Professional Documents
Culture Documents
Poslovno Odlucivanje II KLV
Poslovno Odlucivanje II KLV
Nakon sredjivanja prema izrazu za AV, za oba oblika eksponencijalne krive korinosti vazi:
AV=k.
Averzija prema riziku je konstantna, bez obzira na vrednost x. Ovakav donosilac odluke ispoljava
ujednacen odnos prema riziku za razlicite vrednosti ,͗ sto predstavlja dosta krut stav u realnim
uslovima poslovnog odlucivanja.
Nakon sredjivanja prema izrazu za AV, za logaritamsku krivu vazi:
AV=1/(x+b).
Averzija prema riziku se smanjuje sa povecavanjem vrednosti x. Znaci da sklonost ka riziku se
povecava sa povecanjem moguceg dobitka. Ovakav donosilac odluke se najcesce srece u praksi I
predstavlja tipicno ponasanje vecine ljudi. Ovakvo ponasanje je pozeljno u poslovnom
odlucivanju.
Nakon sredjivanja prema izrazu za AV, za kvadratnu krivu korisnosti vazi:
AV=2c/(b-2cx)
Averzija prema riziku se povecava sa povecanjem vrednosti x. Znaci da sklonost ka riziku se
smanjuje sa povecanjem manjeg dobitka. Ovakav donosilac odluke se retko srece u praksi, I
predstavlja ne tipicno ponasanje vecine ljudi. Ovakvo ponasanje nije pozeljno u poslovnom
odlucivanju. Izuzetak mogu biti situacije kada veci potencijalni dobitak nosi opasnost od
srazmerno velikog ili izuzetno velikog gubitka, u slucaju da se ne ostvari dobitak.
22. DONOSENJE ODLUKE POMOCU FUNKCIJE KORISNOSTI
Nakon konstrukcije krive korisnosti za aktuelnog donosioca odluke, sam postupak odlucivanja je
jednostavan I odvija se na sledeci nacin. Posmatraju se moguci ishodi pojedinih akcija I z ate
ishode se odredi indeks korisnosti. Zatim se za svaku akciju nalazi ocekivana korinost kao suma
proizvoda indeksa korisnosti za odgovarajuce ishode I verovatnoca pojave tih ishoda. Usvaja se
akcija kod koje je ocekivana korist najveca, ili u slucaju mogucnosti prihvatanja veceg broja
akcija, usvajaju se sve akcije koje imaju indeks korisnosti vecu od neke prethodno definisane
vrednosti. PROVERI DAL TREBA JOS NESTO
23. OSNOVE VISEATRIBUTIVNE TEORIJE KORISNOSTI
Visekriterijsko odlucivanje se odnosi a situacije odlucivanja kada postoji veci broj, najcesce
konfliktnih kriterijuma. Viseatributivna teorija korisnosti predstavlja verlo specifican deo
visekriterijumskog odlucivanja. Pod pojmom atribut podrazumeva se sredstvo merenja nivoa
dostizanja nekog kriterijuma il cilja. Svaka alternative u problematici viseatributivnog
odlucivanja, treba da bude okarekterisana vecim brojem atributa.
Problemi viseatributnog odlucivanja prisutni su u mnogim realnim situacijama, kako u
poslovanju, tako I u zivotu. U poslovanju to su npr:
1. Izbor menadzera (moguci atributi: iskustvo,znanje,rad sa ljudima..)
2. Izbor novog proizvoda (moguci atributi: nabavka sirovina,postojanje potraznje,posedovanje
opreme..)
3. Izbor dobavljaca sirovina (moguci atributi:kvalitet sirovina,cena,uslovi placanja..)
4. Izbor masine ili opreme (moguci atributi:kvalitet opreme,pouzdanost opreme,cena opreme..)
U zivotu pojdinca to su npr sledece situacije:
1. Izbor posla (moguci atributi: visina plate,uslovi rada,udaljenost od kuce..)
2. Izbor automobile (moguci atributi:cena,servis,pouzdanost,bezbednost,potrosnja..)
3.Izbor stana (moguci atributi:cena,lokacija,kvalitet,raspored prostorija..)
4. Izbor vikendice I slicno…
Prethodni primeri ukazuju na zivotnost I siroku mogucnst primene viseatributivnog odlucivanja,
ali I na njegovu slozenost. Ovde se cesto ne mogu koristiti rezultati dobijeni u jednoatributivnoj
teoriji korisnosti, gde se odluka donosila na bazi samo jedne dimenzije problema.
24. UVOD U VISEKRITERIJUMSKO ODLUCIVANJE
Danas postoji sve manje poslovnih problema odlucivanja gde se izbor vrsi samo na osnovu
jednog kriterijuma. Slozenost I viseslojnost poslovnog odlucivanja cesto zahteva
visekriterijumski model, odnosno visekriterijumsku bazu kao prolazi uslov za objektivnu
selekciju I izbor alternativnih resenja. Jasno je da podrucje u kome se donose strategijske I
ostale odluke u preduzecu, uglavnom zahteva primenu metoda visekriteriumskog odlucivanja.
Visekriterijumsko odlucivanje se odnosi na situaciju odlucivanja kada postoji veci broj
kriterijuma. Rangiranje alternative prema vecem broju kriterijuma istovremeno, doprinosi
realnosti resavanja takvih situacija. Klasicne optimizacione metode koriste samo jedan
kriterijum pri odlucivanju cime se u velkom broju slucajeva znacajno umanjuje realnost
analiziranog problema. Visekriterijumski pristup ima I svoju losu stranu a to je potreba za
koriscenjem znatno slozenijih matematickih modela za resavanje visekriterijumskih problema.
Pored velikog broja razlicitih modela, jos uvek ne postoji potpuno objektivna I pouzdana
metoda visekriterijumskog odlucivanja.
Podrucje primene VKO je veoma siroko, ali se mogu izvesti neke zajednicke karakteristike svih
kategorija problema koji se n ovaj nacin resavaju:
1. Veci broj kriterijuma, tj atributa, koje mora kreirati donosilac odluke
2. Konflikt medju kriterijumima, kao daleko najcesci slucaj kod realnih problema
3. Nesamerljive jedinice mere,jer svaki kriterijum,tj atribut ima razlicite jedinice mere
4. Projektovanje ili izbor. Resenje ove vrste problema sui li projektovanje ili izbor najbolje akcije
iz skupa.
Prema poslednjoj karakteristici, problem VKO se mogu klasifikovati u dve grupe:
1. Viseatributivno odlucivanje ili kako se u poslednje vreme sve vis naziva visekriterijumska
analiza. Ova grupa metoda resave problem izborom najbolje akcije iz skupa
2. Viseciljno odlucivanje. Ova grupa metoda resave problem projektovanjem najbolje akcije.
25. VISEATRIBUTIVNO ODLUCIVANJE
Pod pojmovo atribut podrazumeva sredstvo merenja nivoa dostizanja nekog kriterijuma tj cilja.
Svaka alternative u problematici viseatributivnog odlucivanja, treba da bude okarakterisana
vecim brojem atributa. Atributi se definusu na osnovu kriterijuma izabranih od strane
donosioca odluke. Umesto reci atributi koriste se I sledeci sinonimi kao sto su parameter
performanse, komponenta, faktor, osobina, karakteristika I slicno.
Problemi viseatributivnog odlucivanja se obicno predstavlja u matricnoj formi. Matrica
odlucivanja ima dimanzije mxn, gde m predstavlja broj akcija a n broj atributa. Elementi matrice
odlucivanja xᵢᵢ predstavljaju vrednosti i-te akcije u odnosu na j-ti atribut. Opsti oblik matrice
odlucivanja glasi:
x11 x x
12 ... 1n
x
O
x x
21 22 ... 2n
x x x
m1 m2
... mn
Jedan primer: Prilikom kupovine stana donosilac odluke ima na raspolaganju pet akcija:
a1 je stan 1, a2 je stan 2, a3 je stan 3, a4 je stan 4 I a5 je stan 5. Izbor se vrsi na osnovu sedam
atributa:
A1- cena stana
A2- lokacija stana
A3- kvalitet gradnje
A4- godine starosti zgrade
A5- raspored prostorija
A6- kvadratura
A7- spratnost
Pritom nam je data matrica odlucivanja izrazena u tabeli. Iz primera se vidi da se prema vrsti
ocene postoje kvantitativni I kvalitativni atributi, a prema vrsti zahteva postoje atributi sa
zahtevom za maksimizacijom I atributi sa zahtevom za minimizaciju. U modelima
viseatributivnog odlucivanja nastaju tri problema:
1. Na koji nacin uporedjivati kvantitativne I kvalitativne attribute
2. Na koji nacin uporedjivati atribute sa zahtevom za maksimizaciju I minimizaciju
3. Na koji nacin uporedjivati kvantitativne attribute izrazene razlicitim mernim jedinicama
U modelima viseatributivnog odlucivanja uvek postoji jos jedan problem odredjivanja tezinskih
koeficijenata kriterijuma. U nastavku se analiziraju neka moguca resenja navedenih problema,
kroz sledece postupke:
1. Transformacije atributa
2. Odredjivanje tezinskih koeficijenata kriterijuma.
Prednost ovog nacina je u tome sto se svi kriterijumi mogu izraziti merama koje imaju svoju
jedinicu.
Linearna skala transformacija – Osnovna varijanta linearne transformacije podrazumava da se
svaki element vektora-kolone iz matrice odlucivanja podeli se sa maksimalnom vrednoscu u toj
koloni. Prema tome transformisani izraz se dobija preko izraza:
gde je: i=1,2,… -broj akcije a j=1,2,.. –broj atributa.
Za prevodjenje minimizacije Aj u maksimizaciju Aj koristi se sledeci izraz:
Svaka vrednost se podeli sa zbirom vrednosti u toj koloni. Uradi se transformisana matrica
odlucivanja.
Korak 2. Odredjivanje entropije za svaki kriterijum
Entropija vrednosti transformisanih atributa kriterijuma odredjuje se prema izrazu:
Za svako j.
Korak 4. Odredjivanje tezinskih koeficijenata.
Tezinski koeficijenti odredjuju se prema izrazu:
Reazultate koraka 2,3 I 4 napisemo u tabeli, gde su date sve vrednosti. Metoda etropije vece
tezine aje kriterijumima prema kojima su ocene akcija rajvise rasplinute.
28. METODA JEDNOSTAVNIH ADITIVNIH TEZINA
Ona je jedna od metoda koja se daleko najcesce koriste pri resavanju problema VAO. Razlozi za
to leze u njenoj jednostavnosti, prakticnosti,jasnosci I konkretnosti dobijenih resenja. Sustina je
sledeca: donosilac odluke svakom atributu dodeljuje tezinu po znacajnosti, koja postaje
koeficijent uz promenljivu. Zatim se nalazi suma prozivoda transformisanih vrednosti atributa I
tezinskih koeficijenata atributa, za svaku akciju posebno. Bira se akcija sa najvecim zbirom.
Matematicki to se moze zapisati na sledeci nacin:
gde su:
_ - transofmirane vrednosti atributa.
Tezine atributa su najcesce normalizovane, pa je:
Skup nesaglasnosti ___ za akcije __ I __ se sastoji od svih kriterijuma, za koje __ nije pozeljnije
od __. To se zapisuje na sledeci nacin:
Indeksi saglasnosti uvek imaju vrenodnost 0________1, Veca vrednost ukazuje na vecu
pozeljnost akcije. U opstem slucaju matrica saglasnosti ima oblik:
Indeksi nesaglasnosti uvek imaju vrednosti: 0__________1. Veca vrednost ukazuje na manju
poeljnost akcije. U opste slucaju matrica nesaglasnosti ima oblik:
To znaci da akcija __ moze biti pozeljnija od akcije __ samo ako je njen odgovarajuci indeks
saglasnosti veci od praga indeksa saglasnosti.
Nakon odredjivanja praga indeksa saglasnosti formira se matrica saglasne dominacije.
To znaci da akcija __ moze biti pozeljnija od akcije __ samo ako je njen odgovaraju indek
saglasnosti manji od praga indeksa nesaglasnosti.
Nakon odredjivanja praga indeksa nesaglasnosti, formira se matrica nesaglasne dominacije.
Korak 8. Odredjivanje matrice agregatne dominacije
Ona predstavlja proizvod matrice saglasne dominacije I matrice nesaglasne dominacije.
Elementi matrice agregatne dominacije racunaju se na sledeci nacin:
To prakticno znaci da se idealno I negtivno idealno resenje sastoje od onoliko vrednosti koliko
ima kriterijuma. Kod idealnog resenja, te vrednosti se uzimaju kao najbolje vrednosti koje akcije
imaju u okviru svakog kriterijuma. Kod negativno idealnog resenja je obrnuto: vrednosti se
uzimaju kao najlosije vrednosti koje akcije imaju u okviru svakog kriterijuma.
Korak 4. Izracunavanje parcijalnih rastojanja
U ovom koraku racunaju se rastojanja do idealnog I negativno idealnog resenja. Pri tome se
koristi Euklidovo rastojanje:
Rastojanje akcije __ do idealnog resenja, dato je izrazom:
Rastojanje akcije __ do negativno idealnog resenja, dato je izrazom:
Gde vazi:
Najbolja je akcija ona koja ima najvecu relativnu bliskost idealnom resenju.
Korak 6. Rangiranje akcija
Po metodi TOPSIS, akcije se mogu rangirati u potpunom pocetku prema velicini __.
Prvi rang ima akcija sa najvecom vrednoscu I tako redom. Resenje je konzistentno sa resenjem
koje, za iste pocetne uslove odlucivanja, daje metoda ELECTRE I. Razlika je u tome sto je metoda
TOPSIS dala potpuni poredak akcija, dok je po metodi ELECTRE dobijen parcijalni poredak.