Szakértői döntéshozatali módszerek. Interaktív módszerek

A tankönyv a vezetői döntések meghozatalának módszereit tárgyalja a gazdasági rendszerekben felmerülő különféle problémás helyzetekben. Megadjuk az alapfogalmakat, a problémák osztályozását és megoldásukra alkalmas módszereket, strukturálási és leírási módszereket. Jelentős figyelmet fordítanak a döntéshozatali eljárások és feladatok automatizált támogatására homályos körülmények között. A kiadvány sajátossága a megoldás módja tipikus feladatok a racionális megoldás kiválasztásának módszereinek alátámasztásával.
A tankönyv a "Vezetési döntések" kurzus programja szerint készült, amely a "Szervezetek és nyilvánosság vezetése" szakterület része. önkormányzatok". Valamennyi oktatási forma közgazdasági szakos hallgatói számára készült, mindenki számára hasznos lehet, aki érdeklődik a hatékony gazdálkodási, üzleti és termelési döntéshozatal problémái iránt. Az Orosz Egyetemek Oktatási és Módszertani Szövetségének Tanácsa a Vezetéstudományi Oktatásért Tankönyvként ajánlotta a „Szervezetmenedzsment” szakterületen.

Gyakori problémák vezetői döntések meghozatala.
A döntéshozatal elméletének tudományos alapjai mint az általános rendszerelmélet egy része és rendszer elemzése világháború idején jöttek létre. Alapítói J. von Neumann és O. Morgenstern, akik 1944-ben egy új irányról, a játékelméletről publikáltak anyagokat. Később külföldi szakértők R. Ackoff, F. Emery, St. Optner, R. Lewis, X. Rife, St. Beer, J. Forrester és mások, valamint a hazaiak - A. G. Vendelin, D. M. Gvishiani, O. I. Larichev, I. M. Syroezhin és mások jelentősen hozzájárultak ennek az elméletnek a fejlesztéséhez és gazdagításához.

Bármilyen menedzsment tevékenység, így a közgazdaságtan, a menedzsment és a marketing területén is, szorosan összefügg a különböző vezetési helyzetekre vonatkozó megfelelő döntések meghozatalával.

Ezért általános esetben a döntésen a vezetés tárgyára (rendszerére, komplexumára stb.) gyakorolt vezetői hatások (a döntéshozó (DM) cselekvései) összessége értendő, amely lehetővé teszi ezt a tárgyat a kívánt állapotba, vagy elérje a számára kitűzött célt.

A döntéshozatali folyamat (DP) az egyik szakasz menedzsment tevékenységek, amelyen a megvalósítható megoldáshalmaz közül kiválasztják a legelőnyösebb megoldást, vagy fontosságuk szerint rendezik a megoldások halmazát.

Tartalomjegyzék
Bevezetés
1. rész A vezetői döntések meghozatalának általános problémái
1. fejezet A döntéshozatal problémái a gazdasági rendszerek irányításában
1.1. A vezetői döntéshozatal általános problémái
1.2. Vezetési folyamatok modellezése
1.3. Információ-reprezentációs modell a gazdasági rendszerek menedzsmentjében
1.4. Információmodell a döntéshozatali folyamatban
1.5. Menedzsment hatékonyság modern körülmények között
1.6. Döntéshozatal egyedi problémahelyzetekben
2. fejezet A döntéselmélet alapfogalmai és kategóriái
2.1. A döntéshozatali probléma alapvető definíciói és megfogalmazása
2.2. Döntéshozatali problémák osztályozása
2.3. A vezetői döntések osztályozása
3. fejezet Döntési technológia
3.1. Döntések kialakítása, értékelése
3.2. Felkészülés a megoldás kiválasztására
3.3. Technológiai folyamat Döntéshozatal
3.4. Döntéshozatali eljárások modellezése
4. fejezet A problémahelyzet leírása és elemzése
4.1. Problémahelyzet leírásának módszerei
4.2. Problémahelyzet-elemzési eljárások
4.3. Egy problémahelyzet jellemzőinek mérésének feladata
4.4. A jellemzők szubjektív mérésének módszerei
4.5. Kiválasztási kritériumok: Integrálkritérium kialakításának módszerei
2. rész Döntéshozatali módszerek strukturált problémahelyzetekben
5. fejezet Döntéshozatal strukturált helyzetekben
5.1. Olyan problémák megoldási módszerei, mint a /. Keresse meg az optimális megoldást
5.2. Lineáris optimalizálási probléma analitikus megoldása (simplex módszer)
5.3. A lineáris optimalizálási feladat automatizált megoldása (Excel)
5.4. Módszerek JA típusú feladatok megoldására. Garantált eredmény elve
5.5. Az optimizmus elve (Maximax)
5.6. Hurwitz-elv
5.7. Savage elve (minimax sajnálat)
6. fejezet
6.1. Döntéshozatal G típusú problémákban
6.2. Kiválasztási eljárás GA típusú strukturált problémákban
7. fejezet
7.1. 1. példa
7.2. 2. példa
7.3. A kiválasztási feladat számítógépes megoldása
3. rész: Módszerek összetett problémahelyzetek megoldására
8. fejezet
8.1. A többszempontú feladatok megállapítása és típusai
8.2. Módszerek többszempontú problémák megoldására strukturálatlan kritériumokkal
8.3. Módszerek távolságmérők analitikus felépítésére
9. fejezet
9.1. A befektetési döntés megválasztásának módjának indoklása
9.2. A legjobb projekt kiválasztása lexikográfiai módszerrel
9.3. Projektválasztás az eltolt ideális módszer alapján
9.4. Eszközválasztási feladat
10. fejezet
10.1. Célfa módszer (hierarchiaelemzési módszer)
10.2. Problémák megoldása hierarchiaelemző módszerrel
11. fejezet
11.1. Optimizmus, pesszimizmus, Hurwitz, Savage módszereinek alkalmazása
11.2. Az „eltolt ideál” módszer alkalmazása
11.3. A hierarchiaelemzési módszer alkalmazása
12. fejezet
12.1. 1. példa Megoldás
12.2. 2. példa Megoldás
4. szakasz Döntéshozatali módszerek strukturálatlan helyzetekben
13. fejezet
13.1. Választás problémái kockázat és bizonytalanság alatt
13.2. Az ellenőrzési problémák bizonytalanságainak osztályozása
13.3. Döntéshozatal a valószínűségi bizonyosság feltételei mellett (kockázat)
13.4. Események következményeinek elemzési módszerei és döntési fák
13.5. Kiválasztási módszerek teljes vagy részleges bizonytalanság mellett
5. szakasz. Szakértői (csoportos) választási módszerek komplex döntéshozatali problémákban
14. fejezet
14.1. Csoportos döntéshozatali problémák megfogalmazása és formalizálása (G típusú problémák)
14.2. Csoportválasztási problémák osztályozása
14.3. A csoportkiválasztási eljárás lefolytatásának módszertana
15. fejezet
15.1. Szakértői csoport döntéshozatalának módszerei
15.2. A szakértői döntések csoportos jóváhagyásának típusai
16. fejezet
16.1. A csoportkoordináció módszerei döntéshozatalkor
16.2. A választott objektumok csoportbecslésének modellje
16.3. Modellek a szakértői értékelések egyeztetésére
17. fejezet
17.1. A szakértői kompetencia mértékének felmérése
17.2. Példa egy GA típusú probléma megoldására
6. szakasz A döntéshozatali eljárások automatizálása
18. fejezet
18.1. A döntéstámogató rendszerek követelményei és célja
18.2. Döntéstámogató rendszerek funkciói
18.3. Döntéstámogató rendszerek alkalmazástechnológiája
19. fejezet
19.1. Szakértői rendszerek jellemzői, jellemzői és megvalósítása
19.2. Tipikus vezetési helyzetekkel való munka (az ES standard helyzeteinek modulja)
19.3. Az információs alap logikai felépítése és a WSN modul működésének algoritmusa
19.4. A modelltámogató rendszer felépítése.

1 oldal

ORVOSI INFORMÁCIÓS RENDSZEREK ELEMZÉSE SZANATÓRIUM TÍPUSÚ ORVOSI ÉS MEGELŐZŐ INTÉZMÉNYEK SZÁMÁRA.

Az egészségügyi intézmények tevékenységének informatizálása régóta sürgető igény. A folyamatosan bővülő pénzügyi, orvosi és statisztikai információk tömbeinek feldolgozása csak a modern információs és számítástechnikai eszközök felhasználásával vált lehetségessé. Nemcsak az információ mennyisége nőtt, hanem a feldolgozás sebességére vonatkozó követelmények is. A magasabb szintű szervezetek évről évre növelik az úgynevezett „elektronikus jelentések” (vagyis a elektronikus formátumban). Folyamatosan növekszik az egészségügyi dolgozók közötti elektronikus adatcsere e-mail és internet használatával.

Jelenleg minden egészségügyi intézmény (EGSZ) bizonyos mértékig informatizálás alá tartozik. Ezek nagyrészt lokális, egymással nem összekapcsolt automatizálási rendszerek az egészségügyi intézmények különböző tevékenységi területeihez. A területi egészségügy informatizálása a gyakorlatban csak az egészségügyi intézmények pénzügyi-gazdasági szolgáltatásaira terjed ki: számviteli, tervezési és gazdasági osztály, biztosítási orvoslás. A minőség és a rendelkezésre állás javítása érdekében egészségügyi ellátás egészségügyi intézményekben minden típusú tevékenység komplex automatizálása szükséges az intézményben.

Manapság az orvosi információs rendszerek (MIS) piaca eleget kínál különböző megoldások széles árkategóriában és különféle funkciókkal. A vizsgálat során 30 orvosi információs rendszert vizsgáltunk meg. Ebből 12 ukrán gyártó terméke, 18 orosz. A legtöbb rendszer, nevezetesen 13, szanatóriumokra specializálódott.

Vizsgálatunk célja a szanatórium jellegű egészségügyi és prevenciós intézmények egészségügyi információs rendszereinek általánosan elfogadott kritériumok szerinti összehasonlítása és az optimális meghatározása volt, a többszempontú feladatok megoldásának elméletét felhasználva.

Az optimális rendszer kiválasztása a vevő szempontjából a nyílt hálózatban rendelkezésre álló adatok alapján történt. Ezt a problémát az "eltolt ideál" módszerrel oldották meg. Ez a -ban leírt módszer az optimális objektum kiválasztásához szükséges feladatok megoldására szolgál, abban az esetben egy nagy szám objektumok és összehasonlítási kritériumok.

A vizsgálat során 19 orvosi információs rendszert hasonlítottak össze, amelyeket a nyílt források a legrészletesebb információkat. A rendszerek összehasonlítása általánosan elfogadott összehasonlítási kritériumok szerint történt. Ugyanis:

a rendszer funkcionalitásának teljessége;

A program költsége (egy munkahely);

· az adatbázis-kezelő rendszer (DBMS) beszerzésének szükségessége;

egy DBMS költsége;

· alkalmazkodás Ukrajna jogszabályaihoz.

Az "eltolt ideál" módszer az objektumok jellemzőivel operál, amelyeket számokban fejeznek ki, így a rendszerek összehasonlításának minőségi kritériumait számokká alakítottuk (1. táblázat).

1. táblázat: Összehasonlítási szempontok átalakítása digitális formába.

A módszert úgy tervezték, hogy kiválassza a leginkább preferált objektumok egy vagy részhalmazát. A módszer jellemzői a következők:

az "ideális" objektum kialakítására szolgáló eljárás jelenléte ( NÁL NÉL + ), amely egyfajta célként szolgál, amelyre törekedni kell. Egy ilyen „ideál” általában nem elérhető és nem is létezik, de hasznos, ha megvan, hogy a döntéshozó megértse céljait;

minden iterációnál kizárják azokat az objektumokat, amelyek nem állítják magukat a legelőnyösebbnek, pl. a "legjobb" tárgyakat nem emelik ki, de a "legrosszabbakat" kizárják.

Általában a módszer algoritmusa a következő: rizs 2.2 ): A dominált objektumokat először kizárjuk, mivel ezek között nem lehet a leginkább preferált.

Kialakul egy „ideális” tárgy NÁL NÉL +(1) a legelőnyösebb kritériumértékek közül, az „antiideális” pedig a legkevésbé preferált értékek közül. Meghatározzák az objektumok távolságát az eredeti halmaztól az „antiideálig”, ami alapján kiválasztják a „legrosszabb” objektumokat. Az ilyen objektumok között általában vannak olyan objektumok, amelyeknek egy legelőnyösebb értéke van (objektumok NÁL NÉL 1 és NÁL NÉL 6 a rizs 2.2 ).

A „legrosszabb” objektumok kizárása után ismét az „ideális” formáció szakaszába lépünk, és az megváltozik (az ábrán ez NÁL NÉL +(2) ) valós tárgyakhoz közeledve.

Az eljárás akkor ér véget, ha kevés objektum marad, amelyek a legelőnyösebbek.

Megjegyzendő, hogy a valóságos tárgyak és az „ideális” összehasonlítása során a döntéshozó elégedetlenné válik, ami a kialakult „ideál” megközelíthetetlensége miatt következik be. Ezt az elégedetlenséget hívják konfliktus a döntés előtt.

A leginkább preferált objektum kiválasztása után a döntéshozó elégedetlenné válik, aminek oka az a tény, hogy ezt az objektumot választották, és nem egy másikat. Ezt az elégedetlenséget hívják konfliktus a megoldás után.

A módszer első iterációinál a konfliktus érvényesül a megoldás felett. A következő iterációk során az „ideális” a valós tárgyakhoz közelít, és a döntés előtti konfliktus csökken. A döntés utáni konfliktus azonban fokozódhat. Ez azt jelzi, hogy a megoldandó probléma döntéshozója nem ismeri kellőképpen.

Tekintsük részletesen annak a módszernek az algoritmusát, amelynek blokkdiagramja az ábrán látható ábra.2.3.

Legyen benne az eredeti objektumkészlet P tárgyakat. Minden kritérium k j (j=l,…, m) intervallum- vagy arányskálán mérve.

Az első szakaszban egy „ideális” tárgy jön létre
, ahol – a kritérium maximális preferenciaértéke az összes objektum között, pl.
ha az objektum preferenciája a növekedéssel növekszik k j , vagy
ha az objektum preferenciája a kritérium csökkenésével nő. Ha az „ideál” objektumok halmazához tartozik, akkor ez lesz a legelőnyösebb. De mivel az MCZ-t általában a hatékony objektumok halmazán oldják meg, az „ideális” objektum nem fog az eredeti halmazhoz tartozni.

Ugyanebben a szakaszban alakul ki a „legrosszabb” objektum
a legkevésbé preferált értékek közül.

A második szakaszban a kritériumok fizikai mértékegységeiről a relatív mértékegységekre való áttérés a következő kifejezéssel összhangban történik:

A relatív egységekben minden feltétel változik a intervallumban, míg a kevesebb , témák közelebbi tárgy a kritérium szerint k j az "antiideálnak".

Az első két szakasz automatikusan, a döntéshozó részvétele nélkül valósul meg. A harmadik szakaszban a döntéshozó a kritériumok fontosságára vonatkozó ítéletei alapján meghatározza a kritériumok súlyát. W j (j = 1,...,m).

Nehézség esetén a döntéshozó használhatja információs megközelítés A következő, negyedik szakaszban a tárgyak távolságát az „antiideáltól” számítják ki. A következő kifejezést használják mérőszámként:

(2.2)

Használata a ( 2.2 )különféle R, különböző mutatókat kaphat. Igen, at p= 1, additív operátort kapunk, és mikor
(2.2 ) belemegy
.Minél nagyobb az érték , minél távolabb van a tárgy az „antiideáltól”, és minél közelebb van az „ideálhoz”.

Val vel Meg kell jegyezni, hogy más mérőszámok is használhatók mérőszámként egy objektum és egy „ideális” összehasonlítására. aggregációs operátorok.

A következő, ötödik szakaszban, különböző értékeket állítva fel R, a döntéshozó különböző mérőszámokat határoz meg az „ideális”-val való összehasonlításhoz. mindenkor R, azaz minden metrika esetében az összes objektum az „ideális” értékhez való közelség sorrendjében van rendezve . döntéshozó párbeszédben, változásban p,feltárja a különböző mérőszámok hatását az objektumok sorrendjére.

Továbbá a hatodik szakaszban a döntéshozó úgy dönt, hogy kizárja azokat az objektumokat, amelyek nem állítják, hogy a legelőnyösebbek. Nyilvánvalóan ezek azok az objektumok, amelyek különböző metrikákkal (különböző R) a rendezett sorok végén találhatók. Valójában, ha az objektum a választott mérőszámtól függetlenül messze van az „ideálistól”, akkor minden ok megvan a kizárására.

Az objektumok kizárása után a következő iteráció egy „ideális” objektum kialakításával kezdődik, amely már az objektumok fennmaradó részhalmazán történik.

Az eljárás akkor ér véget, amikor a következő kivétel után kevés objektum marad, ami a legelőnyösebb.

Megjegyzendő, hogy minden iterációnál célszerű elemezni a kritériumok terjedését. A tény az, hogy a kizárt objektumok között általában vannak olyan objektumok, amelyek tartalmazzák a kritériumok maximális és minimális értékét. Így minden iterációnál a kritériumok változási területe csökken, és ezért szórásuk jelentősen megváltozik. Aztán használva információs megközelítés, kiemelhetünk nem tájékoztató szempontokat, és a feladat egyszerűsítése érdekében kizárhatunk ilyen kritériumokat.

Végezetül megjegyezzük, hogy ez a módszer a leghatékonyabb nagy problémadimenziók esetén.

- 275,50 Kb

Az Orosz Föderáció Oktatási és Tudományos Minisztériuma

FGOU HPE "N. P. Ogarjovról elnevezett Mordovia Állami Egyetem"

Matematikai Kar

Alkalmazott Matematika Tanszék

JELENTÉS

A Matematika Kar 4. évfolyamos hallgatói

("Alkalmazott matematika és informatika" szak)

Korovina A.V.

az ipari gyakorlat átfutásáról az időszakban

2011.09.01. és 2012.05.15

Szakértői döntési módszerek

A jelentést Korovina A.V. állította össze.

404 csoport, d / o

A jelentést Dr. Safonkin V.I.

Saransk

2012

1.	Bevezetés………………………………………………………………………......				3
2.	Többszempontú feladatok megoldása………………………………………..				4
	2.1.		Többszempontú feladatok kimutatása ……………………………..........		4
	2.2.		Módszerek többszempontú problémák megoldására ……………………………		5
3.	Szakértői döntéshozatali módszerek……………………………………				14
	3.1.		Problémahelyzet szakértői értékelésének szakaszai …………..
	3.2.		A probléma megfogalmazása a csoportos döntéshozók számára ………………………………. .....
	3.3.		A csoportos jóváhagyás típusai ……………………………………………
		3.3.1.		diktátor elve………………………………………………………
		3.3.2.		szavazás elve………………………………………………… …...
		3.3.3.		rendszeren kívüli kiválasztási elvek………………………………………...
	3.4.		Döntésalkotás csoportokban ………………………………… …......
	3.5.		Szakértői értékelések eredményeinek feldolgozása ………………………………
		3.5.1.		szakértői értékelések statisztikai feldolgozásának módszerei…………….
4.		Következtetés………………………………………………………………………
5.		Felhasznált irodalom jegyzéke…………………………………………

1. Bemutatkozás

A gazdasági rendszerek irányításának gyakorlatában gyakran előfordulnak olyan problémahelyzetek, amelyekhez részben vagy teljesen ismeretlenek vagy nehezen hozzáférhetők a problémahelyzet leírására szolgáló információk, vagy amelyek nem formalizálhatók kellő pontossággal. Ebben az esetben az ilyen problémákat általában egy bevont szakértői csoport segítségével oldják meg, akik elemzik és értékelik a fennálló problémahelyzetet, és alternatívákat generálnak annak megoldására. A szakértők bevonásával történő döntéshozatali módszer lényege, hogy minden egyes szakértő esetében egyedileg készítsünk szakértői értékelést, és általánosított véleményt fogalmazzunk meg a csoport egésze számára a legjobb tárgyról (megoldásról).

A döntéshozatali problémák szakértői csoport általi megoldásának technológiája hasonló az egyéni választás technológiájához, és ugyanazokat az általánosított eljárásokat és műveleteket tartalmazza: a probléma tudatosítása és azonosítása, elemzése; döntések információs előkészítése; keresés és döntéshozatal; döntések végrehajtása stb.

Tekintsünk külön csoportválasztási eljárásokat, amelyek a szakértői módszerek sajátosságait jellemzik.

2. Többszempontú feladatok megoldása

2.1. Többszempontú feladatok kimutatása

A döntéshozatali feladatokat multikritériumoknak nevezzük, amelyeknél a cél eléréséhez szükséges kritériumok száma kettőnél több:

K Ì (K 1 , K 2 , ..., K m ),

és magukat a feladatokat több alternatíva jellemzi:

Y = (A l , A 2 , ..., A n )

1.1. táblázat.

Többszempontú feladat leírási mátrixa

Objektumok (alternatívák)	Kritériumok
Objektumok (alternatívák)	K1	K2	…	Km
A 1			…
A 2			…
…	…	…	…	…
A n			…

Az ilyen feladatokat általában a táblázatban megadott mátrix írja le. 1.1.

A többobjektív probléma matematikai értelmezése szerint az objektumokat a kritériumtér egy pontja reprezentálja (K 1 ,K 2 ,...,K m ). Azokat a problémákat, amelyeknél a kritériumértékek diszkréten változnak, diszkrét döntési problémáknak nevezzük. ábrán látható egy példa egy diszkrét probléma megjelenítésére három objektumra a kritériumok kétdimenziós terében (k 1 , k 2 ). 1.1.

Rizs. 1.1.

Többszempontú probléma grafikus értelmezése

(3 objektum, 2 kritérium)

Ha a kritériumok értékei folyamatosan változnak, akkor a probléma a vektoroptimalizálás problémájához tartozik. Ebben az esetben egy ilyen probléma grafikus értelmezése egy bizonyos területként jelenik meg a kritériumok terén.

A szükséges megoldástól függően a többkritériumos problémák a következő osztályokba oszthatók:

kiválasztási feladatok (a leginkább preferált objektum kiválasztása);
értékelési feladatok (tárgy értékelése integrál szempont szerint);
Pareto-optimális megoldások meghatározásának problémái.

A különböző osztályokhoz tartozó problémák megoldásához megfelelő megoldási módszerek szükségesek. Tekintsünk néhány gyakorlati módszert a többkritériumú problémák megoldására.

1.2. Módszerek többszempontú problémák megoldására

A többszempontú problémák megoldásának megközelítései szerint a módszerek három fő csoportját különböztetjük meg: lexikografikus, interaktív, axiomatikus.

Kapcsolódó megoldási módszerek első csoport, a kritériumok dominanciájának feltételezésén alapulnak. A probléma megoldása több ciklusban történik, amelyek mindegyikén két szakaszt hajtanak végre: kritériumok rangsorolása; objektum kiválasztása saját maga fontos kritérium.

Co. második csoport elsősorban a legelőnyösebb objektum (megoldás) kiválasztására szolgáló módszereket és algoritmusokat tartalmaznak, amelyek főként a megoldandó probléma sajátosságaitól függő interaktív eljárások.

Mód harmadik csoport a hasznosságelméletben kidolgozott (axiomatikus) használati rendelkezések. Itt meg kell határozni és be kell állítani az implicit preferenciafüggvény tulajdonságait, azaz be kell állítani azt a preferenciastruktúrát, amelyet a döntéshozó egy objektum kiválasztása és értékelése során működtet. Az azonosított tulajdonságok alapján kiválasztunk valamilyen elemző függvényt (hasznosságfüggvény), amely leírja a döntéshozó preferenciáinak szerkezetét. Ugyanakkor a döntéshozónak jól kell ismernie a feladat tartalmát. Ez a módszer a legidőigényesebb az előzőekhez képest, de lehetővé teszi az objektumok ésszerűbb becslését.

Nézzünk meg közelebbről néhány ilyen módszert.

Lexikográfiai módszerek. Ha ezzel a módszerrel oldunk meg feladatokat, akkor a kritériumokat (k 1, k 2, ..., k m ) a fontossági fok szerint rangsoroljuk, így az 1-es (rang) indexet a legfontosabb kritériumhoz rendeljük. Ezenkívül az objektumok kiválasztásának eljárását ennek a kritériumnak megfelelően hajtják végre. A fennmaradó kritériumokra (k 2, k 3, ..., k m ) a probléma szerkezetéből ismert típusmegszorítások vonatkoznak: a 2 ≤ k 2 ≤ b 2 ; a3

Ha valamelyik kritérium nem felel meg a meghatározott korlátozásoknak, az kizárásra kerül a vizsgálatból. Következésképpen érvényes objektumok (alternatívák) halmaza jön létre, például: hűtőszekrény kiválasztásakor a következő kritériumokat állíthatja be kritériumként:

k 1 - teljes térfogat (m 3);

k 2 - térfogat mélyhűtő(m 3);

k 3 - teljesítmény (kW);

k 4 - ár (rubel) stb.

Ha a k 1 kritérium szerint nem lehet egyedileg kiválasztani egy objektumot a iÎ És akkor a következő legfontosabb kritérium szerint kell választani - k 2 stb.

Feltétel dominanciaértelemszerűen a következőket jelenti: ha az objektumokat a k 1 kritérium szerint rendezi, akkor ez a sorrend nem változik, ha figyelembe vesszük a k 2, k 3 stb. kritériumokat, azaz k 1 olyan fontos, hogy dominál az összes között. a többiek.

Az interaktív módszerek csoportjában a leggyakoribb választási elvek az preferált objektum("eltolódott ideál" módszere). Ez a módszer az ilyen problémák megoldását megvalósító algoritmusok nagy csoportját tartalmazza. A módszert egyesítő közös jellemzők közé tartozik az „ideális tárgy” jelenléte és a szűrési eljárások megléte.

Egy „ideális objektum” kialakításakor nagyon is lehetséges, hogy a képe nem tartozik a valós objektumok halmazához (A l , A 2 , ..., A n ), vagy egyáltalán nem is létezik. Ebben az esetben a halmazból (A l ,A 2 ,...,A n ) lévő objektumokat összehasonlítjuk a kialakított ideális objektum modelljével, és megtörténik a szűrési eljárás. Egy „ideális objektum” modelljének felépítésénél fontos a felhasználói specialista (DM) tudásának és tapasztalatának felhasználása, mivel ő jobban megérti a legjobb valós objektumok tulajdonságait és paramétereit, amelyek egy „egy „ideális objektum” tartalmát alkotják. ideális tárgy”.

A szitálási eljárást az jellemzi, hogy az objektumok kezdeti halmazából (A l , A 2 , ..., A n ) kizárják azokat a részhalmazokat, amelyek nem tartalmazzák a kívánt legelőnyösebb objektumot.

Általában a legelőnyösebb objektum megtalálásának eljárása több szakaszból áll.

Az „ideális tárgy” kialakulása.
Objektumkészlet elemzése a megfelelés megállapításához
"ideális tárgy".
Azon objektumok interaktív kizárása a kezdeti halmazból (A l ,A 2 ,...,A n ), amelyek nyilvánvalóan nem a legjobbak az elemzésben.
Az objektumok csökkentett készletéhez folytassa az 1. lépéssel.

Vegyünk egy példát egy döntési probléma megoldására az eltolt ideális módszerrel.

1. példa

A problémahelyzet leírása S 0

A probléma leírása.

Határozza meg a legígéretesebb CNC gépet, amelyet sorozatban indíthat el.

PR ideje: T = 1 hét.
PR-források: információk a gépek jellemzőiről.
Kritérium (K):

K 1 - átlagos működési idő (s);

K 2 - a meghibásodások közötti idő megbízhatósága (ezer óra);

K 3 - a gép költsége (ezer rubel).

Sok korlátozás (B).

A kritériumértékek változásának felső és alsó határa ismert.

Rengeteg alternatív lehetőség.

1.2. táblázat

Variant Mátrix

Munkaleírás

2.1.
Többszempontú feladatok kimutatása…………………………………………
4

2.2.
Módszerek többszempontú problémák megoldására……………………………
5
3.
Szakértői módszerek Döntéshozatal…………………………………......
14

3.1.
Problémahelyzet szakértői értékelésének szakaszai…………..

3.2.
A probléma megfogalmazása a csoportos döntéshozók számára…………………………………

3.3.
A csoportos jóváhagyás típusai………………………………………………

3.3.1.
a diktátor elve…………………………………………………………

3.3.3.
rendszeren kívüli választási elvek…………………………………………

3.4.
Döntésalkotás csoportokban………………………………………

3.5.
Szakértői értékelések eredményeinek feldolgozása…………………………………

3.5.1.
szakértői értékelések statisztikai feldolgozásának módszerei…………….

4.
Következtetés……………………………………………………………………...

5.
Felhasznált irodalom jegyzéke…………………………………………

Küldje el a jó munkát a tudásbázis egyszerű. Használja az alábbi űrlapot

Azok a hallgatók, végzős hallgatók, fiatal tudósok, akik tanulmányaikban és munkájuk során használják fel a tudásbázist, nagyon hálásak lesznek Önnek.

Házigazda: http://www.allbest.ru/

Üzleti folyamatok többszempontú elemzési módszereinek alkalmazása

Bevezetés

több szempontú döntéshozatali üzletág

A magban modern elmélet az üzleti folyamatok optimalizálása a választás legjobb alternatívaüzleti folyamatok megszervezése az alternatívák minőségi vagy mennyiségi elemzésével. Egy ilyen elemzés gyakran több szempontú, hiszen egyszerre több szempontot kell értékelni, amelyek egymásnak ellentmondóak lehetnek, mint költség, minőség, költségek, kockázat, hatékonyság stb. A mindennapi életben egy ilyen, több szempont alapján történő választás általában intuitív módon történik, és ennek következményei a döntéshozó (DM) számára meglehetősen elfogadhatóak lehetnek. Az üzleti feladatok felállításakor azonban nem az intuíció lehet az egyetlen döntési eszköz, hiszen az ilyen feladatok jóval nagyobbak, és az erős versenykörnyezetben a szervezeteknek az alternatívák legobjektívebb értékelését kell megszerezniük. Az ilyen értékelés megszerzéséhez az összes kiválasztási kritérium alapos tanulmányozása, a köztük lévő függőségek meghatározása és a prioritások meghatározása szükséges.

Relevancia Ez a tanulmány annak köszönhető, hogy az üzleti folyamatok elemzése során a problémák nagyon gyakran több szempontú formát öltenek. Például a beszállító kiválasztásakor a beszerzési üzleti folyamat elemzése olyan paraméterek értékelését igényli, mint a termékminőség, költség, értékesítés utáni szolgáltatás, pénzügyi stabilitás stb. A befektetés-menedzsment üzleti folyamatának elemzése magában foglalja a kockázat, a várható hozam, a befektetési volumen, valamint a befektetési tevékenységet végző régió vonzerejének értékelését. A legtöbb szervezetben zajló toborzási üzleti folyamat elemzése magában foglalja az olyan paraméterek értékelését, mint a jelölt tapasztalata, végzettsége, életkora, kért fizetése stb. Továbbá, modern tendenciák A vezetéselmélet fejlesztése során figyelembe kell venni a vállalkozás különféle, pénzügyi és nem pénzügyi vonatkozásait. A mutatók egy sorának több szempontú meghatározása és vizsgálata gyakran olyan problémákhoz vezet, amelyek több kritériumra kiterjedő formát öltenek. Például egy olyan népszerű irányítási eszköz, mint a kiegyensúlyozott eredménymutató, amelyet R. Kaplan és D. Norton fejlesztett ki, azt jelenti, hogy a vállalatok legalább négy szempontot egyenlően mérlegelnek: pénzügy, ügyfelek, belső üzleti folyamatok, képzés és fejlesztés. A szerzők ezen szempontok mindegyikében legalább öt kulcsfontosságú teljesítménymutató (KPI) azonosítását javasolják. Ez a megközelítés lehetővé teszi a formálást hatékony stratégia A stratégia megvalósításának nyomon követésekor azonban – amint azt maguk a szerzők is hangsúlyozzák – sokszor nehéz lehet számos mutatót értékelni. A könyvben található egyik gyakorlati példa bemutatja, hogyan lehet elemezni egy projekt eredményességét egy vállalatnál, ennek a projektnek a 16 kulcsmutatóját azonosították, amelyeket a cég ügyfelei értékeltek. A projekt e becslések szerinti sikerességére vonatkozó következtetés levonása azonban a vállalat vezetése számára többszempontú feladattá vált, melynek megoldásához a rangsoroláson és a kritériumok lineáris konvolúcióján alapuló módszereket alkalmaztak. R. Kaplan és D. Norton is példát hozott olyan feladatra, amellyel a cég vezetése a multikritériumok miatt nem tudott megbirkózni. A feladat a szállítási üzleti folyamat optimalizálása volt, valamint az „időben kézbesítés” mutató értékének növelése érdekében a cég jelentősen megnövelte a szállítási időintervallumot, aminek következtében az ügyfél elégedetlen volt, és az üzleti folyamat átesett. „hamis optimalizálás”. Ez a hiba elkerülhető lett volna többcélú optimalizálási módszerek alkalmazásával.

Napjainkban a döntéshozatalelmélet számos olyan megközelítést és módszert tartalmaz a döntéshozatalra több szempontú környezetben, amelyeket a döntéshozó felhasználhat különféle többszempontú problémák megoldására. Ugyanakkor továbbra is rendkívül aktuális az adott probléma megoldására legalkalmasabb módszer kiválasztásának problémája. Abból adódóan, hogy a többszempontú optimalizálás módszerei számos eltérést mutatnak mind a kapott eredményekben (a talált megoldások száma, a megoldások bemutatása stb.), mind pedig az alkalmazásukban (a szükséges információk mennyisége a preferenciákról döntéshozó, információgyűjtési módszerek stb.), nem minden módszer alkalmazható egy adott probléma megoldására. Általánosságban elmondható, hogy a feladatok csoportokba vonhatók egy-egy tárgykörhöz való tartozásuk szerint. A megoldási mód helytelen megválasztása miatt négy komoly probléma adódhat: egyrészt a nem megfelelő módszer alkalmazása nem lesz kielégítő a döntéshozó számára, vagy akár hibás is. Másodszor, a kapott gyenge eredmények miatt a hasznos módszerek igazságtalanul elítélhetők, mint például az ELECTRE módszer (Cohon és Marks (1977). Harmadszor, a nem megfelelő módszer alkalmazása idő-, erőfeszítés- és pénzveszteséggel jár a döntéshozatali folyamat során. Végül az alkalmazási hibák következtében a potenciális felhasználók megtagadhatják az MMRM alkalmazását gyakorlati problémákra.

cél Ennek a tanulmánynak a kidolgozása az alkalmazás tárgyát képező többszempontú döntéshozatal módszereinek osztályozása az üzleti folyamatok elemzése keretében.

A cél eléréséhez a következőket kell megoldani feladatok:

1. Végezzen olyan forráselemzést, amely a döntéshozatal különböző megközelítéseit tükrözi többszempontú környezetben, a többszempontú elemzés meglévő módszereinek tanulmányozása érdekében.

2. Végezzen többszempontú problémák megoldását célzó szoftverelemzést.

3. Végezzen olyan forráselemzést, amely példákat tükröz az üzleti folyamatok többszempontú elemzésére szolgáló módszerek gyakorlati alkalmazására.

4. Azonosítsa az üzleti folyamatok területén alkalmazható többszempontú elemzési módszereket.

5. A módszerek osztályozásának kidolgozása az alkalmazás tárgya szerint az üzleti folyamatok területén.

7. Oldja meg a „VARS Expo” LLC. „Értékesítési stratégia meghatározása” üzleti folyamatában felmerülő gyakorlati többszempontú problémát.

tárgy Ennek a tanulmánynak olyan üzleti folyamatairól van szó, amelyek döntéshozatalt igényelnek több szempontú környezetben.

Tantárgy a kutatás a többszempontú elemzés módszereinek alkalmazása a döntéshozatalt igénylő üzleti folyamatok optimalizálására többszempontú környezetben.

Módszertani alapok ebbe a munkába vezető hazai és külföldi tudósok tudományos publikációi és reflektáló cikkei voltak jelenlegi szabványok az üzleti folyamatok elemzésére szolgáló többszempontú módszerek alkalmazása terén. A kitűzött feladatok megoldásához a döntéshozatal elméletének módszereit alkalmaztam multikritériumok esetén.

Elméleti jelentősége A kutatás célja az üzleti folyamatok többszempontú elemzésére szolgáló módszerek osztályozásának kidolgozása az alkalmazás tárgya szerint.

Gyakorlati jelentősége a kutatás abból áll, hogy lehetőség nyílik a kidolgozott osztályozás felhasználására az üzleti folyamatok elemzésében annak érdekében, hogy kiválasszuk a többszempontú optimalizálás egy konkrét problémájának megoldására legalkalmasabb módszert.

Szerkezetmunka a következő részeket tartalmazza: bevezetés, szakirodalmi áttekintés és szoftverelemzés, fő rész, következtetés, bibliográfia. A tanulmány fő része három fejezetből áll, amelyek közül kettő a tanulmány elméleti részét, egy pedig gyakorlati fejezetet tükröz. Az első fejezet a többszempontú analízis módszereinek megfontolandó megválasztásával és leírásával foglalkozik. A második fejezet a többszempontú elemzés módszereit hasonlítja össze a probléma, a döntéshozó és a kapott megoldás jellemzőivel. A kapott összehasonlítás alapján az üzleti folyamatok elemzésének részeként egy referencia 13 folyamatból álló modell alapján kidolgoztam a módszerek alkalmazási tárgy szerinti osztályozását, és ajánlásokat fogalmaztak meg a módszerek alkalmazására. A harmadik fejezet egy példát mutat be a módszerek gyakorlati alkalmazására a VARS Expo LLC "értékesítési stratégia meghatározása" üzleti folyamatában felmerülő többszempontú probléma megoldására. Összegezve a vizsgálat során kapott eredményeket összegezzük.

1. Szoftverelemzés

A többszempontú feladatok megoldásának összetettségét többek között a nagy mennyiségű információ határozza meg, amelyet a döntés meghozatalakor figyelembe kell venni és feldolgozni. Az ember gyakran nem tud megbirkózni ezzel a feladattal anélkül, hogy a modern számítástechnika segítségét igénybe venné. Ennek kapcsán a többszempontú környezetben történő döntéshozatal támogatására számos szoftverterméket vagy döntéstámogató rendszert (DSS) hoztak létre, amelyek működése MCDA (multiple-criteria Decision analysis) módszerekre épül. E szoftvertermékek fő funkciója a döntések preferencia és kiválasztás szerinti rangsorolása legjobb megoldás. Az ilyen szoftverek azonban a megoldás megtalálása és a nagy mennyiségű információ feldolgozása mellett (ami a többszempontú elemzési módszerek sikeres gyakorlati alkalmazásához szükséges) általában lehetőséget biztosít a felhasználónak a kapott eredmények elemzésére is. Különösen értékes a grafikus felhasználói felület, amely lehetővé teszi a folyamat és az eredmények megjelenítését, a döntéshozatali folyamat legnyilvánvalóbb és átláthatóbb megjelenítését.

Annak a ténynek köszönhető, hogy a ez a munka A gyakorlatban jól alkalmazható többszempontú elemzési módszerek tanulmányozását és osztályozását célozza, a meglévő döntéstámogató szoftverek elemzése és összehasonlítása szükségesnek és fontosnak tűnik. Az elemzést célszerű az összehasonlítási és értékelési szempontok meghatározásával kezdeni.

A különböző szoftvertermékek különböző lehetőségeket kínálhatnak a felhasználó számára mind a döntéshozatali folyamat során, mind az eredmények elemzése során. Természetesen a döntéshozatali folyamat szervezettségét mindenekelőtt az jellemzi többszempontú elemzési módszerek a termék által támogatott. A támogatott módszereken múlik a megoldások keresésének menete, és így a termék alkalmazhatósága különböző helyzetekben. Ezen túlmenően, mivel ennek a munkának a célja a többszempontú módszerek közvetlen alkalmazása az üzleti folyamatokban, rendkívül fontos, hogy szakmai szintkompetenciák(speciális ismeretek és készségek), amelyek a termék sikeres használatához szükségesek. Sok program a többszempontú elemzés területén dolgozó szakemberek számára készült, és ezen a területen tapasztalat és tudás nélkül a felhasználó nem tudja hatékonyan használni az ilyen termékeket. A dolgozatban kidolgozott módszerek osztályozásának egyik fő célja azonban az, hogy segítse a megfelelő módszerek kiválasztását a többszempontú elemzés területén nem szakemberek (például a döntésekért felelős vezetők) számára. Ezért a termékek összehasonlítása is megtörténik a szükséges szaktudás és készségek alapján. A harmadik összehasonlítási kritérium az csoportos döntéstámogatás. A többszempontú elemzésben döntéshozó alatt általában egyént értünk, de az üzleti életben a döntések ritkán múlnak egy személyen. Leggyakrabban egy bizonyos csoport felelős a döntésekért (igazgatóság, részvénytársaság, problémabizottság stb.), amelynek minden tagjának preferenciáit figyelembe kell venni a döntés meghozatalánál. A következő kritérium, amely a termék praktikus használatát tükrözi elérhetősége az interneten keresztül. És végül egy fontos tényező egy olyan felhasználó számára, akinek nincs komoly tapasztalata az ilyen programokkal kapcsolatban az import képessége és / vagyexport adatokat vagy eredményeket Excelben. Külön érdemes megfontolni a kapott eredmények elemzésének folyamatát, nevezetesen az információ megjelenítésének szöveges és grafikus módszerei támogatott termékek.

Manapság nagyon sokféle program és szoftverrendszer létezik a többszempontú elemzéshez. A jelen dokumentumban szereplő szoftveráttekintés célja, hogy azonosítsa a hasonlóságokat és különbségeket a rendelkezésre álló termékek között, és javaslatokat dolgozzon ki a használatukra. Ezért indokoltnak tűnik odafigyelni a különböző célokat szolgáló és eltérő módszereket támogató szoftvertermékekre, miközben aktívan használják vagy ismerik mind a többszempontú elemzés szakértői, mind a döntések meghozataláért felelős egyéb területek szakemberei (ami természetesen a termék gyakorlati teljesítményének mutatója). Tizenkét ilyen terméket választottak ki elemzésre a szoftverismertetések és a nemzetközi tudományos publikációkban megjelent összehasonlító cikkek (French és Xu, 2005; McGinley. P, 2014; Vassilev et al., 2005; Weistroffer és mtsai, 2005) összehasonlításával, valamint a figyelembe veszi a többszempontú elemző szoftverek (Capterra, EWG-MCDA, Wikipédia) weboldalakon közzétett értékeléseket és értékeléseket. A kiválasztás a termék próba- vagy demóverziójának elérhetősége alapján is történt. Az összehasonlító elemzés eredményeit a szoftver két fő funkciója szerint csoportosított paramétereket tartalmazó táblázatok tükrözik: magának a döntéshozatali folyamatnak a szervezése (lásd 1. táblázat) és az eredmények elemzése (lásd 2. táblázat).

1. táblázat Szoftverek összehasonlítása a döntéshozatali folyamat jellemzői szerint

Szoftvernév	Támogatott MCDA-módszerek	Kívánt szakmai hozzáértés	Csoportdöntések támogatása	Elérhetőség az interneten keresztül	Képes importálni / exportálni Excelbe
	PAPRIKA, AHP, MAUT

	AHP, Pareto Frontier Approximation
Kritérium Döntés Plusz	AHP, SMART, MAUT, Swing
	PROMETHEE, UTILITY
	MAUT, Döntési fa, AHP, Szekvencia módszer. engedményeket
	döntési fa


Logikai döntések	AHP, MAUT, Swing

A táblázatokból látható, hogy szinte minden vizsgált termék kiváló lehetőséget biztosít az eredmények elemzésére, de jelentős különbségek vannak a döntéshozatali folyamat megszervezésében. A programok eltérő módszerkészletet támogatnak, de több mint felükben a támogatott módszerek között szerepel az AHP vagy az AHP (Analytic hierarchy process / Hierarchy analysis method), ami meglehetősen elvárható, hiszen a módszer jól alkalmazható a gyakorlatban különféle iparágakés ráadásul nem igényel speciális képzést. Kedvezően hasonlít a többi módszerhez, mivel ötvözi a matematikai megközelítést és a pszichológiai szempontokat, és lehetővé teszi az eltérő paraméterek összehasonlítását is, ami rendkívül jelentős előny, ha praktikus alkalmazás. Azoknál a termékeknél, amelyek támogatják ezt a módszert, két megközelítés létezik az alternatívák páronkénti összehasonlítására. Az első megközelítés keretein belül egyes kritériumok másokhoz viszonyított értékelési mátrixa kerül összeállításra, a második keretein belül pedig az összes lehetséges kritérium-kombinációt felsoroljuk, és mindegyiknél a döntéshozónak kell értékelnie, hogy mennyit. az egyik kritérium fontosabb a másiknál. A kapott becslések eredményeként a kritériumok fontossági sorrendbe kerülnek.

Ezenkívül láthatja, hogy a legtöbb AHP-t támogató program támogatja a MAUT-ot (Multi Attribute Utility Theory / Multicriteria Utility Theory). Ugyanakkor a módszertani vizsgálatokban az ilyen módszerek általában egyértelműen elkülönülnek egymástól. Ez a tény arra utal, hogy annak ellenére, hogy az ilyen szoftverek a döntéshozatal elméletén alapulnak egy többkritériumú környezetben, a termék ellentmondhat az elméletnek, mivel a különböző iskolákból származó módszerek széles skáláját kombinálja a sikeres gyakorlati alkalmazás érdekében. Ezt a MAUT és a Swing módszerek négy termék egyidejű támogatása is megerősítheti.

Valamivel kevésbé népszerű az egymást követő engedmények módszere, amely bizonyos intervallumok használatát jelenti, amelyek tükrözik a paraméterértékek megengedett eltérését az elsőbbségi értékektől. Valószínűleg ennek az az oka, hogy a gyakorlatban nehéz objektíven meghatározni az ilyen intervallumokat. Emellett a vizsgált programok egy része döntési fán alapul, amelyet egy specifikus konstrukciós algoritmus jellemez, amely könnyen érthető, de nem mindig biztosítja a teljes fa optimálisságát. Végül a Pareto határ közelítési módszer is megtalálható a tárgyalt programokban, és nagyon hatékonyan képes megjeleníteni például egy buborékdiagramon, ahogyan azt a Clafer Multi-Objective Optimizer is megtestesíti.

A fennmaradó összehasonlítási paraméterek elemzésekor meg kell jegyezni, hogy a legtöbb szoftverterméket a többszempontú elemzés területén dolgozó szakemberek számára szánják, mivel a velük való munkavégzéshez szükséges szakmai kompetencia szintje nagyon magas. Az olyan termékek azonban, mint az 1000Minds, a Clafer MOO, a D-Sight, a Decision Lens és a MakeItRational speciális ismeretek hiányában is használhatók a döntéshozatalra. - 1000Minds, D -Sight és MakeItRational. Az első csak online szavazást biztosít, a második az egyes csoporttagok véleményét súlyozza, az utolsó pedig az összes egyéni vélemény figyelembevételével számítja ki a csoport átlagértékét. A legtöbb termék webalapú (kivéve a Criterium DecisionPlus, a Hiview3, a Logical Decisions és az M-MACBETH), és alig a fele biztosítja az adatok és eredmények Excelbe történő importálását és exportálását.

2. táblázat: Szoftverek összehasonlítása az eredmények elemzési jellemzői szerint

Szoftvernév	Vizuális grafikonok	Összes értékek	Érzékenységvizsgálat	2D térképek	Írásos jelentés


Clafer Multi-Object. Optimalizáló
Kritérium Döntés Plusz





Logikai döntések

Az 5. táblázat azt tükrözi, hogy az összes figyelembe vett szoftvertermék lehetőséget biztosít az eredmények grafikus megjelenítésére. A legalább néhány termékben jelenlévő megközelítések közé tartozik az alternatívák vizualizálása pók-cys, tornádó, hőmérő, kör- és buborékdiagramon keresztül. A koncessziós módszeren alapuló szoftvertermékekben az eredmények elfogadható értéktartományokként jelennek meg, és tartalmazhatnak dominancia összefüggéseket és az optimális megoldások területének grafikus ábrázolását. A legtöbb program támogatja az érzékenységelemzés hagyományos módszerét, néhányan statisztikai megközelítést is alkalmaznak az elemzéshez, amely a parametrikus modell különféle módosításaiból és az eredmények későbbi változásának megfigyeléséből áll. Ez lehetővé teszi az alternatívák valószínűségi sorrendjének meghatározását vagy azon esetek százalékos arányát, amikor az egyik alternatíva dominál a másikkal szemben. A koncessziós módszerben az intervallumok használata önmagában már az érzékenységvizsgálat egy fajtájának tekinthető. Valamiféle kétdimenziós térképek jelen vannak a legtöbb szoftvertermékben. A kritériumok a tengelyeknek, az alternatívák pedig a megfelelő koordinátákkal rendelkező pontoknak felelnek meg a grafikonon. Egyes programok lehetővé teszik, hogy írásos jelentést készítsenek, amely tükrözi a fő eredményeket, és elmagyarázza azokat a felhasználónak.

2 . Több szempontú döntéshozatali módszerek

2.1 A mérlegelendő módszerek kiválasztása

A többszempontú döntéshozatal tudományága viszonylag fiatal: az 1970-es években jelentek meg az első munkák ezen a tudományterületen, az MMRM gyakorlati problémák megoldására való alkalmazására pedig az 1980-as években utaltak (Wallenius et al., ). . Ennek ellenére tovább Ebben a pillanatban több mint hetven különböző módszert fejlesztettek ki már többkritériumos problémák megoldására (Aregai Tecle, ). Az összes létező módszer részletes átgondolása jelen munka keretein belül nem tűnik szükségesnek és lehetségesnek, ezért a vizsgált módszerek köre korlátozott. A módszerek kiválasztásához használt kritériumok a következők:

1. A módszer népszerűsége(aszerint mérve, hogy a módszert milyen gyakran említik a szakirodalom 1970 és 2016 között)

2. A módszer alkalmazhatósága gyakorlati problémákra(az MMRM különböző üzleti területeken végzett feladatokra való alkalmazásának szakirodalmi elemzése alapján mérve)

3. A módszer eredetisége(a más népszerűbb módszerekben található technikákon alapuló módszereket nem vesszük figyelembe)

1. Hierarchiaelemzési módszer (AHP)

2. Nemlineáris programozás (NLP)

3. Kompromisszumos programozás (CP)

4. Kooperatív játékelmélet (CGT)

5. Displaced ideális módszer (DISID)

6. ELECTRE módszer (ELEC)

7. Érzékenységértékelési és -elemzési módszer (ESAP)

8. Célprogramozás (CPU/GP)

9. Többszempontú hasznosságelmélet (MAUT)

10. Többszempontú Q-elemzés (MCQA)

11. A kompromisszumos fejlesztés valószínűségi módszere (PROTR)

12. Zayonz-Wallenius módszer (Z-W)

13. STEM módszer

14. SWT módszer

15. PROMETHEE módszer (PRM)

Ezeknek a módszereknek a népszerűségét és alkalmazhatóságát a legkülönbözőbb területeken a különböző problémákra jól mutatja a táblázat (lásd 1. melléklet), ahol az egyes módszereket összehasonlítják az alkalmazását ismertető tudományos publikációkkal, ill. konkrét feladatokat, amelyek ezekben a művekben játszódtak.

2.2 A módszerek rövid leírása

Hierarchiaelemzési módszer (AHP)

A hierarchiaelemző módszer egy olyan matematikai döntéshozatali eszköz, amely figyelembe veszi a pszichológiai szempontokat. A módszert T. Saati fejlesztette ki. Lehetővé teszi a rendelkezésre álló alternatívák egyszerűsítését, amelyeket különféle mennyiségi és minőségi kritériumok szerint kell értékelni. A rendezés a döntéshozó preferenciáira vonatkozó információk alapján történik, amely számszerűen van kifejezve, és lehetővé teszi az alternatívák összértékének az összes paraméterre vonatkozó értékét. A legmagasabb összértékű alternatíva a legjobb. A módszert széles körben alkalmazzák a gyakorlatban. Használatához kövesse az alábbi lépéseket:

1) Bontsa fel a problémát a hierarchikus modelljének összeállításával, amelynek tartalmaznia kell magukat az alternatívákat, az értékelésük paramétereit és a megoldás megtalálásának végső célját

2) Hasonlítsa össze párban a hierarchia összes elemét, és határozza meg prioritásukat a döntéshozó preferenciái alapján.

3) Szintetizálja az alternatívák értékét lineáris konvolúció segítségével

4) Értékelje az ítéletek következetességét

5) Hozz döntést az eredmények alapján

A MAI előnyei:

A páronkénti összehasonlítás egyszerűsége, az eljárás megismerése a döntéshozók számára

Az alternatívák közvetlen értékelésének hiánya

Kvantitatív és minőségi paraméterek támogatása

Az ítéletek összhangjának ellenőrzése

Széles körű gyakorlati alkalmazhatóság

A MAI hátrányai:

Korlátozott számú alternatíva és paraméter az értékelésükhöz (együttműködés nagyszámú nehéz a döntéshozó számára)

A preferenciák torzulásának lehetősége az azonos típusú numerikus ábrázolás miatt

Indokolatlan additív vagy multiplikatív kritériumkonvolúció választása

2.3 Nemlineáris programozás (NLP)

A nemlineáris programozás a matematikai programozás speciális esete, és magában foglalja a célfüggvény vagy megszorítás nemlineáris formáját. Az ezzel a módszerrel megoldott feladat úgy fogalmazható meg, mint egy adott célfüggvény optimális értékének megtalálása olyan feltételek mellett, ahol paraméterek vannak, n a paraméterek száma, s a megszorítások száma.

A célfüggvény lehet konkáv vagy konvex. Az első esetben a döntéshozó a maximalizálás, a második esetben a minimalizálás problémájával szembesül. Ha a kényszert egy konvex függvény adja, akkor a problémát konvexnek tekintjük, és leggyakrabban a konvex optimalizálás általános módszereivel oldjuk meg. Ha a probléma nem konvex, akkor a lineáris programozási feladatok speciális megfogalmazásait vagy elágazó és kötött módszereket alkalmaznak, amelyek lehetővé teszik a probléma lineáris vagy konvex közelítéssel történő megoldását. Az ilyen közelítések egy szakaszon belüli összérték alsó korlátját képezik. A következő szakaszok során egy napon meg fog születni egy valós megoldás, amelynek értéke hasonló bármely közelítő megoldásnál talált legjobb alsó korláthoz. Egy ilyen megoldás lesz az optimális, de nem feltétlenül az egyetlen. Egy ilyen algoritmus bármikor leállítható, biztos lehet benne, hogy az optimális megoldás a talált legjobb megoldástól való elfogadható eltérésen belül van; az ilyen megoldásokat e-optimálisnak nevezzük.

A nemlineáris programozásban egymástól független szakaszok különböztethetők meg, például konvex, másodfokú, egész, sztochasztikus, dinamikus programozás stb.

2.4 Kompromisszumos programozás (CP)

A kompromisszumos programozási módszer ötlete hasonló a célprogramozási módszeréhez. A módszer technikája az "ideális" ponttól való távolság meghatározásán alapul. A legjobb megoldás megtalálásához minimálisra kell csökkenteni az ideális megoldástól való „távolságot”. Az ideális ponthoz minden szempontból legközelebb eső pont (megoldás) kompromisszumos megoldás. A megoldások halmaza is lehet kompromisszum.

A legjobb megoldás megtalálásának folyamata a következő lépéseket tartalmazza:

1) Határozza meg az alternatívák értékelésére szolgáló paramétereket és ezek súlyát!

2) Állítson össze egy alternatív értékelési mátrixot úgy, hogy minden egyes értékelési paraméterhez rögzíti az alternatívákkal kapcsolatos információkat.

3) Határozza meg az optimalizálás irányát mindegyik kritériumhoz (előnyösebb az értékek maximalizálása vagy minimalizálása).

4) Normalizálja a mátrixot oly módon, hogy az egy kifizetési mátrix (vagy kifizetési mátrix) formáját öltse.

5) Keresse meg az alternatívák legjobb és legrosszabb értékét az egyes kritériumokhoz.

6) Határozza meg az egyes alternatívák általánosított értékét az összes értékelési paraméterre vonatkozóan, felhasználva a kritériumok súlyát, valamint az egyes kritériumokhoz tartozó alternatíva értéke és a kritérium legjobb értéke közötti különbséget.

7) Az az alternatíva, amelynek értéke a legközelebb áll az ideálishoz, a legjobb megoldás.

A kompromisszumos programozási módszer előnyei:

Hasznosság a problémák megoldásában azon a megoldási téren, amelyben a döntéshozó hajlamos megbízni intuíciójában és tapasztalatában

2.5 A kooperatív játékok elmélete (CGT)

A kooperatív játék olyan játék, amely a játékosok együttes erőfeszítéseit foglalja magában. A kooperatív játékok elmélete azokat a konfliktusokat tárja fel, amelyek a játékosok között a közös döntéshozatal során keletkeznek. Mivel egy ilyen döntés meghozatalának általában több kritériuma van, és ezek gyakran egymásnak ellentmondanak, ezért az elméletet a többszempontú környezetben az egyik döntéshozatali módszerként alkalmazzák. Az elmélet azt vizsgálja, hogy a játékosok összefogásából milyen eredmények érhetők el és milyen feltételek mellett.

A kooperatív játékok tanulmányozása során felmerülő főbb feladatok:

1) A játékosok preferenciáit jellemző függvény meghatározása

2) Az optimális megoldás megtalálása a felek össznyereségének felosztására vonatkozóan

3) A megoldás dinamikus stabilitásának ellenőrzése

A megtalált megoldás akkor lehet egyedi, ha a teljes nyereség felosztása csak egyféle módon történhet, mindkét fél számára maximális hasznosság jellemzi. Ha több ilyen elválasztási módszer létezik, akkor az optimális megoldás többértékű lehet. Az egyetlen optimális megoldás az N-kernelre és a Shapley-vektorra jellemző, egy többértékű megoldás - a C-kernelre és a K-kernelre.

2.6 Eltolódva ideális módszer (DISID)

Ezt a módszert a legjobb megoldások meghatározására fejlesztették ki a megvalósítható megoldások halmazában, és a következő jellemzők jellemzik:

Az optimalizálás irányát meghatározó "ideális" megoldás kialakításának eljárása. Általában egy ilyen megoldás elérhetetlen, de jól tükrözi a döntéshozó céljait.

Minden iterációnál távolítsa el a legkevésbé előnyös megoldásokat. Így a legjobb megoldás a legrosszabb megoldások fokozatos kiiktatásával érhető el az eljárás minden lépésében.

A módszer alkalmazása során a következő lépések különböztethetők meg:

1) A dominált megoldások kizárása.

2) Az "ideális" megoldás kialakítása és a "legrosszabb" megoldás meghatározása.

3) A lehetséges megoldások pontjai és a "legrosszabb" megoldás pontja közötti távolság meghatározása

4) Az 1-3 szakaszból álló ciklus megismétlése, amíg a legoptimálisabb megoldások megengedett kis száma megmarad.

Ugyanakkor az alternatívák összevetése a kialakult „ideális” megoldással gyakran okoz elégedetlenséget a döntéshozóban a meglévő alternatívákkal, amit döntés előtti konfliktusnak nevezünk. A döntés utáni konfliktus olyan elégedetlenség, amely néhány alternatíva kizárása után következik be. A kezdeti iterációknál a megoldás előtt erős konfliktus van, amely a meglévő megoldások „ideálishoz” való közelítése miatt fokozatosan csökken, a megoldás utáni konfliktus éppen ellenkezőleg, nő, ami azt jelzi, hogy a döntéshozó nem tanulmányozta kellőképpen a problémát.

2.7 ELECTRE módszer

Az ELECTRE módszerben a kiválasztási eljárás 6 lépésből áll:

1) Az alternatívák minimális és maximális értékének meghatározása az egyes kritériumokhoz

2) A kritériumsúlyok meghatározása

3) Egy gráf felépítése minden kritériumhoz, amelyben a csúcsok a megoldáshalmaz egyes objektumai, és az ívek tükrözik az egyik objektum dominanciájának mértékét a másikkal szemben.

4) Értékmátrix összeállítása az ún. egyetértési és egyet nem értési indexekből a kritériumok fontossága és a döntési preferencia alapján.

5) A felsőbbrendűségi érték megállapítása minden objektumpárra, ha az egyik megoldás egyetértési indexének értéke túllép egy bizonyos küszöbértéket, és az egyet nem értési index értéke nem éri el ezt az értéket.

6) Általános felsőbbrendűségi gráf felépítése a megállapított korlátozások figyelembevételével

2.8 Érzékenységértékelési és -elemzési módszer (ESAP)

Az érzékenységértékelési és elemzési módszert eredetileg tervezési technikaként fejlesztették ki a területen környezet menedzsment alternatívák értékelésére vízkészlet. Az ESAP a kritériumok súlyának meghatározásán alapul az alternatívák helyes értékeléséhez. Az alternatívák elérhetőségének és vonzerejének értékelését a természeti és kulturális erőforrásokra gyakorolt hatásra vonatkozó információk, valamint ezen erőforrások fontosságára vonatkozó (kritériumsúlyok által meghatározott) és preferált értékekkel kapcsolatos információk kombinálásával határozzák meg. Az információkat több egyén vagy egyének egy csoportja megkérdezésével kell gyűjteni, hogy meghatározzák becsléseik érzékenységét az erőforrások fontosságára és preferált értékére vonatkozó megítélésbeli különbségekre, valamint az egyik vagy másik alternatíva választásának következményeivel kapcsolatos bizonytalanságra. Ma már nem csak a környezettervezésben alkalmazzák ezt a módszert, hanem más területeken is.

2.9 Célprogramozás (CPU/GP)

A célprogramozási módszer az MCO problémák megoldására szolgál, és a kritériumok rangsorolásán alapul, aszerint, hogy fontosak a döntéshozók számára. A megoldások keresésének fő feladata több, egymást követő részfeladatot tartalmaz az egyes kritériumok optimalizálására. Ugyanakkor az ilyen optimalizálás a célfüggvény szerint történik, és az érték egy kritériummal történő javítása nem érhető el az érték egy fontosabb kritériummal történő romlása rovására. Így a végeredmény a probléma legjobb megoldásának felfedezése lesz. Általában a célprogramozás módszerét alkalmazzák lineáris feladatok megoldására. Ugyanakkor a lineáris programozási módszertől való eltérése abban rejlik, hogy számos célt nem célfüggvényként, hanem kényszerként formalizálnak. Ezért a módszer alkalmazásakor meg kell határozni a célfüggvények kívánt értékeit és azokat a változó eltéréseket ezektől az értékektől, amelyek tükrözik a megoldáskeresés fő célja elérésének mértékét.

2.10 Több kritériumú hasznosságelmélet (MAUT)

A többszempontú hasznosságelmélet az egyik legnépszerűbb axiomatikusan igazolt módszer. Ezt az elméletet R. Keaney, G. Rife, P. Fishburne dolgozta ki. Az elmélet olyan axiómákon alapul, amelyek a döntéshozók preferenciáit írják le, és grafikusan, hasznossági függvényként jelenítik meg. A többcélú környezetben legszélesebb körben alkalmazható hasznossági axióma a következő axiómákat tartalmazza:

Teljes összehasonlíthatóság

tranzitivitást

Oldhatóság

Függetlenség preferencia szerint

Függetlenség a hasznosság által

Archimedes

A módszer nyilvánvaló munkaigénye ellenére fontos megjegyezni, hogy a talált megoldások matematikai indoklásával igazolható. Ezen túlmenően a módszer tetszőleges számú alternatíva értékelésére alkalmazható, és a többszempontú hasznosságelmélet döntéshozóival folytatott párbeszédei nagyon jól kidolgozottak.

A módszer fő lépései a következők:

1) Kritériumlista kidolgozása

2) Hasznossági függvény felépítése minden kritériumhoz

3) A formát meghatározó feltételek ellenőrzése közös funkció hasznosság

4) kapcsolat kialakítása az egyes kritériumok opcióinak értékelése és az opció általános vonzereje között a döntéshozók számára

5) Az összes elérhető lehetőség értékelése és a legjobb lehetőség kiválasztása

2.11 Több kritérium Q- DEelemzés (MCQA)

A többszempontú elemzésnek ezt a módszerét arra használják, hogy hatékony párbeszédet alakítsanak ki az ütköző felek között. Az MCQA-I, MCQA-II és MCQA-III lehetővé teszi az alternatívák értékelési szempontjainak fontossági sorrendbe állítását, maguk az alternatívák pedig a döntéshozók vonzereje szempontjából. A Q-analízist Ronald Atkin (1974, 1977) dolgozta ki a társadalmi rendszerek strukturális jellemzőinek tanulmányozásának megközelítéseként, amelyben a mutatók, jellemzők vagy jellemzők két halmaza kapcsolódik egymáshoz. Ezt követően a Q-analízist különféle területeken alkalmazták, mint például a sakkelmélet (Atkin és Witten, 1975), a rugalmas gyártási rendszerek (Robinson és Duckstein, 1986), a versenysport (Gould és Gatrell, 1980) és a várostervezés (Beaumont, 1984). ). A Q-elemzés elismerten hasznos eszköz az ökológiai vizsgálatokban, például a folyóvízi ökoszisztémák felmérésében (Casti et al., 1979) és a ragadozó-zsákmány kapcsolatok vizsgálatában (Casti, 1979). A Q-analízist a klinikai pszichológiában (Macgill és Springer, 1984), a geológiában (Griffiths, 1983), a közlekedési rendszerek kutatásában (Johnson, 1976), a vízelosztásban (Duckstein, 1983) és számos más összefüggésben is alkalmazták (Casti, 1979) . A Q-elemzés különösen hasznosnak bizonyult összetett rendszerekkel kapcsolatos problémák megoldásában, például orvosi képek modellezésekor. Ez a megközelítés megköveteli az adatkészletek és kapcsolataik szigorú meghatározását, és fel kell tárni a rendszeren belüli összekapcsolódásuk következményeit. A hozzávetőlegesen pontos adathalmazok megállapítása és azok összefüggéseinek vizsgálata után a Q-elemzés meglehetősen egyszerű számításokat tartalmaz, amelyekre nincs szükség további információ a rendszerről. A Q elemzési módszer algebrai topográfiai infrastruktúrát biztosít az adatok redukálásához, segítve a makroszkopikus rendszertervezési koncepciók egyszerűsítését. Ennek érdekében lehetőség nyílik olyan mutatók definiálására és értelmezésére, mint az összekapcsolhatóság mértéke, a decentralizáció és a komplexitás. A Q-elemzési megközelítés az információk rendezését is biztosítja. A Q-analízis a strukturális mátrixból generált viselkedési dinamika (úgynevezett backloth) elemzésével is összekapcsolható; az ilyen típusú tanulmányok (úgynevezett forgalom) a poliéderdinamikaként emlegetett diszciplínára támaszkodnak (Casti et al., 1979; Johnson, 1981).

2.12 A kompromisszumfejlesztés valószínűségi módszere (PROTR)

A többszempontú optimalizálási módszert elsősorban nemlineáris problémák megoldására használják a döntéshozó preferenciái alapján. A módszer magában foglalja az egyes segédfüggvények felépítését, hogy megtalálják a legjobb megoldást a problémára.

A megoldáskeresési eljárás 12 egymást követő szakaszból áll:

1) Célfüggvények vektorának kidolgozása

2) A legjobb és legrosszabb kritériumértékek vektorainak kidolgozása

3) A helyettesítési függvény megfogalmazása

4) Kiinduló megoldás megszerzése ennek a függvénynek a maximalizálásával, és ennek alapján célvektor kidolgozásával

5) A többkritériumú hasznosságfüggvény definíciója

6) Új helyettesítési függvény megfogalmazása

7) Alternatív megoldás generálása egy új helyettesítési függvény maximalizálásával és ennek alapján célvektor kidolgozása

8) Olyan vektor kidolgozása, amely összekapcsolja a vektorok célértékeit azok elérésének valószínűségével

9) A döntéshozó döntése arról, hogy a kritérium összes értéke kielégítő-e. Ha igen, akkor a kapott vektor a probléma megoldása, ha nem, akkor a 10. lépés kerül végrehajtásra

10) Annak a vektornak a kiválasztása, amelyben a célérték kapcsolata az elérési valószínűséggel a legnem megfelelő, és új valószínűség meghatározása

11) Új érvényes értékkészlet létrehozása

12) Új helyettesítési függvény megfogalmazása és a ciklus megismétlése a 6-tól a 12-ig szükséges mennyiség egyszer.

2.13 Zajonc-Wallenius módszer (Z-W)

A Zajonc-Wallenius módszer a súlyvektorok értékkészletének szűkítési eljárásán alapul.

Ennek az eljárásnak a lépései az alábbiak szerint írhatók le:

1) Súlyvektorok fejlesztése

2) A globális kritérium értékének kiszámítása (általában az érték az érvényes értékek halmazát alkotó sokszög egyik csúcsának felel meg)

3) A szomszédos csúcsokban lévő kritériumok súlyértékeinek kiszámítása, amelyek alatt ez a csúcs lehet az optimális megoldás

4) A becslések vektorának értékének kiszámítása ezekben a csúcsokban az egyes kritériumokhoz

5) A döntéshozói kritériumok vektorainak páronkénti összehasonlítása

6) A kritériumsúlyok értékére vonatkozó korlátozások kialakítása a döntéshozó megítélése alapján

7) A középpont meghatározása az elfogadható súlyok tartományában

8) Ismételje meg a 2-8. ciklust

Az összehasonlítás során a döntéshozó a következő ítéleteket fogalmazhatja meg:

Egy szomszédos kritériumvektor előnyösebb;

A kezdeti kritériumvektor előnyösebb;

Nincs egyértelmű preferencia.

Így a keresés szisztematikus, ami a legobjektívebbé teszi az eredményeket.

2.14 STEM módszer

A STEM módszer egy iteratív megoldáskeresési eljárás, amelyben több iteráció után a legjobb megoldást érik el. Minden ciklus tartalmaz egy számítási szakaszt és egy döntéshozatali szakaszt, vagyis magában foglalja az elemző és a döntéshozó közötti interakciót.

A módszer a Csebisev-távolság minimalizálásán alapul a megoldástér ideális pontjától. A távolságképletet és a mérhető teret meghatározó paraméterek a súlyegyütthatók normalizálásának módszerével változtathatók a döntéshozónak a megoldáskeresés előző szakaszában kifejezett preferenciái alapján. A keresési eljárás lehetővé teszi a döntéshozó számára a kiválasztást jó döntéseketés meghatározza a kritériumok relatív fontosságát. A döntéshozó minden iterációnál bizonyos kritériumok szerint javíthatja az alternatívák értékeit, másoknak engedve. Ugyanakkor a döntéshozónak minden kritériumnál meg kell jelölnie az engedmény maximálisan elfogadható összegét. A következő iteráció végrehajtásához a döntés meghozatala után a döntéshozónak ki kell fejeznie preferenciáit azon kritériumok tekintetében, amelyek értékét javítani szeretné, illetve azokat, amelyeknél az érték már kielégítő a számára.

2.15 SWT módszer

Az SWT módszer egy többszempontú optimalizálási módszer, amely lehetővé teszi az összes szükséges Pareto-optimális megoldás megtalálását a probléma optimalizálási vektornak megfelelően. A módszer alkalmazásakor figyelembe kell venni, hogy a modellezésben, meghatározásban, értékelésben, sokszor egymásnak ellentmondó kritériumok összehasonlításában a rendszerelemző szerepét nem szabad összetéveszteni a döntéshozó szerepével. Míg az elemző felelős a Pareto-optimális megoldások és az alternatívák megfelelő értékeinek generálásáért, nem határozhat meg elfogadható és preferált engedményeket különböző, egymásnak ellentmondó kritériumok alapján. A döntéshozó felelős azért, hogy az elemző által elvégzett számítási elemzés alapján preferenciális ítéleteket fogalmazzon meg. Ezen túlmenően, ha a kritériumértékek bármelyik halmazát már megszerezték, sokkal könnyebb a döntéshozótól becslést kapni a két kritérium közötti engedmény relatív értékére (értéknövekedés vagy -csökkenés), mint azok abszolút értékének becslése. átlagos értékek.

2.16 PROMETHEE módszer (PRM)

A PROMETHEE egy jól megtervezett döntéstámogató rendszer, amely lehetővé teszi az alternatívák értékelését és kiválasztását egy bizonyos halmazból, olyan kritériumok alapján, amelyek tükrözik az alternatívák előnyeit és hátrányait, valamint lehetővé teszi ezen alternatívák rangsorolását aszerint, hogy vonzóak a döntéshozók számára. .

A PROMETHEE nem követel meg szigorú ítéleteket a döntéshozók preferenciáinak tényleges szerkezetéről. Az alternatívák értékelése során a legfontosabb feladat az, hogy információt szerezzünk arról, hogy valamelyik alternatíva legalább annyira vonzó-e, mint egy másik. Az első lépésben meghatározandó ún. preferenciaviszonyok alapján történik az alternatívák rangsorolása.

Fontolja meg a fő lépéseket:

1) Egy preferenciafüggvény meghatározása

A kiindulópont egy értékelési mátrix kialakítása, amely tükrözi az alternatívák vonzerejét az egyes kritériumok esetében. A pontozási mátrixban található információk alapján az alternatívákat páronként hasonlítják össze az egyes kritériumok tekintetében. Az eredményeket preferenciafüggvények fejezik ki, amelyeket az egyes opciópárokra számítanak ki, és 0-tól 1-ig terjedhetnek. Míg a 0 azt jelzi, hogy nincs különbség az opciók között, az 1 nagy különbséget jelent.

2) Az opciók preferálási fokának értékelése

A teljes értékmátrixot az egyes kritériumokhoz tartozó alternatívák értékének a megfelelő kritérium súlyával megszorozva kapott értékek alapján állítják össze. Ebben a mátrixban az egymás utáni összes érték összege az alternatíva dominanciájának (vonzóképességének) mértékét tükrözi. Az összes érték összege egy oszlopban azt jelzi, hogy az alternatívát mennyire elnyomják mások. Lineáris rangsort kaphatunk, ha a szubdomináns értéket kivonjuk a domináns értékből.

A döntéshozó köteles beállítani a kritériumok súlyait és kiválasztani a preferenciafüggvényt. A PROMETHEE nem utal ezeknek a súlyoknak egy speciális meghatározására, hanem feltételezi, hogy a döntéshozó képes helyesen beállítani a súlyokat, legalábbis akkor, ha a kritériumok száma nem túl nagy. A súlyozási tényezők meghatározása mindig szubjektív. Ezért a döntéshozatali folyamat fontos részévé válik az érzékenységelemzés, amely azt tükrözi, hogy a választott súlyok mennyire befolyásolják az eredményt.

A PROMETHEE módszeren belül különféle eszközöket és modulokat fejlesztettek ki. A következő 3 eszköz különösen hasznos lehet egy értékelési probléma elemzéséhez:

PROMETHEE I az alternatívák részleges értékeléséhez,

PROMETHEE II a teljes rangsorért,

GAIA a megoldások megjelenítéséhez.

3. A módszerek osztályozásának kidolgozása

A legmegfelelőbb többszempontú módszer kiválasztásának problémája egy adott szituációban önmagában is több szempontú probléma, mivel több kiválasztási kritérium létezik, és ezek eredendően ellentmondanak egymásnak (AI-Shemmeri et al., ). Ezért a felsorolt módszereket a vonatkozó szempontok szerint kell értékelni, hogy össze lehessen hasonlítani őket. Ezen kritériumok meghatározásához figyelembe kell venni azokat a szempontokat, amelyek a módszerek alkalmazásában eltéréseket okoznak. A következő szempontokat vagy kritériumcsoportokat szokás kiemelni (Mollaghasemi és Pet-Edwards, ):

1) A feladat jellemzői

2) A döntéshozó jellemzői

3) A kapott megoldás jellemzői

Egy adott helyzetben az a legalkalmasabb alkalmazási mód, amelynek technikája a legjobban illeszkedik a megoldandó probléma és a döntéshozó jellemzőihez, és a kapott eredmények helyesen értelmezhetők és hasznosak a döntéshozó számára.

A megfontolásra elfogadott tizenöt módszert tehát a három kiválasztott szempontot leíró kritériumok alapján kell értékelni. Ebben a munkában minden szempontot (kritériumcsoportot) a megfelelő szakasznak szentelünk, amely a kritériumok leírását és a módszerek e kritériumok szerinti összehasonlítási táblázatát tartalmazza. A módszerek értékelése az MMRM összehasonlításán alapul Aregai Tecle és Ozernoy V.M. munkáiban. , valamint a gyakorlati problémák megoldására szolgáló módszerek alkalmazásának áttekintése Bardossy, Khalili, Brans és mások munkáiban.

3.1 A módszerek megfelelőségének értékelése a megoldandó probléma jellemzőinek

Mindenekelőtt meg kell határozni, hogy az alkalmazott módszer megfelel-e a vizsgált probléma jellemzőinek. A többszempontú feladatok több egymást kizáró jellemzőpárral írhatók le. Például, ha a probléma egy matematikai programozási probléma, akkor a megoldást úgy kaphatjuk meg, hogy szisztematikusan keressük a lehetséges alternatívákat az elfogadható döntési halmazban, míg a döntéselemzési problémák általában véges és viszonylag kis számú alternatíva létezését feltételezik, a amelyek értékelése hatékony megoldáshoz vezet. Az MCO probléma megoldásához szükséges mennyiségi és minőségi információk elérhetőségét tükröző másik, egymást kizáró jellemzőpár szintén nagy jelentőséggel bír a megfelelő MMRM kiválasztásánál. Ha a probléma minőségi kritériumokat tartalmaz, akkor matematikai programozási technikák nem használhatók a megoldására. A feladat dinamikus jellege is nagymértékben behatárolja az alkalmazható módszerek körét, hiszen csak néhány MMRM támogatja az ilyen típusú feladatokat (Szidarovszky és Duckstein, , ). A probléma mértéke, a kritériumok és alternatívák számával mérve, szigorú fogalmi és számítási korlátokat szab a rendelkezésre álló módszerek halmazára. És végül a probléma linearitást vagy nemlinearitást leíró paraméterei közötti strukturális kapcsolatokat is figyelembe kell venni a módszerek összehasonlításakor, mivel sok MMRM kizárólag lineáris programozási problémák megoldására szolgál.

Így az MMRM alkalmazhatóságának értékelését a megoldandó probléma jellemzőinek megfelelően úgy kell elvégezni, hogy hat kérdésre pozitívan vagy negatívan válaszolunk az MMRM következő lehetőségeiről:

1) Minőségi kritériumokat tartalmazó feladatok megoldása

2) Választás véges számú alternatíva közül

3) Nemlineáris feladatok megoldása

4) Nagy léptékű problémák megoldása (nagyszámú kritériummal és alternatívával)

5) Problémák megoldása végtelen számú alternatívával

6) Dinamikai feladatok megoldása

Az MMRM alkalmazhatóság szerinti összehasonlító táblázatában a megoldandó probléma jellemzőinek megfelelően (lásd 3. táblázat) a fenti kérdésekre adott pozitív és negatív válaszokat bináris formában, azaz 1-es, illetve 0-s számokkal mutatjuk be. . Az egyértelműség kedvéért a pozitív választ tartalmazó cellák színnel vannak kiemelve. Az értékelés az MMRM alkalmazásának tapasztalatain alapult, amelyet számos tudományos cikk szerzője és az MCO területén dolgozó szakember, például Aregai Tecle, Gershon és Duckstein, Brans, Brink és munkatársai szerzett. (1986), Khalili et al.

3. táblázat A módszerek megfelelőségi táblázata a probléma jellemzőivel

Minőségi információfeldolgozás	Nemlineáris probléma	nagy kihívás	Dinamikus feladat	Végtelen számú alternatíva	Véges számú alternatíva

3.2 A módszerek döntéshozói jellemzőinek való megfelelésének értékelése

Természetesen megfontoláshoz szükséges az is, hogy az alkalmazott módszer megfeleljen a döntéshozó képességeinek. A döntéshozó interaktív döntéshozatali folyamatba való bevonásának mértéke, valamint az, hogy a döntéshozó mennyi idő alatt állhat rendelkezésre az interakcióhoz, rendkívül fontos jellemzők, amelyek súlyosan korlátozhatják a megfelelő MMRM-ek körét. Ezenkívül fontos figyelembe venni a döntéshozó azon képességét, hogy jelezze preferenciáit, mielőtt elkezdené a legjobb megoldás megtalálásának folyamatát. Ha a preferenciák nem fejezhetők ki, akkor a probléma megoldására nem tekinthetők alkalmasnak az utólagos módszerek, amelyekhez a preferenciákra vonatkozó szükséges információkat a megoldáskeresés megkezdése előtt meg kell szerezni.

A döntéshozónak az MMRM működési elveinek megértésének mértéke is korlátozhatja azok alkalmazását. Az MCO területén speciális ismereteket igénylő módszerek kevésbé vonzóak a döntéshozók számára, mint az intuitív módszerek, elsősorban a kapott eredmények értelmezésének bonyolultsága miatt. Például az SWO módszer alkalmazásához egy komoly szakmai képzés a CIE területén, míg az ELECTRE módszer ezzel szemben gyakorlatilag nem igényel speciális ismereteket, csak diszkrét értékekkel alkalmazzák.

Ezen túlmenően figyelembe kell venni a feladat megoldásáért felelős elemzőhöz (MCO szakértő) közvetlenül kapcsolódó jellemzőket is. Például meg kell határozni, hogy az elemző rendelkezik-e speciális ismeretekkel a döntéstámogató szoftverek használatában.

Az MMRM összehasonlításának eredményeit az alkalmazhatóság szempontjából a döntéshozó jellemzőinek megfelelően a 4. táblázat mutatja be (lásd 4. táblázat). Az értékelés egy 1-től 10-ig terjedő skálán történt. Az egyértelműség kedvéért az egyes kritériumok legmagasabb értéket tartalmazó cellák színnel vannak kiemelve.

4. táblázat A módszerek megfelelőségi táblázata a döntéshozók jellemzőivel

A döntéshozó szükséges szintű ismerete az MCO területén	A döntéshozókkal való interakció mértéke	Rendelkezésre álló DM idő	A szükséges információmennyiség a döntéshozók preferenciáiról	MCO területen szükséges szakember kompetencia szintje





mestermunka, hozzáadva 2011.04.26 Az elemzési módszerek csoportosítása. A döntéshozatalhoz szükséges információk összegyűjtése, tárolása. Az operatív és intellektuális elemzések eredményeinek előkészítése azok hatékony fogyasztói észlelésére és az alapján megfelelő döntések meghozatalára. ellenőrzési munka, hozzáadva 2010.02.15 Hasonló fejlemények elemzése a „kiválasztást segítő rendszerek” kiépítése terén. A többszempontú megközelítés lényege. Felhasználói felület fejlesztési technológia. Programfejlesztés tervezése különféle módszerekkel. Hálózati gráf készítése. szakdolgozat, hozzáadva: 2013.01.26 A vállalkozás tevékenységeinek irányítására szolgáló információs rendszerek osztályozása. Piacelemzés és Business Intelligence osztályrendszerek jellemzői. A DSS-ben használt döntéshozatali módszerek osztályozása. Üzleti intelligencia platform kiválasztása, összehasonlítási kritériumok. szakdolgozat, hozzáadva: 2016.09.27 Lineáris algebrai egyenletrendszerek megoldási módszereinek jellemzői, a numerikus módszerek főbb típusai és a Delphi 5.0 szoftvertermék alkalmazása, mint leghatékonyabb. Gauss, Gauss-Jordan és Jacobi módszereinek lényege, a Seidel-módszer jellemzői. szakdolgozat, hozzáadva 2010.06.25 A számítógépes szteganográfia elvei. Az információrejtés módszereinek osztályozása. A legkevésbé jelentős bitcsere módszer népszerűsége. A palettabővítési és blokkrejtő módszerek lényege. Módszerek alkalmazása GIF-képekre. Algoritmusok megvalósítása. szakdolgozat, hozzáadva 2013.02.17 A vezérlőobjektum rövid leírása, a funkcióit megvalósító meglévő analógok áttekintése és elemzése. Szoftverrendszer architektúra fejlesztése, az alkalmazás hatékonyságának tesztelése, értékelése. A szoftvertermék telepítése és használata. szakdolgozat, hozzáadva 2015.02.05 Ember-gép komplexumok kifejezetten a döntéshozatalhoz. A döntéshozatali folyamat és szakaszai. Új megoldások keresésének módszerei: döntési fa, morfológiai táblázatok, ötletkonferenciák. A trendek matematikai értékelésének elve. szakdolgozat, hozzáadva 2009.07.30 Az SQL Server DBMS architektúrájának áttekintése. Ismertesse és elemezze azokat a területeket, ahol üzleti intelligencia eszközöket használnak, mint például a többdimenziós adatelemzés és adatbányászat. Felülvizsgálat nyelvi eszközök, módszerek és a kapott információk kísérleti alkalmazása. szakdolgozat, hozzáadva: 2014.07.09 A technogén objektum biztonságának többszempontú irányítási rendszerének felépítése. A biztonsági alrendszerek összefüggéseinek figyelembevétele. Többszempontú alternatívák összehasonlításán alapuló szakértői döntéshozatali módszerek. Az analitikus hierarchikus megközelítés lényege.