1.

Uvod

Tema naeg projekta je Viekriterijsko programiranje. Na kolegiju Menadersko odluivanje susreli smo se sa pojmom viekriterijsko odluivanje te nauili da u procesu odluivanja esto nije mogue definirati samo jednu funkciju cilja. Rjeenje kojemu te imo i koje treba biti zadovoljeno obino ima vie kriterija. Primjerice, kod kupnje mobitela elimo ostvariti to bolju kvalitetu, brzinu, velik broj funkcija, ali i estetski izgled. Konano rjeenje predstavlja kompromis izmeu nekoliko zahtjeva koji su najee konfliktni. Od donositelja odluke zahtijeva se da odabere najprihvatljiviju alternativu. U tome pomau i metode viekriterijskog programiranja. Projekt se sastoji od pet poglavlja. Prvo poglavlje je uvod, u drugom poglavlju upoznajemo se sa odluivanjem i odlukama. Tree poglavlje donosi podjelu viekriterijalnog odluivanja dok etvrto poglavlje govori o metodama viekriterijalnog programiranja. U petom poglavlju donosimo primjer problema rasporeda policijskih patrola koji je rijeen metodom ciljnog programiranja, jednom od metoda viekriterijskog programiranja.

2. Pojam i definiranje odluivanja

Odluivanje je kao pojam u vrlo irokoj uporabi. Ono je prisutno u svakodnevnom ivotu, kako profesionalnom, tako i u privatnom. Donoenje odluke, odnosno odluivanje, staro je isto toliko koliko je staro ljudsko drutvo, odnosno ljudski rod. Svaka ljudska aktivnost poslje dica je nekog ranijeg procesa odluivanja ili je ona sama odluivanje. Odluivanje je po samoj definiciji proces koji traje odreeno (due ili krae) vrijeme, a zavrava donoenjem odluke. Trajanje procesa odluivanja, zavisno od vrste odluka, kree se u rasponu od djelia sekunde pa do dugotrajnijeg procesa koji se mjeri, ne samo satima i danima, ve mjese cima pa i godinama. I dok se odluka, npr. o tome to smo odjenuli danas, u pravilu donosi u jednom trenutku, istovremeno, npr. odluka o tome koji proizvodni program izabrati, na koje se trite kupaca orijentirati i slino, traje znatno due. ovjek se stalno, svakodnevno susree s odluivanjem. U suvremenim uvjetima rada i ivota, s obzirom da se ivi intenzivnije i bre, i odluivanje je neusporedivo ee i intenzivnije. U literaturi koja obrauje problematiku odluivanja susreemo brojne definicije odluivanja. Za H. Koontza i H. Weihricha1 odluivanje (decision making) bi se moglo definirati kao izabiranje smjera odnosno naina djelovanja izmeu vie inaica. U svezi s odluivanjem jest i davanje odgovora na sljedea pitanja: Gdje se neki posao mora obaviti (mjesto odluivanja)? Kada se odreeni posao mora obaviti (vrijeme odluivanja)? Kako se taj posao mora obaviti (nain odluivanja)? Tko e obaviti taj posao (osoba koja donosi odluke)

U svim definicijama odluivanja, zajedniko je to to se radi o izboru izmeu vie inaica pa bismo odluivanje mogli definirati kao proces izbora izmeu dvije ili vie mogunosti rjeavanja nekog problema. Dakle, za odluivanje je bitno da se radi o procesu, koji traje krae ili due vrijeme, u kojem se vri izbor izmeu najmanje dvije ili vie mogunosti, a da bi se rijeio problem zbog kojega smo se i odluili na odluivanje.
1

Harold Koontz, Heinz Wcihrich: Essentials of Management, Fifth Edition, Mc Graiv--Hill Publishing Company, New York, 1990.,

str. 108.

a) Pojam odluke2 Kada su u pitanju odluke, njih moemo lako definirati kao izbor izmeu vie alternativa. Ono to svaka odluka treba sadravati je: subjekt, objekt, strukturu ili sastav na koji se odluka odnosi i koju odluku treba realizirat aktivnosti koje treba izvrsiti radi realizacije odluke sustav ciljeva koje treba ostvariti kroz realizaciju odluke sustav ogranienja ili limitirajuih faktora termine, rokove, prostorne, vremenske kao i druge resurse sustav materijalno-tehnikog, financijskog i drugog osiguranja realizacije odluke.

S aspekta prirode problema o kojem se odluuje razlikujemo: strukturirane odluke donose se u okviru neke strukture i uvjetovane su tom strukturom i to su najee programirane odluke na niim razinama menadmenta nestrukturirane odluke - donose se u situacijama gdje nema stalnih uloga ni linija komunikacija. Neprogramirane odluke su na razini top menadmenta.

b) Rjeavanje problema i odluivanje

Rjeavanje problema je proces identificiranja razlike izmeu aktualnog stanja sustava i poeljnog stanja, te poduzimanje aktivnosti za uklanjanje uoenih razlika. Faze procesa odluivanja: 3 1. Priprema odluke (podfaze) 2 3

Identifikacija problema Definiranje zadatka Snimanje i analiza postojeeg stanja

Barkovi Draen, Menadersko odluivanje, Ekonomski fakultet u Osijeku Hunjak Tihomir, Nina Begevi, Teorija odluivanja, Fakultet organizacije i informatike, Varadin.

Traenje alternativnih rjeenja problema Vrednovanje svih alternativnih rjeenja

2. Donoenje odluke 3. Provoenje odluke 4. Kontrola provoenja odluke

STRUKTURIRANJE PROBLEMA

ANALIZIRANJE PROBLEMA

Slika 1: Proces odluivanja strukturiranje i analiziranje problema

Izvor: Hunjak Tihomir, Nina Begevi, Teorija odluivanja, Fakultet organizacije i informatike, Varadin.

3. Viekriterijalno odluivanje
U podruju gospodarenja, zbog sloenosti sustava, na viim razinama odluivanja proces donoenja odluka, po svojim osobinama, pripada viekriterijalnom odluivanju koje se koristi u situacijama kada postoji vei broj, najee konfliktnih kriterija, to predstavlja veliko priblienje stvarnim zadaama u procesima odluivanja. Karakteristike viekriterijalnog odluivanja 4: vei broj kriterija, atributa konflikti izemu kriterija neusporedive jedinice mjere rjeenje ovakve vrste problema je projektiranje najbolje akcije (alternative) ili izbor najbolje iz prethodno definiranog skupa akcija

Zadae iz skupine viekriterijalnog odluivanja mogu se klasificirati kao: vieatributativno odluivanje (VAO) ili viekriterijalna analiza (VKA) vieciljno odluivanje (VCO) Vieatributivno odluivanje Kriterij (definiranje) Cilj Atribut Ogranienja Akcije (alternative) Interakcije s donositeljima odluke Primjena atributima implicitan (loe definiran) eksplicitan neaktivna (ukljuena u atribute) konaan broj (diskretna) nije izrazita izbor/evaluacija Vieciljno odluivanje ciljevima eksplicitan implicitan aktivna beskonaan broj (kontinuirana) izrazita projektiranje

http://bib.irb.hr/datoteka/407750.mag-rad-vlah-final.pdf

a) Vieatributivno odluivanje (Multiple attribute decision making) Metoda se temelji na atributima koji slue u procesu ocjene ili evaluacije pojedinog kriterija. Vei broj atributa karakterizira pojedinu akciju (alternativu), a biraju se na temelju izabranih kriterija od strane donositelja odluke. Vieatributivno odluivanje se najee prikazuje u matrinom obliku.

Matrica odluivanja D=

Xij je vrijednost i-te akcije ai (i=1, ,m) u odnosu na j-ti atribut Aj (j=1,,n)

Skale mjerenja za kvalitative atribute: ordinalna skala - formira redoslijed akcija, te ne vodi rauna o relativnim razlikama izmeu skala intervalna skala - osigurava jednake intervale izmeu akcija i oznaava odstupanje akcija od unaprijed definirane referentne akcije skala odnosa - osigurava jednake intervale izmeu akcija i oznaava odstupanje akcija od referentne akcije koja nije unaprijed definirana

b) Vieciljno odluivanje Za vieciljno odluivanje karakteristino je da sve do sada razvijene metode imaju slijedee zajednike osobine: skup ciljeva koji mogu biti kvantificirani, skup dobro definiranih ogranienja,

 proces dobijanja trade-off informacija (eksplicitnih ili implicitnih) o identificiranim ciljevima (koji recimo nisu kvantificirani). Posljednja osobina je po sebno znaajna. Naime, veinu realnih ciljeva je vrlo teko kvantificirati, pa je za koritenje metoda iz ove grupe (vieciljno odluivanje), potrebno raspolagati procesom ko ji bi bio u stanju da osigura odreenu razinu kvantifikacije svih ciljeva.

4. Viekriterijsko programiranje
U procesu odluivanja esto nije mogue definirati samo jednu funkciju cilja. Kriterija koje traeno rjeenje treba zadovoljavati obino ima vie. Kod izbora automobila, na primjer, bilo pri kupovini ili proizvodnji, elimo ostvariti to veu udobnost, brzinu i ubrzanje uz najmanju cijenu i utroak goriva. Problem prehrane trai zadovoljenje dnevnih potreba organizma uz najmanje trokove i minimalnu konzumiranu koliinu tetnih tvari. Kod planiranja proizvodnje eli se postii maksimalni doprinos za pokrie (kontribucija), tj. razlika izmeu prihoda i direktnih trokova, ali cilj moe biti i zadovoljenje potreba trita u to kraem roku. Izbor konanog rjeenja tada predstavlja kompromis izmeu nekoliko zahtjeva, esto suprotnih. Od donosioca odluke zahtijeva se da procijeni prihvatljivost ponuenog rjeenja i eventualno usmjeri proces optimizacije prema boljemu. Metoda viekriterijskog programiranja ima mnogo, od kojih svaka ima neke prednosti, ali i nedostatke. Ovdje e biti spomenute najpoznatije i najee koritene metode.

4.1.

Podjela metoda viekriterijskog programiranja

Viekriterijsko programiranje moe se podijeliti u dvije osnovne kategorije 5: 1. Metode optimalnog izbora (Multiple Attribute Decision Making Methods) koriste se u sluaju da treba izabrati najbolju mogunost izmeu ogranienog broja prethodno definiranih mogunosti. Svaka e mogunost biti opisana s nekoliko atributa, koji mogu biti kvalitativni i kvantitativni. Kao optimalno rjeenje odabire se mogunost iji su atributi po nekim kriterijima bolji od atributa ostalih mogunosti. Te e se metode koristiti, na primjer, pri

Kalpi Damir, Mornar Vedran, Operacijska istraivanja, Zagreb 1996.

kupovini elektronikog raunala kad treba izabrati najpovoljniju izmeu nekoliko ponuda raznih proizvoaa, pri odabiranju poslovnih partnera i slino. 2. Metode optimizacije s vie funkcija cilja (Multiple Objective Decision Making Methods) nisu povezane s izborom iz skupa prethodno definiranih rjeenja. Problemi kojima se te metode bave sastoje se od odreenog broja funkcija cilja koje treba mak simizirati ili minimizirati i skupa ogranienja koja se postavljaju na varijable modela. Takvi problemi imaju beskonano mnogo rjeenja. Kao primjer za tu grupu metoda moe se navesti problem smjese, prehrane, ili oblikovanja novog proizvoda. Svaka metoda viekriterijskog programiranja zahtijeva prisutnost ovjeka koji postavlja zahtjeve, usmjerava proces optimizacije i na kraju prihvaa ili odbija ponueno rjeenje. Za tu osobu, ili vie njih, uobiajeni je naziv donosilac odluke. Dalja podjela obiju grupa uslijedit e prema ueu donosioca odluke u procesu optimizacije.

4.2. Metode optimizacije s vie funkcija cilja

4.2.1. Osnovni pojmovi i definicije Problem optimizacije s vie funkcija cilja matematiki se moe prikazati kao max ( f ( x ) , f 2 ( x ) , . . . . . . . f k ( x ) ) gdje su fi(x), i=1,...,k funkcije cilja, uz ogranienja gj ( x ) < 0 , j=1, . . . , m x jest n-dimenzionalan vektor. Rjeavanjem k problema max fj (x) j = 1 , . . . , k uz ogranienja g(x) < 0 dobijemo k optimalnih rjeenja. Rjeenja mogu biti:

1. Savreno rjeenje rijetko e se postii zbog najee konfliktnih zahtjeva na funkciju cilja 2. Efikasno rjeenje takvo je rjeenje kod kojeg nije mogue postii poboljanje niti jedne funkcije cilja bez istovremenog pogoranja barem jedne od preostalih funkcija cilja. Drugim rijeima, ne postoji niti jedno rjeenje koje je po jednom kriteriju bolje, a
8

da po ostalima nije loije od njega. Za efikasno rjeenje nalazimo jo i sljedee nazive: nedominirano, neinferiorno ili paretovski optimalno rjeenje. 3. Efikasno rjeenje koje donosilac odluke prema nekim vlastitim mjerilima prihvati kao konano naziva se najbolje rjeenje. 4. Zadovoljavajue rjeenje ne mora biti ujedno i efikasno, ali ga donosilac odluke prihvaa u nemogunosti da svojim znanjem, sposobnostima, ili metodom koju koristi doe do boljega

Za ilustraciju navedenih pojmova moe posluiti sljedei primjer. Potrebno je maksimizirati dvije funkcije cilja max f1 = x1 + x2 max f2 = x2 - x1 Uz ogranienja:

3 , 0

Skup dozvoljenih rjeenja X i funkcije cilja u svojim optimumima prikazani su na slici 1 Skup dozvoljenih rjeenja nalazi se unutar konveksnog skupa ABCD, dok se skup efikasnih rjeenja nalazi na duini BC. Na slici 2 prikazana je ovisnost meu iznosima rjeenja za funkcije cilja. Konveksni skup ABCD tu predstavlja skup funkcionalnih vrijednosti. Donosilac odluke moe sada izabrati najbolje rjeenje iz skupa efikasnih rjeenja, tj. sa spojnice optimalnih rjeenja BC.

Slika 1 Skup moguih rjeenja Izvor: Kalpi Damir, Mornar Vedran, Operacijska istraivanja, Zagreb 1996.

Slika 2 Skup funkcionalnih rjeenja Izvor: Kalpi Damir, Mornar Vedran, Operacijska istraivanja, Zagreb 1996. Openito postoje dva pristupa u rjeavanju linearnog problema optimizacije s vie funkcija cilja. Prvi pristup sastoji se u optimizaciji jedne funkcije cilja dok se na ostale dodaju ogranienja koja predstavljaju ciljeve koji se u procesu moraju postii. Takav pristup naziva se ciljno programiranje i moe se formulirati kao

max fi(x) uz uvjete g(x) 0 fj(x) aj, j=1,...,k ji

10

aj jest cilj koji elimo postii za funkciju cilja j.

Drugi pristup, ekvivalentan traenju efikasnog rjeenja, ukljuuje optimizaciju nove funkcije cilja k max wi fi(x) i=1 uz uvjete

g(x) 0

wi jesu teine ili ponderi koji se obino normaliziraju tako da je k

i=1

wi = 1 ,

wi > 0

Naravno, kod sloenijih modela nije mogue unaprijed odrediti ciljeve odnosno teine, tako da oba postupka, u jednostavnu obliku u kojem su prikazana ovdje, nisu prikladna za rjeavanje problema iz prakse. To, naravno, ne znai da se njihovom doradom ne mogu dobiti efikasni i vrlo upotrebljivi algoritmi.

4.2.2. Metode kod kojih se informacije o preferencijama daju prije rjeavanja problema Donosilac odluke, odluivi se za jednu od ovih metoda, duan je saopiti svoje preferencije prije nego zapone s rjeavanjem problema, a nakon formiranja modela. Informacije mogu biti kardinalne ili mjeovite (kardinalne i ordinalne). Kod zadavanja kardinalnih informacija preferencije e biti definirane nekim brojanim iznosom, dok e se u sluaju ordinalnih informacija funkcije cilja zadavati redom prema znaenju.

11

a) Metoda globalnog kriterija Osnovna ideja metode vidljiva je ve iz naziva: sastoji se u optimizaciji nekog globalnog kriterija, npr. minimizaciji sume kvadrata udaljenosti od idealnih rjeenja za pojedine funkcije cilja.

b) Metode funkcije korisnosti Karakterizira stav donositelja odluke prema problemu donoenja odluke pri riziku i neizvjesnosti.

Slika 3 Osoba s averzijom prema riziku

Izvor:http://www.fonforum.org/download/treca/Teorija_odlucivanja/Teorija_Odlucivanja-skripta_for_dummies.p(17.05.2012.)

Slika 4 Osoba sklona riziku

Izvor:http://www.fonforum.org/download/treca/Teorija_odlucivanja/Teorija_Odlucivanja-skripta_for_dummies.p(17.05.2012.)

Slika 5 Sklonost riziku pri malim novanim iznosima

Izvor:http://www.fonforum.org/download/treca/Teorija_odlucivanja/Teorija_Odlucivanja-skripta_for_dummies.p(17.05.2012.)

12

c) Metoda ograniavanja funkcije cilja

Kod tih metoda donosilac odluke postavlja minimalne prihvatljive iznose na pojedine funkcije cilja kao to je ve prije bilo opisano i pristupa optimizaciji jedne od njih. max fr(x) g (x ) 0, ii fj(x) 1j,

i=1,...,m

j=1,...,k,

jr

Mogue je zadati i najvei dozvoljeni iznos, pa tako gornjim nejednadbama dodajemo jo i fj(x) hj, j=1,...,k, jr

Potekou kod koritenja te metode predstavlja zadavanje korektnih iznosa koje funkcije cilja moraju postii. Nedostatak informacija o ponaanju modela u trenutku zadavanja lako moe odvesti k nemoguem rjeenju, a odabiranje jedne od funkcija cilja za optimizaciju zapravo je degradiranje viekriterijalnosti. d) Leksikografska metoda Ova metoda polazi od predpostavke da je DO u stanju utvrditi strogu hijerarhiju izmeu kriterija. On treba odrediti takozvani leksikografski poredak kriterija. U ovom poretku su kriteriji poredani po prioritetu: na prvom mjestu se nalazi kriterij najvieg prioriteta i njega najprije treba optimizirati. Slijedi kriterij drugog prioriteta, koji se primjenjuje samo za ona rjeenja koja su optimalna po prvom kriteriju. Postupak se tim slijedom nastavlja dalje. Time se zadatak viekriterijalnog odluivanja svodi na rjeavanje najvie p zadataka jednokriterijske optimizacije. Zato se ova metoda zove i metoda sekvencijalnih optimizacija. 6

M. Vujoevi,Uvod u optimizaciju, Internet izvor,(http://www.laboi.fon.bg.ac.yu/download/MetOpt/uvoduvko.pdf)

13

e) Ciljno programiranje Ciljno programiranje je vrsta linearnog programiranja nastala s ciljem uklanjanja nedostataka i limitacija linearnog programiranja. Pojam se prvi put koristi u tekstu autora Abraham Charnes i William Wager Cooper. Tekst je opisivao modele linearnog programiranja s vie ciljeva. Ti ciljevi su najee konfliktni tako da se metodom ciljnog programiranja trai najbolje zadovoljavajue rjeenje s obzirom na dana ogranienja i ciljeve. Glavno obiljeje ciljnog programiranja je definiranje odstupanja od zadanog cilja. Na primjer, uzmemo li obian oblik cilja linearnog programiranja: Maksimiziraj profit, njega bi mogli preoblikovati u: Osiguraj x jedinica profita. Mogua stanja su da je profit manji, jednak ili vei od x. Situaciju s profitom manjim od x nazivamo nepoeljno odstupanje. Zadatak ciljnog programiranja je minimizirati nepoeljna odstupanja modela. 7

f) Interaktivne metode Sljedea, vjerojatno najvanija grupa metoda viekriterijskog programiranja, gdje donosilac odluke u toku optimizacije progresivno utjee na usmjeravanje procesa, naziva se interaktivnim metodama. U te metode spadaju: 1. Metode zadovoljavajuih ciljeva 2. STEM metode

4.2.3. Metode kod kojih se informacije o preferencijama daju naknadno Ta grupa metoda odreuje podskup efikasnih rjeenja i predoava ga donosiocu odluke koji na temelju nekih svojih naknadno zadanih preferencija iz toga podskupa izabire najbolje rjeenje. Najpoznatija metoda je metoda Variranje teine.

Ignizio, J. P. (1985). Introduction to Linear Goal Programming: Quantitative Applications in the Social Sciences. Sage Publications Inc.

14

4.3.

Metoda optimalnog izbora

Problemi koji se rjeavaju metodama optimalnog izbora sastoje se od nekoliko mogunosti izmeu kojih treba pronai najprikladniju. Svaka mogunost opisana je skupom atributa, a atributi mogu biti kvalitativni i kvantitativni.

U te metode spadaju: 1. Transformacija atributa 2. Metoda dominacije 3. Maximin 4. Maximax 5. Leksikografska metoda 6. Aditivna metoda 7. Metoda ELECTRE 8. Metoda TOPSIS 9. Metoda LINMAP8

http://www.cbmn.org/slike_i_fajlovi//fajlovi/fajlovi_o_nama/nagrada_cbcg/doktorat__zdenka_dragasevic.pdf (17.05.2012.)

15

5. Primjer rjeavanja problema razmjetaja gradskih policijskih patrola koritenjem leksikografskog ciljnog programiranja
Kao primjer koritenja ciljnog programiranja, odabrali smo problem rjeavanja problema razmjetaja (alokacije) policijskih patrola u indijskom gradu Delhiju. Primjer je rijeen u asopisu Information and Management Sciences [Sharma, Ghosh i Gaur, 2007, str. 173-188]. Iako je za primjer uzet dotini indijski grad, primjer se moe upotrijebiti na svakom gradu.

a) Opis primjera

Model razmjetaja policijskih patrola pomae policiji (odjel prometne policije) utvrivanje broja patrolnih vozila koji mora biti prisutan u odreenoj smjeni na odreenoj lokaciji u gradu (ulini segment). Takoer, ovaj model uzima u obzir prometnije dijelove grada i dijelove grada sa uestalijim prometnim nesreama te u skladu s tim informacijama usklauje broj patrolnih vozila na tim lokacijama.

Za kreiranje modela koristila se metoda leksikografskog ciljnog programiranja. Leksikografsko ciljno programiranje je, kao to je ve reeno ranije u radu, jedna od metoda ciljnog programiranja. U obzir se uzimaju razliiti ulini segmenti (skupine ulica) i smjene. U obradi primjera neemo se fokusirati na opisivanje naina rjeavanja problema putem leksikografskog ciljnog programiranja, jer je to ve napravljeno u prethodnim dijelovima ovog projektnog rada. Vie emo obratiti pozornost na same ciljeve koji trebaju biti postignuti, te na naine predstavljanja problema kako bi se mogla iskoristiti metoda leksikografskog ciljnog programiranja za njegovo rjeavanje. Za ovaj problem, kao to je ve reeno, uzeo se primjer indijskog grada Delhija. Za potrebe modela, ulice Delhija su podijeljene na tri ulina segmenta: meugradski ulini segment (povezuje dijelove grada Delhija sa ostalim gradovima u upaniji i ire), gradski

16

ulini segment (povezuje dijelove grada) te obilaznice. Ukupan broj radnih sati svakog patrolnog vozila podijeljen je u 3 smjene jednakog broja sati (8).

b)

Analiza (obrada) primjera

Prije svega, napominjemo da je tokom cijele analize primjera koritena prethodno spomenuta literatura, dakle [Sharma, Ghosh i Gaur, 2007, str. 173-188]. Stoga, neemo prilikom uzimanja svake jednadbe, formule ili nejdednadbe referencirati izvor, budui da bi to bilo nepregledno, pa smo zato napravili ovu napomenu. Za rjeavanje problema leksikografskom metodom ciljnog programiranja koritena je sljedea notacija: Indeksi: o o o o o o o o o predstavlja indeks ulinog segmenta predstavlja indeks smjene . .

Varijable i parametri: broj patrolnih vozila razmjetenih na ulini segment i u smjeni j. broj ulinih segmenata u gradu. ukupan broj smjena u jednom danu. ukupan broj dostupnih patrolnih vozila. ukupni budet dostupan za jedan dan, za sva patrolna vozila 9. prosjeni dostupni dnevni budet za svako patrolno vozilu u ulinom segmentu j. procijenjeni minimalni broj potrebnih patrolnih vozila na ulinom segmentu i u smjeni j. o procijenjeni maksimalni broj potrebnih patrolnih vozila na ulinom segmentu i u smjeni j. o ukupan broj patrolnih vozila na t-tom nizu povezanih ulinih segmenata o o . broj ulinih segmenata koji imaju jednaku gustou prometa minimalni broj patrolnih vozila dodijeljenih za ulini segment i.

Budet se odnosi na koliinu novca potrebnu za benzin te eventualne kvarove patrolnih vozila.

17

Definirani ciljevi (poredani po prioritetima, s time prvi cilj ima najvei prioritet): o Cilj 1, prioritet 1: Minimiziranje broja dodijeljenih patrolnih vozila o Cilj 2, prioritet 2: Minimiziranje ukupnog budeta o Cilj 3, prioritet 3: Osiguravanje dovoljnog broja patrolnih vozila za prometnije uline segmente tijekom specifinih razdoblja o Cilj 4, prioritet 4: Zadovoljavanje potreba manje prometnih ulinih segmenata i minimalnih potreba pojedinih smjena.

Takoer, zadana su i ogranienja kojih se treba pridravati tijekom izraunavanja cilja. Ta ogranienja su: Broj patrolnih vozila koja su dostupna za pojedine uline segmente u odreenim smjenama. To se ogranienje moe izraziti i ciljnom jednadbom:

Kao to je prikazano u objanjenju notacije, P predstavlja ukupan broj dostupnih vozila. Varijable i predstavljaju varijable odstupanja (specifine za ciljno programiranje, budui da se ciljno programiranje temelji na tome da se pokuava to je blie mogue pribliiti cilju, a razlika izmeu postignutog i planiranog cilja je varijabla odstupanja ili devijacije). predstavlja devijacijsku varijablu prekoraenja, a varijablu podbaaja. Budet policijska uprava ograniava dnevnu koliinu benzina koji patrolna vozila smiju iskoristiti. Ta ogranienja, naravno, ovise o duljini puta kojeg e patrolno vozilo morati prijei (tj. ovise o ulinom segmentu). Ciljna jednadba za ukupni budet izraava se: predstavlja devijacijsku

Donja i gornja granica patrolnih vozila odreuje se kako bi se osigurao dovoljan broj vozila na svakom ulinom segmentu. Te granice se odreuju
18

prema gustoi prometa i uestalosti prometnih nesrea na pojedinom ulinom segmentu. Ciljna jednadba za donju granicu izraava se:

Ciljna jednaba za gornju granicu izraava se:

Minimalna koliina patrolnih vozila po smjeni odreuje se prema gustoi prometa i uestalosti prometnih nesrea u odreenom ulinom segmentu. Da bi se utvrdila minimalna potrebna koliina vozila po smjeni, potrebno je izraziti ciljne jednadbe za svaki od tipova ulinih segmenata: o Ulini segmenti koji su spojeni:

s time da je

o Ulini segmenti koji imaju jednaku gustou prometa:

s time da je o Svaki ulini segment:

s time da je

I ovime je sada zavreno definiranje ciljeva i njihovih ogranienja. Prije nego to krenemo dalje, treba jo definirati smjene: = Izmeu 6.00 i 14.00 sati = Izmeu 14.00 i 22.00 sati = Izmeu 22.00 i 6.00 sati
19

Prva smjena Druga smjena Trea smjena -

U leksikografskom ciljnom programiranju sva ogranienja su fleksibilna zbog ve spomenutih varijabli odstupanja i prioriteta nad svakim ciljem. Sada emo pokazati ogranienja koja su postavljena:

Patrolna vozila o Ukupno 60 patrolnih vozila dodijeljuje se na 17 ulinih segmenata tijekom tri dnevne smjene. Ukupan broj patrolnih vozila moe se prikazati jednadbom:

Budet o Maksimalni dnevni dostupni budet iznosi 5500 indijskih rupija (Rs). Jednadba se moe izraziti:

Gornja i donja granica broja patrolnih vozila po ulinom segmentu o Kao to je ve spomenuto, ukupan broj dostupnih patrolnih vozila je 60. Kako bi se osigurao uvijek dovoljan broj vozila, potrebno je definirati minimalni broj patrolnih vozila na svakom ulinom segme ntu. Raspon izmeu donje i gornje granice broja vozila moe se zapisati pomou nejednadbe , gdje i predstavljaju procijenjene

vrijednosti minimalnog i maksimalnog broja patrolnih vozila u ulinom segmentu i za vrijeme trajanja smjene j. Slijedi prikaz gornjih i donjih granica za odgovarajue uline segmente, putem gore navedene nejednadbe: Interpretacija: Na ulinim segmentima 1, 2, 3, 4, 10 i 14 u prvoj smjeni minimalan broj patrolnih vozila je 2, a maksimalan 4. Za ostale nejednadbe interpretacije su identine (treba uzeti u obzir parametre).
20

 o Sada se gore navedene nejednadbe mogu prikazati kao ciljne jednadbe (uz dodane varijable odstupanja). Dakle, pojednostavljuje se zapis za svaki pojedini ulini segment i smjenu (nema vie varijable i koja odreuje ulini segment, sada se ciljna jednadba definira za svaki segment. U tablici 4.1. dan je prikaz navedenih ciljnih jednadbi. Kraj svake jednadbe u zagradi je napisan broj ogranienja. (1) i (2) su redni brojevi ogranienja za patrolna vozila i budet, pa je logino da se kree sa brojem (3) kao rednim brojem prve ciljne jednadbe ogranienja za gornju i donju granicu patrolnih vozila, po pojedinom ulinom segmentu. Osim ako se radi o sluaju da je donja granica jednaka nuli (nakon 70. ciljne jednadbe), vrijednosti u lijevom stupcu predstavljaj u ciljne jednadbe za gornju granicu (maks. broj) patrolnih vozila, dok one vrijednosti u lijevom stupcu predstavljaju ciljne jednadbe za donju granicu (min. broj) patrolnih vozila (uz vrijednosti odstupanja). Tablica 4.1. Ciljne jednadbe za gornju i donju granicu patrolnih vozila

21

22

Izvor: [Sharma, Ghosh i Gaur, 2007, str. 181-182] - Minimalna koliina patrolnih vozila po smjeni slijede ciljne jednadbe za odreivanje minimalnog broja patrolnih vozila po smjeni. Kao to je ve spomenuto, ta koliina se odreuje kroz 3 kategorije ulinih segmenata: o Ulini segmenti koji su spojeni:

(Interpretacija: vrijednost jednadbe iznad znai da na ulinim segmentima 7, 11, i 16, koji su spojeni, kroz prvu i drugu smjenu minimalna koliina potrebnih vozila, uz mogua odstupanja, iznosi 22. Na isti nain se interpretiraju ostale jednadbe, uzevi u obzir njihove parametre.)

23

o Ulini segmenti koji imaju podjednaku gustou prometa:

o Svaki pojedini ulini segment (dakle, minimalni broj potrebnih patrolnih vozila za svaki ulini segment u svakoj smjeni) :

24

s time da su

gdje su

25

c) Rezultati i zakljuak primjera

Problem koji je prethodno zadan postavljen je u odgovarajui softver, koji je napravljen pomou Microsoftovog IDE-a Visual C++. Ukupno je izvreno 39 iterativnih koraka kako bi se dobio zavrni rezultat. Rezultat u obliku rasporeda patrolnih vozila po ulinim segmentima u pojedinim smjenama prikazan je u tablici 4.2. Tablica 4.2. Rezultat kao raspored patrolnih vozila po ulinim segmentima i smjenama
Segment i

1
Smjena j

2 2 2 0

3 2 2 0

4 2 1 0

5 1 1 0

6 1 1 0

7 1 1 0

8 1 1 0

9 10 11 12 13 14 15 16 17 1 1 0 2 2 0 1 1 0 1 1 0 1 1 0 2 2 0 1 1 0 1 1 0 1 1 0

1 2 3

2 2 1

Izvor: [Sharma, Ghosh i Gaur, 2007, str. 185] Nakon provedene analize, zakljueno je da su postignuti ciljevi 1, 2 i 3. Naime, vidljivo je iz tablice da je broj ukupnih patrolnih vozila reduciran na 50 (cilj 1). Ukupni budet je reduciran sa 5.500 Rs na 5.250 Rs (cilj 2). Takoer, ispunjen je i cilj 3, tj. ispunjen je uvjet zadovoljenja broja patrolnih vozila na ulinim segmentima tijekom vee guve u prometu. Ipak, cilj 4 nije ispunjen, a s njime ni alokacija vozila u treoj smjeni. Nakon pristupa problemu pomou metode leksikografskog ciljnog programiranja, moe se zakljuiti da nije postignuto optimalno rjeenje (najbolje mogue), ali je postignuto zadovoljavajue rjeenje. to je najvanije, problemi iji je prioritet vii su rijeeni.

26

6. Zakljuak

U seminarskom radu su proueni aspekti viekriterijalnog programiranja u teoriji odluivanja te je naglaena opirnost i interdisciplinarnost polja rada. Odluivanje je staro koliko i svijet u kojemu ivimo i djelujemo. S novim vremenima dolaze i novi izazovi. Tako je pojavom interneta i novih informacijskih tehnologijama ivot eksponencijalno ubrzan. Samim time je i proces donoenja odluka preao iz kontinuiranog razmatranja alternative u akciju koja mora biti brza, precizna i kvalitetna. U radu je prikazan osvrt na metode viekriterijalnog odluivanja koje u konanici nisu problematine za implementaciju, a imaju svoju korisnost na svim razinama ivota. Navedene su prednosti i mane metoda, no razmislimo o njima u kontekstu svakodnevne upotrebe u poslovanju kroz primjer rjeavanja problema razmjetaja gradskih policijskih patrola koritenjem leksikografskog ciljnog programiranja. Teko se moe rei da su metode precizne za koritenje, izriito bez upotrebe nekog programskog rjeenja koje automatizira proces. No, njihova korisnost je neupitna te svakako ima svoje prednosti. Postoji niz razliitih pristupa problemu konanog odabira samo jedne alternative iz skupa ponuenih rjeenja ili problemu njihova rangiranja, najee zasnovano na nekom principu preferencije. Prilikom donoenja odluke pomaemo si prethodno navedenim metodama viekriterijalne optimizacije. Meutim, valja raunati i na brojne izvore neizvjesnosti vrijednosti s kojima se ulazi u problem viekriterijalnog programiranja i i neizvjesnosti uzrokovanih nedostatkom dostupnog znanja.

27

Literatura
Knjige: 1. Barkovi, D. Operacijska istraivanja u investicijskom odluivanju, Osijek: Ekonomski fakultet u Osijeku, 2004. 2. Kalpi, D., Mornar, V. Operacijska istraivanja, Zagreb: DRIP, 1996. 3. Peri, T. Viekriterijsko programiranje, Zagreb: Alka script, 2008. 4. Tepe, B. Viekriterijalno programiranje, Zagreb: Informator, 1978. Znanstveni lanci: 1. Tepe, B., Rjeenje problema unitavanja ciljeva metodom viekriterijalnog programiranja, Radovi TVA, 13(1977); 3 11. 2. Internet: 1. http://gradst.hr/~knezic/nastava/prezentacije/visekriterijalno_odlucivanje.pdf (12.5.2012.) 2. http://www.scribd.com/doc/16640211/Ciljno-programiranje (12.5.2012.) 3. http://matematika.fkit.hr/staro/izborna/referati/Daniela%20Petkovicek%20%20Linearno%20programiranje.pdf (13.5.2012.) 4. http://www.hupi.hr/zoran/Zoran%20Lukic%20-%20Portfelji%20-%20Seminarski%20rad.pdf (14.5.2012.) 5. http://www.fonforum.org/download/treca/Teorija_odlucivanja/Teorija_Odlucivanjaskripta_for_dummies.pdf (16.5.2012.) 6. http://bib.irb.hr/datoteka/407750.mag-rad-vlah-final.pdf (16.5.2012.) 7. http://www.facebook.com/l.php?u=http%3A%2F%2Fwww.scribd.com%2Fdoc%2F65614823 %2FVI%25C5%25A0EKRITERIJSKA-OPTIMIZACIJA&h=0AQE-qvA_ (16.5.2012.) 8. http://web.efzg.hr/dok/INF/Ceric/SPO/%282c%29_vi%C5%A1ekriterijsko_odlu%C4%8Diva nje.pdf (16.5.2012.) 9. http://web.efzg.hr/dok/OIM/dtipuric/7%20-Vi%C5%A1ekriterijsko%20odlu%C4%8Divanje2010.pdf (17.5.2012.) 10. http://www.scribd.com/doc/71739581/Teorije-odlucivanja Marti, Lj. Viekriterijalno programiranje, Zagreb: Informator, 1998.

28