niezgodności Tworzona jest z macierzy niezgodności w oparciu o pewien próg zgodności Z macierzy D tworzy się macierz G taką, że

48 Przykład obliczeniowy

49 Wyznaczenie zagregowanej macierzy dominacji E=FxGE=FxG

50 Eliminacja najgorszych wariantów na podstawie zagregowanej macierzy dominacji


Pobierz ppt "Przegląd wieloatrybutowych metod podejmowania decyzji Opracował: Mirosław Kwiesielewicz PWSZ Elbląg."

Podobne prezentacje


Reklamy Google