Académique Documents
Professionnel Documents
Culture Documents
So Paulo
2009
So Paulo
2009
rea de Concentrao:
Engenharia de Computao e
Sistemas Digitais
Orientador:
Prof. Dr. Joo Jos Neto
So Paulo
2009
Este exemplar foi revisado e alterado em relao verso original, sob responsabilidade nica
do autor e com a anuncia de seu orientador.
So Paulo, 24 de junho de 2009.
Assinatura do autor:
Assinatura do orientador:
FICHA CATALOGRFICA
AGRADECIMENTOS
Ao Prof. Dr. Joo Jos Neto, pela pacincia e sabedoria durante a orientao, pelo
constante e persistente estmulo durante todo o trabalho de pesquisa e elaborao
dessa tese, e principalmente pela sua verdadeira amizade.
Ao meu filho, aos meus irmos, aos meus pais e minha famlia que tanto me
apoiaram e estiveram presentes nos momentos em que mais precisei. Um
agradecimento especial Liliane Marques Wong, que mesmo longe, foi uma das
maiores incentivadoras do meu trabalho e muito me ajudou.
Aos professores Dr. Paulo Srgio Muniz Silva, Dr. Ricardo Luis de Azevedo da
Rocha, Dr. Aparecido Valdemir de Freitas e Dr. Almir Rogrio Camolesi pela
participao da banca e pelas sugestes, que muito contriburam para a verso
revisada do meu trabalho.
RESUMO
ABSTRACT
This thesis presents the formulation of an extension of the adaptive decision table
called Table of Extended Adaptive Decision (TDAE), which aims at supporting
applications of multicriteria decision making. A decision making algorithm is
implemented for the TDAE embodying the traditional decision tables mechanisms,
adaptive techniques, and multicriteria methods procedures. The description and
implementation of the algorithm and the applicability of TDAE in multicriteria
decision problems are shown in a particular application. A perform evaluation of the
decision algorithm is presented in relation to time and memory costs required for its
implementation. A tool for decision support based on TDAE is described and
implemented. The results of the study show that TDAE is viable and can be a
device alternative option to support the decision making problems of multicriteria
decision.
LISTA DE ILUSTRAES
LISTA DE TABELAS
A = {ak, 1 k p}
Conjunto de alternativas
AC
AE
AHP
AI
C = {ci, 1 i m}
Conjunto de critrios
CA = (FA, RA)
Mecanismo adaptativo
CC(Ai, Aj)
CI
Indice de consistncia
CR
Razo de consistncia
cs
Vetor de consistncia
CT
Configuraes da TDAE
CV
DA = (DN, CA)
DC(Ai, Aj)
di,j
DN
Ei,j
Valor de comparao ci e cj
ELECTRE
FA = {FADs, 1 s nf}
FM
G = {gi, 1 i ng}
Conjunto de geradores
ICR
Autovalor
Mtodo multicritrio
Quantidade de critrios
MACBETH
MAUT
MCi
Quantidade de regras
NF
Olap
Quantidade de alternativas
P = {pi, 1 i np}
Conjunto de parmetros
PROMETHEE
R = {rj, 1 j n}
Conjunto de regras
RA = {raj, 1 j n}
rj = (di,j, xk,j)
SAD
SIG
SMART
t0 CT
TD = (C, A, R)
Tabela de Deciso
TDN
ti
Configuraes da TDAE
TODIM
TOPSIS
V = {vi, 1 i nv}
Conjunto de variveis
xk,j
Yk
SUMRIO
RESUMO..................................................................................................................... 6
ABSTRACT................................................................................................................. 7
LISTA DE ILUSTRAES ......................................................................................... 8
LISTA DE TABELAS ................................................................................................ 10
LISTA DE ABREVIATURAS E SIMBOLOS ............................................................. 11
1 INTRODUO ....................................................................................................... 17
1.1 MOTIVAO..................................................................................................... 18
1.2 JUSTIFICATIVA ................................................................................................ 22
1.3 OBJETIVOS ...................................................................................................... 23
1.4 ESTRUTURA DO TRABALHO.......................................................................... 25
2 TECNOLOGIA ADAPTATIVA ............................................................................... 27
2.1 ADAPTATIVIDADE ............................................................................................. 27
2.2 DISPOSITIVOS ADAPTATIVOS ......................................................................... 29
2.2.1 Dispositivo adaptativo dirigido por regras .................................................. 29
2.2.2 Outros formalismos adaptativos .................................................................. 32
2.2.3 Tabela de deciso adaptativa ........................................................................ 34
2.2.3.1 Tabela de deciso........................................................................................ 34
2.2.3.2 Estrutura da tabela de deciso .................................................................. 36
2.2.3.3 Escopo dos valores das condies e aes ............................................. 38
2.2.3.4 Uso da regra ELSE ...................................................................................... 42
2.2.3.5 Nmero de regras de uma tabela de deciso ........................................... 44
2.2.3.6 Diviso de uma tabela de deciso ............................................................. 45
2.2.3.7 Operao da tabela de deciso .................................................................. 46
2.2.3.8 Tabela de Deciso Adaptativa .................................................................... 47
3 TEORIA DA DECISO .......................................................................................... 53
3.1 TOMADA DE DECISO ...................................................................................... 55
3.2 PROCESSOS DECISRIOS .............................................................................. 57
3.3 RECURSOS COMPUTACIONAIS DE APOIO DECISO ................................ 61
17
1 INTRODUO
As
dificuldades
de
identificar
os
impactos,
as
incertezas,
as
18
1.1 MOTIVAO
Cabe observar que problemas de deciso que tm apenas um nico critrio ou uma
nica medio agregada, como por exemplo, o custo, so problemas clssicos de
otimizao, cuja funo objetivo o critrio e as limitaes so os requisitos das
alternativas. Diferentes tcnicas de otimizao tais como, anlise de custo e
benefcio, programao linear, programao no-linear, entre outras, podem ser
utilizadas para achar o valor timo (FLP, 2005).
19
20
(2004),
proporcionam
compartilhamento
disseminao
do
21
Alm
dos
sistemas
citados,
existem
outras
implementaes
de
modelos
http://www.inescc.pt
http://www.euro-online.org
4
http://www.terry.uga.edu/mcdm
5
http://www.pcs.usp.br/~lta
3
22
Segundo Neto (2007), a tabela de deciso na sua verso adaptativa exibe ampla
aplicabilidade, visto que permite codificar o comportamento de sistemas complexos
de software voltados tomada de decises, entre outras aplicaes.
1.2 JUSTIFICATIVA
O formalismo adaptativo definido por Neto (2001) mostra que um dispositivo dirigido
por regras passa a ter caractersticas adaptativas, quando se aplicam aes
adaptativas6 ao seu conjunto de regras, que modificam o prprio conjunto de regras
de forma autnoma e, em conseqncia, tambm alteram o seu comportamento. No
mesmo artigo, Neto apresenta a Tabela de Deciso Adaptativa para simular um
23
O modelo adaptativo proposto pode servir como mais uma alternativa aos j
existentes, no contexto dos processos decisrios que envolvam mltiplos critrios e
nas suas regras de deciso. Alm de prover as necessidades de informao sobre a
situao de tomada de deciso e de incorporar funes de utilidade para representar
as preferncias do decisor, o modelo adaptativo proposto pode ainda alterar o
conjunto de regras, gerando informaes e alterando dinamicamente os seus
procedimentos.
1.3 OBJETIVOS
Os termos critrio e condio sero utilizados nesta Tese com o significado de que so fatores que
influenciam o decisor na escolha de uma alternativa de deciso. As caractersticas das tabelas de
deciso convencionais sero apresentadas no captulo 2 desta Tese.
24
mesmo tema. Pode-se citar, por exemplo, o artigo publicado por Pedrazzi; Tchemra
e Rocha (2005), sobre a aplicao das tabelas de deciso adaptativas em um
estudo de caso no processo de homologao de fornecedores de materiais na rea
da construo civil. Outro trabalho proposto na dissertao de Pedrazzi (2007) foi o
desenvolvimento de um ambiente para aplicaes de tomada de deciso baseado
em tabelas de deciso adaptativas. Tambm podem ser encontrados os primeiros
estudos sobre tabelas de deciso adaptativas em problemas de deciso multicritrio
em Tchemra (2007). O conjunto desses estudos tem mostrado a capacidade de
computao e utilidade das tabelas de deciso adaptativas. O que se pretende neste
trabalho estender e explorar de maneira mais aprofundada os assuntos
relacionados ao modelo.
tendo como base o formalismo geral do dispositivo adaptativo dirigido por regras,
formalizar uma verso estendida da Tabela de Deciso Adaptativa;
25
TECNOLOGIA
ADAPTATIVA
DISPOSITIVO
ADAPTATIVO
DE TOMADA
DE DECISO
RECURSOS
COMPUTACIONAIS
TOMADA DE
DECISO
26
Tendo como objetivo definir uma extenso da Tabela de Deciso Adaptativa que
apie aplicaes na rea de tomada de deciso, no Captulo 3 so estudados e
apresentados aspectos importantes sobre os processos de Tomada da Deciso.
Devido abrangncia do tema, optou-se pela incluso, no mesmo captulo, dos
estudos de alguns modelos de sistemas de apoio deciso, com o objetivo de se
destacar as caractersticas principais de cada um. E, para completar a
fundamentao terica, tambm so tratados os mtodos multicritrio de apoio
deciso. Procura-se, assim, analisar e definir a aplicao das tabelas de deciso
adaptativas para os processos de tomada de deciso multicritrio.
27
2 TECNOLOGIA ADAPTATIVA
introduzida
uma
viso
das aplicaes do
conceito de
2.1 ADAPTATIVIDADE
28
Uma
breve
descrio
desses formalismos
adaptativos
29
dispositivo adaptativo dirigido por regras, termo este abreviado simplesmente para
dispositivo adaptativo.
camada
adaptativa
dispositivo
adaptativo
ncleo
dispositivo
subjacente
O dispositivo adaptativo dirigido por regras (DA) o modelo geral para o dispositivo
adaptativo, definido por Neto (2001) como um sistema cuja operao realizada por
um conjunto finito de regras, que se modifica dinamicamente.
Esse modelo DA formalizado por Neto (2001) pela dupla DA = (DN, CA) que
representam:
30
31
32
O autmato adaptativo criado por Neto (1993) considerado uma extenso e verso
adaptativa do autmato de pilha estruturado. Os estudos e pesquisas realizados por
Neto sobre reconhecedores de linguagens dependentes de contexto, que pudessem
ter melhor desempenho do que os existentes na poca, resultaram na definio do
autmato adaptativo como um modelo formal de computao e de representao de
linguagens.
Cada mquina de estados do autmato adaptativo tem como ponto de partida uma
configurao inicial de estados, da memria e das transies, e quando se d a
execuo do reconhecimento da cadeia de entrada, transies da mquina so
33
realizadas, tais como, transies internas, ou transies de chamada a uma submquina, ou transies de retorno sua sub-mquina chamadora.
Quando uma cadeia de entrada construda de tal maneira que o autmato ainda
no possa trat-la, a mquina de estados do autmato adaptativo, atravs das
transies adaptativas, modificada para que a cadeia seja tratada. Estas
modificaes levam a uma nova mquina de estados, uma vez que estados e
transies podem ser eliminados e outros includos em conseqncia das aes
adaptativas.
dispositivos
de
processamento:
representados
pelos
cdigos
de
programao;
34
Vale destacar que o uso das tabelas de deciso adaptativas, para simular autmatos
adaptativos para o reconhecimento de cadeias de entrada (NETO, 2001), se
constituiu em uma fonte de inspirao para a formulao de dispositivos adaptativos
de tomada de deciso multicritrio.
Cabe ressaltar aqui que, durante a pesquisa bibliogrfica sobre a Teoria das Tabelas
de Deciso, foram encontradas duas obras que podem ser consideradas como
35
Uma das obras intitulada Decision Tables de Marion L. Hughes, Richard M. Shank
e Elionor Svendsen Stein, editada pela Midi Publications, Management Development
Institute, Divisions of Information, Industries, Inc., Wayne, Pennsylvania, em 1968. E,
a outra obra denominada Decision Tables and Their Practical Application in Data
Processing de Thomas R.Gildersleeve, publicada por Prentice Hall, 1970, de
Englewood Cliffs, N. J.
36
Uma tabela de deciso pode ser considerada como um modelo alternativo para uma
funo ou problema composto por condies, aes e regras:
Segundo Hughes; Shank e Stein (1968), Gildersleeve (1970) e Neto (2001), uma
tabela de deciso tipicamente dividida em quatro sees ou quadrantes bsicos,
como mostrados na figura 3.
37
Quadrante II
Quadrante III
Quadrante IV
38
39
Entretanto, existem problemas, cujas variveis no podem ser limitadas aos valores
descritos anteriormente, pois exigem a representao de dados mais detalhados,
tais como, valores especficos, ou intervalos de valores numricos inteiros ou reais,
ou dados limitados a valores mximos ou mnimos, entre outros. Tabelas compostas
por estes tipos de dados so denominadas tabelas de entradas estendidas ou
ampliadas (HUGHES; SHANK; STEIN, 1968; GILDERSLEEVE, 1970), podendo-se
usar, por exemplo, os operadores de relao , , >, <, = ou para indicar os limites
ou restries dos valores.
imediato
imediato
37
37
>7
Recurso disponvel
para pagar no dia
Comprar na livraria
Comprar pela
internet
No comprar
X
X
Hughes; Shank e Stein (1968) ainda observam que, uma tabela de entrada mista
pode ser reconstruda de tal forma que se torne uma tabela inteiramente de entrada
limitada para facilitar a anlise lgica e soluo do problema. Para isto, os valores
estendidos de cada varivel podem ser considerados como condies separadas,
40
Comprar na livraria
Comprar pela
internet
No comprar
Outra proposta feita por Hughes; Shank e Stein (1968) para facilitar o manuseio de
tabelas de entradas estendidas ou mistas substituir os valores das condies por
cdigos numricos e seqenciais. Por exemplo, uma alternativa para codificao dos
valores atribuir o cdigo 1 para o primeiro valor da linha, o cdigo 2 para o
segundo valor diferente que aparece na mesma linha, o cdigo 3 para o terceiro
valor diferente na linha e assim sucessivamente para cada valor diferente da linha.
Repete-se o processo de codificao para cada linha. Alm de facilitar a
manipulao da tabela de deciso, a codificao pode tornar mais clara a sua
leitura.
< 20
< 20
20 40
20 40
< 20
> 40
fundamental
mdio
superior
fundamental
outra
superior
azul
vermelho
azul
preto
vermelho
preto
41
Escolaridade
Cor de
preferncia
Para exemplificar, a Tabela 5 ilustra as aes que devem ser tomadas por uma
agncia publicitria para a divulgao de um produto, que leva em considerao as
mdias usadas:
Propaganda na televiso
Entrega de folhetos
Divulgao em revistas
Divulgao na internet
X
X
X
X
42
de Hughes; Shank e Stein (1968), a seqncia das aes pode ser descrita na forma
mostrada na Tabela 6:
Propaganda na televiso
Divulgao em revistas
Entrega de folhetos
Divulgao em revistas
Divulgao na internet
Propaganda na televiso
Divulgao na internet
Divulgao em revistas
Propaganda na televiso
Outra forma de apresentar a seqncia de aes para cada regra seria aquela
proposta por Gildersleeve (1970), onde as aes seriam numeradas. A Tabela 7
mostra como a Tabela 5 pode ser reconstruda de acordo com a proposta:
Propaganda na televiso
Entrega de folhetos
Divulgao em revistas
Divulgao na internet
1
2
2
1
43
como, o tempo em que o cliente tem vnculo com a instituio, sua renda mensal e
se um profissional liberal ou no.
Cliente a mais de
2 anos
Renda mensal
> 5.000
Profissional liberal
Crdito at 3.000
Crdito entre
3.000 e 5.000
Conceder crdito
especial
No conceder
crdito
X
X
X
X
X
X
importante que a regra ELSE seja usada corretamente e de forma cuidadosa, pois
se corre o risco de us-la em regras que s vezes podem no estar claras numa
primeira anlise do problema, o que pode gerar alguma ao inadequada e, em
conseqncia, erros graves.
Ao se construir uma tabela com a regra ELSE, Hughes; Shank e Stein (1968)
sugerem uma anlise detalhada de quais combinaes de regras fazem parte da
regra ELSE, para verificar o seu uso correto. Este processo de anlise que consiste
em abrir ou explodir as combinaes de regras que compem a regra ELSE, pode
dar maior clareza de situaes particulares e verificar se a tabela est correta e se,
realmente, contempla todas as regras possveis.
44
p = v1 * v2 * ... * vi * ... * vn
Hughes; Shank e Stein (1968) observam, entretanto, que nem sempre o nmero
total de regras ou combinaes precisa estar presente na tabela. H casos em que
uma regra rene vrias combinaes, como aquela em que um branco ou mais
esto presentes, mostrando que as condies para aquela regra so indiferentes,
reduzindo a quantidade de regras.
Freqncia 75%
Aprovado
Reprovado
No exemplo, a Tabela 9 parece estar incompleta, uma vez que para estar completa
deveria ter o nmero total de regras p = 2n = 22 = 4, onde n = 2 representa a
45
quantidade de condies. No entanto, para um aluno que tem mdia inferior a 7,0, a
freqncia no influencia na sua avaliao final.
Observa-se que a redundncia nas regras pode ser verificada pela presena de
duas ou mais regras, que tenham as mesmas combinaes de condies e a
inconsistncia pode ser reconhecida quando as combinaes so equivalentes,
porm conduzem a aes diferentes. No caso de escolha determinstica, as
combinaes equivalentes devem ser analisadas e opta-se por uma, eliminando as
outras da tabela. No no-determinismo, aps criteriosa anlise, as regras podem
permanecer na tabela, e aplicadas em paralelo.
46
Para estes casos, Hughes; Shank e Stein (1968) sugerem uma diviso do problema,
de tal maneira que, cada parte lgica do problema seja representada por uma
tabela. Estas tabelas seriam vinculadas segundo uma seqncia lgica numa tabela,
chamada tabela de deciso principal, de acordo com regras estabelecidas.
Para finalizar este tpico, tabelas de deciso que possuem como ltima ao de
cada regra uma ao de chamada de outra tabela so denominadas tabelas de
deciso abertas. Entretanto, quando o controle de um processo passa para outra
tabela, de forma temporria, e retorna para a tabela que a chamou, a tabela
executada denominada tabela de deciso fechada. Assim, ao final da execuo de
uma tabela fechada, o controle do processo retorna para a mesma regra na tabela
que a chamou, passando a executar a prxima ao indicada (HUGHES; SHANK;
STEIN, 1968).
47
se mais de uma regra satisfaz as condies, significa um caso de nodeterminismo, e as aes correspondentes s regras so aplicadas em
paralelo;
Neto (2001) mostra que os dispositivos adaptativos dirigidos por regras podem dar
maior flexibilidade s tabelas de deciso, permitindo, no somente a consulta s
regras, como tambm a incluso e a excluso de regras durante a operao do
dispositivo, transformando, assim, a tabela de deciso numa ferramenta mais
poderosa.
Baseado no dispositivo adaptativo dirigido por regras, Neto (2001) define a Tabela
de Deciso Adaptativa (TDA) e a utiliza para simular um autmato adaptativo para
reconhecer sentenas de linguagens dependentes de contexto.
48
A TDA definida por Neto tem como dispositivo subjacente uma tabela de deciso
convencional, na qual acrescentada a camada adaptativa composta por um
conjunto de linhas para a definio das funes adaptativas. Quando uma ao
adaptativa executada, geralmente, o conjunto de regras modificado e, em
conseqncia, a quantidade de colunas da tabela. A quantidade de linhas, porm,
permanece fixa, pois no h alterao nas mesmas (NETO, 2001).
Desta maneira, a TDA pode ser definida pela dupla: TDA = (TDN, CA), onde
TDN representa a tabela de deciso convencional, logo, tabela no-adaptativa e
CA o mecanismo adaptativo.
CRA o conjunto finito dos possveis resultados obtidos pela execuo das
aes quando da aplicao das regras NRT; com CRA;
cada regra rt NRT da forma rt = (ti, cv, tj, r) , onde com a entrada de
valores das condies cv CV, a regra rt gera a resposta r CRA e muda
a configurao da tabela corrente ti para a tabela tj.
49
50
linha de cabealho
(tag)
tabela de
deciso
no-adaptativa
linhas das
condies
funes
adaptativas
valores das
condies
declarao das
funes
adaptativas
aes a serem
aplicadas
aes
adaptativas a
serem
executadas
A (after), para a funo que ser executada depois da regra noadaptativa subjacente;
51
nas clulas das aes, devem ser assinaladas as aes que sero
tomadas;
52
53
3 TEORIA DA DECISO
De acordo com Certo (2000) e Pidd (1998), uma deciso requer que um indivduo,
ou grupo, escolha uma alternativa dentre vrias existentes. O nmero de opes
54
pode variar de duas disponveis a, at, um nmero ilimitado. Decises podem ser
simples, como as que uma pessoa toma no seu dia-a-dia, em situaes como ir ao
cinema ou ler um livro, ou podem ser complexas, quando se relaciona, por exemplo,
com o seu negcio nas questes de investimentos, uma vez que uma deciso pode
influenciar as subseqentes.
Tambm neste contexto, problema pode ser definido como algo que est errado e
precisa ser corrigido ou resolvido. Para isto, necessrio identificar as causas que
geraram o problema e as restries nele existentes (GOMES; GOMES; ALMEIDA,
2002). Em geral, a palavra problema tem seu significado usual designando uma
pergunta, um enigma, ou uma questo que precisa ser resolvida. Problema de
deciso deve ser, portanto, compreendido como um problema que apresenta, pelo
menos, duas alternativas de soluo. Assim, tomar deciso um processo de
escolha da melhor alternativa, para alcanar respostas de problemas de deciso.
importante notar que na computao, de acordo com Lewis e Papadimitriou (1998),
um problema computacional tambm pode ser definido como um processo de
deciso, que tem como resposta sim ou no quando um determinado conjunto de
entradas satisfaz ou no uma determinada propriedade a ser verificada,
respectivamente.
55
10
http://www.janelanaweb.com/digitais/simondigest.html
56
Ragsdale (2001) observa que decises consideradas boas, mesmo que obtidas com
tcnicas de anlise de deciso, no podem garantir bons resultados. Se, por
exemplo, um profissional decidiu abandonar um emprego numa empresa para ter o
seu prprio negcio, segundo parmetros que tenha estabelecido e so conhecidos
num determinado perodo, pode no garantir um bom resultado, em outro momento.
Pode acontecer que haja uma mudana na legislao tributria, por exemplo, que
no estava prevista, e com isto inviabilizar o seu empreendimento.
57
De acordo com Balestrin (2002), o pesquisador Herbert Simon em 1997 props que
o processo decisrio em qualquer atividade seja constitudo inicialmente pela etapa
58
Para Stair e Reynolds (2002), com o problema identificado, seu modelo de escolha
definido pelas fases de tomada de deciso, de implementao e de monitoramento
como as principais etapas para a obteno da soluo do problema.
Desta maneira, todo problema cuja soluo baseada num processo de tomada de
deciso pode ser planejado usando a experincia e os resultados de outros casos
com caractersticas semelhantes. Uma base de dados que disponibilize as
estratgias adotadas em cada caso, pode auxiliar no processo decisrio nas suas
diversas perspectivas e melhorar a qualidade da informao. Nos casos em que,
eventualmente, no haja informao na base de dados, deve existir tanto a
59
Assim, tomar uma deciso sobre um determinado assunto requer que o indivduo, ou
um grupo de pessoas, busque quais so as informaes que j possui sobre o
assunto, verifique se surgiram novas informaes, rena tais informaes para poder
analis-las e compar-las e, ento, tentar chegar soluo do problema em
questo.
no
so
bem
definidos,
caracterstica
dos
problemas
desestruturados.
60
De acordo com Pidd (1998), nas cincias administrativas o uso de modelos que
representam os processos decisrios, implementados em forma computacional,
podem constituir uma maneira de controlar e gerenciar as conseqncias de uma
deciso. Estes sistemas podem ser baseados na idia de realimentao, conforme
os dados disponveis e o desempenho obtido no processo. Os sistemas so
realimentados permitindo que o tomador da deciso tenha maior controle do
processo e melhore o seu desempenho.
61
podem
ser
divididos
em
no-estruturados,
semi-estruturados
estruturados.
62
SIG foram os primeiros sistemas de apoio gerencial que surgiram e que tm sua
importncia em situaes de decises mais estruturadas. Os tomadores de deciso,
geralmente, utilizam o SIG para acessar os bancos de dados disponveis para
consultas e anlises de dados para, ento, executar as atividades de tomada de
deciso.
63
Quanto ao Olap, pode ser uma alternativa computacional para em tempo real e
dinmico gerar respostas rpidas s consultas dos tomadores de deciso (OBRIEN,
2004), oferecendo recursos para operaes analticas bsicas como:
consolidao: recurso que rene dados que se inter-relacionam;
drill-down (desagregao): mostra em detalhe os dados que esto consolidados;
slicing and dicing (fatiar em cubos): permite que os bancos de dados sejam
analisados sob diferentes pontos de vista; geralmente, executado ao longo de
um intervalo de tempo, a fim de se descobrir padres e analisar tendncias.
Com isto, a partir das rotinas de modelagem analtica e das combinaes de seus
elementos, possibilitam a criao de novos modelos que integrados servem de apoio
a casos especficos de decises. Alm desses recursos, os sistemas SAD utilizam
bancos de dados especializados, bem como as prprias percepes e julgamentos
do tomador de deciso.
64
Para Stair e Reynolds (2002), um SAD vai alm do SIG tradicional, pois pode
fornecer assistncia imediata na soluo de problemas complexos no suportados
por um SIG. Um SAD, geralmente, usado para tomada de deciso em problemas
empresariais desestruturados ou semi-estruturados, onde o relacionamento dos
dados nem sempre est claro.
65
66
67
A rede neural se baseia nos dados que recebe para deles extrair um modelo geral.
Portanto, a fase de aprendizado deve ser rigorosa e verdadeira, a fim de se evitar
modelos inadequados. Todo conhecimento de uma rede neural fica armazenado nas
sinapses, ou seja, nos pesos atribudos s conexes entre os neurnios. Dados so
introduzidos para o treinamento da rede neural, dados estes escolhidos
aleatoriamente, a fim de que a rede "aprenda" as regras e no "decore" exemplos. O
restante dos dados s apresentado rede neural na fase de testes, a fim de que
ela possa "deduzir" corretamente o inter-relacionamento entre os dados (OBRIEN,
2004).
68
inferncias aproximados, por isso lgica difusa (fuzzy logic), e dados incompletos ou
ambguos ou difusos (OBRIEN, 2004; KASABOV, 1996). Como a lgica difusa
deliberadamente imprecisa, os sistemas executam os processos mesmo com dados
parciais e chegam a solues aproximadas e aceitveis para problemas complexos
e difceis de serem resolvidos por mtodos convencionais ou tradicionais. A
negociao de aes na bolsa de valores pode ser um exemplo de aplicao
baseada em regras de lgica difusa.
69
70
inferncias que o levam a indicar as aes possveis que o usurio pode tomar,
mostrando o processo de raciocnio percorrido.
Os SE podem ser uma alternativa para problemas complexos, pois possuem o seu
mecanismo apoiado em processos heursticos. Alm de inferir concluses, podem
ter a capacidade de aprender e, desse modo, melhorar o seu processo lgico e a
qualidade de suas decises, preservando o conhecimento de um especialista em
uma determinada rea.
OBrien (2004) observa, porm, que alguns critrios devem ser identificados para
que um determinado problema seja adequado s solues do SE. Estes critrios de
adequao abrangem aspectos como:
conferir o domnio do problema, isto , se a rea do problema bem definida;
verificar a existncia de um especialista que possa colaborar com o
conhecimento, as tcnicas de raciocnio e sua intuio para o desenvolvimento
do SE para alcanar as solues do problema;
examinar a complexidade do problema, que exige processamento lgico de
inferncias;
analisar dados mal-estruturados e imprecisos com uma situao do problema,
que muda com o correr do tempo.
71
Vrias reas tm utilizado os SE, tais como a medicina, engenharia, cincias fsicas
e administrao de empresas. Nesta ltima, so aplicaes que podem avaliar
situaes estratgicas, ou no planejamento financeiro, ou na escolha de produtos,
ou de processos que tm conjuntos amplos e complexos de alternativas, entre
outras.
Deve-se ressaltar neste trabalho, que durante as pesquisas, vrios estudos chamam
a ateno quanto ao conceito de gesto do conhecimento nas empresas, assunto
que no ser discutido e est fora do escopo desta tese, mas observaes de
alguns pesquisadores sobre o tema so apresentadas na seqncia.
72
nos modelos
adotados nos
sistemas
de
informao
de
73
74
75
A Escola Americana tem como base a Teoria da Utilidade Multiatributo proposta por
Keeney e Raiffa (1976), na qual o valor de um critrio ou de uma alternativa para um
decisor depende da sua utilidade na deciso. Segundo a teoria da utilidade, podemse aplicar funes de utilidade ao modelo matemtico do problema de deciso, pelas
quais se refletem a utilidade e preferncias do decisor para cada critrio em relao
s alternativas possveis (FLP, 2005; GOMES; ARAYA; CARIGNANO, 2004).
Seus mtodos so conhecidos como mtodos multicritrio MAUT (Multiple Attribute
Utility Theory), e entre eles se destacam:
desenvolveram
primeiro
mtodo
aplicar
conceito
de
76
w1 c1
.
.
wi ci
.
.
.
.
w m cm
ax1
a1
z1,1
.
zi,1
.
.
zm,1
.
.
.
.
.
.
.
.
. axj
. aj
. z1,j
. .
. zi,j
. .
. .
. zm,j
.
.
.
.
.
.
.
.
. axp
. ap
. z1,p
. .
. zi,p
. .
. .
. zm,p
77
78
Cabe observar aqui que, num processo de tomada de deciso, segundo Keeney e
Raifa (1976), o decisor quando est diante de duas alternativas, por exemplo entre
ai e aj, suas preferncias de escolha envolvem relaes binrias. Assim, em
seguida, so apresentadas as propriedades de uma relao binria geral, que
permitem uma melhor compreenso das preferncias de escolha.
79
se AiPAj, ento U(Ai) > U(Aj), o que significa que a utilidade da alternativa Ai
maior do que a utilidade de Aj;
80
81
uso do AHP pela Comisso Reguladora Nuclear (NCR) dos Estados Unidos
para alocar recursos de Tecnologia da Informao, reduzindo o tempo de
deciso;
a Xerox Corporation e a IBM usaram o AHP para alocar recursos aos seus
projetos de pesquisa, bem como no processo de avaliao dos projetos;
82
83
c1
...
...
ci
cj
...
cm
c1
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
ci
...
...
...
Ei,i
Ej,i
...
...
cj
...
...
...
Ei,j
Ej,j
...
...
...
...
...
...
...
...
...
...
cm
...
...
...
...
...
...
...
84
escala
significado
2, 4, 6, 8
1
valor de comparao entre e
,
, = 1
85
c2
a1
ai
ap
cj
cm
zi,j
ax = Z w
E.w=m.w
(1)
86
(2)
=1
Portanto, se (1) vlida, ento, todos os autovalores so zero, exceto um, que m.
Logo, no caso consistente, m ser o maior autovalor de E ( = ).
Outro resultado importante assume que se os elementos Ei,j de uma matriz recproca
positiva E variarem em pequenos valores, ento os autovalores tambm variaro por
pequenas quantidades.
(3)
Por outro lado, Saaty (1991) gerou uma tabela de ndices que mede a consistncia
de matrizes recprocas geradas aleatoriamente, baseadas na escala de 1 a 9, com
recprocas foradas, para matrizes de ordem 1 at 15. Os ndices encontrados na
pesquisa, denominados ndice de consistncia aleatrio ou randmico (ICR), so
usados para determinar a razo de consistncia CR, que determina a aceitao dos
julgamentos do decisor (4):
(4)
87
10
11
12
13
14
15
ICR
---
---
0,58
0.90
1.12
1.24
1.32
1.41
1.45
1.49
1.51
1.48
1.56
1.57
1.59
Saaty (1991) observa que para matrizes de ordem menor que 3, os julgamentos so
sempre consistentes, portanto, no h necessidade de apurar CR.
Para ilustrar o mtodo AHP, considere uma empresa que inicie um processo de
homologao de fornecedores de um determinado produto. Ela precisa decidir qual
fornecedor A ou B deve escolher, tendo como critrios a qualidade dos servios, a
flexibilidade para a entrega dos produtos e a distncia do fornecedor em relao
empresa.
critrios:
88
C3: Distncia
alternativas de escolha:
A1: Fornecedor A
A2: Fornecedor B
Qualidade
Flexibilidade
Distncia
C1
C2
C3
C1
1
1/4
1/3
C2
4
1
1/2
C3
3
2
1
89
Fornecedor A
Fornecedor B
A1
A2
C1
0,89
0,11
C2
0,86
0,14
C3
0,8
0,2
Os valores globais das alternativas resultaram em ax1 = 0.87 para A1 e ax2 = 0.13
para A2, indicando que a melhor deciso contratar o Fornecedor A.
Os estudos sobre os sistemas de apoio a deciso, sobre os mtodos multicritrio
apresentados neste captulo e a formalizao das Tabelas de Deciso Adaptativas
(cap. 2), so elementos fundamentais para apresentar a extenso da Tabela de
Deciso Adaptativa para apoiar processos de tomada de deciso que envolvem
mltiplos critrios.
90
91
Tendo como base o formalismo geral da TDA definido no Captulo 2 desta tese, a
seguir descrita a TDAE, visando suportar aplicaes de tomada de deciso
multicritrio. Trata-se de uma extenso do formalismo geral, e sua estrutura
mostrada na figura 12, na qual so apresentados seus elementos e sua
organizao.
TABELA
CRITRIOS
AES ADAPTATIVAS
...
...
ADs
DE
CAMADA
ADAPTATIVA
FUNES
Conjunto de
funes auxiliares
FUNES ADAPTATIVAS
CONVENCIONAL
ALTERNATIVAS
DECISO
c1
c2
.
.
c. i
.
.
c.m
a1
a2
.
.
a. k
.
.
a. p
r1
...
rj
REGRAS
...
rn
FM1
FMq
FAD1
FAD2
.
.
FAD
. s
.
.
.
FADnf
92
Uma TDAE que apia processos de deciso multicritrio pode ser definida
formalmente com o emprego da tripla: TDAE = (TDA, FM, M), onde TDA a
Tabela de Deciso Adaptativa clssica (ver cap. 2), FM um conjunto de funes
auxiliares que estabelece uma comunicao entre a camada adaptativa e o restante
da tabela e M o mtodo multicritrio a ser aplicado para um particular problema de
deciso. O elemento M foi especificado para que a TDAE resulte genrica,
permitindo que a sua operao siga qualquer mtodo multicritrio definido pelo
decisor.
Deve-se observar que, nesta formulao, M no est em evidncia na estrutura,
pois o mtodo multicritrio permeia e atua nos critrios, nas alternativas, nas funes
auxiliares e nas aes adaptativas. O ideal seria que M fosse implementado pelo
usurio, que utilizaria para isso alguma linguagem especfica, que seria compilada
automaticamente para a forma de critrios, alternativas e aes adaptativas.
Na extenso da TDAE define-se o conjunto das funes auxiliares FM que,
embora pudessem ser implementadas como funes adaptativas, devido sua
complexidade, exigiriam um repertrio mais amplo de operaes primitivas que as
oferecidas no formalismo disponvel na TDAE. Essas funes operam como uma
interface entre a camada adaptativa e o restante da tabela, efetuando operaes
que seriam demasiadamente extensas se expressas na forma de funes
adaptativas convencionais. Isto confere a essas funes a capacidade de calcular e
alterar valores utilizados para avaliao das condies que determinam a aplicao
das regras.
Note-se que as funes em FM devem ser executadas antes da aplicao da regra
que a referencia, porque o funcionamento da TDAE depende dos valores
calculados por elas. A implementao das funes do conjunto FM, a exemplo do
que acontece com as alternativas da tabela de deciso subjacente, definida
externamente e sua operao no explicitada na tabela. Por outro lado, a
operao das chamadas dessas funes ocorre de maneira similar ao de uma
93
94
Cada funo adaptativa pode ser expressa por uma nupla, dada pela expresso
geral: FAD = (NF, P, V, G, BA, AD, AA).
Os elementos das funes FAD representam, respectivamente:
O corpo AD de cada funo adaptativa FAD pode ser definido por mais de uma
ao adaptativa elementar. Considerando AD = (AC, AE, AI) tem-se:
95
AD
tag
..
.
...
regra
rj
...
...
...
.
.
.
nome da funo
NF
.
..
...
.
.
.
...
BA/AA
anterior ou posterior
...
parmetros
FAD
pi
pi
...
...
variveis
vi
vi
...
...
geradores
.
.
.
gi
gi
.
.
.
...
.
.
.
96
11
97
sob outro aspecto, a TDAE pode ser utilizada como um instrumento para
consulta de decises parciais, deixando que a deciso final seja tomada pelo
decisor ou pelo especialista do particular problema de deciso; nesse sentido,
o algoritmo pode apresentar um conjunto de possveis solues viveis para o
problema, segundo o mtodo multicritrio adotado.
A TDAE pode ser vista como um dispositivo adaptativo que, no incio de sua
operao, apresenta uma configurao fixa, predeterminada. Na configurao inicial,
o dispositivo opera como uma tabela de deciso convencional, efetuando as buscas
das regras procuradas pelo processo decisrio, seguindo o mtodo M definido pelo
especialista.
98
Deve-se observar que os pesos dos critrios e as preferncias das alternativas (ver
cap. 3) tambm so usados pelas funes auxiliares de FM para determinar
situaes ainda no consideradas na tabela de deciso adaptativa.
A partir da configurao assim atingida, a TDAE pode ser utilizada novamente para
outras consultas.
99
100
101
Regras
r1
r2
...
rj
...
rn
Critrio c 1
Critrio c 2
...
Critrio c i
d i,j
...
Critrio c m
Alternativa a 1
Alternativa a 2
...
Alternativa a k
x k,j
...
Alternativa a p
102
Este mdulo, portanto, tem por objetivo permitir que o decisor faa as comparaes
entre os critrios, aos pares, sobre as quais so aplicados os procedimentos de
julgamento dos mtodos multicritrio e determinao dos pesos de cada critrio. Em
conseqncia, possvel ordenar os critrios de acordo com a sua importncia
relativa.
w1 c1
.
.
wi ci
.
.
.
.
w m cm
ax1
a1
z1,1
.
zi,1
.
.
zm,1
.
.
.
.
.
.
.
.
. axj
. aj
. z1,j
. .
. zi,j
. .
. .
. zm,j
.
.
.
.
.
.
.
.
. axp
. ap
. z1,p
. .
. zi,p
. .
. .
. zm,p
103
Passo II.1: Insero dos julgamentos do decisor para criao da matriz Emxm de
comparao entre os critrios.
Passo II.2: Normalizao dos valores de julgamento dos critrios, para obteno do
vetor w dos pesos ou das importncias relativas de cada critrio.
Passo II.3: Verificao da consistncia dos julgamentos dos critrios.
Passo II.4: Criao da matriz Z de desempenho de cada alternativa em relao ao
conjunto de critrios.
Passo II.5: Determinao do vetor ax de valores globais ou de importncia relativa
das alternativas.
Passo II.6: Ordenao do vetor ax, da alternativa de maior importncia para a de
menor importncia.
Passo II.7: Ordenao das regras da tabela de deciso, com o objetivo de mostrar
as regras que apresentem melhores possibilidades de soluo.
104
Um dos passos desta fase consiste na especificao de uma regra, que o decisor
pretende buscar na TDAE.
Passo III.2: Entrada de uma regra especfica que ser procurada na TDAE.
Passo III.3: Uso da TDAE para busca de uma regra especificada.
105
106
107
=1(2
+ na )
=1(1
108
nmax = 2m max regras, pois cada um dos m critrios pode assumir valores
binrios (S ou N), o que possibilita gerar 2m max regras combinadas, onde
mmax representa o nmero mximo de critrios.
A exigncia de espao total (te) do algoritmo de deciso pode ser estimada pela
expresso:
te = total de linhas * total de colunas.
te = [m + p + q +
=1(2
+ na )] * [n +
=1(1
+ )]
109
i=0
Enquanto houver critrio a ser inserido faa
i ++
entrada do critrio i
Fim do enquanto
m=i
retorna m
tp1 = + * m
Passo I.2: Insero do conjunto A de p alternativas.
Objetivo: Rotina para entrada das alternativas da tabela de deciso convencional.
Entrada: Alternativas.
Sada: Alternativas e quantidade de alternativas.
i=0
Enquanto houver alternativa a ser inserida faa
i ++
entrada da alternativa i
Fim do enquanto
p=i
retorna p
110
tp2 = + * p
Passo I.3: Insero do conjunto R de n regras iniciais.
Objetivo: Rotina para preenchimento das regras iniciais da tabela de deciso
convencional.
Entrada: Regras.
Sada: Regras e quantidade de regras.
k=0
// executa teste
k++
Para i = 1 at m
// executa teste
entrada de S ou N
// entrada
// executa teste
// entrada
// indicao da alternativa j
Fim para
Fim do enquanto
n=k
retorna n
// k4 custo de um retorno
k2 + n
(m + p)
constantes.
Logo, tp3 = + n * k2 + n * (m + p) * , no qual n representa a quantidade de regras
inseridas e, para cada regra, so inseridos os valores dos m critrios e das p
alternativas.
111
tp3 = + n * k2 + n * (m + p) *
Passo I.4: Insero do valor de M, indicando o mtodo multicritrio de deciso do
caso particular de tomada de deciso.
Objetivo: Rotina para entrada do mtodo de tomada de deciso.
Entrada: Cdigo do mtodo de deciso.
Sada: Cdigo do mtodo de deciso.
entrada de M (cdigo do mtodo de tomada de deciso)
retorna M
tp4 = k1
Passo I.5: Sada da funo com a configurao inicial t0 da TDAE criada.
tpMI = 1 + ( + n) * (m + p) + n * (k2 + (m + p) * )
112
ci
...
cj
...
ci
cj
Ei,i
Ej,i
Ei,j
Ej,j
cm
...
...
c1
c1
...
cm
...
No julgamento entre os critrios, aos pares, o decisor faz a entrada dos valores Ei,j,
segundo a Escala Fundamental de Saaty (1994), apresentada na Tabela 10 (cap. 3),
que indicam a intensidade de importncia de cada critrio em relao a outro (ver
cap. 3), onde:
, = valor de comparao entre e
, =
1
valor de comparao entre e
,
, = 1
para = 1, , e = 1, ,
Para i = 1 at m
Ei,i = 1
// k1 custo de atribuio
Fim para
Para i = 1 at m
Para j = 1 at m
se i j, ento Ei,j = valor de julgamento; Ej,i = 1/Ei,j
// k2 custo de atribuio e transposio
Fim para
Fim para
113
Tempo consumido:
tp5 = 2 * m + 3 * m2
Passo II.2: Normalizao dos pesos dos critrios, para obteno do vetor w das
importncias relativas de cada critrio.
Objetivo: Obter o vetor w dos pesos, ou importncia relativa, de cada critrio.
Entrada: Matriz E de comparao entre os critrios.
Sada: Vetor w dos pesos dos critrios.
= 1, ,
=1
,
=
com 0 < ,
< 1 para = 1, , e = 1, ,
114
wi
E'
j 1
i,j
i = 1, ..., m
// k1 custo de atribuio
// k2 custo da soma
// k3 custo da diviso
Exigncia de tempo:
Logo, tp6 = k1 * m2 + k2 * m + k3 * m2 + k4 * m2 + k5 * m.
tp6 = 4 * m2 + 5 * m
115
=
= 1, ,
max
cs
i 1
max m
m 1
CI
ICR
116
O tempo total deste passo dado pela soma dos tempos de cada item e
considerando k6 * m2 seja o tempo adotado para a ordenao do vetor w, tem-se:
tp7 = k1 * (m2 + m) + k2 * m + k3 * m + k4 + k5 + k6 * m2
tp7 = 6 * m2 + 7 * m + 8
117
c1
c2
a1
ai
ap
cj
cm
zi,j
a1
a2
ak
aP
aj
ap
b) Cada uma das matrizes obtidas MCi deve ser normalizada, de forma
semelhante ao Passo II.2, gerando as matrizes Qi, assim como deve ser
verificada a consistncia dos julgamentos das alternativas em relao aos
critrios.
c) Com os julgamentos aceitos, a partir de cada matriz Qi, so obtidas as
pontuaes de cada alternativa em relao ao critrio ci. Essas pontuaes
118
=
, onde =
, para = 1, ,
=1
para = 1, , e = 1, ,
(m
p2) + k3
tp8 = 9 * (m * p2) + k3 * p2
Passo II.5: Determinao do vetor ax de importncia relativa das alternativas.
Objetivo: Obteno do vetor ax de importncia relativa das alternativas.
Entrada: Matriz Z de desempenho das alternativas e vetor w dos pesos dos critrios.
Sada: Vetor ax das alternativas.
119
ax = Z . w
Exigncia de tempo:
tp9 = 10 * (p2 + p)
Passo II.6: Ordenao do vetor ax, da alternativa de maior importncia para a de
menor valor.
tp10 = 11 * p2
Passo II.7: Ordenao das regras da tabela de deciso, com o objetivo de mostrar
as regras que apresentem melhores possibilidades de soluo.
= (
, )
=1
sendo:
= 1, ,
120
determinao dos pesos de cada regra Yk, para obter o vetor Y: 12 * (n * m),
para n regras, uma somatria de m valores, e um produto da soma pelo valor
de categorizao de uma alternativa;
tp11 = 12 * (n * m) + 13 * n2
Aps a avaliao do tempo de cada passo do mdulo II, o tempo total dado por:
tpMII = tp5 + tp6 + tp7 + tp8 + tp9 + tp10 + tp11
tpMII = 2 * m + 3 * m2 + 4 * m2 + 5 * m + 6 * m2 + 7 * m + 8 + 9 * (m * p2) + k3 * p2 +
10 * (p2 + p) + 11 * p2 + 12 * (n * m) + 13 * n2
tpMII = 13 * n2 + 14 * m2 + 15 * p2 + 9 * (m * p2) + 10 * p + 12 * (n * m) + 8
121
k=0
Enquanto houver declarao de funo adaptativa a ser inserida faa
k++
entrada do nome da funo;
entrada de parmetros (np), associados funo adaptativa em questo;
entrada de variveis (nv), associados funo adaptativa em questo;
entrada de geradores (ng), associados funo adaptativa em questo;
Fim do enquanto
nf = k // nmero de funes adaptativas
retorna nf
122
Exigncia de tempo:
tp12 = 16
=1 na ,
tp12 = 16 *
=1 na
Para k = 1 at nf
a) criar a coluna header da funo adaptativa composta por:
marcao do nome da funo;
marcao de um tag B ou A (anterior ou posterior);
b) criar as colunas das aes adaptativas elementares da funo:
colunas referentes s aes adaptativas elementares de consulta, se
houver;
colunas referentes s aes adaptativas elementares de incluso, se
houver;
colunas referentes s aes adaptativas elementares de excluso, se
houver;
Fim para
Retorna
123
Exigncia de tempo:
a) para criar a coluna header de uma funo adaptativa:
1 uma coluna para o header
1 para marcar nome
1 para marcar B ou A
np + nv + ng = na, com na igual a um nmero mdio de elementos
b) nc
tp13 = 3 + 17 *
=1 na +
18 *
=1(
nai )
=1(
+ 2)] + 20
124
tpac = 19 * [m + p + q +
=1(2
+ na ) *
=1(
+ 2)] + 20
=1 na
+ 3 + 17 *
19 * [m + p + q +
tpfase1 = 21*
=1 na
=1(
+ 18
=1(2
=1 na +
+ na ) *
=1(
18 *
=1(
=1(
nai ) +
+ 2)] + 20
nai ) + 19*(m + p + q) + 19 * [
=1(2
+ na )
+ 2)] + 22
Objetivo: Permitir ao usurio entrar com uma regra especfica para ser buscada na
TDAE.
Entrada: Dados que compem a regra especfica.
Sada: Regra especfica.
Para i = 1 at m
entrada do valor S ou N para a regra na linha do critrio i
Fim para
retorna regra especfica
125
Deve-se observar que esta rotina pode ser omitida, no caso em que haja um
aplicativo que fornea, automaticamente, as regras a serem procuradas, evitando-se
a entrada manual das mesmas. Nesta tese, a comprovao do funcionamento da
TDAE foi feita com o auxlio desta rotina de entrada manual da regra.
Exigncia de tempo:
tp14 = 23 * m
Objetivo: Rotina para buscar uma regra especificada, com o objetivo de se encontrar
as alternativas da regra.
Entrada: Regra especfica a ser buscada na TDAE.
Sada: Apresentao das alternativas da regra buscada.
Busca da regra especfica na TDAE:
1. se achou a regra, executa as chamadas de funo, se houver, e segue para
o prximo passo;
2. se achou regra E (regra final) da tabela:
2.1.
2.2.
2.3.
126
Desta forma, a sada da funo CONSULTA (TDAE, regra) pode apresentar uma
soluo possvel para o problema de deciso ou um conjunto de solues,
dependendo do mtodo multicritrio escolhido pelo decisor.
O custo de tempo para a execuo da busca de regras na TDAE pode ser
estimado por:
tpad custo das chamadas das funes adaptativas, que depende do mtodo
multicritrio adotado.
tpMIII = 21*
=1 na
=1(
+ 18
=1(
nai ) + 19*(m + p + q) + 19 * [
=1(2
+ na )
127
te = [m + p + q +
=1(2
+ na )] * [n +
=1(1
+ )]
tpMI = 1 + ( + n) * (m + p) + n * (k2 + (m + p) * )
tpMII = 13 * n2 + 14 * m2 + 15 * p2 + 9 * (m * p2) + 10 * p + 12 * (n * m) + 8
tpMIII = 21*
=1 na
19 * [
=1(2
+ 18 *
+ na ) *
=1(
nai ) + 19*(m + p + q) +
=1(
+ 2)] + 22 + 25*m +
24 * (n * m) + tFM + tpad
128
129
Como cada particular mtodo multicritrio, escolhido para a tomada de deciso, tem
suas prprias caractersticas, e como cada uma exige da modelagem um tratamento
diferenciado, torna-se difcil generalizar este trabalho. Por esta razo, este exemplo
apresentado aqui apenas como uma forma de orientar a elaborao de outros
similares, mas sem a pretenso de cobrir exaustivamente as possibilidades que
podem se apresentar, que so inmeras.
130
131
Regras
r1
r2
r3
r4
Critrio c 1
Critrio c 2
Critrio c 3
Alternativa a 1
X
X
Alternativa a 2
c1
c2
c3
c1
1
1/4
1/3
c2
4
1
1/2
c3
3
2
1
132
c1
0.63
0.16
0.21
c2
0.73
0.18
0.09
c3
0.50
0.33
0.17
133
a1
1
1/8
a2
8
1
a1
1
1/6
a2
6
1
a1
1
1/4
a2
4
1
134
c1
0.89
0.11
c2
0.86
0.14
c3
0.80
0.20
135
Regras
r1
r4
r3
r2
Critrio c 1
Critrio c 2
Critrio c 3
Alternativa a 1
X
X
Alternativa a 2
136
p1, p2, p3, v1, v2, g so os elementos da funo adaptativa, composta por
parmetros, variveis e geradores;
p4, p5, p6, v3, v4, g so os elementos da funo adaptativa, composta por
parmetros, variveis e geradores;
Para efeito de ilustrao, suponha que o decisor entre com a regra a ser procurada
na tabela de deciso, que representada por rcc (figura 28), ressalvando que os
outros elementos da regra esto indefinidos:
rcc
c1
c2
c3
137
138
adaptativa de incluso, pela chamada da funo adaptativa F1, gerando uma nova
configurao da TDAE.
Neste exemplo, a execuo dos passos para a busca da regra rcc (figura 28) resulta
em:
Regras
r1
r4
r5
r3
r2
Critrio c 1
Critrio c 2
Critrio c 3
Alternativa a 1
X
X
Alternativa a 2
139
Regras
Critrio c 1
r6
r7
Critrio c 2
Critrio c 3
Alternativa a 1
Alternativa a 2
Na seqncia desta tese, feita uma avaliao de espao e tempo exigidos para a
execuo do algoritmo de deciso da TDAE, para o exemplo de aplicao
particular apresentado.
140
m = 3 critrios;
p = 2 alternativas;
=1(2
No exemplo, te = 23
+ na )] * [n +
=1(1
+ )]
colunas.
Durante a execuo do algoritmo de deciso da TDAE, uma avaliao simples de
consumo de memria indica que:
uma matriz E3x3 criada para que o decisor faa os julgamentos entre os
critrios;
141
No exemplo dado, no passo III.1 foram definidas duas funes adaptativas, cujo
espao de memria j foi avaliado, anteriormente.
O tempo estimado para a montagem da camada adaptativa da TDAE dado por:
tpfase1 = 21*
=1 na
19 * [
+ 18 *
=1(2
+ na ) *
=1(
nai ) + 19*(m + p + q) +
=1(
+ 2)] + 22
142
Fim para
Clculo da soma (sp) dos pesos associados.
Determinao da alternativa para a regra rcc:
Para j = 1 at p (n de alternativas)
clculo do valor Yrcc associado regra, obtido pelo produto sp * axj (valor de
categorizao da alternativa aj)
// para obter qual alternativa atribuir para a regra
Fim para
O valor Yrcc obtido, indicando o peso da regra rcc, e, simultaneamente, a
alternativa aj associada expresso escolhida para a regra.
tFM1 = 5 * m + 3 * p + 4
tFM1 = 35 + 23+ 4.
143
No exemplo, a segunda funo auxiliar foi executada duas vezes, logo a estimativa
de tempo tFM2 resulta:
tFM2 = 46 + 27 + 48.
H uma terceira funo auxiliar de FM chamada para reordenar a TDAE, segundo
os pesos das regras.
Na configurao t0 da tabela:
ordena-se o vetor dos pesos Y das regras da tabela, quando os pesos foram
calculados no incio do processo;
pesquisa-se Yrcc no vetor Y que contm os pesos das regras da tabela, para
determinar a posio da regra rcc a ser inserida;
144
145
146
O tempo total exigido para a execuo das aes adaptativas, se houver, dado
por:
tad = [12 * (n-1) * (n-i-1) * (m+p)] +
[13*(incluso de uma regra)] + [14*(excluso de uma regra)].
147
6 IMPLEMENTAO DA TDAE
O software TDAE foi implementado na linguagem C++ Builder, verso 6.0 da Borland Software
Corporation.
14
148
MDULO I
O mdulo I, cuja interface inicial do software TDAE mostrada na figura 32,
permite a entrada dos critrios e das alternativas do problema de tomada de
deciso.
Ao escolher a opo Critrios, o decisor pode inserir cada um dos critrios que
fazem parte do problema de deciso e adicionar na lista para visualizar as entradas.
No caso em que deseje remover algum critrio, basta selecion-lo na lista e clicar no
boto Remover. Da mesma maneira, o decisor pode inserir ou remover cada
alternativa.
O mtodo multicritrio a ser adotado no algoritmo, tambm pode ser inserido pelo
decisor. Na verso preliminar do software, o mtodo multicritrio escolhido foi o
AHP.
149
Ao clicar no boto Inserir na TDAE, uma nova janela (figura 33) aberta mostrando
a tabela de deciso subjacente, composta pelos critrios e pelas alternativas
inseridas.
150
Mdulo II
A tela da figura 34 permite que o decisor julgue os critrios aos pares, obedecendo a
escala de Saaty (ver captulo 4). Conforme a entrada dos valores de preferncia, a
matriz de julgamentos recproca criada.
Para cada critrio selecionado, uma nova matriz (janela) mostrada, possibilitando
ao usurio inserir os valores de preferncia entre as alternativas.
151
152
Opcionalmente, o decisor pode clicar no boto Peso das regras para ver na tela os
pesos de cada regra da TDAE.
O boto Consulta permite que o decisor faa consultas de regras (figura 38).
153
Aps a especificao dos critrios da regra a ser consultada, o boto Procurar pode
ser clicado para que a regra seja procurada na TDAE. O software executa uma
busca na tabela para procurar a regra. Ao se clicar no boto Posio, caso a regra
seja encontrada, uma mensagem mostra sua posio na tabela de deciso. No caso
da regra no ser encontrada, a mensagem correspondente exibida, e so
executadas as aes adaptativas de incluso e excluso de regras. Ao se clicar no
boto Fechar consulta, uma nova configurao da TDAE apresentada como a
da figura 37. O boto Limpar possibilita ao usurio corrigir os dados da regra a ser
consultada.
O conjunto das funes auxiliares FM definido e implementado de acordo com o
mtodo multicritrio adotado, e no mostrado para o usurio.
O software TDAE tambm possui opo para salvar a tabela de deciso na sua
configurao inicial, para que o decisor possa reavaliar os critrios e as alternativas
do problema de deciso multicritrio. A ltima configurao da tabela pode ser salva
para que outras consultas possam ser realizadas, a partir dela.
154
Satisfao na escola
Aprendizado
Colegas
Vida escolar
Escola A
Escola B
Treinamento
vocacional
Preparao
universitria
Aulas de msica
Escola C
155
156
157
158
decisor, seguida pela Escola A e pela Escola C, representadas pelos valores globais:
Escola A: 0.3134045 Escola B: 0.4261368 Escola C: 0.2604586.
A partir dos pesos dos critrios e dos valores globais das alternativas, so
determinados os pesos de cada uma das regras da tabela de deciso subjacente
inicial, que permitem orden-las. A figura 46 mostra a tabela de deciso com as
regras ordenadas.
159
qual o decisor introduz os parmetros da regra a ser consultada (figura 48), por
exemplo:
A partir dos pesos dos critrios e dos valores globais das alternativas, uma funo
auxiliar executada para determinar a alternativa mais provvel para a regra
procurada, cuja resposta apresentada pelo software TDAE (figura 50):
160
161
Novas verses do software podem ser desenvolvidas, por exemplo, para possibilitar
a integrao da TDAE com outro software que gere automaticamente a tabela de
deciso subjacente inicial, e apresente os critrios de um problema particular de
deciso, obtidos por algum processo de reconhecimento de padres numa base de
dados de uma organizao.
Na formulao original da TDAE, o mtodo multicritrio pode ser especificado pelo
usurio e nesse caso, por exemplo, uma soluo para a sua implementao no
software TDAE seria a concepo de uma linguagem especfica, que poderia ser
compilada automaticamente e integrada s aes adaptativas, e, opcionalmente, a
ferramenta poderia exibir o mecanismo adaptativo para o usurio.
162
7 CONCLUSES
novas
alternativas
sejam
includos
(DAGDEVIREN,
2008).
163
7.1 CONTRIBUIES
164
eficientes,
externamente
165
A TDAE, que tem como objetivo aplicaes nos processos de tomada de deciso
multicritrio, possibilita a ampliao de sua utilizao em vrias reas do
conhecimento, como por exemplo, na rea da educao para avaliao do processo
de ensino-aprendizagem.
de
adaptatividade
multicamada.
Assim,
camadas
adicionais
de
166
167
REFERNCIAS
BALESTRIN, A. Uma anlise da contribuio de Hebert Simon s Teorias
Organizacionais. Revista de Administrao do PPGA, UFRGS, 2002.
BHM, C., JACOPINI, G. Flow diagrams, turing machines and languages with only
two formation rules. Communications of the ACM, 9 v. Issue 5, p.366-371, 1966.
168
169
170
POMEROL, J. C.; ADAM, F. On the legacy of Hebert Simon and his contribution
to decision-making support systems and artificial intelligence. Springer London,
2006.
171
______. Fundamentals of decision making and priority theory with the Analytic
Hierarchy Process. VI v. Pittsburgh: RWS Publications, 1994.
______. Analytic Hierarchy Process. Decision Making for Leaders, II v. AHP Series,
RWS Publications, 2001.
______. Decision making with the analytic hierarchy process. Int. J. Services
Sciences, v. 1, n. 1, p. 83-98, 2008.