όχι asb (η δράση a στο κριτήριο Κ δεν είναι τουλάχιστο όσο καλή είναι η δράση b) Για ψευδοκριτήριο o
|
|
- Ρεία Ανδρέου
- 7 χρόνια πριν
- Προβολές:
Transcript
1 .3. Η οικογένεια των μεθόδων ELECTRE Η μέθοδος ELECTRE περιλαμβάνει μία οικογένεια πολύ κριτηριακών αλγορίθμων ανάλυσης που επινοήθηκαν στην Γαλλία την δεκαετία του 960. Προτάθηκε από τον Bernard Roy και τους συναδέλφους του στο LAMSADE 2 για την επίλυση ενός πολύκριτηριακού προβλήματος της εταιρείας που συμβούλευαν σχετικά με το ποια νέα προϊόντα συνέφερε να αναπτύξει. Η κλασσική μέθοδος με τους σταθμισμένους μέσους όρους παρουσίαζε προβλήματα και έτσι ο Roy επινόησε την μέθοδο ELECTRE. Η μέθοδος αυτή έγινε ευρύτερα γνωστή όταν δημοσιεύθηκε σε ένα γαλλικό περιοδικό επιχειρησιακής έρευνας 3 και από τότε και στη συνέχεια αποτέλεσαν κύριο ερευνητικό πεδίο απο όπου έχουν προκύψει οι συναφείς μέθοδοι ELECTRE I, ELECTRE II, ELECTRE III, ELECTRE IV, ELECTRE IS και ELECTRE TRI. Ο σκοπός της μεθόδου είναι να ξεχωρίσει τις εναλλακτικές δράσεις οι οποίες είναι προτιμητέες στην πλειονότητα των κριτηρίων και ταυτόχρονα δεν παραβιάζουν κάποια μη ανεκτά επίπεδα δυσαρέσκειας στα υπόλοιπα κριτήρια. Είναι κατάλληλη για τα προβλήματα στα οποία υπάρχουν τουλάχιστον τρία κριτήρια τα οποία είναι αρκετά ετερογενή (π.χ. κόστος, μερίδιο αγοράς, ικανοποίηση συνεργατών κλπ). Οι προτιμήσεις παριστάνονται κατά βάση χρησιμοποιώντας την σχέση μεταξύ δύο αντικειμένων S: τουλάχιστον καλή όσο. Έτσι για δύο δράσεις a,b ανά κριτήριο μπορούν να ισχύουν τα εξής: Για γνήσιο κριτήριο Κ o asb (η δράση a στο κριτήριο Κ είναι τουλάχιστο όσο καλή είναι η δράση b) o όχι asb (η δράση a στο κριτήριο Κ δεν είναι τουλάχιστο όσο καλή είναι η δράση b) Για ψευδοκριτήριο o Λόγω της ύπαρξης ασάφειας, η asb μπορεί να πάρει τις τιμές στο διάστημα (0,] που εκφράζει το πόσο ισχυρή είναι η συμφωνία με την προηγούμενη πρόταση o όχι asb Για το σύνολο των κριτηρίων, η σχέση που μπορεί να έχουν οι δράσεις a και b είναι η εξής: apb: Ισχυρή προτίμηση της a έναντι της b bpa: Ισχυρή προτίμηση της b έναντι της a aib και bia: Αδιαφορία της a έναντι της b και το αντίστροφο aqb: Ασθενής προτίμηση της a της b. Είναι μία ενδιάμεση κατάσταση μεταξύ της apb και aib bqa: Ασθενής προτίμηση της b της a. Είναι μία ενδιάμεση κατάσταση μεταξύ της bpa και bia ELimination Et Choix Traduisant la REalité Αποκλεισμός και επιλογή που εκφράζει την πραγματικότητα 2 Laboratoire d'analyse et Modélisation de Systèmes pour l'aide à la DEcision, Université Paris Dauphine 3 Roy, Bernard (968). "Classement et choix en présence de points de vue multiples (la méthode ELECTRE)". La Revue d'informatique et de Recherche Opérationelle (RIRO) (8):
2 arb: Μη συγκρισιμότητα των a και b. Για την τελική κατάταξη των δράσεων, η μέθοδος συνίσταται στην κατασκευή ενός γράφου στον οποίον αποτυπώνονται όλες οι σχέσεις S μεταξύ των εναλλακτικών δράσεων και η εξαγωγή του υποσυνόλου των Pareto βέλτιστων δράσεων από τις οποίες ο αποφασίζων θα επιλέξει. Το υποσύνολο αυτό είναι οι δράσεις οι οποίες δεν εμφανίζονται να κυριαρχούνται από άλλες..3.. Η μέθοδος Electre IS Πώς αποφασίζουμε για δύο δράσεις a,b εάν ισχύει apb ; Για να δεχθούμε ότι ισχύει apb θα πρέπει να ικανοποιείται το «κριτήριο της συμφωνίας». Δηλαδή η δράση a να είναι προτιμητέα σε ικανή δυναμικότητα (στην πλειοψηφία των κριτηρίων) έναντι της δράσης b. Θα πρέπει επίσης να ικανοποιείται το «κριτήριο της μη διαφωνίας». Δηλαδή να μην υπάρχει κάποιο κριτήριο στο οποίο η b να είναι πολύ ισχυρά προτιμητέα της a. Σε κάποιες εκδοχές της μεθόδου η διαφωνία λαμβάνεται υπόψη μόνο σε περίπτωση veto. Δηλαδή η συμφωνία όσο ισχυρή και να είναι, ακυρώνεται όταν υπάρχει έστω και ένα κριτήριο που θέτει veto. Πώς αποφασίζεται η «ικανή δυναμικότητα» για την οποία η δράση a υπερέχει της δράσης b. Για κάθε κριτήριο αρχίζουμε και διενεργούμε συγκρίσεις μεταξύ των εναλλακτικών επιλογών. Κατασκευάζουμε δηλαδή για κάθε κριτήριο ένα πίνακα «μερικής συμφωνίας», στον οποίο αποτυπώνονται οι «μερικές» συγκρίσεις ανά ζεύγη μεταξύ όλων των δράσεων. Ο τρόπος που κάνουμε τις μερικές αυτές συγκρίσεις στον πίνακα μερικής συμφωνίας διαφοροποιείται ανάλογα με το αν έχουμε γνήσιο κριτήριο ή ψευδοκριτήριο. Πώς γίνονται λοιπόν οι συγκρίσεις στον πίνακα μερικής συμφωνίας ; Στα γνήσια κριτήρια η πρόταση asb («Η δράση a είναι τουλάχιστον όσο καλή είναι η δράση b για το κριτήριο Κ») ισχύει όταν η αποτίμηση της a ( g(a) ) είναι ίση ή καλύτερη της b ( g(b) ). Αυτό στην μαθηματική γλώσσα γράφεται:, 0, 0, 0 όπου, ga ( ) gb ( ), ifmax( g) gb ( ) ga ( ), ifmin( g) όπου c η τιμή της πρότασης asb και η διαφορά της αποτίμησης στο κριτήριο Κ της δράσης a από την b. Στα ψευδοκριτήρια η αξιολόγηση του κατά πόσο μία δράση είναι καλύτερη από μία άλλη σε ένα κριτήριο είναι δυνατόν να λάβει τιμές στο διάστημα [0,] και αυτό επιτυγχάνεται με την χρήση κατωφλίου αδιαφορίας(q) και κατωφλίου προτίμησης(p). Η μαθηματική σχέση που διέπει την τιμή της αποτίμησης στην περίπτωση ενός ψευδοκριτηρίου είναι (βλέπε Σχήμα ): 7
3 , 0,,, όπου πάλι ga ( ) gb ( ), ifmax( g) gb ( ) ga ( ), ifmin( g) Για να γίνει η χρήση ψευδοκριτηρίων πιο κατανοητή,, έστω Δ j η διαφορά των αποτιμήσεων δύο δράσεων g j (a) g j (b) σε ένα κριτήριο j όπου η μεγαλύτερη τιμή είναι και καλύτερη (περίπτωση μεγιστοποίησης). Στην περίπτωση ενός γνήσιου κριτηρίου, εάν Δ j 0 τότε υπάρχει πλήρης συμφωνία με την πρόταση asb. Απο την άλλη εάν Δ j <0 ακόμα και για πολύ λίγο, δεν υπάρχει συμφωνία με το asb. Αυτή η απότομη εναλλαγή σε έναν κόσμο αβεβαιότητας και σχετικότητας είναι μάλλον μειονέκτημα. Στην πραγματικότητα δεν είμαστε σε θέση να εκφράσουμε κατηγορηματική άποψη για μικρές διαφορές στις επιδόσεις εναλλακτικών δράσεων σε κάποιο κριτήριο, Για παράδειγμα όταν συγκρίνουμε δύο επενδυτικές προτάσεις με βάση την επιστροφή στα κεφάλαια μια διαφορά % δεν είναι ικανή να κάνει τον επενδυτή να προτιμήσει σαφώς το ένα έναντι του άλλου. Αρχίζει και εκφράζει προτίμηση και αυτή όχι σαφή, αλλά αυτό που θα λέγαμε "ασθενή προτίμηση" από ποσοστό % και πάνω. Το ποσοστό αυτό είναι αυτό που ονομάζουμε κατώφλι αδιαφορίας γιατί κάτω από αυτό τα δύο σχέδια του είναι αδιάφορα. Αν υποθέσουμε ότι μια διαφορά 3% και άνω είναι αρκετή για να εκφράσει με σαφήνεια την προτίμηση του, αυτό ονομάζεται κατώφλι προτίμησης σε σχέση με το συγκεκριμένο κριτήριο. Στο Σχήμα αποτυπώνεται πως λειτουργούν τα κατώφλια αυτά. Πρακτικά στην περίπτωση ενός ψευδοκριτηρίου με κατώφλι αδιαφορίας q, υπάρχει ανοχή στο να θεωρήσουμε το g(a) "τουλάχιστον τόσο καλό όσο και" το g(b), ακόμα και αν το g(b) λαμβάνει καλύτερη τιμή (το ανώτερο κατά q) στο συγκεκριμένο κριτήριο. Επιπλέον με τα ψευδοκριτήρια υπάρχει η δυνατότητα να δώσουμε διαφορετική απάντηση από Ναι (=) ή Όχι (=0) στην πρόταση «η εναλλακτική a είναι τουλάχιστον τόσο καλή όσο και η b στο τάδε κριτήριο». Αυτό επιτυγχάνεται με την χρήση του κατωφλίου προτίμησης και φαίνεται παραστατικά με την κεκλιμένη κόκκινη γραμμή στο Σχήμα. Όταν η b παίρνει τιμή αποτίμησης g(b) καλύτερη κατά p ή περισσότερο, τότε στην πρόταση «η εναλλακτική a είναι τουλάχιστον όσο καλή και η b» δίνουμε την τιμή 0. Όταν όμως η g(b) είναι μεγαλύτερη κατά κάτι λιγότερο από p, τότε η πρόταση «η εναλλακτική a είναι τουλάχιστον όσο καλή και η b» αρχίζει και λαμβάνει τιμή κατά κάτι μεγαλύτερη από 0, μέχρι να φτάσουμε το κατώφλι αδιαφορίας, όπου πλέον η αποτίμηση της πρότασης γίνεται. 8
4 Σχήμα. Τρόπος αποτίμησης asb για ένα ψευδοκριτήριο Κάνοντας όλες τις απαιτούμενες συγκρίσεις, καταλήγουμε σε τόσους πίνακες μερικής συμφωνίας όσοι και τα κριτήρια του προβλήματος μας. Ένας πίνακας μερικής συμφωνίας για το κριτήριο k έχει την παρακάτω μορφή: Κριτήριο k Δράση a Δράση b Δράση c Δράση a Σύγκριση a b Σύγκριση a c Δράση b Σύγκριση b a Σύγκριση b c Δράση c Σύγκριση c a Σύγκριση a b Πίνακας 2, Παράδειγμα Πίνακα Μερικής Από την στιγμή που έχουμε τους πίνακες μερικής συμφωνίας μπορούμε αθροίζοντας τις επιμέρους αποτιμήσεις με στάθμιση το βάρος του κάθε κριτηρίου να υπολογίσουμε τον πίνακα «ολικής συμφωνίας». 9
5 Υπολογίζουμε επίσης έναν πίνακα αρνησικυρίας (veto), ο οποίος εκφράζει τη διαφωνία που δεν μπορεί να αντισταθμιστεί από καμία τιμή ολικής συμφωνίας για τα ζεύγη τα οποία λόγω του κατωφλίου veto δεν είναι δυνατόν να αποτελούν επιλογές μας. Αν έστω και σε ένα κριτήριο η διαφωνία για την πρόταση α 'τουλάχιστο όσο καλή και η" β είναι τόσο ηχηρή ακυρώνει την συμφωνία των υπόλοιπων κριτηρίων. Για την καλύτερη κατανόηση της έννοιας του veto ανατρέξτε στο παράδειγμα στην συνέχεια. Συνδυάζοντας τον «πίνακα ολικής συμφωνίας» και τον «πίνακα αρνησικυρίας» καταλήγουμε στον «πίνακα υπεροχής» ο οποίος εκφράζει όλες τις σχέσεις apb. Στη συνέχεια ορίζουμε το επίπεδο τιμών (κατώφλι υπεροχής) πάνω από το οποίο θεωρούμε ότι η ολική συμφωνία υποδεικνύει υπεροχή μιας εναλλακτικής έναντι μιας άλλης. Ο πίνακας υπεροχής αποτυπώνεται και σε γράφο ο οποίος μπορεί να χρησιμοποιηθεί για να προσδιοριστεί η μερική διάταξη των επιλογών με βάση την οποία θα ληφθεί η απόφαση. Η εφαρμογή της μεθόδου παρουσιάζεται συνοπτικά στο Σχήμα 2. Στην πράξη η υλοποίηση μπορεί να γίνει σε εφαρμογή λογιστικού φύλλου (π.χ. ms excel, Libreoffice Calc, κλπ) και περιλαμβάνει πέντε βήματα: () την δημιουργία των πινάκων διαφορών για κάθε κριτήριο, (2) την δημιουργία των πινάκων μερικής συμφωνίας για κάθε κριτήριο, (3) την δημιουργία του πίνακα συνολικής συμφωνίας που προκύπτει απο το άθροισμα των πινάκων μερικής συμφωνίας (4) την δημιουργία του πίνακα αρνησικυρίας (5) την δημιουργία του πίνακας υπεροχής από τον συνδυασμό των πινάκων συνολικής συμφωνίας και αρνησικυρίας. Τα δύο παραδείγματα τα οποία λύνονται σε αυτό το φυλλάδιο έχουν επιλυθεί και στο msexcel και είναι διαθέσιμα στην ιστοσελίδα του μαθήματος. 0
6 Σχήμα 2, Η μέθοδος ELEKTRE IS σε διάγραμμα ροής.
7 .3..2 Παράδειγμα, μέθοδος ELECTRE IS, Γνήσια Κριτήρια Έχουμε ένα πρόβλημα απόφασης όπου κάποιος θέλει να επιλέξει μεταξύ εναλλακτικών μέσων μεταφοράς ή συνδυασμού αυτών για την μετακίνηση του από το σπίτι στην εργασία. Έστω λοιπόν ότι έχουμε τον παρακάτω πολυκριτήριο πίνακα αξιολόγησης: Πολυκριτήριος Αξιολόγησης Πίνακας min min min min Κόστος / Διαδρομή( ) Χρόνος Διαδρομής (λεπτά) Αξιοπιστία Χρόνου (κλίμακα) Άνεση 2 (κλίμακα) Μετρό& 2, Λεωφορείο&Μετρό 2, Αυτοκίνητο Ταξί Στάθμιση 0,3 0,3 0,2 0,2 Κατώφλι Veto Η κλίμακα της αξιοπιστίας του χρόνου ως εξής: = Πολύ αξιόπιστος, 2=Μέτρια, 3= Λίγο Αξιόπιστος 2 Η κλίμακα της άνεσης έχει ως εξής: = Πολύ άνετα, 2= Άνετα, 3=Μέτρια, 4=Δύσκολα, 5= Πολύ δύσκολα Ας παρατηρήσουμε στον παραπάνω πίνακα ότι επειδή όλα τα κριτήρια μας είναι γνήσια κριτήρια, δεν υπάρχουν τιμές για τα κατώφλια p,q. Βήμα ο και 2ο Στην υλοποίηση στο λογιστικό φύλλο απλουστεύεται η διαδικασία εάν δημιουργήσουμε τους "πίνακες διαφορών" οι οποίοι θα εκφράζουν την διαφορά στην αποτίμηση μεταξύ των δράσεων ανά κριτήριο. Οι "πίνακες διαφορών" θα πρέπει να φτιαχτούν με τέτοιον τρόπο ώστε όταν για ένα κριτήριο η διαφορά είναι μεγαλύτερη του μηδενός η δράση a να έχει καλύτερη αποτίμηση από την b. Στην επίλυση που κάνουμε εδώ θα προχωρήσουμε στην σύνταξη των πινάκων μερικής συμφωνίας για κάθε κριτήριο, δείχνοντας αναλυτικά το πώς προκύπτει το κάθε αποτέλεσμα μέσα στο ίδιο τον πίνακα. Έχουμε 4 κριτήρια, άρα θα έχουμε και 4 πίνακες μερικής συμφωνίας. 2
8 Πίνακας Μερικής Κόστος Δ. Μετρό& Μετρό& Λεωφορείο&Μετρό Αυτοκίνητο Ταξί Δ=2,8 2,8=0 Λεωφορείο&Μετρό Αυτοκίνητο Ταξί 0 Δ=2,8 2,8=0 Δ=2,8 0=2,8 Δ=2,8 0=2,8 Δ=0 2.8= 2.8 Δ=3 2,8=0,2 Δ=7 2,8=4,2 0 Δ=0 2.8= Δ=2,8 3= 0,2 Δ=2,8 3= 0,2 Δ=0 3= 3 Δ=3 2,8=0,2 Δ=7 2,8=4,2 Δ=3 0= Δ=2,8 7= 4,2 Δ=2,8 7= 4,2 επειδή θέλουμε να ελαχιστοποιήσουμε το κόστος, Δ(a,b)=g(b) g(a) Δ=0 7= 7 Δ=3 7= 4 Δ=7 0=7 Δ=7 3=4 Πίνακας Μερικής Χρόνος Δ.. Μετρό& Μετρό& Λεωφορείο&Μετρό Αυτοκίνητο Ταξί 0 Δ=75 85= 0 Λεωφορείο&Μετρό Αυτοκίνητο Ταξί Δ=85 75=0 Δ=75 60=5 Δ=85 60=25 Δ=60 75= 5 Δ=50 75= 25 Δ=55 75= Δ=60 85= 25 Δ=75 50=25 Δ=85 50=35 Δ=60 50=0 Δ=50 85= 35 Δ=55 85= Δ=50 60= 0 0 Δ=75 55=20 Δ=85 55=30 Δ=60 55=5 επειδή θέλουμε να ελαχιστοποιήσουμε τoν χρόνο διαδρομής Δ(a,b)=g(b) g(a) Δ=50 55= 5 Δ=55 60= 5 Δ=55 50=5 3
9 Πίνακας Μερικής Αξιοπιστία Μετρό& Μετρό& Λεωφορείο&Μετρό Αυτοκίνητο Ταξί Δ=3 =2 Δ= =0 Δ=2 = Δ=2 = Λεωφορείο&Μετρό 0 Δ= 3= Δ= 3= 2 Δ=2 3= Δ=2 3= Δ= =0 Δ=3 =2 Δ=2 = Δ=2 = Αυτοκίνητο 0 0 Δ= 2= Δ=3 2= Δ= 2= Δ=2 2=0 Ταξί 0 0 Δ= 2= Δ=3 2= Δ= 2= Δ=2 2=0 επειδή η κλίμακα της αξιοπιστίας είναι ορισμένη με τέτοιο τρόπο ώστε να θέλουμε να την ελαχιστοποιήσουμε, Δ(a,b)=g(b) g(a) Πίνακας Μερικής Άνεση. Μετρό& Μετρό& Λεωφορείο + Μετρό Αυτοκίνητο Ταξί 0 0 Δ=4 3= Δ=4 3= Δ= 3= 2 Δ=2 3= Λεωφορείο&Μετρό 0 Δ=3 4= 0 0 Δ=4 4=0 Δ= 4= 3 Δ=2 4= 2 0 Δ=3 4= Δ=4 4=0 0 0 Δ= 4= 3 Δ=2 4= 2 Αυτοκίνητο Δ=3 =2 Δ=4 =3 Δ=4 =3 Δ=2 = Ταξί 0 Δ=3 2= Δ=4 2=2 Δ=4 2=2 Δ= 2= επειδή η κλίμακα της άνεσης είναι ορισμένη με τέτοιο τρόπο ώστε να θέλουμε να την ελαχιστοποιήσουμε, Δ(a,b)=g(b) g(a) Βήμα 3ο Θα πρέπει τώρα να συνδυάσουμε τους πίνακες μερικής συμφωνίας για κάθε κριτήριο, ώστε να φτάσουμε σε έναν πίνακα συνολικής συμφωνίας ο οποίος θα δίνει μία εκτίμηση στην ερώτηση "Αν το κριτήριο a είναι τουλάχιστον τόσο καλό όσο το b". 4
10 Πίνακας Συνολικής Μετρό& Μετρό& Λεωφορείο&Μετρό Αυτοκίνητο Ταξί 0,4 0,5 0,5 0,3x+0,3x+ 0,2x+0,2x 0,3x0+0,3x0+ 0,2x+0,2x 0,3x+0,3x0+ 0,2x+0,2x0 0,3x+0,3x0+ 0,2x+0,2x0 0,3 0,2 0,3 0,3 Λεωφορείο&Μετρό 0,3x+0,3x0+ 0,2x0+0,2x0 0,3x0+0,3x0+ 0,2x0+0,2x 0,3x+0,3x0+ 0,2x0+0,2x0 0,3x+0,3x0+ 0,2x0+0,2x0 0,8 0,5 0,5 0,3x+0,3x+ 0,2x+0,2x0 0,3x+0,3x+ 0,2x+0,2x 0,3x+0,3x0+ 0,2x+0,2x0 0,3x+0,3x0+ 0,2x+0,2x0 0,5 0,7 0,5 Αυτοκίνητο 0,3x0+0,3x+ 0,2x0+0,2x 0,3x0+0,3x+ 0,2x+0,2x 0,3x0+0,3x+ 0,2x0+0,2x 0,3x+0,3x+ 0,2x+0,2x 0,5 0,7 0,5 0,2 Ταξί 0,3x0+0,3x+ 0,2x0+0,2x 0,3x0+0,3x+ 0,2x+0,2x 0,3x0+0,3x+ 0,2x0+0,2x 0,3x0+0,3x0+ 0,2x+0,2x0 Βήμα 4ο Θα κάνουμε τον Έλεγχο Διαφωνίας (veto). Θα εξετάσουμε δηλαδή εάν υπάρχουν περιπτώσεις ανά κριτήριο στις οποίες η διαφορά είναι τόσο μεγάλη ώστε να προκύπτει veto (βλέπε σελίδα 8) : Οι περιπτώσεις στις οποίες ενεργοποιείται ο κανόνας veto είναι οι παρακάτω: Ταξί,(Μετρό& Ταξί, Λεωφορείο&Μετρό Λεωφορείο&Μετρό, Μετρό& Λεωφορείο&Μετρό, Για αυτές τις περιπτώσεις ακόμα και αν από τον έλεγχο συμφωνίας προκύπτει ισχυρή υπεροχή για μία δράση έναντι μίας άλλης, αυτή ακυρώνεται από τον έλεγχο διαφωνίας. Για παράδειγμα στο ζευγάρι δράσεων "Ταξί, Λεωφορείο&Μετρό" προκύπτει ότι υπάρχει συμφωνία με την πρόταση «Η δράση Ταξί είναι τουλάχιστον όσο και Η δράση (Λεωφορείο&Μετρό)» (δείκτης συνολικής συμφωνάςι 0,7)..Όμως από τον έλεγχο διαφωνίας στο κριτήριο "Κόστος διαδρομής" υπάρχει διαφορά υπέρ της εναλλακτικής "Λεωφορεί ο & Μετρό" μεγαλύτερη των 4 ευρώ που είναι το κατώφλι veto και έτσι η πρόταση ακυρώνεται. Άρα και ο πίνακας αρνησικυρίας διαμορφώνεται ως εξής: 5
11 Πίνακας Αρνησικυρίας (veto) Μετρό& Λεωφορείο& Μετρό Αυτοκίνητ ο Ταξί Μετρό& Λεωφορείο&Μετρό Αυτοκίνητο Ταξί Έτσι ο τελικός πίνακας συνολικής συμφωνίας προκύπτει από τον συνδυασμό του προηγούμενου πίνακα συνολικής συμφωνίας και του πίνακα αρνησικυρίας. Σε όποια καταχώρηση υπάρχει μονάδα στον πίνακα αρνησικυρίας τότε αυτομάτως στον νέο πίνακα συνολικής συμφωνίας καταχωρείται το μηδέν. Ο νέος πίνακας στην περίπτωση μας θα είναι: Τελικός Πίνακας Συνολικής Μετρό& Λεωφορείο& Μετρό Αυτοκίνητ ο Ταξί Μετρό& 0,4 0,5 0,5 Λεωφορείο&Μετρό 0 0 0,3 0,3 0,8 0,5 0,5 Αυτοκίνητο 0,5 0,7 0,5 Ταξί 0 0 0,5 0,2 Με έντονα γράμματα οι καταχωρήσεις του πίνακα που τροποποιήθηκαν εξαιτίας του πίνακα αρνησικυρίας. Βήμα 5ο Για να καταλήξουμε στον πίνακα υπεροχής είναι απαραίτητο να καθορίσουμε έναν κατώφλι υπεροχής, πάνω από το οποίο θα θεωρούμε ότι ισχύει η πρόταση «Η δράση a υπερέχει της δράσης b». Έστω ότι καθορίζουμε το κατώφλι υπεροχής να είναι 0,7. Όσες δράσεις έχουν στον πίνακα συμφωνίας τιμή ίση η μεγαλύτερη του 0,7 και δεν εμποδίζονται από τον έλεγχο διαφωνίας, τοποθετούνται ανάλογα στον γράφο υπεροχής. Ο πίνακας υπεροχής, για κατώφλι 0,7 γίνεται: 6
12 Πίνακας Υπεροχής Κατώφλι υπεροχής=0,7 Μετρό& Λεωφορείο&Μετρό Αυτοκίνητο Ταξί Μετρό& Λεωφορείο&Μετρό Αυτοκίνητο Ταξί Κάθετο άθροισμα Το κάθετο άθροισμα υποδηλώνει τον αριθμό των επιλογών που υπερέχουν έναντι εκείνης που βρίσκεται σε κάθε στήλη. Αυτές που έχουν μηδέν ανήκουν στην πρώτη ομάδα δηλαδή δεν υπάρχει καμία που να υπερέχει απέναντι τους, παρόλα αυτά δεν μπορούν να συγκριθούν μεταξύ τους. Με βάση τα παραπάνω αποτελέσματα στο συγκεκριμένο παράδειγμα έχουμε την εξής μερική κατάταξη: {, Αυτοκίνητο } { Μετρό&, Ταξί } { Λεωφορείο&Μετρό } Μπορούμε να απεικονίσουμε τα αποτελέσματα του πίνακα υπεροχής στον γράφο υπεροχής, ο οποίος έχει ως εξής: Μετρό + Λεωφορείο + Μετρό Ταξί Αυτοκίνητο Σχήμα 3, Γράφος υπεροχής Παραδείγματος Για να βρούμε τον πυρήνα του παραπάνω γράφου, δηλαδή τις λύσεις οι οποίες υπερτερούν έναντι των υπολοίπων προχωρούμε ως εξής: Βρίσκουμε όλες τις δράσεις οι οποίες δεν υποσκελίζονται από κάποιες άλλες και τις βάζουμε στον πυρήνα. Όσες δράσεις υποσκελίζονται από τις δράσεις του πυρήνα δεν ανήκουν στον πυρήνα. Έτσι στο προκείμενο γράφημα, στον πυρήνα ανήκουν οι δράσεις «Αυτοκίνητο» και. Αυτές οι δύο εναλλακτικές κατατάσσονται πρώτες "ex aequo", επομένως δεν μπορούμε να προτιμήσουμε την μια ή την άλλη. Ανάλυση ευαισθησίας σε ότι αφορά τη στάθμιση των 7
13 κριτηρίων θα έδινε πιθανά διαφοροποίηση και θα υποδείκνυε τη βέλτιστη επιλογή. Εναλλακτικά η ίδια η αξιολόγηση των εναλλακτικών δράσεων ειδικά στα κριτήρια που εκφράζονται σε ποιοτική κλίμακα μπορεί να αποτελέσει αντικείμενο μελέτης και ενδεχόμενη διαφοροποίηση να δίνει διαφορετικό αποτέλεσμα. Στο συγκεκριμένο παράδειγμα μπορεί κανείς να παρατηρήσει ότι στο κριτήριο άνεση το «αυτοκίνητο» παίρνει την καλύτερη τιμή ενώ το «ποδήλατο» μια πολύ χαμηλή. Για έναν ποδηλάτη η επαφή με τον άνεμο και το περιβάλλον καθώς και η σωματική προσπάθεια αξιολογούνται καλύτερα επομένως μία διαφορετική βαρύτητα στις προτιμήσεις να έδινε διαφορετικές τιμές στο κριτήριο αυτό και ενδεχομένως διαφορετικό τελικό αποτέλεσμα. 8
14 .3..3 Παράδειγμα 2, μέθοδος ELECTRE IS, Ψευδοκριτήρια Έστω ότι έχουμε ένα πρόβλημα απόφασης όπου κάποιος παραγωγός θέλει να επιλέξει κάποια καλλιέργεια για ένα αγροτεμάχιο 30 στρεμμάτων. Προκύπτει ο παρακάτω πολυκριτήριος πίνακας Πολυκριτήριος Πίνακας Αξιολόγησης max min min max Αναμενόμενο Ακ. Κέρδος ( /στρέμμα) Ρίσκο Αναμενόμενων Εσόδων Απαιτήσεις σε προσωπική εργασία (ώρες/στρέμμα) Προηγούμενη Εμπειρία 2 Βαμβάκι % 00% % 80 0% 95 0% 0 00% Βάρη Κριτηρίων 0,3 0,3 0,2 0,2 Κατώφλι Veto % Κατώφλι Προτίμησης Κατώφλι Αδιαφορίας 80 5% 20 30% 20 5% 0 0% Για το Ρίσκο Αναμενόμενων Εσόδων η τιμή 0% σημαίνει ότι τα αναμενόμενα έσοδα δεν έχουν ρίσκο ενώ τιμή 00% έχουν πάρα πολύ υψηλό ρίσκο 2 Για την προηγούμενη εμπειρία, τιμή 00% σημαίνει ότι υπάρχει πάρα πολύ μεγάλη εμπειρία στην καλλιέργεια, τιμή 0% ότι είναι η πρώτη φορά που καλλιεργεί την καλλιέργεια ο παραγωγός 3 Τα σχετικά νούμερα του πίνακα προέκυψαν από δεδομένα που αφορούν την καλλιεργητική περίοδο 202 ως εξής: Πρόσοδος: 350 ευρώ/στρέμμα, δηλαδή 80,5 ευρώ/στρ., που είναι η συνδεδεμένη ενίσχυση, εφόσον ως χώρα δεν ξεπεράσουμε τα 2,5 εκατ στρέμματα, 95 ευρώ/στρ. η ενιαία ενίσχυση, 50 ευρώ η συμμετοχή στο πρόγραμμα απονιτροποίησης (τα υπόλοιπα 2 3 ευρώ/στρ. πηγαίνουν στον μελετητή), 20 ευρώ\στρ η επιστροφή του ΦΠΑ και του πετρελαίου, ενώ η εμπορική αξία του προϊόντος για 350 κιλά μέση παραγωγή επί 30 λεπτά\κιλό ανέρχεται στα 05 ευρώ/στρ.. Κόστη: Έξοδα περίπου 0 ευρώ/στρ., ήτοι σπόρια 0 2 ευρώ/στρ., λιπάσματα ευρώ/στρ., ζιζανιοκτονία 7 0 ευρώ/στρ., έξοδα συγκομιδής 8 20 ευρώ/στρ., αποφυλλωτικά, Pix, ψεκασμοί 5 7 ευρώ/στρ., ποτίσματα 20 ευρώ/στρ., κόστος πετρελαίου στο όργωμα 5 0 ευρώ/στρ Ακ. Κέρδος: Πηγή: gia to ti kerdizei o agroths kalliergwntas bambaki sithra 4 Τα σχετικά νούμερα του πίνακα προέκυψαν από δεδομένα που αφορούν την καλλιεργητική περίοδο 202 ως εξής: Πρόσοδος: 490 ευρώ/στρ.: (7 τόννους/στρέμμα κιλά μέση παραγωγή επί 70 /τόννο), Κόστη: 200 /στρέμμα 9
15 Πίνακας Μερικής Αναμενόμενο Ακ. Κέρδος Βαμβάκι 0,5 Βαμβάκι Δ= = 50 q<δ< p =(80 50)/(80 20)=0,5 Δ=240 95=45 Δ= =50 Δ=290 95= Δ=95 240= 45 Δ< p Δ=95 290= 95 Δ< p Πίνακας Μερικής Βαμβάκι Ρίσκο 0,5 0 Βαμβάκι Δ=5 5= 0 p<δ< q=(5 0)/(5 5) Δ=0 5= 5 Δ< p Δ=5 5=0 Δ=0 5= 5 Δ< q Δ=5 0=5 Δ=5 0=5 ΠΡΟΣΟΧΗ: Επειδή σε αυτό το κριτήριο όσο μικρότερη η τιμή τόσο καλύτερα (περίπτωση ελαχιστοποίησης κριτηρίου), η Διαφορά Δ δεν είναι Δ=g(a) g(b) αλλά Δ=g(b) g(a) 20
16 Πίνακας Μερικής Προσωπική Βαμβάκι Εργασία 0,9 Βαμβάκι Δ=80 =69 Δ=0 = p> =(20 )/(20 0)=0,9 0 0 Δ= 80= 69 Δ< p Δ=0 80= 80 Δ< p Δ= 0= Δ=80 0=80 ΠΡΟΣΟΧΗ: Επειδή σε αυτό το κριτήριο όσο μικρότερη η τιμή τόσο καλύτερα (περίπτωση ελαχιστοποίησης κριτηρίου), η Διαφορά Δ δεν είναι Δ=g(a) g(b) αλλά Δ=g(b) g(a) Πίνακας Μερικής Εμπειρία Βαμβάκι Βαμβάκι Δ=00 0=00 Δ=00 00=0 0 0 Δ=0 00= 00 Δ< p Δ=0 00= 00 Δ< p Δ=00 00=0 Δ=00 0=00 2
17 Πίνακας Συνολικής Βαμβάκι 0,7 0,68 Βαμβάκι =0,5x0,3+0,5x0,3+x0,2+x0,2 =x0,3+0x0,3+0,9x0,2+x0,2 0,6 0,6 =x0,3+x0,3+0x0,2+0x0,2 =x0,3+x0,3+0x0,2+0x0,2 0,7 0,7 =0x0,3+x0,3+x0,2+x0,2 =0,3x0+x0,3+x0,2+x0,2 Πίνακας Αρνησικυρίας (veto) Βαμβάκι Βαμβάκι Δεν υπάρχουν ζευγάρια εναλλακτικών επιλογών που να εμπίπτουν σε veto Εάν σαν κατώφλι υπεροχής επιλέξουμε την τιμή 0,6 τότε ο πίνακας και ο γράφος υπεροχής θα είναι αντίστοιχα: 22
18 Πίνακας Υπεροχής Κατώφλι=0,6 Βαμβάκι Βαμβάκι Κάθετο Άθροισμα 2 Βαμβάκι Σχήμα 4, Γράφος υπεροχής στο παράδειγμα 2 με κατώφλι υπεροχής το 0,6 Στην περίπτωση αυτή βλέπουμε ότι ο πυρήνας είναι κενός, δηλαδή δεν περιέχει καμία επιλογή που να μην κυριαρχείται από κάποιαν άλλη. Ο κύριος λόγος γι αυτό είναι ο μικρός αριθμός (3) επιλογών. Πρέπει να αυξήσουμε την τιμή του κατωφλίου για να ξεχωρίσει κάποια εναλλακτική (βλέπε πάνω για 0,7). Εάν λοιπόν καθορίσουμε το κατώφλι υπεροχής στο 0,7 τότε προκύπτει ο παρακάτω πίνακας υπεροχής: Πίνακας Υπεροχής Κατώφλι=0,7 Βαμβάκι Βαμβάκι Κάθετο Άθροισμα 0 Ο Γράφος υπεροχής φαίνεται παρακάτω. 23
19 Βαμβάκι Σχήμα 5, Γράφος υπεροχής στο παράδειγμα 2 με κατώφλι υπεροχής το 0,7 Η μόνη επιλογή που ανήκει στον πυρήνα είναι η επιλογή.3..4 Βιβλιογραφία Μέθοδος Electre I (αγγλικά) Παρουσίαση Electre Σχεσιακά Μοντέλα Αποφάσεων (ελληνικά) Παρουσίαση της μεθόδου ELECTRE (αγγλικά), Jose Figueira, Vincent Mousseau, Bernard Roy, «ELECTRE METHODS» (αγγλικά), διαθέσιμο στο 24
ΜΕΘΟΔΟΣ ΠΟΛΥΚΡΙΤΗΡΙΑΚΗΣ ΑΝΑΛΥΣΗΣ ELECTRE
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΑΓΡΟΝΟΜΩΝ ΤΟΠΟΓΡΑΦΩΝ ΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΓΕΩΓΡΑΦΙΑΣ ΚΑΙ ΠΕΡΙΦΕΡΕΙΑΚΟΥ ΣΧΕΔΙΑΣΜΟΥ ΑΞΙΟΛΟΓΗΣΗ ΣΤΟ ΣΧΕΔΙΑΣΜΟ ΤΟΥ ΧΩΡΟΥ ΜΕΘΟΔΟΣ ΠΟΛΥΚΡΙΤΗΡΙΑΚΗΣ ΑΝΑΛΥΣΗΣ ELECTRE Υπεύθυνη Μαθήματος
Διαβάστε περισσότεραΣυστήματα Στήριξης Αποφάσεων
Συστήματα Στήριξης Αποφάσεων Τμήμα: Μηχανικών Παραγωγής & ιοίκησης ιδάσκων: A.Π. Βαβάτσικος, Dip.Eng., PhD H Μέθοδος PROMETHEE Η μέθοδος PROMETHEE (Preference Ranking Organization METHod for Enrichment
Διαβάστε περισσότεραΓια να επιλεγεί το υποσύνολο Ν, η μέθοδος ELECTRE I λειτουργεί σε δύο φάσεις:
Η Μέθοδος ELECTRE I 1. Εισαγωγή Η μέθοδος ELECTRE I [Roy, 1968] απαντά στην προβληματική της επιλογής (προβληματική α) και έχει ως στόχο την επιλογή της καλύτερης εναλλακτικής από ένα σύνολο Α εναλλακτικών.
Διαβάστε περισσότεραΗ Μέθοδος ELECTRE TRI
1. Εισαγωγή Η μέθοδος ELECTRE TRI [Roy, Bouyssou, 1991;Yu, 1992] αποδίδει εναλλακτικές σε προκαθορισμένες κατηγορίες. Σχετίζεται δηλαδή, με την προβληματική β και την ταξινόμηση των εναλλακτικών σε προκαθορισμένες
Διαβάστε περισσότεραΣτο στάδιο ανάλυσης των αποτελεσµάτων: ανάλυση ευαισθησίας της λύσης, προσδιορισµός της σύγκρουσης των κριτηρίων.
ΠΕΡΙΛΗΨΗ Η τεχνική αυτή έκθεση περιλαµβάνει αναλυτική περιγραφή των εναλλακτικών µεθόδων πολυκριτηριακής ανάλυσης που εξετάσθηκαν µε στόχο να επιλεγεί η µέθοδος εκείνη η οποία είναι η πιο κατάλληλη για
Διαβάστε περισσότεραΠολυκριτηριακός Γραμμικός Προγραμματισμός. Συστήματα Αποφάσεων Εργαστήριο Συστημάτων Αποφάσεων και Διοίκησης
Πολυκριτηριακός Γραμμικός Προγραμματισμός Πολλαπλά κριτήρια στη λήψη απόφασης Λήψη Αποφάσεων με Πολλαπλά Κριτήρια Διακριτό σύνολο επιλογών Συνεχές σύνολο επιλογών Πολυκριτηριακή Ανάλυση (ELECTRE, Promethee,
Διαβάστε περισσότεραΣυστήματα Υποστήριξης Αποφάσεων
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Συστήματα Υποστήριξης Αποφάσεων Ενότητα # 7: Σχεσιακά Μοντέλα Αποφάσεων Διονύσης Γιαννακόπουλος Τμήμα Διοίκησης Επιχειρήσεων Άδειες
Διαβάστε περισσότεραΣυστήματα Υποστήριξης Αποφάσεων
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Συστήματα Υποστήριξης Αποφάσεων Ενότητα # 8: Σχεσιακά Μοντέλα Αποφάσεων(β) Διονύσης Γιαννακόπουλος Τμήμα Διοίκησης Επιχειρήσεων
Διαβάστε περισσότεραΣυστήματα Υποστήριξης Αποφάσεων
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Συστήματα Υποστήριξης Αποφάσεων Ενότητα # 6: Συναρτησιακά Μοντέλα Αποφάσεων Διονύσης Γιαννακόπουλος Τμήμα Διοίκησης Επιχειρήσεων
Διαβάστε περισσότεραΑξιολόγηση στο Σχεδιασμό του Χώρου
Αξιολόγηση στο Σχεδιασμό του Χώρου Ενότητα: Παράδειγμα εφαρμογής μεθόδου ELECTRE II Τρίτη άσκηση μαθήματος Υπεύθυνη Μαθήματος: Αναστασία Στρατηγέα Σχολή: Αγρονόμων Τοπογράφων Μηχανικών Τομέας: Γεωγραφίας
Διαβάστε περισσότεραΠολυκριτηριακά Συστήματα Υποστήριξης Αποφάσεων
Εθνικό Μετσόβιο Πολυτεχνείο Σχολή Ηλεκτρολόγων Μηχανικών & Μηχανικών Υπολογιστών Τομέας Ηλ. Βιομηχανικών Διατάξεων & Συστημάτων Αποφάσεων Πολυκριτηριακά Συστήματα Υποστήριξης Αποφάσεων Ε07 Η μέθοδος ELECTRE
Διαβάστε περισσότεραΤο πρόγραμμα PROMETHEE. Πολυκριτηριακή διαδικασία λήψης αποφάσεων
Το πρόγραμμα PROMETHEE Πολυκριτηριακή διαδικασία λήψης αποφάσεων Περιεχόμενα ΠΔΛΑ και βελτιστοποίηση Υπεροχή και σύνθεση Πρόβλεψη και περιγραφή Το λογισμικό PROMETHEE Το λογισμικό GAIA Μονοκριτηριακή και
Διαβάστε περισσότεραΑνάπτυξη Εφαρμογής Πολυκριτηριακών Μεθόδων Λήψης Αποφάσεων
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ - ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ Ανάπτυξη Εφαρμογής Πολυκριτηριακών Μεθόδων Λήψης Αποφάσεων Διπλωματική Εργασία της Άννας Μόσχογλου (ΑΕΜ: 207) Επιβλέποντες
Διαβάστε περισσότεραΣυστήματα Υποστήριξης Αποφάσεων
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Συστήματα Υποστήριξης Αποφάσεων Άσκηση 2η : Επιλογή Πόλης Εγκατάστασης Super Market Διονύσης Γιαννακόπουλος Τμήμα Διοίκησης Επιχειρήσεων
Διαβάστε περισσότεραΚεφάλαιο 4: Επιλογή σημείου παραγωγής
Κ4.1 Μέθοδος ανάλυσης νεκρού σημείου για την επιλογή διαδικασίας παραγωγής ή σημείου παραγωγής Επιλογή διαδικασίας παραγωγής Η μέθοδος ανάλυσης νεκρού για την επιλογή διαδικασίας παραγωγής αναγνωρίζει
Διαβάστε περισσότεραΆσκηση 1 Ένα κεντρικό βιβλιοπωλείο ειδικεύεται στα λογοτεχνικά βιβλία και τα βιβλία τέχνης. Προκειμένου να προωθήσει μια νέα συλλογή λογοτεχνικών βιβλίων και βιβλίων τέχνης, η διεύθυνση του βιβλιοπωλείου
Διαβάστε περισσότεραΤεχνολογικό Εκπαιδευτικό Ίδρυμα Θεσσαλίας
Τεχνολογικό Εκπαιδευτικό Ίδρυμα Θεσσαλίας Μεταπτυχιακό Πρόγραμμα Σπουδών στη Διοίκηση και Διαχείριση Έργων και Προγραμμάτων «Πολυκριτήριες Προσεγγίσεις για την Αξιολόγηση των Περιφερειών Ελλάδας με σκοπό
Διαβάστε περισσότεραΕΙΣΑΓΩΓΗ ΣΤΗΝ ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ
ΣΧΟΛΗ ΕΦΑΡΜΟΣΜΕΝΩΝ ΜΑΘΗΜΑΤΙΚΩΝ ΚΑΙ ΦΥΣΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΑΚΕΡΑΙΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Νοέμβριος 006 Αθήνα Κεφάλαιο ο Ακέραιος και μικτός προγραμματισμός. Εισαγωγή Μια από τις
Διαβάστε περισσότεραΚεφάλαιο 4: Επιλογή σημείου παραγωγής
Κεφάλαιο 4: Επιλογή σημείου παραγωγής Κ4.1 Μέθοδος ανάλυσης νεκρού σημείου για την επιλογή διαδικασίας παραγωγής ή σημείου παραγωγής Επιλογή διαδικασίας παραγωγής Η μέθοδος ανάλυσης νεκρού για την επιλογή
Διαβάστε περισσότεραΣυστήματα Υποστήριξης Αποφάσεων
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Συστήματα Υποστήριξης Αποφάσεων Άσκηση 1η: Αξιολόγηση σεισμογενών περιοχών της Ελλάδας Διονύσης Γιαννακόπουλος Τμήμα Διοίκησης
Διαβάστε περισσότεραΑΞΙΟΛΟΓΗΣΗ ΣΤΟ ΣΧΕΔΙΑΣΜΟ ΤΟΥ ΧΩΡΟΥ. ΑΣΚΗΣΗ 3 η ΜΕΘΟΔΟΣ ELECTRE II ΠΑΡΑΔΕΙΓΜΑ ΕΦΑΡΜΟΓΗΣ. Υπεύθυνη μαθήματος Αναστασία Στρατηγέα Αναπλ. Καθηγ. Ε.Μ.Π.
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΑΓΡΟΝΟΜΩΝ ΤΟΠΟΓΡΑΦΩΝ ΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΓΕΩΓΡΑΦΙΑΣ ΚΑΙ ΠΕΡΙΦΕΡΕΙΑΚΟΥ ΣΧΕΔΙΑΣΜΟΥ ΑΞΙΟΛΟΓΗΣΗ ΣΤΟ ΣΧΕΔΙΑΣΜΟ ΤΟΥ ΧΩΡΟΥ ΑΣΚΗΣΗ 3 η ΜΕΘΟΔΟΣ ELECTRE II ΠΑΡΑΔΕΙΓΜΑ ΕΦΑΡΜΟΓΗΣ Υπεύθυνη
Διαβάστε περισσότεραΣυστήματα Υποστήριξης Αποφάσεων Ενότητα # 3: Γενική Μεθοδολογία Μοντελοποίησης Προβλημάτων Απόφασης
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Συστήματα Υποστήριξης Αποφάσεων Ενότητα # 3: Γενική Μεθοδολογία Μοντελοποίησης Προβλημάτων Απόφασης Διονύσης Γιαννακόπουλος Τμήμα
Διαβάστε περισσότεραΑΣΚΗΣΗ 1 ΑΣΚΗΣΗ 2 ΑΣΚΗΣΗ 3
ΑΣΚΗΣΗ 1 Δύο επιχειρήσεις Α και Β, μοιράζονται το μεγαλύτερο μερίδιο της αγοράς για ένα συγκεκριμένο προϊόν. Καθεμία σχεδιάζει τη νέα της στρατηγική για τον επόμενο χρόνο, προκειμένου να αποσπάσει πωλήσεις
Διαβάστε περισσότεραΜέθοδοι Βελτιστοποίησης
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Μέθοδοι Βελτιστοποίησης Ενότητα # 6: Αναλυτική Ιεραρχική Διαδικασία Αθανάσιος Σπυριδάκος Καθηγητής Τμήμα Διοίκησης Επιχειρήσεων
Διαβάστε περισσότεραΣυστήματα Υποστήριξης Αποφάσεων Διάλεξη Νο2 και 3. Ενισχυτικές διαφάνειες
Συστήματα Υποστήριξης Αποφάσεων Διάλεξη Νο2 και 3 Ενισχυτικές διαφάνειες Πρόβλημα απόφασης υπό το καθεστώς αβεβαιότητας (decision making under uncertainty) Ένα πρόβλημα τοποθετείται γενικά ως πρόβλημα
Διαβάστε περισσότεραΠΡΟΣΔΙΟΡΙΣΜΟΣ ΒΑΡΩΝ SIMOS - ROC. Χάρης Δούκας
Εθνικό Μετσόβιο Πολυτεχνείο Σχολή Ηλεκτρολόγων Μηχανικών Και Μηχανικών Υπολογιστών ΤΟΜΕΑΣ ΗΛΕΚΤΡΙΚΩΝ ΒΙΟΜΗΧΑΝΙΚΩΝ ΔΙΑΤΑΞΕΩΝ ΚΑΙ ΣΥΣΤΗΜΑΤΩΝ ΑΠΟΦΑΣΕΩΝ Εργαστήριο Συστημάτων Αποφάσεων και Διοίκησης ΠΡΟΣΔΙΟΡΙΣΜΟΣ
Διαβάστε περισσότεραΚεφ. 9 Ανάλυση αποφάσεων
Κεφ. 9 Ανάλυση αποφάσεων Η θεωρία αποφάσεων έχει ως αντικείμενο την επιλογή της καλύτερης στρατηγικής. Τα αποτελέσματα κάθε στρατηγικής εξαρτώνται από παράγοντες, οι οποίοι μπορεί να είναι καταστάσεις
Διαβάστε περισσότεραΠανεπιστήμιο Πειραιώς Τμήμα Πληροφορικής
Τμήμα Πληροφορικής Πρόγραμμα Μεταπτυχιακών Σπουδών «Προηγμένα Συστήματα Πληροφορικής» Μεταπτυχιακή Διατριβή Τίτλος Διατριβής Ονοματεπώνυμο Φοιτητή Αριθμός Μητρώου Κατεύθυνση Επιβλέπων Λήψη συλλογικών αποφάσεων
Διαβάστε περισσότεραΗθικός Κίνδυνος. Το βασικό υπόδειγμα. Παρουσιάζεται ένα στοχαστικό πρόβλημα χρηματοδότησης όταν τα αντισυμβαλλόμενα μέρη έχουν συμμετρική πληροφόρηση.
Ηθικός Κίνδυνος Παρουσιάζεται ένα στοχαστικό πρόβλημα χρηματοδότησης όταν τα αντισυμβαλλόμενα μέρη έχουν συμμετρική πληροφόρηση Το βασικό υπόδειγμα Θεωρείστε την περίπτωση κατά την οποία μια επιχείρηση
Διαβάστε περισσότεραΣυστήματα Υποστήριξης Αποφάσεων
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Συστήματα Υποστήριξης Αποφάσεων Άσκηση 3η : Σταθμισμένος Μέσος & Λεξικογραφική -Μετεγκατάσταση Πολυτεχνείου Διονύσης Γιαννακόπουλος
Διαβάστε περισσότεραΜάθημα: Συστήματα Υποστήριξης Αποφάσεων
Μάθημα: Συστήματα Υποστήριξης Αποφάσεων Αναλυτικό Διάγραμμα Μελέτης Χρονοδιάγραμμα Μελέτης- Διάθρωση της Ύλης 1η Εβδομάδα Ο ρόλος της Ανάλυσης Αποφάσεων Γνωστικές Λειτουργίες στη Λήψη Αποφάσεων Το Πολυκριτήριο
Διαβάστε περισσότεραΠληροφοριακά Συστήματα Διοίκησης. Θεωρία Αποφάσεων
Πληροφοριακά Συστήματα Διοίκησης Θεωρία Αποφάσεων Εισαγωγή στην θεωρία αποφάσεων Στα μέχρι τώρα μοντέλα και τεχνικές υπήρχε η προϋπόθεση της βεβαιότητας. Στην πράξη, τα προβλήματα είναι περισσότερο πολύπλοκα,
Διαβάστε περισσότεραΠοσοτικές Μέθοδοι στη Διοίκηση Επιχειρήσεων ΙΙ Σύνολο- Περιεχόμενο Μαθήματος
Ποσοτικές Μέθοδοι στη Διοίκηση Επιχειρήσεων ΙΙ Σύνολο- Περιεχόμενο Μαθήματος Χιωτίδης Γεώργιος Τμήμα Λογιστικής και Χρηματοοικονομικής Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης
Διαβάστε περισσότεραE[ (x- ) ]= trace[(x-x)(x- ) ]
1 ΦΙΛΤΡΟ KALMAN ΔΙΑΚΡΙΤΟΥ ΧΡΟΝΟΥ Σε αυτό το μέρος της πτυχιακής θα ασχοληθούμε λεπτομερώς με το φίλτρο kalman και θα δούμε μια καινούρια έκδοση του φίλτρου πάνω στην εφαρμογή της γραμμικής εκτίμησης διακριτού
Διαβάστε περισσότεραΠΟΛΥΚΡΙΤΗΡΙΑ ΥΠΟΣΤΗΡΙΞΗ ΑΠΟΦΑΣΕΩΝ. Χάρης Δούκας, Πάνος Ξυδώνας, Ιωάννης Ψαρράς
Εθνικό Μετσόβιο Πολυτεχνείο Σχολή Ηλεκτρολόγων Μηχανικών Και Μηχανικών Υπολογιστών ΤΟΜΕΑΣ ΗΛΕΚΤΡΙΚΩΝ ΒΙΟΜΗΧΑΝΙΚΩΝ ΔΙΑΤΑΞΕΩΝ ΚΑΙ ΣΥΣΤΗΜΑΤΩΝ ΑΠΟΦΑΣΕΩΝ Εργαστήριο Συστημάτων Αποφάσεων και Διοίκησης ΠΟΛΥΚΡΙΤΗΡΙΑ
Διαβάστε περισσότεραΤμήμα Μηχανικών Πληροφορικής ΤΕ Δυϊκότητα. Γκόγκος Χρήστος ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα. τελευταία ενημέρωση: 1/12/2016
Τμήμα Μηχανικών Πληροφορικής ΤΕ 2016-2017 Δυϊκότητα Γκόγκος Χρήστος ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα τελευταία ενημέρωση: 1/12/2016 1 Το δυϊκό πρόβλημα Για κάθε πρόβλημα Γραμμικού Προγραμματισμού υπάρχει
Διαβάστε περισσότεραΕπιχειρησιακή Έρευνα I
Επιχειρησιακή Έρευνα I Operations/Operational Research (OR) Κωστής Μαμάσης Παρασκευή 9: : Σημειώσεις των Α. Platis, K. Mamasis Περιεχόμενα EE & Εισαγωγή Μαθηματικός Προγραμματισμός - Γραμμικός Προγραμματισμός
Διαβάστε περισσότεραΚεφάλαιο 4ο: Δικτυωτή Ανάλυση
Κεφάλαιο ο: Δικτυωτή Ανάλυση. Εισαγωγή Η δικτυωτή ανάλυση έχει παίξει σημαντικό ρόλο στην Ηλεκτρολογία. Όμως, ορισμένες έννοιες και τεχνικές της δικτυωτής ανάλυσης είναι πολύ χρήσιμες και σε άλλες επιστήμες.
Διαβάστε περισσότεραΚοινωνικοοικονομική Αξιολόγηση Επενδύσεων Διάλεξη 6 η. Ανάλυση Κινδύνου και Κοινωνικό Προεξοφλητικό Επιτόκιο
Κοινωνικοοικονομική Αξιολόγηση Επενδύσεων Διάλεξη 6 η Ανάλυση Κινδύνου και Κοινωνικό Προεξοφλητικό Επιτόκιο Ζητήματα που θα εξεταστούν: Πως ορίζεται η έννοια της αβεβαιότητας και του κινδύνου. Ποια είναι
Διαβάστε περισσότεραΠολυκριτηριακά Συστήματα Υποστήριξης Αποφάσεων
Εθνικό Μετσόβιο Πολυτεχνείο Σχολή Ηλεκτρολόγων Μηχανικών & Μηχανικών Υπολογιστών Τομέας Ηλ. Βιομηχανικών Διατάξεων & Συστημάτων Αποφάσεων Πολυκριτηριακά Συστήματα Υποστήριξης Αποφάσεων Ε01 Εισαγωγή Χάρης
Διαβάστε περισσότεραΚοστολόγηση στους πιλοτικούς αγρούς και ανταγωνιστικότητα των ενεργειακών καλλιεργειών
Κοστολόγηση στους πιλοτικούς αγρούς και ανταγωνιστικότητα των ενεργειακών καλλιεργειών Πετσάκος Αθανάσιος Τσιμπούκας Κων/νος Τσουκαλάς Σταύρος Ροζάκης Στέλιος "Δημιουργία Καινοτόμων Εμπειριών Αποδεικτικού
Διαβάστε περισσότεραΣυστήματα Υποστήριξης Αποφάσεων Ενότητα # 1: Μία Ανατομία των Αποφάσεων
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Συστήματα Υποστήριξης Αποφάσεων Ενότητα # 1: Μία Ανατομία των Αποφάσεων Διονύσης Γιαννακόπουλος Τμήμα Διοίκησης Επιχειρήσεων Άδειες
Διαβάστε περισσότεραΑνάπτυξη και αποτελέσµατα πολυκριτηριακής ανάλυσης Κατάταξη εναλλακτικών σεναρίων διαχείρισης ΟΤΚΖ Επιλογή βέλτιστου σεναρίου διαχείρισης
Ανάπτυξη και αποτελέσµατα πολυκριτηριακής ανάλυσης Κατάταξη εναλλακτικών σεναρίων διαχείρισης ΟΤΚΖ Επιλογή βέλτιστου σεναρίου διαχείρισης 1. Εισαγωγή Στην τεχνική αυτή έκθεση περιγράφεται αναλυτικά η εφαρµογή
Διαβάστε περισσότεραΘεώρηση πολλαπλών κριτηρίων στη ΔΥΠ (3) Επανάληψη Μέθοδος Promethee II
Θεώρηση πολλαπλών κριτηρίων στη ΔΥΠ (3) Επανάληψη Μέθοδος Promethee II Διαχείριση υδατικών πόρων Ανάγκη σύνθεσης επιστημών Σημερινό μάθημα: έμφαση στη χρήση εννοιών και μεθόδων από την επιχειρησιακή έρευνα
Διαβάστε περισσότεραΠεριγραφή µεθόδων πολυκριτηριακής ανάλυσης/λήψης αποφάσεων και επιλογή της µεθόδου για εφαρµογή στα πλαίσια του προγράµµατος. 1.
Περιγραφή µεθόδων πολυκριτηριακής ανάλυσης/λήψης αποφάσεων και επιλογή της µεθόδου για εφαρµογή στα πλαίσια του προγράµµατος 1. Γενικά Η διαµόρφωση ολοκληρωµένης περιβαλλοντικής πολιτικής για τη διαχείριση
Διαβάστε περισσότερα3.7 Παραδείγματα Μεθόδου Simplex
3.7 Παραδείγματα Μεθόδου Simplex Παράδειγμα 1ο (Παράδειγμα 1ο - Κεφάλαιο 2ο - σελ. 10): Το πρόβλημα εκφράζεται από το μαθηματικό μοντέλο: max z = 600x T + 250x K + 750x Γ + 450x B 5x T + x K + 9x Γ + 12x
Διαβάστε περισσότεραΛήψη αποφάσεων υπό αβεβαιότητα
Διαχείριση Αβεβαιότητας Λήψη αποφάσεων υπό αβεβαιότητα Όταν έχω να αντιμετωπίσω ένα πρόβλημα λήψης αποφάσεων υπό αβεβαιότητα, μπορώ να ακολουθήσω τις ακόλουθες στρατηγικές: 1. Η λάθος προσέγγιση: «Βελτιστοποίηση
Διαβάστε περισσότεραΟµάδες ψηφοφόρων Αρ. Μελών Οµάδων Προτιµήσεις Α 1 x > y > z Β 1 y > z >x Γ 1 z > x > y
0. Mη Μεταβατικές Συλλογικές Προτιµήσεις Το αξίωµα της µεταβατικότητας στην περίπτωση των προτιµήσεων ενός µεµονωµένου φορέα αποφάσεων, επιτρέπει την επέκταση της ικανότητας σύγκρισης ζευγών επιλογών στο
Διαβάστε περισσότεραΕΝΔΕΙΚΤΙΚΑ ΠΡΟΒΛΗΜΑΤΑ
Πρόβλημα 1 ΕΝΔΕΙΚΤΙΚΑ ΠΡΟΒΛΗΜΑΤΑ Η εταιρεία GALAXY INDUSTRIES διαθέτει στην αγορά 2 είδη πλάκες πεζοδρομίου: τη Space Ray και τη Galaxy Ray. Τα 2 είδη κατασκευάζονται σε δωδεκάδες από την ίδια βασική πρώτη
Διαβάστε περισσότεραΔιαχείριση Εφοδιαστικής Αλυσίδας Μέρος 5 Αξιολόγηση Εναλλακτικών Σεναρίων ΔΡ. ΙΩΑΝΝΗΣ ΡΟΜΠΟΓΙΑΝΝΑΚΗΣ
2018 Διαχείριση Εφοδιαστικής Αλυσίδας Μέρος 5 Αξιολόγηση Εναλλακτικών Σεναρίων ΔΡ. ΙΩΑΝΝΗΣ ΡΟΜΠΟΓΙΑΝΝΑΚΗΣ Για την ανάλυση και αξιολόγησης των εναλλακτικών σχεδίων εξέλιξης της ζήτησης σε μια ΕΑ, που θα
Διαβάστε περισσότεραΑξιολόγηση και επιλογή δράσης (έργου)
Αξιολόγηση και επιλογή δράσης (έργου) Η διαδικασία για αξιολόγηση ξεχωριστών δράσεων, έργων ή ομάδων έργων και η επιλογή υλοποίησης μερικών από αυτών, για την επίτευξη του αντικειμενικού σκοπού της επιχείρησης.
Διαβάστε περισσότεραΚάνοντας ακριβέστερες μετρήσεις με την βοήθεια των Μαθηματικών. Ν. Παναγιωτίδης, Υπεύθυνος ΕΚΦΕ Ν. Ιωαννίνων
Κάνοντας ακριβέστερες μετρήσεις με την βοήθεια των Μαθηματικών Ν. Παναγιωτίδης, Υπεύθυνος ΕΚΦΕ Ν. Ιωαννίνων Αν κάναμε ένα τεστ νοημοσύνης στους μαθητές και θέταμε την ερώτηση: Πως μπορεί να μετρηθεί το
Διαβάστε περισσότεραΠΟΛΥΚΡΙΤΗΡΙΑ ΥΠΟΣΤΗΡΙΞΗ ΑΠΟΦΑΣΕΩΝ. Χάρης Δούκας, Πάνος Ξυδώνας, Ιωάννης Ψαρράς
Εθνικό Μετσόβιο Πολυτεχνείο Σχολή Ηλεκτρολόγων Μηχανικών Και Μηχανικών Υπολογιστών ΤΟΜΕΑΣ ΗΛΕΚΤΡΙΚΩΝ ΒΙΟΜΗΧΑΝΙΚΩΝ ΔΙΑΤΑΞΕΩΝ ΚΑΙ ΣΥΣΤΗΜΑΤΩΝ ΑΠΟΦΑΣΕΩΝ Εργαστήριο Συστημάτων Αποφάσεων και Διοίκησης ΠΟΛΥΚΡΙΤΗΡΙΑ
Διαβάστε περισσότεραΕπιχειρησιακή Έρευνα
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Επιχειρησιακή Έρευνα Ενότητα #: Δυναμικός Προγραμματισμός Αθανάσιος Σπυριδάκος Καθηγητής Τμήμα Διοίκησης Επιχειρήσεων Άδειες Χρήσης
Διαβάστε περισσότεραΛήψη αποφάσεων υπό αβεβαιότητα
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΤΕΧΝΟΟΙΚΟΝΟΜΙΚΑ Λήψη αποφάσεων υπό αβεβαιότητα ΕΙΔΙΚΑ ΘΕΜΑΤΑ ΔΙΟΙΚΗΣΗΣ ΕΡΓΑΣΤΗΡΙΟ ΣΥΣΤΗΜΑΤΩΝ ΑΠΟΦΑΣΕΩΝ ΚΑΙ ΔΙΟΙΚΗΣΗΣ Διαχείριση
Διαβάστε περισσότεραΕΦΑΡΜΟΓΕΣ ΔΙΟΙΚΗΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ
ΕΦΑΡΜΟΓΕΣ ΔΙΟΙΚΗΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ Dr. Christos D. Tarantilis Associate Professor in Operations Research & Management Science http://tarantilis.dmst.aueb.gr/ ΕΦΑΡΜΟΓΕΣ ΙΟΙΚΗΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ Ι - 1- ΕΦΑΡΜΟΓΕΣΔΙΟΙΚΗΤΙΚΗΣΕΠΙΣΤΗΜΗΣ&
Διαβάστε περισσότεραΤμήμα Μηχανικών Πληροφορικής ΤΕ Ανάλυση ευαισθησίας. Γκόγκος Χρήστος ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα. τελευταία ενημέρωση: 1/12/2016
Τμήμα Μηχανικών Πληροφορικής ΤΕ 2016-2017 Ανάλυση ευαισθησίας Γκόγκος Χρήστος ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα τελευταία ενημέρωση: 1/12/2016 1 Παράδειγμα TOYCO Η επιχείρηση TOYCO χρησιμοποιεί τρεις διαδικασίες
Διαβάστε περισσότεραΔΙΟΙΚΗΤΙΚΗ ΒΙΟΜΗΧΑΝΙΚΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ I ΑΝΑΛΥΣΗ ΑΠΟΦΑΣΕΩΝ. Αναπλ. Καθηγητής Δ.Μ. Εμίρης Λέκτορας Ι. Γιαννατσής ΛΗΨΗ ΑΠΟΦΑΣΕΩΝ
ΔΙΟΙΚΗΤΙΚΗ ΒΙΟΜΗΧΑΝΙΚΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ I ΑΝΑΛΥΣΗ ΑΠΟΦΑΣΕΩΝ Αναπλ. Καθηγητής Δ.Μ. Εμίρης Λέκτορας Ι. Γιαννατσής ΛΗΨΗ ΑΠΟΦΑΣΕΩΝ Όλοι παίρνουμε αποφάσεις συνεχώς σε διάφορα επίπεδα/ περιβάλλοντα αποφάσεων:
Διαβάστε περισσότεραΓραμμικός Προγραμματισμός Μέθοδος Simplex
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ Επιχειρησιακή Έρευνα Γραμμικός Προγραμματισμός Μέθοδος Simplex Η παρουσίαση προετοιμάστηκε από τον Ν.Α. Παναγιώτου Περιεχόμενα Παρουσίασης 1. Πρότυπη Μορφή ΓΠ 2. Πινακοποίηση
Διαβάστε περισσότεραΛήψη αποφάσεων υπό αβεβαιότητα. Παίγνια Αποφάσεων 9 ο Εξάμηνο
Λήψη αποφάσεων υπό αβεβαιότητα Παίγνια Αποφάσεων 9 ο Εξάμηνο Επιχειρηματική Αβεβαιότητα Αβεβαιότητα είναι, η περίπτωση η οποία τα ενδεχόμενα μελλοντικά γεγονότα είναι αόριστα και αδύνατον να υπολογιστούν
Διαβάστε περισσότερα«Συστήματα Υποστήριξης Αποφάσεων» «Εφαρμογή Υποστήριξης Απόφασης με την Μέθοδο Ιεραρχικής Ανάλυσης Αποφάσεων AHP»
«Συστήματα Υποστήριξης Αποφάσεων» «Εφαρμογή Υποστήριξης Απόφασης με την Μέθοδο Ιεραρχικής Ανάλυσης Αποφάσεων AHP» Περιεχόμενα Εισαγωγή...3 Η μέθοδος της ιεραρχικής ανάλυσης αποφάσεων...3 Εφαρμογή Υποστήριξης
Διαβάστε περισσότερα1/12/2016. Πλεονεκτήματα. Μειονεκτήματα. (Roy, 1994)
Πολυκριτηριακή Ανάλυση και Λήψη Αποφάσεων Δ. Καλιαμπάκος -Δ. Δαμίγος μγ Πολυκριτηριακή ανάλυση «Ο κύριος στόχος δεν είναι να ανακαλύψουμε μια λύση αλλά να δημιουργήσουμε ή να κατασκευάσουμε κάτι το οποίο
Διαβάστε περισσότεραΠρόλογος. «ΚΙ ΟΜΩΣ, ΤΑ ΚΟΙΝΑ ΣΗΜΕΙΑ ΤΩΝ ΓΡΑΦΙΚΩΝ ΠΑΡΑΣΤΑΣΕΩΝ ΔΥΟ ΑΝΤΙΣΤΡΟΦΩΝ ΣΥΝΑΡΤΗΣΕΩΝ, ΑΝ ΥΠΑΡΧΟΥΝ, ΒΡΙΣΚΟΝΤΑΙ ΜΟΝΟ ΠΑΝΩ ΣΤΗΝ ΕΥΘΕΙΑ y=x»
5 Περιεχόμενα Πρόλογος 7 Ίσες συναρτήσεις και συναρτήσεις Ορισμός αντίστροφης συνάρτησης 2 Η μόνη συνάρτηση που είναι ίση με την αντίστοφή της είναι η ταυτοτική 3 Συμπεράσματα 5 Βασικές ιδιότητες αντίστροφων
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 3. Περιγραφή της Μεθόδου ΠΕΡΙΓΡΑΦΗ ΤΗΣ ΜΕΘΟΔΟΥ
ΚΕΦΑΛΑΙΟ 3 Περιγραφή της Μεθόδου Το αντικείμενο αυτής της εργασίας είναι η χρήση μιας μεθόδου προσέγγισης συναρτήσεων που έχει προταθεί από τον hen-ha huang και ονομάζεται Ασαφώς Σταθμισμένη Παλινδρόμηση
Διαβάστε περισσότεραΔιαχείριση Υδατικών Πόρων Πολυκριτηριακή ανάλυση
Εθνικό Μετσόβιο Πολυτεχνείο Τομέας Υδατικών Πόρων και Περιβάλλοντος Διαχείριση Υδατικών Πόρων Πολυκριτηριακή ανάλυση Ανδρέας Ευστρατιάδης & Δημήτρης Κουτσογιάννης Σχολή Πολιτικών Μηχανικών, Αθήνα Άδεια
Διαβάστε περισσότεραΣΥΝΑΡΤΗΣΙΑΚΑ ΜΟΝΤΕΛΑ ΑΠΟΦΑΣΕΩΝ
Εθνικό Μετσόβιο Πολυτεχνείο Σχολή Ηλεκτρολόγων Μηχανικών Και Μηχανικών Υπολογιστών ΤΟΜΕΑΣ ΗΛΕΚΤΡΙΚΩΝ ΒΙΟΜΗΧΑΝΙΚΩΝ ΔΙΑΤΑΞΕΩΝ ΚΑΙ ΣΥΣΤΗΜΑΤΩΝ ΑΠΟΦΑΣΕΩΝ Εργαστήριο Συστημάτων Αποφάσεων και Διοίκησης ΣΥΝΑΡΤΗΣΙΑΚΑ
Διαβάστε περισσότεραΠΑΡΟΥΣΙΑΣΗ ΣΤΑΤΙΣΤΙΚΩΝ ΔΕΔΟΜΕΝΩΝ
ο Κεφάλαιο: Στατιστική ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΚΑΙ ΟΡΙΣΜΟΙ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ Πληθυσμός: Λέγεται ένα σύνολο στοιχείων που θέλουμε να εξετάσουμε με ένα ή περισσότερα χαρακτηριστικά. Μεταβλητές X: Ονομάζονται
Διαβάστε περισσότεραΜέθοδοι Βελτιστοποίησης
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Μέθοδοι Βελτιστοποίησης Ενότητα # 8:Βασικές Αρχές Πολυκριτήριας Ανάλυσης Αποφάσεων Αθανάσιος Σπυριδάκος Καθηγητής Τμήμα Διοίκησης
Διαβάστε περισσότεραΕπιχειρησιακή Έρευνα I
Επιχειρησιακή Έρευνα I Operations/Operational Research (OR) Κωστής Μαμάσης Παρασκευή 09:00 12:00 Σημειώσεις των Α. Platis, K. Mamasis Περιεχόμενα EE 1&2 Εισαγωγή Μαθηματικός Προγραμματισμός - Γραμμικός
Διαβάστε περισσότεραΠολυκριτηριακά Συστήματα Υποστήριξης Αποφάσεων
Εθνικό Μετσόβιο Πολυτεχνείο Σχολή Ηλεκτρολόγων Μηχανικών & Μηχανικών Υπολογιστών Τομέας Ηλ. Βιομηχανικών Διατάξεων & Συστημάτων Αποφάσεων Πολυκριτηριακά Συστήματα Υποστήριξης Αποφάσεων Ε01 Εισαγωγή Χάρης
Διαβάστε περισσότεραΑπό το Γυμνάσιο στο Λύκειο... 7. 3. Δειγματικός χώρος Ενδεχόμενα... 42 Εύρεση δειγματικού χώρου... 46
ΠEΡΙΕΧΟΜΕΝΑ Από το Γυμνάσιο στο Λύκειο................................................ 7 1. Το Λεξιλόγιο της Λογικής.............................................. 11. Σύνολα..............................................................
Διαβάστε περισσότεραΦΙΛΤΡΟ KALMAN ΔΙΑΚΡΙΤΟΥ ΧΡΟΝΟΥ
1 ΦΙΛΤΡΟ KALMAN ΔΙΑΚΡΙΤΟΥ ΧΡΟΝΟΥ Σε αυτό το μέρος της πτυχιακής θα ασχοληθούμε λεπτομερώς με το φίλτρο kalman και θα δούμε μια καινούρια έκδοση του φίλτρου πάνω στην εφαρμογή της γραμμικής εκτίμησης διακριτού
Διαβάστε περισσότεραΑ.2.1 Η ΕΝΝΟΙΑ ΤΟΥ ΚΛΑΣΜΑΤΟΣ
ΚΕΦΑΛΑΙΟ Ο ΚΛΑΣΜΑΤΑ Α.. Η ΕΝΝΟΙΑ ΤΟΥ ΚΛΑΣΜΑΤΟΣ ΜΕΘΟΔΟΛΟΓΙΑ ΣΥΓΚΡΙΣΗ ΚΛΑΣΜΑΤΟΣ ΜΕ ΤΟ Αν ο αριθμητής ενός κλάσματος είναι μεγαλύτερος από τον παρανομαστή, τότε το κλάσμα είναι μεγαλύτερο από το. Αν ο αριθμητής
Διαβάστε περισσότεραΕΡΩΤΗΣΗ 3. (25 μονάδες) Η εταιρεία ALPHA ΑΕ πραγματοποίησε κέρδος 8 ανά μετοχή (E1), το οποίο αναμένεται να συνεχιστεί με σταθερό ρυθμό, επέτυχε απόδοση ιδίων κεφαλαίων 12%, ενώ η απόδοση εναλλακτικής
Διαβάστε περισσότεραΣυστήματα Υποστήριξης Αποφάσεων
ΠΜΣ Πληροφορική Συστήματα Υποστήριξης Αποφάσεων Επιλογέας Μαθήματος Φοιτητών με τη χρήση εφαρμογής μέσω διαδικτύου Γκίκας Χρήστος ΜΠΠΛ/ 09032 Οκτώβριος 14 Επιλογέας Μαθήματος Εφαρμογή που χρησιμοποιείται
Διαβάστε περισσότεραΜελέτη Περίπτωσης : 2.1
Μελέτη Περίπτωσης : 2.1 EMV Συνάρτηση ς ~ Διοργάνωση Έκθεσης Είστε ο project manager για τη διοργάνωση μιας έκθεσης για οικιακό εξοπλισμό σε μια επαρχιακή πόλη. Μεταξύ των άλλων, θα πρέπει να αποφασίσετε
Διαβάστε περισσότεραΕΡΕΥΝΑ MARKETING ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΣΗΜΕΙΩΣΕΙΣ Δ.Α.Π. Ν.Δ.Φ.Κ. ΠΑΝΕΠΙΣΤΗΜΙΟΥ ΠΕΙΡΑΙΩΣ ΠΡΩΤΗ ΚΑΙ ΚΑΛΥΤΕΡΗ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΕΡΕΥΝΑ MARKETING ΣΗΜΕΙΩΣΕΙΣ www.dap-papei.gr Τμηματικό e-mail : dap ode@yahoo.gr Θεωρία μάλλον πρακτική θα λέγαμε και σχετίζονται με το
Διαβάστε περισσότεραΑΘΑΝΑΣΙΟΥ ΔΗΜΗΤΡΗΣ ΧΗΜΙΚΟΣ ΜΗΧΑΝΙΚΟΣ Ε.Μ.Π.
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ Εργαστήριο Συστημάτων Αποφάσεων και Διοίκησης Δ.Π.Μ.Σ. Τεχνοοικονομικά Συστήματα Επιλογή κατάλληλου υλικού καθαρισμού
Διαβάστε περισσότεραΙεραρχική αναλυση αποφασεων Analytic hierarchy process (AHP)
Ιεραρχική αναλυση αποφασεων Analytic hierarchy process (AHP) Εισαγωγή Παρουσιάστηκε από τον Thomas L. Saaty τη δεκαετία του 70 Μεθοδολογία που εφαρμόζεται στην περιοχή των Multicriteria Problems Δίνει
Διαβάστε περισσότεραE [ -x ^2 z] = E[x z]
1 1.ΦΙΛΤΡΟ KALMAN ΔΙΑΚΡΙΤΟΥ ΧΡΟΝΟΥ Σε αυτήν την διάλεξη θα πάμε στο φίλτρο με περισσότερες λεπτομέρειες, και θα παράσχουμε μια νέα παραγωγή για το φίλτρο Kalman, αυτή τη φορά βασισμένο στην ιδέα της γραμμικής
Διαβάστε περισσότεραΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ - ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ Θεωρία Παιγνίων και Αποφάσεων Διδάσκων: Ε. Μαρκάκης, Εαρινό εξάμηνο 2015
ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ - ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ Θεωρία Παιγνίων και Αποφάσεων Διδάσκων: Ε. Μαρκάκης, Εαρινό εξάμηνο 2015 Λύσεις 2η σειράς ασκήσεων Προθεσμία παράδοσης: 18 Μαίου 2015 Πρόβλημα 1. (14
Διαβάστε περισσότεραΑΡΘΡΟ: Επισκεφθείτε το Management Portal της Specisoft:
Specisoft ΑΡΘΡΟ: Επισκεφθείτε το Management Portal της Specisoft: NPV & IRR: Αξιολόγηση & Ιεράρχηση Επενδυτικών Αποφάσεων Από Αβραάμ Σεκέρογλου, Οικονομολόγo, Συνεργάτη της Specisoft Επισκεφθείτε το Management
Διαβάστε περισσότερα4.4 Το πρόβλημα του ελάχιστου ζευγνύοντος δένδρου
. Το πρόβλημα του ελάχιστου ζευγνύοντος δένδρου Σ αυτή την παράγραφο θα εξεταστεί μια παραλλαγή του προβλήματος της συντομότερης διαδρομής, το πρόβλημα του ελάχιστου ζευγνύοντος δένδρου. Σ αυτό το πρόβλημα
Διαβάστε περισσότεραΠληροφοριακά Συστήματα Διοίκησης. Επισκόπηση μοντέλων λήψης αποφάσεων Τεχνικές Μαθηματικού Προγραμματισμού
Πληροφοριακά Συστήματα Διοίκησης Επισκόπηση μοντέλων λήψης αποφάσεων Τεχνικές Μαθηματικού Προγραμματισμού Σημασία μοντέλου Το μοντέλο δημιουργεί μια λογική δομή μέσω της οποίας αποκτούμε μια χρήσιμη άποψη
Διαβάστε περισσότεραΔΙΟΙΚΗΣΗ ΒΙΟΜΗΧΑΝΙΚΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ I ΑΝΑΛΥΣΗ ΑΠΟΦΑΣΕΩΝ. Λέκτορας Ι. Γιαννατσής Καθηγητής Π. Φωτήλας ΛΗΨΗ ΑΠΟΦΑΣΕΩΝ
ΔΙΟΙΚΗΣΗ ΒΙΟΜΗΧΑΝΙΚΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ I ΑΝΑΛΥΣΗ ΑΠΟΦΑΣΕΩΝ Λέκτορας Ι. Γιαννατσής Καθηγητής Π. Φωτήλας ΛΗΨΗ ΑΠΟΦΑΣΕΩΝ Όλοι παίρνουμε αποφάσεις συνεχώς σε διάφορα επίπεδα / περιβάλλοντα αποφάσεων: Προσωπικές
Διαβάστε περισσότεραΕπιχειρησιακή Έρευνα I
Επιχειρησιακή Έρευνα I Κωστής Μαμάσης Παρασκευή 09:00 12:00 Σημειώσεις των Α. Platis, K. Mamasis Περιεχόμενα 1. Εισαγωγή 2. Γραμμικός Προγραμματισμός 1. Μοντελοποίηση 2. Μέθοδος Simplex 1. Αλγόριθμός Simplex
Διαβάστε περισσότεραΧρήστος Ι. Σχοινάς Αν. Καθηγητής ΔΠΘ. Συμπληρωματικές σημειώσεις για το μάθημα: «Επιχειρησιακή Έρευνα ΙΙ»
Χρήστος Ι. Σχοινάς Αν. Καθηγητής ΔΠΘ Συμπληρωματικές σημειώσεις για το μάθημα: «Επιχειρησιακή Έρευνα ΙΙ» 2 ΔΥΝΑΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Προβλήματα ελάχιστης συνεκτικότητας δικτύου Το πρόβλημα της ελάχιστης
Διαβάστε περισσότεραΠληροφοριακά Συστήματα Διοίκησης (ΜΒΑ) Ενότητα 7: Εισαγωγή στη Θεωρία Αποφάσεων Δέντρα Αποφάσεων
Πληροφοριακά Συστήματα Διοίκησης (ΜΒΑ) Ενότητα 7: Εισαγωγή στη Θεωρία Αποφάσεων Δέντρα Αποφάσεων Μπεληγιάννης Γρηγόριος Σχολή Οργάνωσης και Διοίκησης Επιχειρήσεων Τμήμα Διοίκησης Επιχειρήσεων Αγροτικών
Διαβάστε περισσότεραΔιάλεξη 3. Προτιµήσεις. Ορθολογισµός στην οικονοµική. Σχέσεις προτιµήσεων
Ορθολογισµός στην οικονοµική Διάλεξη 3 Προτιµήσεις!1 Υπόθεση συµπεριφοράς: Ένας λήπτης αποφάσεων επιλέγει πάντοτε τον πλέον προτιµώµενο συνδυασµό από το σύνολο των εναλλακτικών συνδυασµών που έχει στη
Διαβάστε περισσότεραΔΥΝΑΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ
ΔΥΝΑΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Εισαγωγή Ο Δυναμικός Προγραμματισμός (ΔΠ) είναι μία υπολογιστική μέθοδος η οποία εφαρμόζεται όταν πρόκειται να ληφθεί μία σύνθετη απόφαση η οποία προκύπτει από τη σύνθεση επιμέρους
Διαβάστε περισσότεραΑξιολόγηση και επιλογή δράσης (έργου)
Αξιολόγηση και επιλογή δράσης (έργου) Η διαδικασία για αξιολόγηση ξεχωριστών δράσεων, έργων ή ομάδων έργων και η επιλογή υλοποίησης μερικών από αυτών, για την επίτευξη του αντικειμενικού σκοπού της επιχείρησης.
Διαβάστε περισσότεραΗ αβεβαιότητα στη μέτρηση.
Η αβεβαιότητα στη μέτρηση. 1. Εισαγωγή. Κάθε μέτρηση, όσο προσεκτικά και αν έχει γίνει, περικλείει κάποια αβεβαιότητα. Η ανάλυση των σφαλμάτων είναι η μελέτη και ο υπολογισμός αυτής της αβεβαιότητας στη
Διαβάστε περισσότεραΕπιχειρησιακή Έρευνα
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Επιχειρησιακή Έρευνα Ενότητα #: Εφαρμογές του Γραμμικού Προγραμματισμού Αθανάσιος Σπυριδάκος Καθηγητής Τμήμα Διοίκησης Επιχειρήσεων
Διαβάστε περισσότεραΠληροφοριακά Συστήματα Διοίκησης. Εισαγωγή στον Γραμμικό Προγραμματισμό
Πληροφοριακά Συστήματα Διοίκησης Εισαγωγή στον Γραμμικό Προγραμματισμό Τι είναι ο Γραμμικός Προγραμματισμός; Είναι το σημαντικότερο μοντέλο στη Λήψη Αποφάσεων Αντικείμενό του η «άριστη» κατανομή περιορισμένων
Διαβάστε περισσότεραΑβεβαιότητα (Uncertainty)
Αβεβαιότητα (Uncertainty) Παράδειγμα κατασκευής μοντέλου προβλήματος στο Excel και διαχείρισης της αβεβαιότητας που το ίδιο το πρόβλημα εμπεριέχει. Ανάλυση προβλήματος Βήμα 1: Καθορισμός του προβλήματος
Διαβάστε περισσότεραΠανεπιστήμιο Πειραιώς Τμήμα Πληροφορικής
Τμήμα Πληροφορικής Πρόγραμμα Μεταπτυχιακών Σπουδών «Πληροφορική» Μεταπτυχιακή Διατριβή Τίτλος Διατριβής Ονοματεπώνυμο Φοιτητή Πατρώνυμο Αριθμός Μητρώου Επιβλέπων Ανάπτυξη διαδικτυακής εφαρμογής αξιολόγησης
Διαβάστε περισσότεραΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ
ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Ενότητα 18: Επίλυση Γενικών Γραμμικών Προβλημάτων Σαμαράς Νικόλαος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό
Διαβάστε περισσότεραΘεωρία Χρησιμότητας (utility theory) Το κριτήριο της μέσης χρησιμότητας
Θεωρία Χρησιμότητας (utility theory) Το κριτήριο της μέσης χρησιμότητας Συνάρτηση χρησιμότητας Ο νέος τρόπος μοντελοποίησης των προτιμήσεων θα βασιστεί στην κατασκευή μιας συνάρτησης χρησιμότητας (utility
Διαβάστε περισσότεραCondorcet winner. (1) Αν U j (x) > U j (y) τότε U i (x) > U i (y) και (2) Αν U i (y) > U i (x) τότε U j (y) > U j (x).
Οικονοµικό Πανεπιστήµιο Αθηνών Άνοιξη 2012 Τµήµα Οικονοµικής Επιστήµης ηµόσια Οικονοµική ΙI Η διαδικασία της ψηφοφορίας Ως µεθόδου παροχής των δηµοσίων αγαθών (για τα ιδιωτικά αγαθά, ο µηχανισµός των τιµών).
Διαβάστε περισσότερα1. ΣΤΑΤΙΚΗ ΑΡΙΣΤΟΠΟΙΗΣΗ
. ΣΤΑΤΙΚΗ ΑΡΙΣΤΟΠΟΙΗΣΗ. Μέγιστα και Ελάχιστα Συναρτήσεων Χωρίς Περιορισμούς Συναρτήσεις μιας Μεταβλητής Εστω f ( x) είναι συνάρτηση μιας μόνο μεταβλητής. Εστω επίσης ότι x είναι ένα σημείο στο πεδίο ορισμού
Διαβάστε περισσότερα