ANGELA HUM TCHEMRA

TABELA DE DECISO ADAPTATIVA

NA TOMADA DE DECISO MULTICRITRIO

So Paulo
2009

ANGELA HUM TCHEMRA

TABELA DE DECISO ADAPTATIVA

NA TOMADA DE DECISO MULTICRITRIO

Tese apresentada Escola

Politcnica da Universidade de
So Paulo para obteno do
ttulo de Doutor em Engenharia.

So Paulo
2009

ANGELA HUM TCHEMRA

TABELA DE DECISO ADAPTATIVA

NA TOMADA DE DECISO MULTICRITRIO

Tese apresentada Escola

Politcnica da Universidade de
So Paulo para obteno do
ttulo de Doutor em Engenharia.

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

Tchemra, Angela Hum

Tabela de deciso adaptativa na tomada de decises multicritrio / A.H. Tchemra. ed. rev. -- So Paulo, 2009.
172 p.
Tese (Doutorado) - Escola Politcnica da Universidade de
So Paulo. Departamento de Engenharia de Computao e Sistemas Digitais.
1. Tomada de deciso 2. Teoria da computao 3. Inteligncia artificial I. Universidade de So Paulo. Escola Politcnica.
Departamento de Engenharia de Computao e Sistemas Digi
tais II. t.

Ao meu filho Rodrigo,

com muito amor e carinho.

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 amigos e professores da Universidade Presbiteriana Mackenzie, Licoln, Srgio,

Edson, Melanie, Silza, Orlando e tantos outros. Ao Alex Takai pelo auxlio na
implementao do software. Ao Rubens de Camargo pelas reunies de estudo sobre
adaptatividade e pela amizade. Um agradecimento especial ao Vilar Ribeiro de
Figueiredo, que foi quem me incentivou a enfrentar o desafio do doutorado e me
acompanhou em todos os momentos, me apoiando e principalmente pela sua
amizade.

Aos amigos da Faculdade de Engenharia So Paulo e da Fundao Armando

lvares Penteado pelo apoio constante.

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.

A todos que, direta ou indiretamente, me incentivaram e me apoiaram, tornando

possvel a concluso desta tese.

RESUMO

Esta tese apresenta a formulao de uma extenso da tabela de deciso adaptativa,

denominada Tabela de Deciso Adaptativa Estendida (TDAE), que tem por
objetivo apoiar aplicaes de tomada de deciso multicritrio. implementado um
algoritmo de tomada de deciso para a TDAE que incorpora os mecanismos de
tabelas de deciso tradicionais, tcnicas adaptativas e procedimentos de mtodos
multicritrio. A descrio e execuo do algoritmo e a aplicabilidade da TDAE em
problemas de deciso multicritrio so mostradas numa aplicao particular.
apresentada uma avaliao de desempenho do algoritmo de deciso, em relao ao
custo de tempo e de memria exigidos para a sua execuo. Uma ferramenta de
apoio deciso baseada na TDAE descrita e implementada. Os resultados do
trabalho mostram que a TDAE vivel e pode ser uma opo alternativa de
dispositivo para apoiar processos decisrios de problemas de deciso multicritrio.

Palavras-chave: Tabelas de deciso adaptativa. Adaptatividade. Tomada de

deciso. Mtodos multicritrio.

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.

Keywords: Adaptive decision tables. Adaptivity. Decision making. Multicriteria

methods.

LISTA DE ILUSTRAES

Figura 1 - Diagrama geral da fundamentao conceitual .......................................... 25

Figura 2 Estrutura geral de um dispositivo adaptativo ............................................ 29
Figura 3 Estrutura da Tabela de Deciso ............................................................... 37
Figura 4 Estrutura geral da TDA .......................................................................... 50
Figura 5 Matriz de deciso (Flp 2005) ................................................................ 76
Figura 6 Exemplo de hierarquia de um problema de deciso ................................ 83
Figura 7 Matriz E de julgamentos aos pares entre os critrios ............................... 83
Figura 8 Matriz Z de desempenho das alternativas em relao aos critrios ........ 85
Figura 9 Hierarquia do problema de deciso.......................................................... 88
Figura 10 Matriz de julgamento .............................................................................. 88
Figura 11 Matriz de desempenho ........................................................................... 89
Figura 12 Estrutura geral da TDAE para aplicaes de decises multicritrio .... 91
Figura 13 Estrutura de cada funo adaptativa FAD na tabela ........................... 95
Figura 14 Tabela de deciso convencional .......................................................... 101
Figura 15 Matriz de deciso ................................................................................. 102
Figura 16 Matriz E de comparao entre os critrios ........................................... 112
Figura 17 Matriz Z de desempenho das alternativas em relao aos critrios..... 117
Figura 18 Matriz de comparao MCi ................................................................... 117
Figura 19 Estrutura hierrquica do exemplo......................................................... 130
Figura 20 Tabela de deciso subjacente do exemplo .......................................... 131
Figura 21 Matriz de comparao E entre os critrios ........................................... 131
Figura 22 Matriz de comparao normalizada (E) .............................................. 132
Figura 23 Matriz MC1............................................................................................ 133
Figura 24 Matriz MC2............................................................................................ 133
Figura 25 Matriz MC3............................................................................................ 133
Figura 26 Matriz Z de desempenho das alternativas ........................................... 134
Figura 27 Configurao t1 da tabela de deciso do exemplo............................... 135
Figura 28 Regra rcc a ser consultada .................................................................. 136
Figura 29 Configurao t1 da TDAE do exemplo .............................................. 138

Figura 30 Configurao t2 da TDAE do exemplo .............................................. 139

Figura 31 Interface inicial da TDAE ................................................................... 147
Figura 32 - Tela para a entrada dos critrios e das alternativas .............................. 149
Figura 33 - Configurao inicial t0 da tabela de deciso subjacente ....................... 149
Figura 34 - Tela para o decisor julgar os critrios ................................................... 150
Figura 35 - Matriz de comparao das alternativas diante do critrio escolhido ..... 151
Figura 36 Matriz de desempenho das alternativas ................................................ 151
Figura 37 Tabela de deciso com as regras ordenadas ...................................... 152
Figura 38 Consulta a uma regra especfica .......................................................... 152
Figura 39 Hierarquia da satisfao na escola (Fonte: Saaty, 1991) ..................... 154
Figura 40 Entrada dos critrios e das alternativas do problema........................... 154
Figura 41 Tabela de deciso subjacente inicial .................................................... 155
Figura 42 Matriz de julgamentos entre os critrios ............................................... 155
Figura 43 Matriz de julgamentos normalizada e pesos dos critrios .................... 156
Figura 44 Matrizes de comparao das alternativas em relao a cada um dos
critrios .................................................................................................................... 157
Figura 45 Matriz de desempenho das alternativas ............................................... 157
Figura 46 Regras ordenadas na tabela de deciso .............................................. 158
Figura 47 Pesos das regras ordenadas na tabela de deciso.............................. 158
Figura 48 Regra a ser consultada na tabela de deciso ...................................... 159
Figura 49 Mensagem de regra no encontrada ................................................... 159
Figura 50 Alternativa para a nova regra ............................................................... 159
Figura 51 Nova configurao da tabela de deciso ............................................. 160
Figura 52 Configurao da tabela de deciso simplificada .................................. 160

LISTA DE TABELAS

Tabela 1 Exemplo de Tabela de Deciso de Entradas Mistas ............................... 39

Tabela 2 Exemplo de Tabela de Deciso de Entradas Limitadas .......................... 40
Tabela 3 Exemplo de Tabela de Deciso com Entradas Estendidas ..................... 40
Tabela 4 Exemplo de Tabela de Deciso com Entradas Codificadas .................... 41
Tabela 5 Exemplo de Tabela de Deciso com aes a serem tomadas ................ 41
Tabela 6 Exemplo de seqncia de aes a serem tomadas ................................ 42
Tabela 7 Exemplo de seqncia de aes numerada............................................ 42
Tabela 8 Exemplo de Tabela de Deciso e a Regra ELSE .................................... 43
Tabela 9 Exemplo de Tabela de Deciso com condies indiferentes nas regras . 44
Tabela 10 Escala Fundamental de Saaty (Fonte: Saaty, 1991) ............................. 84
Tabela 11 - Tabela de ndices de consistncia randmico (Fonte: Saaty, 1991) ...... 87

LISTA DE ABREVIATURAS E SIMBOLOS

A = {ak, 1 k p}

Conjunto de alternativas

AC

Aes adaptativas elementares de consulta

AD = (AC, AE, AI)

Corpo de uma funo adaptativa

AE

Aes adaptativas elementares de excluso

AHP

Analytic Hierarchy Process

AI

Aes adaptativas elementares de incluso

ax = (ax1,..., axj, ..., axp)T

Vetor dos valores globais das alternativas

C = {ci, 1 i m}

Conjunto de critrios

CA = (FA, RA)

Mecanismo adaptativo

CC(Ai, Aj)

ndice de concordncia das alternativas Ai e Aj

CI

Indice de consistncia

CR

Razo de consistncia

cs

Vetor de consistncia

CT

Configuraes da TDAE

CV

Conjunto finito de valores vlidos dos critrios

DA = (DN, CA)

Dispositivo adaptativo dirigido por regras

DC(Ai, Aj)

ndice de discordncia das alternativas Ai e Aj

di,j

Valores dos critrios

DN

Dispositivo subjacente no-adaptativo

Ei,j

Valor de comparao ci e cj

Matriz de comparao entre critrios

ELECTRE

Elimination and Choice Translating Reality

FA = {FADs, 1 s nf}

Conjunto das funes adaptativas

FM

Conjunto de funes auxiliares

G = {gi, 1 i ng}

Conjunto de geradores

ICR

ndice de consistncia randmico

Autovalor

Mtodo multicritrio

Quantidade de critrios

MACBETH

Measuring Attractiveness by a Categorical

Based Evaluation Technique

MAUT

Multiple Attribute Utility Function

MCi

Matriz de comparao entre as alternativas

em relao a cada critrio

Quantidade de regras

NF

Nome da funo adaptativa

Olap

Processamento Analtico Online

Quantidade de alternativas

P = {pi, 1 i np}

Conjunto de parmetros

PROMETHEE

Preference Ranking Method for Enrichment

Evaluation

R = {rj, 1 j n}

Conjunto de regras

RA = {raj, 1 j n}

Conjunto de regras da camada adaptativa

rj = (di,j, xk,j)

Regra da tabela de deciso subjacente

SAD

Sistemas de Apoio Deciso

SIG

Sistemas de Informao Gerencial

SMART

Simple Multi Attribute Rating Technique

t0 CT

Configurao inicial da TDAE

TD = (C, A, R)

Tabela de Deciso

TDA = (TDN, CA)

Tabela de Deciso Adaptativa

TDAE = (TDA, FM, M)

Tabela de Deciso Adaptativa Estendida

TDN

Tabela de Deciso Subjacente

ti

Configuraes da TDAE

TODIM

Tomada de Deciso Interativa Multicritrio

TOPSIS

Technique for Order Preference by Similarity

to Ideal Solution

V = {vi, 1 i nv}

Conjunto de variveis

w = (w1, w2, ..., wi ..., wm)T

Vetor de pesos dos critrios

xk,j

Valores para as alternativas

Yk

Valor associado regra rk

Matriz de desempenho das alternativas

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

3.3.1 SIG e OLAP ..................................................................................................... 62

3.3.2 Sistemas de Apoio Deciso (SAD) ............................................................. 63
3.3.3 Tcnicas de Inteligncia Artificial nos Negcios ........................................ 65
3.4 CONSIDERAES SOBRE OS SISTEMAS COMPUTACIONAIS ..................... 71
3.5 MTODOS MULTICRITRIO DE APOIO DECISO ....................................... 74
3.5.1 Preferncias de escolha ................................................................................ 78
3.5.2 Mtodo AHP (Analytic Hierarchy Process) .................................................. 82
3.5.3 Consistncia dos julgamentos ...................................................................... 85
3.5.4 Exemplo de aplicao do AHP ...................................................................... 87
4 EXTENSO DA TDA PARA APOIAR DECISES MULTICRITRIO................. 90
4.1 FORMULAO DA TDAE ................................................................................ 91
4.2 OPERAO DA TDAE ..................................................................................... 97
4.3 ALGORITMO DE TOMADA DE DECISO DA TDAE....................................... 99
4.3.1 Passos principais do Mdulo I da TDAE.................................................. 100
4.3.2 Passos principais do Mdulo II da TDAE................................................. 102
4.3.3 Passos principais do Mdulo III da TDAE................................................ 104
4.4 AVALIAO DO ALGORITMO DE DECISO DA TDAE ............................... 106
4.4.1 Avaliao das exigncias de espao .......................................................... 107
4.4.2 Avaliao das exigncias de tempo de processamento ........................... 108
4.4.2.1 Exigncia de tempo do Mdulo I .............................................................. 108
4.4.2.2 Avaliao do tempo do Mdulo II............................................................. 111
4.4.2.3 Avaliao do tempo do Mdulo III............................................................ 120
5 APLICAO DA TDAE EM DECISES MULTICRITRIO .............................. 128
5.1 CONSIDERAES SOBRE A APLICAO..................................................... 129
5.2 ALGORITMO DE TOMADA DE DECISO DA APLICAO ............................ 130
5.2.1 Passos do Mdulo I ...................................................................................... 130
5.2.2 Passos do Mdulo II ..................................................................................... 131
5.2.3 Passos do Mdulo III .................................................................................... 135
5.2.3.1 Fase 1 - Montagem da camada adaptativa da TDAE ............................ 135
5.2.3.2 Fase 2 - Uso da TDAE para consultas ................................................... 136

5.3 AVALIAO DE DESEMPENHO DO ALGORITMO DE DECISO .................. 139

6 IMPLEMENTAO DA TDAE .......................................................................... 147
6.1 INTERFACE E EXECUO DA TDAE........................................................... 148
6.2 EXEMPLO DE APLICAO DO SOFTWARE TDAE ..................................... 153
6.3 CONSIDERAES SOBRE O SOFTWARE TDAE ....................................... 161
7 CONCLUSES .................................................................................................... 162
7.1 CONTRIBUIES ............................................................................................ 163
7.2 TRABALHOS FUTUROS .................................................................................. 165
REFERNCIAS ....................................................................................................... 167

17

1 INTRODUO

Problemas de tomada de deciso tm sido objetos de estudos e pesquisas em

diversas reas do conhecimento cientfico, dentre as quais, a da teoria da deciso e
a da cincia da computao. A dinmica e, principalmente, a complexidade dos
processos decisrios geraram e tm exigido o desenvolvimento de metodologias e
de tcnicas, que auxiliem as pessoas e as organizaes na busca das melhores
solues para os vrios tipos de problemas de deciso.

So encontrados problemas de tomada de deciso em reas como a de gesto de

negcios, por exemplo, no planejamento estratgico, na produo industrial, na
logstica, no controle de estoques, na compra e venda de aes, na concesso de
crditos. Tambm decises so tomadas em processos de avaliao de ensino e de
aprendizagem na rea educacional, assim como, no controle de redes de
computadores, na matemtica, nos estudos de biologia e de medicina, para citar
apenas algumas.

Mtodos de tomada de deciso tm sido desenvolvidos e dependem da

complexidade do problema, de seus critrios e de suas alternativas de soluo. Aqui,
critrios, tambm denominados atributos, so entendidos como fatores que guiam a
deciso e as alternativas so cursos de inteno de aes para resolver um
problema (RAGSDALE, 2001).

Segundo Gomes, Gomes e Almeida (2002), a complexidade no processo de tomada

de deciso ocorre quando o responsvel ou os responsveis pela deciso precisam
atender a vrios critrios, freqentemente conflitantes, diante de vrias aes
possveis.

As

dificuldades

de

identificar

os

impactos,

as

incertezas,

as

conseqncias das decises e as suas relaes, muitas vezes dinmicas, tm

exigido do decisor, ou grupo de decisores, anlises de cenrios possveis para uma
melhor compreenso do problema. Para auxiliar nessas tarefas e nos processos de
tomada de deciso, o decisor pode empregar os recursos da tecnologia da

18

informao, que tm se mostrado extremamente importantes como instrumentos de

apoio.

1.1 MOTIVAO

Tomar uma deciso sobre um determinado assunto exige do decisor um processo

de raciocnio, em que as informaes existentes e as adquiridas durante o processo,
quando comparadas entre si, podem levar a novas informaes, e com isso,
influenciarem no processo. Pode ser, portanto, um processo complexo e dinmico,
dada quantidade de variveis existentes e que podem surgir.

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).

No entanto, na maioria dos problemas de tomada de deciso necessrio escolher

apenas uma soluo entre as vrias alternativas e que seja a mais satisfatria,
considerando-se vrios critrios ao mesmo tempo. So denominados problemas de
tomada de deciso multicritrio e, nessas situaes, a aplicao de mtodos
multicritrio1 de apoio deciso a mais adequada (ROY, 1996).

Os mtodos multicritrio se caracterizam pela capacidade de incorporar critrios

quantitativos e qualitativos dos problemas, e, mais importante, permitem a anlise de
deciso e testam a sua confiabilidade diante dos julgamentos do decisor. O princpio
bsico desses mtodos estabelecer uma relao de preferncias entre as
alternativas, que so avaliadas pelo decisor ou grupo de decisores. muito
freqente o decisor, diante de vrias alternativas, demonstrar que prefere uma

Os mtodos multicritrio sero discutidos no captulo 3 desta Tese.

19

alternativa x a uma alternativa y, de acordo com as suas experincias e interesses,

sem deixar de considerar os mltiplos critrios (FLP, 2005).

Flp (2005) destaca duas famlias principais de mtodos, as que so baseadas na

Teoria da Utilidade Multiatributo (MAUT Multiple Attribute Utility Function) e as de
subordinao (Outranking), por oferecerem flexibilidade anlise multicritrio e
avaliao no processo de escolha, reduzindo a subjetividade e aumentando a
eficincia da deciso.

Podem ser destacados os mtodos SMART (Simple Multi-Attribute Rating

Technique), AHP (Analytic Hierarchy Process), entre outros, que fazem parte da
famlia MAUT, onde so aplicadas funes de utilidade que refletem a utilidade de
cada critrio em relao s alternativas disponveis.

Os mtodos multicritrio MAUT, considerados da Escola Americana, utilizam os

conceitos de modelagem de preferncia, e so empregados em aplicaes que
partem do princpio de que toda deciso est agregada a uma funo de valor. Essa
funo, chamada funo utilidade, tem como parmetros critrios e alternativas do
problema de deciso convertidos em pesos (GOMES; ARAYA; CARIGNANO, 2004).
Assim, o objetivo encontrar a forma da funo utilidade multicritrio que represente
as preferncias do decisor de acordo com seus parmetros.

Enquanto, os mtodos ELECTRE (Elimination and Choice Translating Reality),

PROMETHEE (Preference Ranking Method for Enrichment Evaluation), MACBETH
(Measuring Attractiveness by a Categorical Based Evaluation Technique), TOPSIS
(Technique for Order Preference by Similarity to Ideal Solution), entre outros,
pertencem famlia dos mtodos Outranking, da Escola Francesa, que determinam
subconjuntos ou categorias das alternativas de acordo com os nveis de preferncia.

Aliado ao nmero crescente de pesquisas e aplicaes dos mtodos multicritrio de

apoio deciso, dos mtodos de otimizao e outros, implementaes
computacionais tm sido desenvolvidos para auxiliar e agilizar o processo decisrio
e permitir que o decisor melhore o seu desempenho e tenha maior controle sobre a
deciso.

20

Para auxiliar os profissionais em suas necessidades especficas e diversificadas de

informaes, os avanos tecnolgicos tm permitido, por exemplo, coletar e
organizar os dados da empresa, formando bases de conhecimento que, segundo
OBrien

(2004),

proporcionam

compartilhamento

disseminao

do

conhecimento para o apoio ao processo de tomada de deciso na empresa. Os

dados so provenientes de problemas semelhantes cujas solues so conhecidas,
ou de experincias passadas, ou de fatos presentes, ou, ainda, de previses de
futuro, para que os riscos de uma deciso sejam minimizados.

O responsvel pela deciso tem disposio, por exemplo, os sistemas de apoio

deciso que simulam ambientes para anlise e avaliao das alternativas de soluo
do problema. Alguns desses sistemas tm como base o conceito de feedback, com
realimentao de informaes, permitindo ao decisor um estudo mais adequado dos
dados que interferem na deciso.

Entre as vrias ferramentas existentes para fornecer informao e modelar as

necessidades dos usurios para apoiar suas decises, destacam-se os Sistemas de
Informao Gerencial (SIG), os de Processamento Analtico Online (Olap), os
Sistemas de Apoio Deciso (SAD) e os Data mining. Alm desses sistemas,
considerados mais tradicionais, outros sistemas so usados pelas organizaes,
como os baseados na Inteligncia Artificial, tais como as redes neurais ou a lgica
difusa, para reconhecer padres de problemas de deciso, que podem dar suporte a
decises difceis (OBRIEN, 2004; STAIR; REYNOLDS, 2002).

A busca para encontrar modelos formais de computao destinados ao apoio ou

resoluo de problemas de deciso rotineiros ou, complexos, tem gerado o
desenvolvimento de sistemas que levam em considerao a subjetividade dos
julgamentos do decisor, como nos mtodos multicritrio. Pode-se destacar o
software Expert Choice desenvolvido para o mtodo AHP, por ser considerado um
dos mais utilizados em nvel internacional (ZUFFO, 1998). Outros exemplos de
sistemas de apoio deciso multicritrio podem ser encontrados na pgina do

21

INEC2 - Instituto de Engenharia de Sistemas e Computadores de Coimbra, tais

como: VIP Analysis (Variable Interdependent Parameters Analysis for Multicriteria
Choice Problems), IRIS (Interactive Robustness Analysis and Parameters Inference
for Multicriteria Sorting Problems), SRF, TRIMAP, LinearTri, MOMILP (Multiple
Objective Mixed Integer Linear Programming Package), InterFractional e outros.

Tambm podem ser encontradas vrias relaes de softwares de apoio a deciso

multicritrio nos sites de pesquisas, entre outros, EURO3 (The Association of
European Operational Research Societies) e da International Society on Multiple
Criteria Decision Making4.

Alm

dos

sistemas

citados,

existem

outras

implementaes

de

modelos

computacionais dos mais diferentes tipos e tcnicas, e dentre elas, destacam-se

aquelas que empregam mtodos da Tecnologia Adaptativa.

De acordo com Neto (2002), a utilizao de mtodos desenvolvidos na Tecnologia

Adaptativa serve como alternativa para a resoluo de problemas complexos e de
natureza dinmica, e pode ser mais eficaz do que alguns mtodos tradicionais. Isto
pode ser reforado pelos inmeros trabalhos de pesquisa encontrados na pgina da
internet do Laboratrio de Linguagens e Tecnologias Adaptativas 5 (LTA) da Escola
Politcnica da Universidade de So Paulo, que resultaram em diversos modelos
adaptativos, aplicaes e produtos, os quais tm contribudo para o desenvolvimento
da rea da computao e de outras reas do conhecimento.

Na rea da Tecnologia Adaptativa, entende-se a adaptatividade como uma tcnica

que possibilita a um dispositivo a capacidade de se automodificar (Neto, 2001). Essa
caracterstica o diferencial que permite alteraes dinmicas, automticas e sem
interferncias externas, no comportamento e na estrutura do dispositivo sobre o qual
a adaptatividade atua.

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

Analisando-se as aplicaes de modelos adaptativos, observadas em vrias reas,

identificam-se dispositivos muito conhecidos e tradicionais, tais como autmatos,
statecharts, redes de Markov, gramticas, rvores de deciso, tabelas de deciso,
entre outros (Neto, 2007; Pistori, 2003).

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.

A dinmica no processo decisrio de busca de solues para problemas de tomada

de deciso que envolvam mltiplos critrios, aliada necessidade do uso de
sistemas computacionais que possam auxiliar nos procedimentos de deciso,
incentivaram e motivaram o estudo e aplicao da Tecnologia Adaptativa na rea de
tomada de deciso. Particularmente, avaliar a viabilidade do uso dos recursos
adaptativos e das potencialidades das tabelas de deciso adaptativas em decises
multicritrio.

1.2 JUSTIFICATIVA

Os dispositivos cuja formulao elaborada usando o conceito de adaptatividade

so denominados dispositivos adaptativos. Em um grande nmero de casos, os
dispositivos adaptativos so desenvolvidos a partir de dispositivos organizados na
forma de um conjunto de regras, e nesse caso, obtm-se dispositivos adaptativos
dirigidos por regras, termo este abreviado simplesmente para dispositivo adaptativo.

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

O formalismo adaptativo e as aes adaptativas sero tratados no captulo 2 desta Tese.

23

autmato adaptativo, que tem como dispositivo no adaptativo uma tabela de

deciso convencional, mostrando que existe um amplo campo de explorao, entre
outros, na formulao de dispositivos adaptativos de tomada de decises.

Nos processos de tomada de deciso, o uso de tabelas de deciso convencionais

tem sido bastante til na representao das condies, ou dos critrios 7, e das
alternativas de aes. Como a tabela de deciso possibilita uma listagem e
visualizao das regras de deciso, provenientes das diferentes combinaes dos
critrios e aes, pode tambm servir para facilitar a anlise de problemas de
tomada de deciso multicritrio.

Aliando, portanto, as caractersticas das tabelas de deciso no uso de decises

multicritrio s tcnicas adaptativas, proposta nesta tese o desenvolvimento de um
dispositivo adaptativo baseado em Tabelas de Deciso Adaptativas que auxilie o
responsvel pela deciso na anlise das alternativas de soluo de problemas de
deciso.

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

A pesquisa inicial com a Tabela de Deciso Adaptativa encontrada no trabalho de

Neto (2001), como j foi mencionada anteriormente, motivou outros estudos sobre o

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.

O objetivo principal desta tese apresentar e formular uma extenso da Tabela de

Deciso Adaptativa para apoiar aplicaes de tomada de deciso multicritrio.
Tambm objetivo, apresentar uma avaliao analtica do desempenho do algoritmo
de deciso, quanto ao custo de tempo e espao de memria, devido carncia de
referncias sobre o assunto em relao aos modelos adaptativos na literatura.

Para alcanar esses objetivos, os seguintes objetivos especficos devem ser

atingidos:

tendo como base o formalismo geral do dispositivo adaptativo dirigido por regras,
formalizar uma verso estendida da Tabela de Deciso Adaptativa;

apresentar um algoritmo geral de deciso para a verso estendida da Tabela de

Deciso Adaptativa, para que opere como elemento central de um processo de
tomada de deciso, que envolve mltiplos critrios ao mesmo tempo;

apresentar um estudo do tempo e do espao de memria exigidos pelo algoritmo

geral de deciso, expresso na forma da Tabela de Deciso Adaptativa estendida;

ilustrar a aplicao da Tabela de Deciso Adaptativa estendida na resoluo de

problemas de deciso, que dependem de mltiplos critrios e analisar o particular
algoritmo de deciso;

descrever e implementar uma ferramenta de apoio deciso baseada na

extenso da Tabela de Deciso Adaptativa.

25

1.4 ESTRUTURA DO TRABALHO

Tendo em vista os objetivos da tese, optou-se por enfocar e discutir os assuntos

principais que fundamentam os tpicos especficos relacionados ao tema
pesquisado: Tabela de Deciso Adaptativa aplicada a decises muticritrio. Por
serem abrangentes, foi pesquisada e selecionada a literatura que permitiu oferecer
uma viso e uma integrao entre os assuntos trabalhados referentes Tecnologia
Adaptativa, ao Processo de Tomada de Deciso, aos Mtodos Multicritrio de apoio
deciso e aos Recursos Computacionais.

O seguinte diagrama (Figura 1) apresenta a correlao entre os principais assuntos,

que possibilitaram a busca da fundamentao conceitual para o desenvolvimento da
tese.

TECNOLOGIA
ADAPTATIVA

DISPOSITIVO
ADAPTATIVO
DE TOMADA
DE DECISO

RECURSOS
COMPUTACIONAIS

TOMADA DE
DECISO

Figura 1 - Diagrama geral da fundamentao conceitual

Desta forma, uma viso da Tecnologia Adaptativa apresentada no Captulo 2. Nele

apresentam-se o conceito sobre adaptatividade, suas caractersticas e os principais
dispositivos adaptativos j desenvolvidos. Tambm so estudadas as tabelas de
deciso convencionais e os seus elementos. Em seguida, a partir destes
fundamentos, apresentado o formalismo geral da Tabela de Deciso Adaptativa.

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.

No Captulo 4 feita a formulao de uma extenso da Tabela de Deciso

Adaptativa, que suporte processos de tomada de deciso multicritrio.
apresentado o algoritmo geral de deciso e um estudo sobre o espao de memria e
do tempo exigidos para sua execuo, para avaliar o mecanismo que trata o
processo de tomada de deciso, que agrega tcnicas adaptativas e mtodos
multicritrio.

No Captulo 5 apresentado um exemplo de aplicao da formulao estendida da

Tabela de Deciso Adaptativa, como apoio na busca de soluo de problemas de
deciso multicritrio. Tambm includa uma anlise do particular algoritmo de
deciso, quanto ao espao e tempo necessrios para o processamento.

descrito no Captulo 6 uma implementao de um prottipo da extenso da Tabela

de Deciso Adaptativa, para fins de aplicaes prticas em processos de tomada de
deciso multicritrio.

E, finalmente, as consideraes, concluses e contribuies da tese so

apresentadas no Captulo 7, seguidas pelas sugestes para trabalhos futuros.

27

2 TECNOLOGIA ADAPTATIVA

Neste captulo so tratados os temas relacionados Tecnologia Adaptativa, com o

objetivo de apresentar o formalismo geral da Tabela de Deciso Adaptativa.
Primeiramente,

introduzida

uma

viso

das aplicaes do

conceito de

adaptatividade j desenvolvidas na rea. Em seguida, apresentado um estudo

sobre as tabelas de deciso clssicas, cujas principais caractersticas so
incorporadas na definio da Tabela de Deciso Adaptativa, que associadas ao
mecanismo adaptativo possibilitam uma extenso da mesma para aplicaes de
apoio a tomada de deciso.

2.1 ADAPTATIVIDADE

As pesquisas na rea de Tecnologia Adaptativa tm envolvido estudos nos mais

variados campos do desenvolvimento cientfico, com a finalidade de se buscar novas
tcnicas computacionais para auxiliar ou possibilitar a obteno de solues para
problemas de diferentes nveis de complexidade (NETO, 2001; NETO, 2007).

Na rea da Tecnologia Adaptativa, importante entender o conceito de

adaptatividade. O termo empregado para designar a caracterstica de um
dispositivo, que tem a capacidade de alterar a sua prpria estrutura interna de forma
autnoma, sem interferncia externa, mudando em conseqncia o seu prprio
comportamento (NETO, 2001; NETO, 2007). Os dispositivos resultantes, cuja
formulao elaborada usando o conceito de adaptatividade, so denominados
dispositivos adaptativos.

Neto (2001) define, portanto, o dispositivo adaptativo como um formalismo que

possui um mecanismo adaptativo que confere a um dispositivo a capacidade de
alterar dinamicamente sua topologia e seu comportamento. um dispositivo que se
automodifica quando detecta situaes que exijam mudanas nas reaes, em

28

resposta aos estmulos de entrada. Em outras palavras, o dispositivo deve se

adaptar, reagindo adequadamente s mudanas impostas por ele para realizar algo,
em toda a sua extenso.

Outra caracterstica do formalismo adaptativo a possibilidade de se empregar

dispositivos conhecidos e tradicionais, tais como, autmatos de pilha estruturados,
statecharts, redes de Markov, gramticas, rvores de deciso, tabelas de deciso, e
a eles acrescentar uma camada adaptativa que lhes confere uma capacidade de
automodificao.

Uma

breve

descrio

desses formalismos

adaptativos

encontrada em Neto (2007), onde faz um levantamento da evoluo da

Adaptatividade e da Tecnologia Adaptativa.

importante ressaltar que os primeiros estudos que geraram os conceitos tericos

da Tecnologia Adaptativa, no Brasil, tiveram como origem as pesquisas
apresentadas por Neto e Magalhes (1981) para a busca de reconhecedores
sintticos de linguagens no regulares e por modelos para a construo de
compiladores, tendo como meio, autmatos finitos e de pilha. Esses estudos
progrediram e, a partir de gramticas livres de contexto, geraram reconhecedores
baseados em autmatos de pilha estruturados, que por sua vez evoluram,
chegando concepo dos autmatos adaptativos. A trajetria desses estudos
relatada no artigo de Neto (2007), assim como, o histrico e o estado da arte da
Tecnologia Adaptativa podem ser encontrados com maiores detalhes nas teses de
Pistori (2003) e Camolesi (2007), que fazem um levantamento sobre a evoluo da
rea.

Assim, Neto (2001) define o dispositivo adaptativo, mostrado na figura 2, como um

dispositivo formado por um ncleo que representa o dispositivo subjacente
convencional que encapsulado por uma camada adaptativa, cujos recursos agem
sobre o ncleo quando h alguma interao com o meio externo, dando as
caractersticas de modificao autnoma.

Pode-se observar em Neto (2007) e Pistori (2003), que h um grande nmero de

casos em que o dispositivo adaptativo construdo a partir de um dispositivo
subjacente elaborado na forma de um conjunto de regras, e nesse caso, obtm-se o

29

dispositivo adaptativo dirigido por regras, termo este abreviado simplesmente para
dispositivo adaptativo.
camada
adaptativa

dispositivo
adaptativo

ncleo

dispositivo
subjacente

Figura 2 Estrutura geral de um dispositivo adaptativo

2.2 DISPOSITIVOS ADAPTATIVOS

Em seguida, apresentado o formalismo geral do dispositivo adaptativo e so

descritos alguns modelos existentes, com o objetivo de fundamentar o modelo da
tabela de deciso adaptativa.

2.2.1 Dispositivo adaptativo dirigido por regras

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:

DN: o ncleo composto por um dispositivo subjacente no-adaptativo, cujas

operaes so definidas por um conjunto finito de regras R;

CA: o mecanismo adaptativo, que pode agir sobre o ncleo e possui os

recursos necessrios mudana da estrutura e do comportamento do
dispositivo subjacente, enquanto est em operao.

30

De acordo com Bhm e Jacopini (1966), um dispositivo dirigido por um conjunto de

regras, pode ser expresso por um mecanismo, cujo algoritmo pode ser descrito
apenas por estruturas de controle, como s de seqncia de declaraes, selees
do tipo if-then-else e iteraes que possibilitam repeties de blocos de instrues
com condies de parada.
Logo, o dispositivo subjacente DN, que definido por um conjunto finito e esttico
de regras R, quando testadas em um algoritmo, dentro do qual h seqncias de
estruturas condicionais do tipo se-ento (if-then), podem levar s seguintes
situaes:

no caso em que uma nica regra de R encontrada e que satisfaa s

condies procuradas, o dispositivo executa a ao determinada pela regra;
essa situao define uma operao determinstica;

no caso em que mais de uma regra de R encontrada, satisfazendo as

condies procuradas, o dispositivo executa as diversas possibilidades em
paralelo, caracterizando uma operao no-determinstica;

quando nenhuma regra de R satisfaz as condies procuradas, o dispositivo

comunica uma situao de erro e encerra a sua operao.

Para que o dispositivo subjacente passe a ser dinmico e adaptativo, ao conjunto de

regras so associados os recursos adaptativos, que podem ser ativados e
executados, produzindo alteraes no conjunto de regras e gerando uma nova
configurao do dispositivo, dependendo do estmulo recebido.
Os recursos adaptativos definem o mecanismo adaptativo CA, que so compostos
pelas declaraes das funes adaptativas FA, e cujas chamadas so associadas
s regras do dispositivo subjacente. Essas chamadas so denominadas aes
adaptativas AD, que agem sobre o conjunto de regras R que define o dispositivo.

31

Para cada funo adaptativa FA associada uma lista de aes adaptativas

elementares AD, que indicam as modificaes a serem impostas ao conjunto de
regras R. So possveis trs tipos de aes adaptativas:

ao adaptativa elementar de consulta8 AD ? : permite examinar o conjunto

de regras do dispositivo para encontrar regras, que satisfaam as condies
procuradas;

ao adaptativa elementar de incluso AD + : permite o acrscimo de uma

nova regra ao conjunto de regras, de acordo com as condies dadas;

ao adaptativa elementar de excluso AD : permite eliminar do conjunto

de regras alguma regra, que satisfaa as condies fornecidas.

Como para cada funo adaptativa FA possvel associar mais de uma ao

adaptativa AD, as aes de consulta AD ? e de excluso AD so executadas
antes das de incluso AD + da correspondente funo.

importante observar que, opcionalmente, somente duas aes adaptativas podem

ser associadas a cada regra R selecionada do dispositivo subjacente. Na regra
escolhida pode-se especificar:

uma ao adaptativa a ser executada antes que a regra seja realizada;

e outra ao adaptativa para ser aplicada aps a execuo da regra.

Se para qualquer regra R do dispositivo subjacente no for associada alguma ao

adaptativa, considerada regra normal, portanto, no-adaptativa.

Nos prximos itens deste captulo, so apresentados alguns formalismos adaptativos

mais importantes para o embasamento terico do modelo da Tabela de Deciso
Adaptativa.

Os caracteres ?, + e so utilizados por Neto (2001) para representar, respectivamente as aes

adaptativas elementares de consulta, incluso e excluso.

32

2.2.2 Outros formalismos adaptativos

A formalizao geral do dispositivo adaptativo mostra que possvel transformar

dispositivos tradicionalmente conhecidos em dispositivos com caractersticas
adaptativas, por meio do acrscimo de uma camada adaptativa.

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.

Um autmato de pilha estruturado formalmente composto por um conjunto de

estados, de transies entre os estados e da utilizao de uma pilha para armazenar
os estados de retorno de sub-mquinas (NETO, 1987). Quando a este conjunto se
aplicam funes especficas capazes de modificar a quantidade de estados e das
prprias transies, o autmato passa a ter caractersticas adaptativas. Estas
funes especficas so denominadas transies adaptativas que possibilitam a
execuo de aes adaptativas de consulta, incluso ou eliminao de transies
que alteram a topologia do autmato de pilha estruturado.

Basicamente, durante a operao de reconhecimento de sentenas de linguagens

dependentes de contexto, o autmato adaptativo vai se modificando, passando por
uma seqncia de configuraes que geram o conjunto de mquinas de estados
(NETO, 1993). Esta seqncia de configuraes indica quais so os passos
percorridos pelo autmato adaptativo para reconhecer ou no uma sentena da
linguagem. Cada passo uma mquina de estados responsvel pelo tratamento das
sub-cadeias que formam a sentena.

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.

No artigo de Neto (2007), os formalismos subjacentes podem ser classificados

quanto forma de operao do dispositivo. Destacam-se as seguintes categorias:

dispositivos de reconhecimento: como os autmatos convencionais, que se

caracterizam por conjuntos estticos e finitos de estados e de regras de
transio;

dispositivos de gerao: no caso das gramticas livres de contexto que tm

como base as regras de produo da gramtica;

dispositivos para a representao de sistemas assncronos: como o

formalismo clssico dos statecharts utilizados para o sincronismo de eventos;

dispositivos estocsticos: so dispositivos que apresentam transies

associadas probabilidades, tal como a rede de Markov que tem a
capacidade de representar fenmenos aleatrios;

dispositivos

de

processamento:

representados

pelos

cdigos

de

programao;

dispositivos de auxlio tomada de deciso: como as tabelas de deciso e

rvores de deciso que so constitudas por conjuntos de regras.

Nos formalismos adaptativos, esses modelos subjacentes, que so estticos, se

transformam em dispositivos dinmicos, cujas alteraes estruturais acarretam
modificaes no comportamento dos dispositivos durante a sua operao.

34

Outros formalismos, como as gramticas adaptativas baseadas em gramticas

dependentes de contexto (IWAI, 2000), as aes adaptativas so associadas s
regras de produo que possibilitam alterar tanto o conjunto de smbolos noterminais, como as regras de produo da gramtica. Ainda na categoria das
gramticas, Pariente (2004) descreve o formalismo das gramticas livres de contexto
adaptativas, que tem como ncleo uma gramtica livre de contexto e um mecanismo
adaptativo que determina quais produes so aplicveis em cada passo de uma
derivao.

A camada adaptativa da rvore de deciso no-determinstica, desenvolvida por

Pistori (2003), permite que a rvore seja reestruturada com a insero ou remoo
de sub-rvores. O autor ilustra a aplicabilidade das rvores de deciso adaptativas
na soluo de problemas relacionados com processamento digital de imagens e
aprendizagem de mquina.

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.

2.2.3 Tabela de deciso adaptativa

Para a formalizao da Tabela de Deciso Adaptativa, um estudo sobre as tabelas

de deciso clssicas apresentado em seguida.

2.2.3.1 Tabela de deciso

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

trabalhos histricos e pioneiros. So obras clssicas e abordam de forma bem

completa o tema, justificando suas referncias nesta tese.

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.

Historicamente, na rea de desenvolvimento de sistemas, as tabelas de deciso so

ferramentas que se prestam a auxiliar na descrio de procedimentos de problemas
complexos (HUGHES; SHANK; STEIN, 1968). Mostram-se mais eficientes do que as
formas narrativas, ou escritas, ou na representao de diagramas ou fluxogramas,
para a comunicao entre profissionais de reas no tcnicas e tcnicos da
computao. Alm disso, as tabelas de deciso podem auxiliar na formulao de
questes de problemas, nem sempre clara em outras formas.

Hughes; Shank e Stein (1968) e Gildersleeve (1970) afirmam que as tabelas de

deciso fornecem uma comunicao efetiva sobre os procedimentos entre os
profissionais de todos os nveis e reas, sejam executivos, gerentes, pessoal de
operao e outros. Como as tabelas so concisas, de fcil leitura e manuteno,
servem aos executivos como meio de formular os modelos de deciso elementares
ou complexos. Para os profissionais de nvel operacional, as tabelas servem para
controlar melhor os projetos que esto sendo desenvolvidos, bem como na sua
manuteno. Auxiliam os profissionais de sistemas, que as utilizam na codificao
dos programas. Em todos os casos, as tabelas podem ser examinadas e
modificadas, podendo minimizar as probabilidades de ocorrncia de erros.

As tabelas de deciso podem ser usadas como forma de documentao das

informaes ou como meio de anlise de modelos de deciso e seus resultados.
Segundo Hughes; Shank e Stein (1968), as primeiras so chamadas de tabelas
inertes, enquanto que as ltimas so denominadas tabelas ativas, objetos de estudo
deste trabalho.

36

Uma tabela de deciso pode ser considerada como um modelo alternativo para uma
funo ou problema composto por condies, aes e regras:

as condies so variveis, cujos valores devem ser avaliados para a tomada

de deciso;

aes representam o conjunto de operaes a serem executadas

condicionadas pelas respostas das condies;

regras representam o conjunto de situaes, que so verificadas em resposta

s condies.

Ao usar as tabelas de deciso ativas para modelar processos lgicos complexos,

primeiramente, necessrio identificar quais so as condies existentes no
problema e que tipo de aes podem ser tomadas (GILDERSLEEVE, 1970). Em
seguida, determinar as regras do problema, ou seja, verificar as possveis
combinaes das condies identificadas que resultem na execuo das diferentes
aes. Essas regras com as suas condies e aes so facilmente visualizadas
quando organizadas numa tabela de deciso, vista a seguir.

2.2.3.2 Estrutura da tabela de deciso

Tabelas de deciso so construdas de tal forma que os procedimentos sejam

claramente entendidos pelos seus usurios, seguindo um modelo de estrutura
conhecido.

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.

No quadrante I, cada linha de condio corresponde uma varivel do problema e

que ser avaliada no processo de deciso, cujo valor apresentado no quadrante II,
valores das condies. No preenchimento do quadrante II deve-se considerar todos
os valores possveis que as variveis podem assumir.

37

As linhas das aes, no quadrante III, representam o conjunto de procedimentos ou

operaes que ser executado de acordo com as respostas das condies.
Colunas de Regras
Quadrante I

Quadrante II

Linhas das Condies

Valores das condies

Quadrante III

Quadrante IV

Linhas das Aes

Aes a serem tomadas

Figura 3 Estrutura da Tabela de Deciso

As colunas de regras formam o conjunto de possibilidades ou situaes, que podem

ocorrer em razo das avaliaes das condies e das aes tomadas.

No quadrante IV so assinaladas as aes, que devem ser tomadas quando as

regras so avaliadas.
Formalmente, uma tabela de deciso pode ser definida por TD = (C, A, R), onde:

C o conjunto de condies, que representam as variveis do problema:

C = { Ci, 1 i n }

A a relao de aes que podem ser executadas para solucionar o

problema: A = { Aj, 1 j m }

R o conjunto de regras, composto pela combinao dos valores das

variveis, que levam execuo de aes possveis: R = { Rk, 1 k p }
com a regra Rk = (ci,k, aj,k) sendo:

ci,k um valor que a condio Ci pode assumir na regra;

aj,k uma indicao de execuo da ao Aj na regra.

38

De maneira simplificada, qualquer regra Rk da tabela pode ser interpretada como

uma srie de sentenas se X ento Y (if X then Y), onde X o conjunto de
condies a serem verificadas e Y as aes a serem executadas. Geralmente, as
condies so compostas por ands ou ors, ou seja, X uma sentena da forma:
C1 and C2 and ... and Cn, ou uma composio do tipo C1 or C2 or ... or Cn, ou
ainda, uma combinao de ands, ors e nots.

2.2.3.3 Escopo dos valores das condies e aes

Os valores que as condies Ci podem assumir num determinado problema,

geralmente, so valores binrios, indicados pelas letras Y (Yes), T (True) ou S (Sim),
ou N (No ou No) ou F (False) no quadrante II da tabela de deciso. Historicamente,
eles indicam se a condio verificada (Y, T, S) ou no (N, F) para uma
determinada regra Rk (HUGHES; SHANK; STEIN, 1968; GILDERSLEEVE, 1970).
Esses valores so usados para facilitar a leitura e anlise lgica da tabela e garantir
que valores quantitativos ou qualitativos das variveis sejam melhor interpretados,
como descrito adiante. Nos casos em que a condio no interfere na ao, ou
seja, quando a existncia ou no da condio para aquela regra indiferente,
convenciona-se deixar em branco (b) o local correspondente no quadrante II.
Quando uma ao Aj deve ser executada, geralmente, adota-se a letra X, que
indicada na linha da ao e coluna correspondente regra Rk a ser verificada, no
quadrante IV da tabela. Procura-se deixar em branco (b), ou usar um trao ( - ),
quando determinada ao no ser tomada para aquela regra.
Neste trabalho, para uma regra Rk so adotados os valores S, N ou branco (b) para
as condies ci,k = { S, N, b } e para as aes, uma das indicaes aj,k = { X, b }.
Para tabelas construdas com valores de condies iguais a S, N ou branco (b) e
valores de aes X ou branco (b), Hughes; Shank e Stein (1968) as denominam
como tabelas com entradas limitadas.

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.

possvel, no entanto, que determinados problemas exijam o uso de valores

limitados para algumas das condies e, para outras, entradas estendidas. Esta
variao de entradas pode ser representada numa tabela de deciso chamada
tabela de entrada mista (HUGHES; SHANK; STEIN, 1968; GILDERSLEEVE, 1970).
Desta maneira, a tabela pode ter linhas de condies dos dois tipos de entrada,
tomando-se a devida precauo para que cada linha seja apenas de um tipo.

A Tabela 1 mostra um exemplo no qual um estudante precisa de um livro para as

suas pesquisas e, para esse fim, pode obt-lo na biblioteca ou compr-lo numa
livraria ou pela internet, dentro dos prazos de entrega e dos recursos de que dispe:
Livro disponvel na
biblioteca

Prazo para entrega

da compra (dias)

imediato

imediato

37

37

>7

Recurso disponvel
para pagar no dia

Comprar na livraria

Comprar pela
internet
No comprar

X
X

Tabela 1 Exemplo de Tabela de Deciso de Entradas Mistas

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

onde para cada regra indicam-se os valores S, N ou branco apropriados. Desta

maneira, a Tabela 2 mostra como a Tabela 1 pode ser modificada para conter
apenas entradas limitadas:
Livro disponvel na
biblioteca
Entrega imediata da
compra
Entrega da compra
entre 3 7 dias
Entrega da compra
superior a 7 dias
Recurso disponvel
para pagar no dia

Comprar na livraria

Comprar pela
internet

No comprar

Tabela 2 Exemplo de Tabela de Deciso de Entradas Limitadas

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.

Para compreender melhor este processo de codificao, a Tabela 3 apresenta

algumas condies para a elaborao de um anncio publicitrio de um produto,
levando-se em considerao certas caractersticas, como idade e escolaridade, e
preferncias de cor do consumidor:
Idade
Escolaridade
Cor de
preferncia

< 20

< 20

20 40

20 40

< 20

> 40

fundamental

mdio

superior

fundamental

outra

superior

azul

vermelho

azul

preto

vermelho

preto

Tabela 3 Exemplo de Tabela de Deciso com Entradas Estendidas

41

A codificao dos valores de cada condio poderia, por exemplo, obedecer

seguinte ordem:

idade inferior a 20 anos = 1, idade entre 20 e 40 = 2 e idade superior a 40 = 3

nvel de escolaridade fundamental = 1, mdio = 2, superior = 3 e outra = 4

cor de preferncia azul = 1, vermelho = 2 e preto = 3

A Tabela 4 mostra, ento, a Tabela 3 codificada:

Idade

Escolaridade
Cor de
preferncia

Tabela 4 Exemplo de Tabela de Deciso com Entradas Codificadas

Tradicionalmente, nas tabelas de deciso so indicadas as aes que devem ser

tomadas numa seqncia especfica. Para uma determinada regra, o smbolo X
indica qual ao deve ser executada. Como para cada regra pode haver mais de
uma ao a ser tomada e numa ordem diferente, segundo Hughes; Shank e Stein
(1968), convm repetir a ao no quadrante III para visualizar melhor esta
seqncia. Gildersleeve (1970), entretanto, sugere numerar a ordem das aes,
substituindo o X por um nmero seqencial.

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

Tabela 5 Exemplo de Tabela de Deciso com aes a serem tomadas

Observando a Tabela 5, verifica-se que vrias aes sero tomadas e executadas

na seqncia apresentada. Porm, supondo que haja uma necessidade estratgica
de execuo de cada ao numa ordem diferente mostrada. Adotando a sugesto

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

Tabela 6 Exemplo de seqncia de aes a serem tomadas

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

Tabela 7 Exemplo de seqncia de aes numerada

2.2.3.4 Uso da regra ELSE

Deve-se observar que, para determinados problemas, podem existir situaes em

que nenhuma das regras da tabela de deciso satisfeita. Neste caso, possvel
incluir mais uma coluna na tabela, coluna esta, denominada regra ELSE (HUGHES;
SHANK; STEIN, 1968). Para esta regra, somente so especificadas as aes que
devem ser executadas e omite-se qualquer valor para as condies.

Um exemplo simples do uso da regra ELSE apresentado na Tabela 8, onde esto

definidas as regras para um problema de concesso de crdito para clientes ou no
clientes de uma instituio financeira. So consideradas algumas variveis, tais

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

Tabela 8 Exemplo de Tabela de Deciso e a Regra ELSE

Observa-se na Tabela 8 que existem 5 regras claramente definidas. Para outras

combinaes das variveis, todas recaem na regra ELSE, onde apenas uma ao
indicada.

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

2.2.3.5 Nmero de regras de uma tabela de deciso

O nvel de complexidade de um problema pode determinar o tamanho de uma tabela

de deciso. Por exemplo, para problemas cujas variveis assumem apenas dois
valores (entradas limitadas), o nmero de combinaes, ou seja, o nmero de regras
p (colunas da tabela) pode ser dado pela expresso 2n, onde n representa a
quantidade de condies (linhas da tabela).

Para variveis que assumem valores mltiplos, calcular o nmero de regras ou

combinaes possveis depende da quantidade de valores que pode ocorrer para
cada varivel. Supondo que existam n variveis no problema e que a quantidade de
valores que cada uma pode assumir seja representada por vi, com 1 i n, o
nmero de regras p pode ser calculado pelo produto:

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.

Para verificar se a tabela abrange todas as combinaes possveis do problema, a

Tabela 9 ilustra um exemplo simples, onde esto especificadas duas condies para
a aprovao de um aluno numa determinada disciplina de um curso:
Mdia 7,0

Freqncia 75%

Aprovado

Reprovado

Tabela 9 Exemplo de Tabela de Deciso com condies indiferentes nas regras

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.

Para se determinar o nmero de combinaes presentes numa regra que contm

brancos, pode-se, por exemplo, efetuar o clculo 2b, onde b a quantidade de
brancos na regra, supondo que as variveis assumem os valores S, N ou branco.

No exemplo da Tabela 9, uma das regras possui apenas um branco, logo b = 1, o

que resulta em 21 = 2, indicando que essa regra uma fuso da regra onde
mdia<7,0 e freqncia75% e da regra com mdia<7,0 e freqncia<75%, as duas
levando a ao de reprovao, o que significa que a freqncia no interfere no
resultado. Portanto, a tabela est completa, apesar de mostar apenas 3 regras.

Hughes; Shank e Stein (1968) e Gildersleeve (1970) tambm chamam a ateno

para a verificao da existncia de regras redundantes ou inconsistentes na tabela
de deciso construda, pois elas devem ser eliminadas, uma vez que indicam que a
lgica da soluo do problema est errada.

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.

2.2.3.6 Diviso de uma tabela de deciso

Em geral, problemas que exigem modelos de deciso complexos podem levar

construo de tabelas de deciso relativamente grandes, o que pode dificultar a
compreenso da lgica da soluo.

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.

A vinculao de cada tabela pode ser representada, por exemplo, pela ao de

chamada de um procedimento de execuo de uma tabela, identificada por um
nome id_tabela ou um nmero de referncia.

Para tabelas de entrada limitada, a identificao da tabela a ser executada

colocada na linha de ao, junto com a ao de chamada da tabela, e assinalando
com um X na regra correspondente. J para tabelas de entradas estendidas, o
nome ou nmero de referncia da tabela a ser executada pode aparecer em
substituio letra X.

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).

2.2.3.7 Operao da tabela de deciso

Os tpicos anteriores evidenciam a relativa facilidade de uso das tabelas de deciso

e que so ferramentas que dispem de recursos para a codificao e tratamento de
condies, aes e regras de problemas de diferentes nveis de complexidade.

47

A soluo do problema pode ser obtida atravs da execuo ou operao da tabela

de deciso conforme o algoritmo descrito a seguir, de forma simplificada (NETO,
2001; HUGHES; SHANK; STEIN, 1968; GILDERSLEEVE, 1970):

de acordo com as condies atuais do problema, procuram-se quais regras

da tabela satisfazem estas condies:

se nenhuma regra satisfaz as condies impostas, nenhuma ao

tomada;

se apenas uma regra se aplica, tem-se uma escolha determinstica, ento,

as aes correspondentes regra so executadas;

se mais de uma regra satisfaz as condies, significa um caso de nodeterminismo, e as aes correspondentes s regras so aplicadas em
paralelo;

uma vez aplicada a regra, a tabela pode ser utilizada novamente.

Observa-se que este dispositivo no se altera porque as suas regras so

previamente especificadas e no podem ser modificadas durante a sua operao.
Desta maneira, se novas regras surgem para o mesmo problema, necessrio que
a tabela seja refeita, o que pode representar um dispndio de tempo e custo.

2.2.3.8 Tabela de Deciso Adaptativa

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.

A tabela de deciso no-adaptativa definida pela sxtupla:

TDN = (CT, NRT, CV, t0, AT, CRA) onde:

CT o conjunto de todas as configuraes9 possveis da tabela de deciso;

NRT CT x CV x CT x CRA o conjunto de regras de deciso da tabela;

CV o conjunto finito de valores vlidos das condies do problema inseridos

na tabela, incluindo (vazio);

t0 CT a configurao inicial da tabela de deciso;

AT CT o subconjunto de configuraes da tabela de deciso aceitas

durante o processo; logo, o subconjunto FC = CT AT composto pelas
configuraes rejeitadas;

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.

O mecanismo adaptativo CA da TDA definido pelo conjunto das funes

adaptativas FA, cada uma declarada pela stupla:
9

Configurao, neste trabalho, significa a imagem de uma tabela de deciso.

49

FA = (nome, P, V, G, BA, AD, AA), na qual se tem:

nome: uma identificao usada para referenciar a funo adaptativa;

P: composta de uma lista de parmetros formais que so utilizados para

referenciar valores passados para a funo adaptativa quando chamada;

V: opcional, uma lista de variveis, que so usadas para armazenar valores

resultantes da aplicao da funo adaptativa;

G: opcional, uma lista de geradores usados para referenciar novos valores,

quando a funo adaptativa ativada;

BA: opcional, indica uma chamada de ao adaptativa anterior;

AD: representa o corpo da funo adaptativa e composta por um conjunto

de aes adaptativas elementares de consulta, incluso e excluso que
modificam o conjunto de regras corrente da tabela de deciso;

AA: opcional, indica uma chamada de ao adaptativa posterior.

Desta forma, o mecanismo adaptativo CA da TDA determinado por:

CA BA x NRT x AA, onde BA (Before Action) e AA (After Action) so

conjuntos de aes adaptativas a serem executadas, respectivamente, antes
e depois das regras no-adaptativas da tabela, e ambos contm a ao nula
, ou seja, BA AA.

A estrutura geral da TDA apresentada na figura 4, baseada no formato descrito

por Neto (2001) e na tabela de deciso convencional, com o acrscimo de linhas e
colunas:

50

linha de cabealho
(tag)

tabela de
deciso
no-adaptativa

linhas das
condies

linhas das aes

funes
adaptativas

colunas das funes

adaptativas

colunas das regras

valores das
condies

declarao das
funes
adaptativas

linhas das funes

adaptativas

aes a serem
aplicadas

aes
adaptativas a
serem
executadas

Figura 4 Estrutura geral da TDA

Os elementos que compem a TDA so descritos a seguir:

a) linha de cabealho (tag) linha onde so identificados os tipos de cada
coluna que compe a tabela; um tag ou rtulo, simbolizado por um dos
caracteres H ? + S R E, utilizado:
a1) H indica a coluna do cabealho de especificao de uma funo
adaptativa; em cada clula desta coluna, junto s linhas das funes
adaptativas, deve ser definido um dos caracteres:

B (before) para indicar que a funo deve ser executada antes da

regra no-adaptativa subjacente;

A (after), para a funo que ser executada depois da regra noadaptativa subjacente;

P para indicar que aquela linha corresponde a um parmetro de uma

funo adaptativa;

V para indicar que uma varivel da funo adaptativa;

G para indicar um gerador;

a2) + representam, respectivamente, as colunas das aes adaptativas

elementares de consulta, incluso e excluso de regras na tabela de
deciso subjacente; em cada coluna desse tipo, as clulas podem conter:

51

nas clulas das condies, valores especficos que sero testados;

nas clulas das aes, devem ser assinaladas as aes que sero
tomadas;

nas clulas das aes adaptativas, indicam-se aquelas aes

adaptativas a serem executadas, bem como, seus parmetros, suas
variveis e seus geradores correspondentes;
a3) S (start) indica a coluna da regra de incio da execuo da TDA; nela
so representadas as condies iniciais e aes iniciais para a operao
da tabela;
a4) R indica que a coluna corresponde a uma regra normal, ou seja, uma
regra da tabela de deciso no-adaptativa, cujas clulas podem conter,
alm dos valores das condies e das indicaes das aes subjacentes,
que devem ser executadas, as sinalizaes para as chamadas das aes
adaptativas, com a passagem dos parmetros, variveis e geradores
correspondentes; geralmente, as colunas de regras no-adaptativas so
indicadas por nmeros inteiros e seqenciais;
a5) E corresponde ltima coluna da tabela, servindo como delimitador do
conjunto de regras.
b) linhas das condies cada linha de condio corresponde uma varivel do
problema;
c) valores das condies em suas clulas, so indicados os valores das
condies, podendo ser entradas limitadas (S, N ou branco) ou entradas
estendidas;
d) linhas das aes cada linha representa uma ao ou procedimento, que
pode ser executado em resposta ao conjunto de condies combinadas;
nestas aes, pode-se incluir os comandos de chamada a tabelas que
executam outras tabelas de deciso no-adaptativas ou adaptativas;
e) aes a serem aplicadas devem ser marcadas as clulas das aes que
sero executadas quando as regras so avaliadas;

52

f) linhas de funes adaptativas nestas linhas so definidos os elementos das

funes adaptativas: nomes das funes adaptativas, parmetros, variveis e
geradores;
g) aes adaptativas a serem executadas em suas clulas assinalam-se
aquelas que sero chamadas antes ou depois da aplicao da regra, assim
como, indicam-se os valores dos parmetros, variveis e geradores
necessrios sua execuo.
O formalismo geral da TDA a base para o modelo do sistema adaptativo aplicado
em decises multicritrio, que descrito no captulo 4 deste trabalho.

53

3 TEORIA DA DECISO

Tendo em vista que um dos objetivos deste trabalho mostrar a aplicabilidade da

Tecnologia Adaptativa na busca de solues de problemas de tomada de deciso,
as primeiras pesquisas para esta tese, mostraram a abrangncia de assuntos da
Teoria da Deciso.

A Teoria da Deciso uma rea do conhecimento que trata de problemas decisrios

e apresenta um conjunto de conceitos e mtodos de anlise que auxiliam pessoas a
tomarem melhores decises, em funo de informaes coletadas e disponveis
(RAIFFA, 1977). A anlise de deciso fornece ao decisor uma metodologia que
permite o estudo do problema de forma estruturada e racional, uma vez que o
processo decisrio dinmico, facilitando e melhorando a qualidade das respostas.

Os autores Keefer; Kirkwood e Corner (2004) pesquisaram artigos na rea de

tomada de deciso, publicados no perodo de 1990 a 2001. Encontraram trabalhos
sobre problemas complexos com caractersticas de tomada de deciso no
planejamento estratgico das empresas, nos investimentos, na anlise de custos e
lucro, em problemas de logstica, na manufatura, no controle de trfego areo, nos
diagnsticos mdicos, em polticas pblicas, em aplicaes militares, na rea de
energia e outros. Esses autores verificaram que os artigos tinham como objetivo
estudar aplicaes de tcnicas de anlise de deciso. Diante deste amplo campo de
pesquisa, houve a necessidade de delimitar o estudo de problemas de tomada de
deciso, razo pela qual esta tese focaliza a aplicao na rea de Gesto de
Negcios.

Dada a abrangncia de termos especficos empregados na Teoria da Deciso,

conceitos importantes so apresentados em seguida, com o objetivo de deixar claro
o seu uso neste trabalho.

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.

No contexto deste trabalho, entende-se por alternativa um curso de inteno de

ao para resolver um problema (RAGSDALE, 2001), ou seja, uma alternativa
representa uma maneira distinta de reagir (ao) para atingir a soluo do problema,
satisfazendo seus requisitos.

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.

Deve-se observar que o decisor (decision maker), tambm denominado tomador de

deciso, ou agente de deciso, ou especialista, pode ser representado por uma
pessoa ou um grupo de pessoas, e aquele que, de acordo com o seu julgamento e
juzo de valor, influencia no processo decisrio e o responsvel pela tomada de
deciso (GOMES; GOMES; ALMEIDA, 2002). Suas escolhas ou preferncias
durante o processo dependem de sua experincia de vida e profissional, seu
conhecimento e sua criatividade, entre outros fatores, e que podem ser alterados
medida que novas idias e informaes so acumuladas e descartadas, gerando
uma dinmica prpria.

55

Torna-se, portanto, importante estudar o processo de tomada de deciso, tratado no

prximo item, no se pretendendo aprofundar na cincia da deciso, mas apenas
para que os conceitos dele oriundos possam subsidiar esta tese.

3.1 TOMADA DE DECISO

Segundo Harris (1998), o estudo da tomada de deciso consiste na identificao e

escolha de alternativas com base nos valores e nas preferncias daquele que toma
a deciso. Observa esse autor que, para se tomar uma deciso, escolhas
alternativas devem ser consideradas. Assim sendo, deseja-se no somente
identificar todas as alternativas possveis, mas tambm escolher aquela que melhor
se adapta aos objetivos, alvos, valores etc.

Herbert Simon, especialista em psicologia e cincia da computao, considerado

pioneiro na pesquisa sobre tomada de deciso e de importante influncia na teoria
da gesto e da microeconomia, o que lhe valeu o Prmio Nobel da Economia de
197810. Alm de ser o responsvel pelo conceito de tomada de deciso
organizacional, Simon tambm direcionou as suas pesquisas na rea de informtica,
em especial na rea de inteligncia artificial, com contribuies significativas em
sistemas de apoio a tomada de decises (POMEROL; ADAM, 2006).

O pesquisador afirma que nem sempre possvel conhecer todas as alternativas

disponveis ou mesmo conseguir chegar deciso que possa ser considerada tima,
pela complexidade dos objetivos e dos elementos que definem o problema de
deciso.

Simon observa que as pessoas possuem limitaes na capacidade para captar

todos os fatos que envolvem um problema e que realmente sejam relevantes para a
deciso. Tais limites surgem porque os seres humanos tm um conhecimento

10

http://www.janelanaweb.com/digitais/simondigest.html

56

restrito, tm capacidades limitadas para poder analisar as conseqncias do prprio

saber que detm e as reaes s suas decises.

Em um processo de deciso deve-se levar em considerao, tanto elementos de

natureza objetiva, prprios do problema e das aes, quanto os elementos
subjetivos, que dependem dos valores e caractersticas do tomador de deciso
(THOMAZ, 2000). Tomar deciso uma tarefa que requer conhecimento, segurana
e coerncia do decisor para que a deciso seja confivel.

Raiffa (1977) tambm comenta que nem sempre as pessoas se comportam de

acordo com os princpios adotados por uma metodologia de escolha de alternativa,
que resulta na constante preferncia de uma alternativa em detrimento de outra. O
autor observa que os mtodos de escolha podem auxiliar formalmente o decisor,
para que a deciso no seja tomada somente pelo seu julgamento pessoal, o que s
vezes pode levar a uma deciso diferente ou at mesmo contrria em relao do
mtodo.

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.

Com o objetivo de se minimizar a subjetividade na deciso, contudo, mtodos

desenvolvidos na rea da Teoria da Deciso possibilitam a elaborao de modelos
de deciso que oferecem tcnicas para a estruturao do problema e funes que
permitem representar os julgamentos e as preferncias dos decisores de forma
consistente durante o processo de tomada de deciso (RAIFFA, 1977; RAGSDALE,
2001).

Os processos de anlise para a tomada de deciso, portanto, servem para minimizar

os riscos de uma escolha, uma vez que apresentam ou recomendam vrias

57

alternativas de aes para a soluo de um problema (RAIFFA, 1977; RAGSDALE,

2001; LAUDON; LAUDON, 1999; STAIR; REYNOLDS, 2002). O alcance dos
objetivos o que determina a eficincia do processo de tomada de deciso. Visando
essas caractersticas, e devido sua importncia para esta tese, so apresentados
nos prximos itens consideraes sobre os processos decisrios, recursos
computacionais de apoio deciso e mtodos de tomada de deciso.

3.2 PROCESSOS DECISRIOS

As decises nas organizaes, geralmente, so escolhas tomadas com base em

objetivos de diferentes nveis e no tempo necessrio para obteno dos resultados.
H decises baseadas em atividades administrativas em nveis estratgicos, cujos
propsitos so de longo prazo, e os de nveis tticos e operacionais, freqentemente
considerados de curto prazo. A empresa deve estar atenta e analisar os fatores do
ambiente externo e interno que possam influenciar as suas atividades e coletar
informaes que apiem os processos decisrios, sejam estratgicos ou
operacionais (PIDD, 1998; CERTO, 2000; STAIR; REYNOLDS, 2002; OBRIEN,
2004).

Vrios estudos sobre o processo de escolha so encontrados na literatura, entre

eles o da escolha racional clssica, no qual os autores Ackoff e Sasieni (1968, apud
PIDD, 1998) observam que o modelo do processo decisrio deve reunir dados que
possam representar as variveis de controle, por exemplo, aqueles obtidos no
mbito interno da empresa e sobre os seus concorrentes, que determinaro quais
so as aes alternativas. Alm disso, completar com dados externos empresa,
tais como fatores polticos ou econmicos, consideradas variveis incontrolveis que
so relevantes ao problema em questo, e critrios de deciso que possam levar
melhor ao dentre as apresentadas. Assim, o modelo pode apresentar os efeitos de
uma escolha.

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

de percepo da necessidade de deciso ou oportunidade, seguida pela formulao

de alternativas de ao, pela avaliao das alternativas em termos de suas
contribuies e pela escolha de uma ou mais alternativas para fins de execuo.

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.

Durante a fase de tomada de deciso, Stair e Reynolds (2002) distinguem os

estgios de inteligncia, projeto e escolha. No primeiro, so identificadas e definidas
as dificuldades potenciais e/ou oportunidades advindas do problema. o estgio
onde as informaes relacionadas s causas do problema so coletadas. As
alternativas de solues so desenvolvidas e analisadas no estgio de projeto,
enquanto que no de escolha h a seleo de uma ao.

Aps a fase de tomada de deciso, necessrio que a ao escolhida seja

implementada e neste estgio que a soluo colocada em prtica. Para verificar
se os resultados foram atingidos, o tomador da deciso deve acompanhar o
processo, monitorando-o. Deste monitoramento possvel que o processo sofra
ajustes, ou seja, que ele venha a ser alterado, como conseqncia da realimentao
recebida. Alm disso, o acompanhamento do processo permite ao decisor aprender
com o feedback (STAIR; REYNOLDS, 2002).

Laudon e Laudon (1999) consideram que no processo decisrio, o tomador de

deciso, normalmente, deve analisar os objetivos a serem alcanados com as suas
aes, a situao que envolve o problema, levando em conta os recursos
disponveis, e a conseqncia decorrente da deciso adotada.

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

possibilidade de se inserir novos dados quanto a de se modificar a base de dados,

melhorando o modelo.

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.

Outros modelos de busca da soluo do problema so tratados em Stair e Reynolds

(2002), que dependem de decises programadas ou no-programadas. As primeiras
so dirigidas por regras, procedimentos ou mtodos quantitativos. So decises de
fcil implementao nos sistemas de informao tradicionais, pois provm de
problemas rotineiros e bem definidos ou estruturados. Decises no-programadas
so difceis de quantificar e so exigidas em situaes excepcionais ou incomuns.
Nem sempre a aplicao de regras ou de procedimentos clara, uma vez que os
relacionamentos

no

so

bem

definidos,

caracterstica

dos

problemas

desestruturados.

Modelos de deciso nas organizaes que tratam de otimizao, convencional e

heurstica para a obteno da soluo de um problema, tambm so considerados
por Stair e Reynolds (2002).

No modelo de otimizao busca-se a melhor soluo do problema para que a

organizao alcance as metas planejadas. Por exemplo, como atingir as metas de
lucro, otimizando a quantidade a ser produzida de um determinado produto.

O modelo convencional usado quando no possvel obter uma deciso

otimizada, por ser complexa ou difcil, mas procura uma boa soluo dentre algumas
possveis, e que gere bons resultados. A escolha da localizao para uma nova
fbrica pode levar a um local que satisfaa s necessidades da empresa, mas que
pode no ser um timo local, uma vez que pesquisar todas as alternativas possveis
muito difcil.

60

O tratamento heurstico est relacionado aos princpios bsicos da organizao,

cujas diretrizes ou procedimentos so aceitos e que, em geral, levam a uma boa
soluo (STAIR; REYNOLDS, 2002). Estes princpios tm como base regras ou
normas prticas que tendem a produzir bons resultados, independentemente de
justificativas formais. Se uma empresa adota o princpio bsico de que no falte um
produto no estoque, esta heurstica empregada no negcio a levar a adquirir uma
determinada quantidade do produto em um intervalo de tempo, de tal maneira que o
nvel de estoque no fique abaixo de uma quantidade mnima.

Para Herbert Simon, o modo mais adequado para se estudar a resoluo de

problemas seria atravs da simulao da situao com recursos computacionais,
idia defendida j na dcada de 50, segundo as pesquisas de Balestrin (2002).

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.

Para agilizar a obteno da soluo do problema, as organizaes podem contar

com vrios sistemas de informao, apoiando os vrios estgios do processo. Estes
sistemas podem auxiliar no incio do processo na obteno de informaes, seguido
pela criao de modelos de tomada de deciso usados para explorar e analisar
alternativas, apoiando-se na escolha da deciso e no monitoramento da soluo
implementada.

As organizaes podem contar tambm com os sistemas de apoio deciso que

permitem executar vrios servios, como no acesso base de dados corporativos e
na simulao de problemas especficos (BINDER, 1994). Desta forma, possvel
criar ambientes que propiciam a anlise e a avaliao das alternativas de soluo
em procedimentos de tomada de deciso, buscando a melhor soluo e procurando
minimizar os erros.

61

As ferramentas computacionais, disponveis nas organizaes, tambm tm como

objetivo fornecer diferentes tipos de informaes, tanto quantitativos quanto
qualitativos, que esto presentes nos modelos de deciso e que influenciam nos
processos decisrios (TRUCK; AKDAG, 2005). Tais ferramentas devem ser capazes
de tratar informaes que podem ser mensuradas ou quantificadas, tais como as
que envolvem valores monetrios, bem como informaes qualitativas, que so
difceis de quantificar ou medir, como os efeitos que um produto pode causar na
qualidade do meio ambiente.

3.3 RECURSOS COMPUTACIONAIS DE APOIO DECISO

O nvel de tomada de deciso nas organizaes depende das necessidades de

informao dos tomadores de deciso e, segundo O`Brien (2004), os nveis de
decises

podem

ser

divididos

em

no-estruturados,

semi-estruturados

estruturados.

O`Brien (2004) considera decises estruturadas aquelas em que as situaes levam

a um processo de deciso j conhecido, ao contrrio das decises no-estruturadas,
em que os procedimentos no esto ainda especificados. O que ocorre na maioria
das situaes de deciso, so aquelas do tipo semi-estruturadas, para as quais
parte do processo segue caminhos pr-determinados, mas no so suficientes para
levar a uma deciso definida.

Os sistemas de informao, existentes no mercado, possibilitam a obteno de uma

variedade de conjuntos de informaes para atender s diferentes necessidades dos
tomadores de deciso, tendo em vista os diversos nveis de deciso. Nesse sentido,
podem ser destacados os sistemas direcionados s decises estruturadas, que
envolvem aspectos operacionais e rotineiros, tais como SIG (Sistema de Informao
Gerencial) e Olap (On-line analytical processing ou Processamento Analtico Online).
Para decises semi-estruturadas ou no-estruturadas, os sistemas de apoio

62

deciso SAD e os baseados na Inteligncia Artificial podem resolver problemas

complexos e dar suporte a decises difceis.

A seguir, so tratadas caractersticas gerais de alguns destes sistemas

computacionais, com o objetivo de apresentar o seu uso em aplicaes na tomada
de deciso.

3.3.1 SIG e OLAP

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.

Segundo Stair e Reynolds (2002), o principal fator de desenvolvimento dos SIG

satisfazer s necessidades dos gerentes e dos tomadores de deciso. Abrange uma
coleo organizada de pessoas, procedimentos, software, banco de dados e
dispositivos que fornecem informaes rotineiras aos gerentes e tomadores de
deciso.

Um SIG tem como foco a eficincia operacional. Prov aos gerentes no s

informaes e suporte para a efetiva tomada de deciso, bem como resposta s
operaes dirias, agregando, assim, valor aos processos da organizao.

As principais caractersticas de um SIG, de acordo com Stair e Reynolds (2002),

permitem aos usurios produzirem seus prprios relatrios, impressos ou em tela,
com formatos fixos e padronizados, que podem ser analisados por diferentes reas
da empresa para propsitos diversos. Permitem ainda utilizar dados de fontes
internas e externas armazenados em banco de dados, filtrando-os para melhor
compreenso das informaes.

63

Em determinadas situaes de deciso, os responsveis pela mesma precisam

extrair dados detalhados e consolid-los para analisar padres, tendncias ou
situaes incomuns, de forma interativa e constante.

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.

Desta forma, Olap permite explorar dados corporativos dentro de vrias

perspectivas, alm de permitir a anlise de dados usando mltiplas dimenses, onde
os valores agregados aos dados possibilitam hierarquiz-los e visualiz-los (STAIR;
REYNOLDS, 2002).

3.3.2 Sistemas de Apoio Deciso (SAD)

Sistemas SAD fornecem informaes de forma interativa aos tomadores de deciso.

So fundamentados em modelos de referncia, os quais consistem de modelos
utilizados em rotinas computacionais e analticas, e expressam matematicamente
relaes entre as variveis do problema de deciso (OBRIEN, 2004).

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

Desta forma, SAD se diferenciam de outros sistemas na maneira como o processo

de interao se d com o usurio. Ao introduzir alteraes hipotticas no sistema,
uma seqncia de respostas apresentada ao usurio, que, por sua vez, pode
efetuar outras mudanas e explorar as alternativas possveis.

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.

Em um SAD so encontrados alguns tipos de modelagem analtica, que podem ser

teis no processo de deciso, segundo OBrien (2004) e Stair e Reynolds (2002).
Podem-se destacar os seguintes tipos:
anlise do tipo e-se (what-if): o usurio efetua alteraes nas variveis ou
busca novas relaes entre as variveis e verifica como elas afetam os valores
de outras variveis; a anlise dos resultados pode levar o usurio a repetir o
processo de mudana nas variveis, at que os resultados mostrem os
melhores efeitos das possveis decises a serem tomadas;
anlise de sensibilidade: processo de se introduzir mudanas hipotticas nos
dados do problema e observar o impacto nos resultados; envolve repetidas
mudanas em apenas uma varivel de cada vez; considerada um caso
particular da anlise what-if e usada quando o tomador de deciso deseja
verificar se as premissas adotadas na estimativa do valor de determinadas
variveis consideradas chave esto corretas ou no;
anlise de busca de metas (goal seeking): procura os valores que as variveis
devem assumir para que uma meta ou valor-alvo fixado para uma varivel seja
atingido;
anlise de otimizao: uma extenso da anlise de busca de metas, porque
no fixa apenas um valor especfico para uma varivel, mas procura o melhor
valor para uma ou mais variveis-alvo, dentro de certas limitaes; o processo
consiste em alterar uma ou diversas das outras variveis repetidas vezes, at
que os melhores valores levem aos valores das variveis-alvo.

65

Os recursos de um SAD, portanto, permitem manipular volume considervel de

dados de diferentes fontes, estejam eles armazenados em computadores ou em
redes distintas (STAIR; REYNOLDS, 2002). Alm disto, fornecem diferentes tipos de
relatrios e grficos que relacionam dados necessrios para anlise dos tomadores
de deciso.

3.3.3 Tcnicas de Inteligncia Artificial nos Negcios

A Inteligncia Artificial (IA) um campo da cincia e da tecnologia de abrangncia

multidisciplinar, pois envolve disciplinas como psicologia, biologia, lingstica,
engenharia, matemtica e informtica, e conforme a aplicao, outras mais so
envolvidas (OBRIEN, 2004). Muitos estudos e pesquisas esto sendo desenvolvidos
na rea de IA para apoiar na soluo de problemas.

Uma tcnica que possibilita extrair informaes de base de dados armazenados o

Data Mining, que procura identificar fatores e tendncias nos padres das atividades
de negcio, auxiliando na tomada de deciso sobre mudanas estratgicas da
empresa, que visa atuar com vantagens competitivas no mercado (OBRIEN, 2004;
STAIR; REYNOLDS, 2002).

O Data Mining utiliza algoritmos avanados de reconhecimento de padres e

tcnicas matemticas e estatsticas para buscar tendncias e correlaes entre os
dados. Em conseqncia, permite realizar regresses, elaborar rvores de deciso,
gerar cadeias neurais ou encontrar grupos de dados especficos.

Diferentemente de outras ferramentas de consulta, nas quais os usurios formulam e

testam uma hiptese especfica, Stair e Reynolds (2002) observam que o Data
Mining alm dos recursos de anlise embutidos para gerar, automaticamente,
hipteses sobre padres e situaes diversas identificadas nos dados, ajuda a
prever um comportamento futuro do negcio.

66

Segundo OBrien (2004), as aplicaes da IA podem ser classificadas nas seguintes

reas:
cincia cognitiva: compreende os sistemas especialistas, sistemas de
aprendizagem, lgica difusa, algoritmos genticos, redes neurais e agentes
inteligentes;
robtica: produz robs, cujos sistemas, por exemplo, destinam-se percepo
visual, ttil, habilidade no manuseio, capacidade fsica para se mover e para
encontrar o caminho at um destino; envolve, desta maneira, o desenvolvimento
de mquinas que realizam tarefas complexas e consideradas perigosas para os
humanos, ou em tarefas rotineiras ou entediantes (STAIR; REYNOLDS, 2002);
interfaces naturais: aborda o estudo de linguagens naturais, o reconhecimento
de discurso, interfaces multissensoriais e realidade virtual.

Dada a variedade de reas de atuao da IA e como este trabalho se concentra nas

aplicaes voltadas aos processos de tomada de deciso, em especial rea de
negcios, so destacados a seguir alguns aspectos dos sistemas da rea cognitiva.

Em sistemas baseados nas redes neurais, as pesquisas e os estudos se concentram

no funcionamento do crebro humano. O crebro humano pode ser considerado um
processador composto por bilhes de neurnios. Todas as funes e movimentos do
organismo esto relacionados ao funcionamento destas pequenas clulas. Os
neurnios esto conectados uns aos outros atravs de sinapses, e juntos formam
uma grande rede, chamada rede neural. As sinapses, que so as conexes entre os
neurnios, transmitem estmulos e o resultado disto pode ser estendido por todo o
corpo humano. Esta rede proporciona uma grande capacidade de processamento e
armazenamento de informao (OBRIEN, 2004).

As redes neurais artificiais consistem em um mtodo de solucionar problemas de

inteligncia artificial, construindo um sistema que tenha circuitos que simulem o
crebro humano, inclusive seu comportamento, ou seja, aprendendo, errando e
fazendo descobertas (KASABOV, 1996). So tcnicas computacionais que
apresentam um modelo inspirado na estrutura neural de organismos inteligentes e
que adquirem conhecimento atravs da experincia (OBRIEN, 2004). Uma rede
neural artificial pode ter centenas ou milhares de unidades de processamento.

67

A propriedade mais importante das redes neurais a habilidade de aprender de seu

ambiente e, com isso, melhorar o desempenho, caracterstica encontrada em outras
tecnologias. Isso feito atravs de um processo iterativo de ajustes durante o
treinamento. O aprendizado ocorre quando a rede neural atinge uma soluo
generalizada para uma classe de problemas. Para Stair e Reynolds (2002) a rede
neural permite ao computador reconhecer e atuar sobre padres ou tendncias.

Um algoritmo de aprendizado um conjunto de regras bem definidas para a soluo

de um problema de aprendizado. Existem muitos tipos de algoritmos de aprendizado
especficos para determinados modelos de redes neurais. Estes algoritmos diferem
entre si principalmente pelo modo como as regras so combinadas com
probabilidades (STAIR; REYNOLDS, 2002; KASABOV, 1996) e como os pesos so
modificados.

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).

A rede neural pode aprender processando exemplos de problemas e suas solues,

e, medida que reconhece padres e relaciona os dados, pode comear a se
programar para resolver esses problemas por si mesma. Aplicaes de redes
neurais so inmeras, como aplicaes no mercado financeiro na anlise de risco no
crdito, e nesse caso, o sistema pode avaliar os resultados dos emprstimos
pretendidos.

Na rea de IA, tambm so encontrados os sistemas de lgica difusa. Estes

sistemas se baseiam em um mtodo de raciocnio, que d margem para valores e

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.

O uso da lgica difusa, tambm denominada nebulosa (STAIR; REYNOLDS, 2002;

KASABOV, 1996), ajuda os sistemas computacionais a avaliar as condies
imperfeitas ou imprecisas do problema, e a realizar hipteses com base na
possibilidade e probabilidade de acerto na deciso. Esta capacidade de avaliar uma
situao pode ser considerada semelhante ao julgamento que uma pessoa faz
quando avalia determinadas questes, diante de informaes nem sempre precisas.

Outras tcnicas que se destacam na rea de IA utilizadas para apoiar decises se

utilizam dos conceitos de algoritmos genticos, agentes inteligentes e sistemas
especialistas.
De acordo com OBrien (2004), os sistemas de algoritmos genticos simulam um
processo evolutivo que pode proporcionar solues progressivamente melhores para
um problema. So utilizadas regras de mtodos matemticos que especificam como
as combinaes de componentes ou etapas de processos devem ser formadas.
Estas combinaes podem ser aleatrias, e criar modificaes e seleo de
processos para gerar melhores solues.

Um agente inteligente um software, que utiliza a sua base de conhecimento

armazenada e aprendida sobre uma pessoa ou processo, para tomar decises e
executar tarefas especficas de modo que realize as intenes do usurio (OBRIEN,
2004). Os recursos deste tipo de sistema auxiliam na procura de informaes
desejadas e sugerem novos caminhos para a obteno de dados que se ajustem s
necessidades das empresas ou pessoais do usurio. So exemplos prticos do uso
de agentes inteligentes: na comparao de preos de produtos especficos ou na

69

busca de informaes sobre determinado assunto para fins de planejamento

estratgico.

Para Stair e Reynolds (2002), um Sistema Especialista (SE) confere ao computador

a capacidade de sugerir e agir como um especialista num campo em particular.
Permite que as organizaes absorvam e usem o conhecimento dos peritos e
especialistas.

Complementando a definio anterior, um SE tem por objetivo atender a uma

aplicao determinada e limitada do conhecimento de uma pessoa (OBRIEN, 2004).
Tem a capacidade de apresentar uma soluo apoiada em conhecimento prvio,
obtido a partir de uma base de informaes, da mesma forma que um especialista
de determinada rea detm conhecimento sobre um assunto especfico.

Um SE baseado no conhecimento sobre uma rea de aplicao especfica e

complexa, atuando como um consultor para o usurio. O sistema utiliza uma base de
conhecimento sobre um determinado problema, para fazer inferncias sobre o
conhecimento e gerar respostas s questes do usurio sobre o problema.

Geralmente, a base de conhecimento organizada por um especialista da rea de

aplicao. Esta base deve conter informaes e fatos sobre a rea especfica e
heurstica que expresse o processo de raciocnio do especialista em relao ao
assunto.
Segundo OBrien (2004), a representao do conhecimento pode ser baseada em
regras, cujas declaraes assumem a forma de uma premissa e uma concluso do
tipo if (condio) then (concluso). Outra maneira de representar o conhecimento
na forma de casos, com exemplos de desempenho, ocorrncias e experincias. Ou,
ainda, o conhecimento pode ser representado na forma de uma hierarquia ou rede
de quadros que contm valores de dados que descrevem os atributos sobre o
problema.

Desta maneira, de forma interativa com o usurio, o SE processa o conhecimento,

tais como regras e fatos sobre o problema especfico, e realiza associaes e

70

inferncias que o levam a indicar as aes possveis que o usurio pode tomar,
mostrando o processo de raciocnio percorrido.

De um modo geral, para tomar uma deciso sobre um determinado problema,

baseado nos fatos que encontra, um SE formula suas hipteses. Durante o processo
de raciocnio, ele verifica qual a importncia dos fatos que encontra, comparando-os
com as informaes j adquiridas sobre esses fatos e hipteses. Novas hipteses
so formuladas e novos fatos so verificados, influenciando no processo de
raciocnio.

Como esse processo de raciocnio baseado no conhecimento prvio acumulado,

podem ocorrer situaes em que o SE no chegue a uma deciso, se os fatos de
que dispe para aplicar o seu conhecimento prvio no forem suficientes, podendo,
inclusive, chegar a uma concluso errada.

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.

Contudo, muitas aplicaes de SE, devido sua complexidade, tm tido dificuldades

em formalizar o conhecimento e, em conseqncia, em criar e atualizar a base de
conhecimento, diante do seu volume e de sua difcil sistematizao. Por isso,
esforos tm sido feitos para desenvolver Sistemas Especialistas capazes de
aprender sozinhos essas associaes lgicas.

3.4 CONSIDERAES SOBRE OS SISTEMAS COMPUTACIONAIS

Os sistemas apresentados anteriormente implementam algumas das tecnologias,

que podem ser aplicadas em um sistema de gerenciamento de conhecimento, para
auxiliar nos processos de deciso e estratgicos da organizao.

A gesto do conhecimento apoiada pela Tecnologia da Informao para coletar,

organizar e compartilhar conhecimento dentro de uma empresa, o que implica,
tambm, em administrar a aprendizagem organizacional e seu know-how. Os
sistemas de gesto do conhecimento fornecem um feedback rpido aos
especialistas da rea e os auxiliam na criao, organizao, disponibilizao e
disseminao do conhecimento, para integr-lo em seus servios, produtos e
processos.

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

Os autores Krogh; Ichijo e Nonaka (2001) observam que em geral, a gesto do

conhecimento praticada nas empresas para selecionar informaes de uma base
de dados, armazen-las para uso futuro, combin-las e transferi-las para outros
meios e disponibiliz-las para aqueles que as necessitam. Desta maneira, o objetivo
da gesto do conhecimento assegurar que a informao certa chegue ao usurio
certo, no momento certo.

Porm, os autores observam que, deve-se indagar se conhecimento o mesmo que

informao. No caso afirmativo, ento a tecnologia da informao tem realizado o
seu papel adequadamente. Entretanto, relegar a gesto do conhecimento a uma
simples gesto de informao subutiliz-la. H muita confuso, advertem os
autores, sobre o que conhecimento e o que informao, apesar de existirem
muitas iniciativas de gesto de conhecimento.

Segundo Krogh; Ichijo e Nonaka (2001), informao um conjunto de dados

contextualizado e relaciona-se com outros dados. Dados so facilmente estruturados
e transferidos por meio de sistemas. Informao tem a ver com significado e constitui
a base do conhecimento, mas requer uma formatao adequada dos dados para fins
de anlise por parte das pessoas, e, tambm pode ser reunida e transferida
eletronicamente. No entanto, o conhecimento abrange as crenas de grupos ou
indivduos, e se relaciona intimamente com a ao. Crenas, comprometimento e
aes no so captados e representados da mesma maneira como as informaes.
Alm disso, o conhecimento nem sempre detectvel; cria-se espontaneamente,
por vezes de forma imprevisvel. Portanto, para os autores difcil estruturar e
armazenar todo o conhecimento e transferi-lo por meio eletrnico de uma para outra
parte da organizao.

Deve-se reforar, portanto, que estas observaes devem ser levadas em

considerao

nos modelos

adotados nos

sistemas

de

informao

de

conhecimento, principalmente nos processos decisrios, devido ao componente

subjetivo relacionado a juzos de valores presentes nos tomadores de deciso.
Aliadas essas ressalvas, pode-se observar que as caractersticas dos sistemas
computacionais estudados fornecem uma viso do que desejvel e necessrio em

73

um sistema de apoio deciso, tais como oferecer recursos de interatividade,

flexibilidade, ter comportamento dinmico, auxiliar na coleta de informaes e
modelar as necessidades dos usurios. Deve tambm, facilitar a anlise de um
grande nmero de variveis, para que seja possvel ao decisor se posicionar diante
do problema.

Os processos decisrios implementados em forma computacional, alm de

possibilitarem ao usurio o controle e o gerenciamento da escolha de uma deciso,
devem prever novas necessidades de informaes sobre a posio corrente do
problema, como tambm informar sobre a situao seguinte de uma tomada de
deciso.

Verifica-se que sistemas SIG servem, geralmente, s aplicaes de decises, cujas

informaes so acessadas de bancos de dados gerados pelas transaes prprias
de uma organizao, portanto orientados aos dados j existentes, assim como as
verses tradicionais dos Olap.

Por outro lado, os sistemas de apoio deciso SAD e os classificados como

inteligentes, tais como os que utilizam tcnicas de Inteligncia Artificial, possibilitam
lidar com contextos dinmicos, cujos cenrios sofrem alteraes constantes e, em
alguns casos, difceis de serem formalizadas. E, nessa categoria que as pesquisas
tm evoludo com o desenvolvimento de uma nova gerao de sistemas de apoio
deciso, como aquelas baseadas nos mtodos multicritrio mencionados no
Captulo 1 desta tese, e nas tcnicas adaptativas que podem servir como uma
alternativa adicional (Neto, 2007).

Considerando a motivao e os objetivos deste trabalho, e dada a abrangncia dos

tipos de processos de tomada de deciso, a tese tem como foco os processos semiestruturados. Esses processos envolvem decises baseadas em conjuntos de regras
do tipo fthen, com informaes, muitas vezes, incompletas, o que justifica o uso
do conceito de adaptatividade para a busca de solues, com a utilizao da Tabela
de Deciso Adaptativa (ver cap. 2) como ferramenta de apoio tomada de deciso,
em particular s decises que envolvem mltiplos critrios.

74

Para dar seqncia a este trabalho, importante apresentar alguns mtodos de

tomada de deciso que dependem da complexidade do problema, de seus critrios e
de suas alternativas de soluo.

3.5 MTODOS MULTICRITRIO DE APOIO DECISO

Os mtodos multicritrio utilizam tcnicas que oferecem maior compreenso dos

problemas de deciso com nmero finito de critrios e alternativas, e apiam a
deciso durante os processos decisrios, quando inseridos em contextos,
geralmente, multidisciplinares (FLP, 2005).

Segundo Flp (2005), os mtodos multicritrio apiam os processos de anlise de

deciso, conferindo-lhes consistncia e confiabilidade nos julgamentos do decisor.
De acordo com Roy (1996), dependendo de como o problema de deciso
multicritrio formulado, existem mtodos multicritrio de escolha, classificao e
ordenao das alternativas existentes no problema.

Mtodos multicritrio de escolha permitem que uma nica alternativa seja

selecionada de um subconjunto obtido do conjunto de opes disponveis. Os
mtodos de classificao consistem em distribuir cada alternativa na categoria
apropriada, de acordo com um valor associado alternativa, obtido por funes de
utilidade. Os mtodos de ordenao estabelecem uma ordem de preferncia das
alternativas, segundo julgamentos dos decisores que atribuem nveis de importncia
a cada alternativa em relao aos objetivos do problema de deciso (ROY, 1996;
FLP, 2005).

Dada a importncia dos julgamentos dos decisores, os mtodos de apoio s

decises multicritrio procuram explorar e reduzir a subjetividade dos valores dos
decisores, possibilitando maior clareza e eficincia nas decises. Os mtodos
desenvolvidos tm origem em duas principais correntes: a da Escola Americana e a
da Escola Europia ou Francesa (FLP, 2005).

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:

AHP (Analytic Hierarchy Process): prope a decomposio do problema de

deciso em nveis hierrquicos e atravs de julgamentos do decisor sobre os
critrios e alternativas, obtm valores globais das alternativas, priorizando-as;

SMART (Simple Multi-Attribute Rating Technique): tem como base o uso de

funo utilidade linear como a mdia algbrica ponderada para priorizar as
alternativas;

TODIM (Tomada de Deciso Interativa Multicritrio): incorpora em sua

formulao padres de preferncia dos decisores em presena de risco,
baseado na Teoria dos Prospectos, que utiliza funes de valor para explicar
a averso e a propenso ao risco na tomada de deciso (RANGEL; GOMES,
2007); prospecto deve ser entendido como um jogo, no qual o decisor prefere
ganhar menos, diante do risco de perder, ou, correr o risco de ganhar, na
certeza de perder (CLEMEN; REILLY, 2001).

A Escola Europia tem origem na Escola Francesa, na qual pesquisadores

franceses

desenvolveram

primeiro

mtodo

aplicar

conceito

de

sobreclassificao, denominado mtodo ELECTRE (FLP, 2005). Os mtodos

desta escola tambm so conhecidos como mtodos MCDA (Multiple Criteria
Decision Aiding). A sobreclassificao consiste na comparao entre pares de
alternativas, na qual se procura estabelecer relaes, tais como uma alternativa x
pelo menos to boa quanto uma alternativa y, nas quais se diz que x
sobreclassifica y (ROY, 1996; FLP, 2005). Esse mtodo, denominado
Outranking (Sobreclassificao ou Categorizao) tem como objetivo: ou classificar
as alternativas em categorias, ou ordenar as alternativas, ou obter a melhor
alternativa, segundo os nveis de preferncia do decisor. So exemplos de mtodos
Outranking:

76

ELECTRE (Elimination and Choice Translating Reality): mtodo que produz

ndices de concordncia e de discordncia para determinar relaes de
dominncia entre as alternativas e categoriz-las (FLP, 2005);

PROMETHEE (Preference Ranking Method for Enrichment Evaluation):

mtodo que utiliza ndices de preferncia para determinar a intensidade global
de preferncia entre as alternativas, com o objetivo de se obter uma
categorizao parcial ou completa (FLP, 2005);

TOPSIS (Technique for Order Preference by Similarity to Ideal Solution):

consiste no mtodo de ordenao de preferncia por similaridade, baseado
no princpio de que a melhor alternativa aquela em que est mais prxima
de uma soluo ideal e mais distante de uma soluo no desejada, segundo
um coeficiente de similaridade, que mede a semelhana entre as alternativas
(BRITES, 2008);

MACBETH (Measuring Attractiveness by a Categorical based Evaluation

Technique): um mtodo que agrega conceitos da escola americana e
francesa (SALOMON, 2004), no qual modelos de problemas de programao
linear so utilizados para descrever o grau de preferncia das alternativas.

Considerando problemas de tomada de deciso com m critrios e p alternativas,

representados pelos conjuntos de critrios C = {c1, c2, ..., ci, ..., cm} e de alternativas
A = {a1, a2, ..., aj ..., ap}, os mtodos multicritrio, basicamente, utilizam uma matriz
de deciso com a disposio dos seus elementos mostrada na figura 5:

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

Figura 5 Matriz de deciso (Flp 2005)

Para a obteno dessa matriz, de acordo com FLP (2005), primeiramente, os

mtodos multicritrio exigem a atribuio de pesos a cada um dos critrios do
problema. A seqncia de valores representada pelo vetor w = (w1, ..., wi, ..., wm)T,

77

indicam os pesos wi atribudos a cada um dos critrios ci, segundo o julgamento do

decisor. As funes para determinar os valores desses pesos variam de mtodo
para mtodo, e devem refletir a importncia relativa dos critrios no problema de
deciso.
Em seguida, para cada alternativa feita uma pontuao zi,,j para descrever o
desempenho da alternativa aj em relao a cada critrio ci. A partir da matriz de
pontuaes Z = (zi,j)Tmxp e do vetor w, cada mtodo associar valores globais para
cada uma das alternativas, que so avaliadas para a tomada da deciso.
Os valores globais formam o vetor ax = (ax1,..., axj, ..., axp)T, no qual cada axj
associado correspondente alternativa aj, determinados pelo mtodo multicritrio de
acordo com a classe a que pertencem.

Mtodos pertencentes classe baseada na Teoria da Utilidade Multiatributo utilizam

funes de utilidade para agregar os pesos wi dos critrios s pontuaes zi,j, para
determinar os valores de utilidade axj que indicam o desempenho de cada
alternativa aj. Geralmente, o valor de utilidade mais alto leva a um desempenho
melhor da alternativa correspondente (KEENEY; RAIFFA, 1976), o que pode apontar
para uma soluo do problema ou alternativa de ao.
Para os mtodos da classe Outranking, os valores wi e zi,j so usados para
determinar a categorizao de cada alternativa aj. O conceito de categorizao foi
proposto por (ROY, 1968 apud FLP, 2005), e consiste em determinar: a
preferncia de uma alternativa ai em relao alternativa aj, ou o nvel de
concordncia, ou discordncia, de uma em relao outra, levando-se em conta os
critrios do problema. Ao contrrio dos mtodos que usam funes de utilidade que
indicam a melhor alternativa, os de categorizao determinam um subconjunto de
alternativas viveis, reduzindo o conjunto inicial de alternativas, ou recomendando
possveis aes a serem tomadas.

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.

3.5.1 Preferncias de escolha

Seja H um conjunto e R H x H uma relao binria em H. Em Lewis e

Papadimitriou (1998), uma relao R H x H dita:

reflexiva, se (h, h) R para todo h H;

irreflexiva, se (h, h) R para todo h H;

simtrica, se (g, h) R, para g, h H, sempre (h, g) R,;

anti-simtrica, se (g, h) R, g h, ento (h, g) R; que tambm pode ser

compreendido por: se (g, h) R e (h, g) R, ento g = h;

transitiva, se (g, h) R e (h, i) R, ento (g, i) R, para g, h, i H.

Um elemento de uma relao (g, h) R tambm denotado por gRh.

Deste modo, num processo de tomada de deciso, as preferncias de escolha do

decisor envolvem as seguintes expresses, onde P denota a relao de preferncia
e I a relao de indiferena entre duas alternativas (GOMES; ARAYA; CARIGNANO,
2004). Supondo-se que as alternativas sejam Ai, Aj e Ak, tem-se:

o decisor prefere Ai a Aj (AiPAj);

para o decisor as alternativas Ai e Aj so indiferentes (AiIAj);

as expresses anteriores garantem, em geral, a transitividade da preferncia,

uma vez que se Ai prefervel a Aj e Aj prefervel a Ak, ento Ai prefervel

79

a Ak (AiPAj e AjPAk AiPAk); esta uma regra de inferncia que garante a

transitividade;

tambm garantem a transitividade da indiferena, em que se Ai indiferente a

Aj e Aj indiferente a Ak, ento Ai indiferente a Ak (AiIAj e AjIAk AiIAk);

as expresses indicam a assimetria da preferncia, pois se Ai prefervel a

Aj, significa que Aj no pode ser prefervel a Ai (AiPAj AjPAi);

para a indiferena, a simetria garantida, pois se uma alternativa Ai

indiferente outra Aj, a recproca verdadeira (AiIAj AjIAi);

As preferncias do decisor que obedecem s expresses anteriores e uma funo

de utilidade U(Ai) que associe valores reais positivos de utilidade para as
alternativas, apresentam as seguintes propriedades:

se AiPAj, ento U(Ai) > U(Aj), o que significa que a utilidade da alternativa Ai
maior do que a utilidade de Aj;

se AiIAj, ento U(Ai) = U(Aj), os valores de utilidade das duas alternativas so

equivalentes.

Os mtodos multicritrio MAUT, portanto, utilizam um sistema de valorizao,

simulando, por meio de funes de utilidade, a utilidade de cada possvel alternativa,
tendo como base as relaes de preferncia (P e I), de comparabilidade completa e
transitiva (GOMES; ARAYA; CARIGNANO, 2004).

J os mtodos multicritrio da famlia dos mtodos Outranking apresentam um

modelo de preferncias diferente ao do MAUT. Neles so adotadas as preferncias
estrita (E), fraca (F), indiferena (G) e incomparabilidade (S), para que o decisor
expresse sua preferncia com outras possibilidades quando no dispe de
informaes mais precisas ou completas sobre as alternativas do problema
(GOMES; ARAYA; CARIGNANO, 2004). O sistema de preferncias dos mtodos
Outranking segue as expresses:

preferncia estrita (E): as informaes justificam a preferncia de uma

alternativa em relao outra; AiEAj significa que Ai tem preferncia forte em

80

relao Aj; uma relao binria transitiva, assimtrica e irreflexiva, que

caracteriza uma ordem parcial;

preferncia fraca (F): no h informaes suficientes que justifiquem a

preferncia de uma alternativa em relao outra, porm tambm no
indiferente s alternativas; AiFAj denota que Ai tem preferncia fraca em
relao Aj; uma relao binria assimtrica, no transitiva e irreflexiva;

indiferena (G): as informaes disponveis indicam que as alternativas so

equivalentes; AiGAj significa que Ai e Aj so igualmente preferidas; uma
relao binria simtrica, transitiva e reflexiva, portanto, uma relao de
equivalncia;

incomparabilidade (S): o decisor no dispe de informaes suficientes para

definir qualquer tipo de relao de preferncia; AiSAj indica que no h
possibilidade de comparar o nvel de preferncia entre as alternativas; uma
relao binria simtrica, no transitiva e irreflexiva.

Fundamentalmente, os mtodos de Outranking propem selecionar, do conjunto

total de alternativas, aquelas que so preferidas na maioria dos critrios. Desta
forma, com base nas relaes de ordem e equivalncia, os mtodos de Outranking
podem selecionar o melhor conjunto de alternativas ou a melhor alternativa para a
resoluo do problema de deciso (FLP, 2005).

Esses mtodos empregam ndices de concordncia e discordncia para estabelecer

uma ordem completa entre as alternativas. O ndice de concordncia, denotado
como CC(Ai, Aj), uma medida ponderada dos critrios para os quais a alternativa Ai
preferida da Aj. Complementarmente, o ndice de discordncia DC(Ai, Aj) mede
quanto a escolha de Ai prejudicial em relao Aj. Por exemplo, se a alternativa Ai
melhor que Aj em alguns dos critrios de avaliao e no pior que Aj em todos os
demais, Aj pode ser eliminada, e nesse caso, pode-se dizer que Aj dominada por
Ai, pois possui desvantagens e nenhuma vantagem (HAMMOND; KEENEY; RAIFFA,
2002).

81

Desta maneira, o ndice de concordncia CC(Ai, Aj) representa a proporo de peso

para que a alternativa Ai seja prefervel a Aj, indicando que Ai excede a classificao
de Aj e que grande parte dos critrios de Ai desempenha-se, no mnimo, to bem
quanto os critrios de Aj. O ndice de discordncia DC(Ai, Aj) mede a desvantagem
relativa entre as duas alternativas Ai e Aj, indicando que apesar de um pior
desempenho ainda so aceitveis. Aps determinar para cada par de alternativas,
se uma excede a classificao de outra, essas avaliaes so combinadas para uma
classificao parcial ou completa. O objetivo do mtodo reduzir o nmero de
alternativas para um subconjunto menor e melhor de alternativas, excluindo aquelas
que no atendem os nveis de concordncia (FLP, 2005).

Neste trabalho, no se prope um estudo exaustivo e detalhado dos mtodos

multicritrio, por isso, foi escolhido o mtodo AHP, para ilustrar a aplicao da
Tabela de Deciso Adaptativa, em processos de tomada de deciso multicritrio.

A seguir, so apresentadas caractersticas do mtodo AHP, que foi escolhido por

representar um dos mtodos mais pesquisados e utilizados nas empresas (ZUFFO,
1998; GOMES; MOREIRA, 1998; BERTOLI; BRAGLIA; CARMIGNANI, 2006). A
importncia do mtodo AHP no apoio tomada de deciso multicritrio nas
organizaes, tambm destacada, e justifica a sua escolha para esta tese. Os
inmeros trabalhos citados em artigo de Saaty (2008) mostram a sua importncia.
So exemplos de trabalhos:

uso do AHP pela Comisso Reguladora Nuclear (NCR) dos Estados Unidos
para alocar recursos de Tecnologia da Informao, reduzindo o tempo de
deciso;

o departamento de defesa dos Estados Unidos usa o AHP para apoiar a

alocao de seus recursos nas suas diversas atividades;

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;

diversas aplicaes militares e polticas foram desenvolvidas com o auxlio do

mtodo AHP, como na anlise da deciso de se criar, ou no, o NMD
(National Missile Defence);

82

AHP foi aplicado nos Estados Unidos em um conflito com a China, em

questes de direitos de propriedade intelectual sobre msica, vdeos, fitas e
softwares copiados por chineses, envolvendo critrios sobre benefcios,
custos e riscos.

Outros exemplos do uso do mtodo AHP so encontrados no artigo do Saaty (2008),

alm da citao de inmeros livros de autores diferentes que tratam sobre o
processo.

3.5.2 Mtodo AHP (Analytic Hierarchy Process)

O mtodo AHP, em portugus Processo de Hierarquia Analtica, foi desenvolvido por

Thomas L. Saaty na dcada de 70, para apoiar problemas de tomada de deciso
com mltiplos critrios. Sua principal caracterstica tem como base a decomposio
hierrquica do problema, criando-se uma hierarquia de critrios (SAATY, 1991) e
convertendo avaliaes subjetivas de importncia relativa em um conjunto de
pontuaes ou pesos gerais. A metodologia do modelo AHP consiste de trs fases
principais: estruturao do problema; julgamentos comparativos e anlise das
prioridades.

O mtodo prope ao decisor que o problema de deciso, primeiramente, seja

estruturado ou decomposto em partes, representando as partes em nveis
hierrquicos, para facilitar a sua compreenso e visualizar a sua estruturao
atravs de um modelo formal. No nvel mais alto da estrutura, no topo,
representado o objetivo da deciso, seguido pelos nveis de critrios e subcritrios,
caso existam, e finalizando com o nvel das alternativas, mostrando as relaes
entre os elementos, como ilustra a figura 6 de um problema de deciso com poucos
nveis hierrquicos.

83

Figura 6 Exemplo de hierarquia de um problema de deciso

Em seguida, so feitos os julgamentos comparativos entre os critrios, aos pares,

dentro de cada nvel. Segundo Saaty (1994), o decisor deve julgar de acordo com a
intensidade de importncia de cada critrio ci em relao a outro cj, numa escala de
valores definida pelo autor, gerando uma matriz de julgamentos (figura 7).

c1
...
...
ci
cj
...
cm

c1
...
...
...
...
...
...
...

...
...
...
...
...
...
...
...

ci
...
...
...
Ei,i
Ej,i
...
...

cj
...
...
...
Ei,j
Ej,j
...
...

...
...
...
...
...
...
...
...

cm
...
...
...
...
...
...
...

Figura 7 Matriz E de julgamentos aos pares entre os critrios

Para m critrios de um nvel, so necessrias m(m-1)/2 comparaes. A escala de

julgamentos proposta por Saaty expressa a intensidade da preferncia do decisor
por um critrio em relao a outro, conforme segue (tabela 10):

84

escala

significado

importncia ou preferncia igual: os critrios so igualmente importantes

importncia ou preferncia moderada por um em relao ao outro: um

critrio um pouco mais importante que outro

importncia ou preferncia forte ou essencial: o julgamento favorece

fortemente um critrio em relao ao outro

importncia ou preferncia muito forte ou demonstrada: um critrio

muito fortemente importante em relao ao outro

extrema importncia ou preferncia: um critrio extremamente

prefervel a outro

2, 4, 6, 8

valores usados em julgamentos intermedirios

Tabela 10 Escala Fundamental de Saaty (Fonte: Saaty, 1991)

A escala, denominada Escala Fundamental de Saaty, imposta pelo mtodo

possibilita traduzir em valores quantitativos as preferncias do decisor, que
normalmente so expressas de modo verbal quando usa adjetivos, e podem ser
revistos quando os resultados apresentam algum conflito entre as preferncias.

Na matriz da figura 7, denota-se por Ei,j o valor de julgamento do decisor, de acordo

com a escala de Saaty, obtido comparando-se o critrio ci com o critrio cj, ento o
recproco do valor 1/Ei,j estabelecido na comparao de cj com ci. Na comparao
do critrio ci com ele mesmo, o julgamento de valor igual a 1 deve ser atribudo.
Desta forma:
, = valor de comparao entre e
, =

1
valor de comparao entre e
,

, = 1

A partir dessa matriz, os seus valores so normalizados, resultando no vetor w de

importncias relativas de cada critrio. Antes de continuar com o processo, Saaty
(1994) observa que necessrio verificar se os julgamentos so consistentes e
aceitveis, e para isso criou uma grandeza denominada razo de consistncia (CR),

85

cujo valor de aceitao de at 0.10, ou seja, de 10%. Se o valor CR ultrapassar o

limite de aceitao, o decisor deve rever os seus julgamentos para que o ndice seja
reduzido (item 3.5.3).

Com procedimentos de julgamentos semelhantes aos critrios, as preferncias pelas

alternativas de A em relao a cada critrio de C devem ser estabelecidas (figura 8):
c1

c2

a1

ai

ap

cj

cm

zi,j

Figura 8 Matriz Z de desempenho das alternativas em relao aos critrios

Com isso, possvel agregar as importncias relativas dos critrios wi e os nveis de

preferncia zi,j de cada alternativa em relao a cada critrio, para obter o valor
global axj de cada alternativa:
.

ax = Z w

A avaliao dos resultados vai determinar a alternativa com maior prioridade e

recomend-la como a melhor escolha.

3.5.3 Consistncia dos julgamentos

A razo de consistncia CR melhor compreendida a partir da lgebra matricial

(SAATY, 1991). Denotando-se por E = (Ei,j)mxm a matriz de julgamentos de ci com cj,
o vetor w das importncias normalizadas de cada critrio, tem-se a expresso (1),
onde w definido como um autovetor de E e m como autovalor:

E.w=m.w

(1)

86

De acordo com Nicholson (2006), se 1 , ..., , nmeros reais ou complexos,

satisfazem a expresso (1), so definidos como autovalores de E, e se Ei,i = 1 para
todo i, logo, a expresso (2) vlida:

(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.

Combinando-se os dois resultados e considerando que os valores da diagonal

principal Ei,i = 1 da matriz E, e se E for consistente, pequenas variaes de Ei,j
mantero o autovalor prximo de m, e os autovalores restantes prximos de
zero. O pequeno desvio de a partir de m uma medida de consistncia.
Denotando por CI o ndice de consistncia, tem-se a expresso (3):

(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

Os valores dos ndices ICR so apresentados na tabela 11:

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

Tabela 11 - Tabela de ndices de consistncia randmico (Fonte: Saaty, 1991)

Saaty (1991) observa que para matrizes de ordem menor que 3, os julgamentos so
sempre consistentes, portanto, no h necessidade de apurar CR.

Segundo Saaty (2001), o nmero de critrios no deve superar a 7, por representar

um bom limite prtico, pelo menos em relao consistncia. Saaty parte, tambm,
do pressuposto de que para quantidades superiores, os julgamentos tendem a se
tornar inconsistentes pelas dificuldades de anlise do prprio decisor.

A seguir, apresentado um exemplo elementar de tomada de deciso baseado no

mtodo AHP.

3.5.4 Exemplo de aplicao do AHP

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.

Os elementos deste problema de deciso so descritos a seguir:

objetivo do problema: selecionar um fornecedor para um produto especfico;

critrios:

C1: Qualidade dos servios

C2: Flexibilidade na entrega

88

C3: Distncia

alternativas de escolha:

A1: Fornecedor A

A2: Fornecedor B

Aplicando o mtodo AHP, os nveis hierrquicos do problema so apresentados na

figura 9:

Figura 9 Hierarquia do problema de deciso

A partir da definio do problema e supondo que o decisor julgue os critrios para a

obteno das importncias relativas de cada um, a matriz de julgamento mostrada
na figura 10:

Qualidade
Flexibilidade
Distncia

C1
C2
C3

C1
1
1/4
1/3

C2
4
1
1/2

C3
3
2
1

Figura 10 Matriz de julgamento

Aps a normalizao dos valores de julgamento, o vetor de pesos dos critrios

determinado: w = (0.62, 0.23, 0.15)T, indicando as prioridades relativas de C1, C2 e
C3, respectivamente.
A verificao de consistncia resulta em = 3.11, CI = 0.05 e CR = 0.094 que
est dentro dos valores de aceitao (CR < 0.10).

89

Os valores de preferncia das alternativas em relao aos critrios so consolidados

e apresentados na matriz de desempenho (figura 11):

Fornecedor A
Fornecedor B

A1
A2

C1
0,89
0,11

C2
0,86
0,14

C3
0,8
0,2

Figura 11 Matriz de desempenho

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

4 EXTENSO DA TDA PARA APOIAR DECISES MULTICRITRIO

A Tabela de Deciso Adaptativa (TDA), apresentada no Captulo 2, um

dispositivo adaptativo dirigido por regras composto por uma tabela de deciso
convencional subjacente. As regras de um processo na TDA so memorizadas e
modificadas com a ajuda de um conjunto de funes adaptativas, responsveis por
sua automodificao, de forma independente, apresentando novas informaes e
novos resultados para o processo em execuo.
Pela ampla aplicabilidade da TDA, neste captulo formalizada e descrita uma
extenso da TDA que atua como elemento central de um procedimento de tomada
de deciso envolvendo mltiplos critrios, considerados simultaneamente. Esta
formulao ser denominada, neste texto, Tabela de Deciso Adaptativa Estendida
(TDAE). Outro assunto tratado neste captulo se refere ao estudo de exigncia de
espao de memria e de tempo para a execuo do algoritmo de tomada de
deciso, que utiliza tcnicas adaptativas.
A TDAE tem como objetivo apoiar por meio de uma formulao expressiva,
processos decisrios de problemas semi-estruturados (ver cap. 3), com a aplicao
de mtodos multicritrio, possibilitando ao decisor analisar o conjunto de regras,
interagir com o sistema e assim obter solues viveis para os problemas. A TDAE
dispe de um conjunto de tcnicas projetadas com o objetivo de suportar processos
decisrios, tais como:

permitir a modelagem de problemas de deciso semi-estruturados;

permitir uma melhor compreenso do problema;

proporcionar ao decisor condies para expressar seus julgamentos a cerca

das informaes do problema de deciso;

permitir analisar os critrios impostos s regras do problema e suas

combinaes, alm de apresentar alternativas de soluo para situaes no
previstas anteriormente;

incorporar algoritmos clssicos de mtodos multicritrio;

91

usar tcnicas adaptativas para que o sistema se automodifique, tanto na sua

estrutura, como no seu comportamento, de forma autnoma, e gere respostas
para o processo de tomada de deciso.

4.1 FORMULAO DA TDAE

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

Valores dos critrios di,j

Aes a serem aplicadas xk,j

FM1

Funes auxiliares a serem chamadas

FMq
FAD1
FAD2
.
.
FAD
. s
.
.
.

Aes adaptativas a serem

executadas
Referncias a FADs

FADnf

conjunto de aes adaptativas elementares que compem FADs

Figura 12 Estrutura geral da TDAE para aplicaes de decises multicritrio

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

chamada de funo adaptativa, exceto pelo fato de as funes em FM devem ser

executadas em primeiro lugar.
Na formulao da TDAE = (TDA, FM, M), TDA segue o mesmo formalismo
definido no Captulo 2, item 2.2.3.8. formada pela dupla TDA = (TDN, CA),
onde TDN representa a tabela de deciso subjacente (no adaptativa) e CA o
mecanismo adaptativo, que devem ser instanciados de forma tal que implemente de
fato os procedimentos pertinentes do mtodo M escolhido de deciso multicritrio.
Admitindo que o conjunto de critrios do problema de deciso seja C = {ci, 1 i m}
finito, a tabela subjacente TDN definida por TDN = (CT, R, CV, t0, AT, A),
onde:

CT o conjunto de todas as configuraes possveis da tabela de deciso;

R o conjunto finito de regras de deciso: R = {rj, 1 j n};

cada regra rj R formada por rj = (di,j, xk,j), onde:

di,j: representa um valor para o critrio ci na regra rj, onde ci C;

xk,j: um valor que sinaliza a alternativa ak para a regra rj;

CV o conjunto finito dos valores di,j vlidos dos critrios ci;

t0 CT a configurao inicial da tabela de deciso;

AT CT o subconjunto de configuraes aceitas da tabela;

A o conjunto finito de alternativas do problema: A = {ak, 1 k p}.

Neste trabalho, para tabelas de deciso, configurao significa a imagem da tabela

em cada instante, mostrando todos os critrios, as alternativas, as regras e as
combinaes vlidas de condies contidas no conjunto de regras. Os valores di,j e
xk,j, neste trabalho, sero sempre binrios.
O mecanismo adaptativo CA associado ao conjunto de regras R e definido na
TDAE pela dupla CA = (FA, RA), onde:

94

FA o conjunto de funes adaptativas: FA = {FADs, 1 s nf}, na qual

cada funo adaptativa FAD quando instanciada e chamada com os
respectivos argumentos, executa as aes adaptativas que a compe;

RA o conjunto de regras composto pelas regras da tabela de deciso

subjacente e pelas chamadas adaptativas.

A figura 13 destaca um trecho da tabela, no qual se encontra a organizao de cada

uma das nf funes adaptativas, que definem a forma de automodificao da
TDAE.

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:

NF: identificao da funo;

P: conjunto de np parmetros P = {pi, 1 i np};

V: conjunto de nv variveis V = {vi, 1 i nv};

G: conjunto de ng geradores G = {gi, 1 i ng};

BA: uma indicao de ao adaptativa anterior (opcional); BA AD;

AD: representa o corpo da funo adaptativa e composto por um conjunto

de aes adaptativas elementares de consulta, incluso e excluso que
modificam o conjunto corrente de regras da tabela de deciso subjacente;

AA: uma indicao de ao adaptativa posterior (opcional); AA AD.

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:

AC: aes adaptativas elementares de consulta ( ? );

AE: aes adaptativas elementares de excluso ( - );

AI: aes adaptativas elementares de incluso ( + ).

95

AD
tag

..
.

...

regra

rj

...

...

...

.
.
.

nome da funo

NF

.
..
...
.
.
.

...

BA/AA

anterior ou posterior

...
parmetros

FAD

pi

pi

...
...
variveis

vi

vi

...
...
geradores

.
.
.

gi

gi

.
.
.

...
.
.
.

Figura 13 Estrutura de cada funo adaptativa FAD na tabela

O nmero de aes adaptativas, de cada um dos conjuntos AC, AE e AI, pode

variar de acordo com a definio da funo adaptativa, podendo inclusive ser zero
(conjunto vazio).
As aes adaptativas de AD so associadas s regras da tabela subjacente e
agem sobre o conjunto de regras R, executando aes adaptativas elementares AC
de consulta s regras da tabela, AI de incluso de novas regras e AE de excluso
de regras existentes. Essas associaes formam na camada adaptativa CA, o
conjunto de regras composto por RA = {raj, 1 j n}, onde raj definida por
(BA, rj, AA), sendo:

BA AD: se houver, indica ao adaptativa a ser executada antes de rj;

rj regra da tabela de deciso subjacente associada ao adaptativa;

AA AD: se houver, ao adaptativa executada depois de rj.

96

importante observar que, at duas aes adaptativas (opcionais) podem ser

associadas a cada regra rj para formar raj. Na regra escolhida pode-se especificar
uma ao adaptativa (BA) a ser executada antes que rj seja realizada, e outra ao
adaptativa (AA) para ser aplicada aps a execuo de rj, de acordo com a
definio da funo adaptativa. Quando raj idntica a rj, significa que a regra rj da
tabela subjacente no sofre influncia de aes adaptativas.
Esse formalismo da TDAE, portanto, possibilita que para cada funo adaptativa
FAD seja associada uma lista de aes adaptativas elementares AD, que indicam
as modificaes a serem impostas ao conjunto de regras, de acordo com o mtodo
M adotado para o processo decisrio de problemas de deciso especficos:

ao adaptativa elementar de consulta: permite examinar o conjunto de

regras do dispositivo para encontrar regras que satisfaam os critrios
impostos pelo processo;

ao adaptativa elementar de excluso11: permite eliminar do conjunto de

regras alguma regra redundante12 ou conflitante13 para o processo;

ao adaptativa elementar de incluso: permite o acrscimo de uma nova

regra ao conjunto de regras.

Cabe observar que as funes auxiliares em FM so executadas para determinar

valores que estejam ausentes na regra procurada, como por exemplo, resultados
que indiquem quais alternativas devem ser adotadas para a regra procurada. Os
valores determinados, portanto, so utilizados na regra, para uma ao adaptativa
de incluso.
Desta forma, considerando o formalismo da TDAE, a sua aplicao apoiada no
algoritmo de tomada de deciso pode ser vista sob dois aspectos:

11

Essa ao adaptativa leva em conta como as tabelas de deciso tradicionais fazem.

Regras redundantes so aquelas que contm S e N no(s) mesmo(s) critrio(s) e que levam s
mesmas alternativas de ao, o que caracteriza a no necessidade da verificao do(s) critrio(s) nas
respectivas regras. Nesses casos, convenciona-se deixar em branco ou colocar um trao ( - ) na
posio correspondente.
13
Regras conflitantes so aquelas que possuem o mesmo conjunto de critrios, porm cada regra
conduz a um conjunto diferente de alternativas de ao, o que representa uma potencial contradio.
12

97

no primeiro aspecto, a TDAE faz o papel de decisor, onde a soluo do

problema de deciso apresentada pelo prprio dispositivo, ao final do
processo decisrio;

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.

4.2 OPERAO DA TDAE

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.

Essa tabela de deciso inicial considerada como um conjunto de regras, que

representam o conhecimento inicial contido na tabela de deciso, definido por um
especialista do assunto. A partir dela, por meio do algoritmo de deciso, o sistema
adaptativo deduz respostas a situaes no previstas no incio do processo, gerando
outra configurao da tabela, incluindo a nova informao adquirida.

Os elementos da tabela de deciso inicial, critrios e alternativas, so submetidos ao

mtodo multicritrio adotado, para julgamento e obteno dos seus pesos e
preferncias. Esses valores so usados em funes de utilidade associadas s
regras, gerando uma soluo ou categorizando as regras iniciais, conforme o
mtodo escolhido.

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.

Numa situao em que o decisor necessite procurar, na tabela de deciso

adaptativa, regras que satisfaam critrios especficos, possvel que ocorra, por
exemplo, as seguintes situaes:

uma regra encontrada no conjunto de regras, cujos valores dos critrios

sejam coincidentes aos procurados; essa regra mostra como soluo as
alternativas de deciso correspondentes;

quando a regra no encontrada, uma funo adaptativa associada regra

especificada, e aes adaptativas so executadas; essas aes adaptativas
so responsveis pela alterao da estrutura da tabela de deciso adaptativa,
modificando sua configurao.

A partir da configurao assim atingida, a TDAE pode ser utilizada novamente para
outras consultas.

importante ressaltar que, devido maneira como foram definidas as aes

efetuadas pela TDAE nos casos de no-determinismos, conflitos e redundncias, a
busca de regras sempre determinstica, no ocorrendo, portanto, situaes de nodeterminismo. Durante a execuo, a TDAE procura eliminar regras redundantes
ou conflitantes, como por exemplo, regras que possuem os mesmos valores para
todos os critrios, mas apresentam alternativas de soluo diferentes.

No prximo item deste captulo, apresentado um algoritmo de tomada de deciso

multicritrio, que expressa a operao da TDAE. No entanto, cabe observar que,
para se alcanar bons resultados na tomada de deciso, importante que o decisor
considere as etapas de anlise do problema, que compreende todo o processo
decisrio multicritrio:

definir o problema: necessrio identificar e compreender claramente o

problema de tomada de deciso;

99

estabelecer os objetivos do problema: identificar quais so as finalidades ou

solues que devem ser alcanadas na resoluo do problema de deciso;

definir os critrios do problema: relacionar os fatores que influenciam as

alternativas de soluo do problema;

levantar os requisitos de cada critrio, para que as condies indiquem

possveis solues que possam atender aos objetivos do problema;

identificar as alternativas do problema: listar uma relao de possibilidades de

soluo, pois diferentes abordagens das condies podem alterar o conjunto
de solues viveis;

avaliar as alternativas em relao aos critrios, verificando se as regras

especificadas atendem s necessidades do problema;

escolher a ferramenta mais adequada para solucionar o problema, baseado

nos objetivos e nos dados coletados, levando-se em considerao que a
ferramenta tenha a capacidade de apresentar solues alternativas para
situaes no previstas na anlise;

analisar e validar as solues alcanadas pela ferramenta em relao aos

objetivos e requisitos do problema de deciso.

4.3 ALGORITMO DE TOMADA DE DECISO DA TDAE

Neste item, feita a descrio do algoritmo adotado para a tomada de deciso da

TDAE, que composto por trs mdulos principais:

Mdulo I permite que o decisor defina a tabela de deciso subjacente, na

qual so inseridos os critrios, as alternativas e as regras do problema de
deciso, bem como o mtodo multicritrio adotado;

Mdulo II cria a matriz de deciso, cujos valores representam os pesos e as

preferncias relativas dos critrios e das alternativas, em decorrncia dos
julgamentos do decisor;

Mdulo III montagem da camada adaptativa e uso da TDAE para

consultas.

100

Nos itens seguintes so apresentados os principais passos de cada mdulo do

algoritmo de tomada de deciso. O detalhamento de cada passo descrito no item
4.4, acompanhado do estudo de espao e tempo do algoritmo.

4.3.1 Passos principais do Mdulo I da TDAE

A partir da identificao de um problema de deciso semi-estruturado, o decisor

deve criar um modelo que sintetize e represente adequadamente as informaes
colhidas na anlise prvia do problema.

O modelo pode ser representado numa tabela de deciso convencional, para

atender as caractersticas padro da metodologia de tomada de deciso de mltiplos
critrios, onde cada uma das linhas se refere a um critrio, e cada uma das colunas,
s regras que estabelecem as alternativas a serem executadas para as diversas
combinaes possveis de valores assumidos pelos critrios.

Considerando um problema de deciso com m critrios, p alternativas e n regras, a

configurao inicial t0 da tabela de deciso assume o formato mostrado na figura 14,
onde o decisor deve preencher os valores di,j de cada critrio ci na regra rj, bem
como assinalar as alternativas xk,j de ao para cada combinao dos critrios.
O modelo da TDAE deve ter como entrada dos valores di,j limitados aos valores
binrios S ou N, representando a influncia ou no, respectivamente, do critrio ci
na regra rj. Deve-se observar tambm que, caso uma alternativa ak tenha que ser
executada na regra rj, o smbolo utilizado a letra X para xk,j, e nenhum smbolo
deve ser usado no caso em que a alternativa no seja escolhida para aquela regra.

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

Figura 14 Tabela de deciso convencional

A partir da tabela de deciso, o processo decisrio, apoiado pela TDAE, executa o

algoritmo de tomada de deciso baseado em procedimentos de mtodos multicritrio
e nas tcnicas adaptativas. Deve-se observar que este algoritmo geral, podendo
suportar o mtodo multicritrio M escolhido pelo decisor, conforme a formulao
proposta para a TDAE.
O mdulo I pode ser representado pela funo ATDA (C, A, R, M), cujos
parmetros devem ser interpretados de acordo com a definio no item 4.1. O
algoritmo desta funo composto pelos seguintes passos principais.
Passo I.1: Insero do conjunto C de m critrios.
Passo I.2: Insero do conjunto A de p alternativas.
Passo I.3: Insero do conjunto R de n regras iniciais.
Passo I.4: Insero do valor de M, indicando o mtodo multicritrio de deciso do
caso particular de tomada de deciso.
Passo I.5: Retorno da funo com a configurao inicial t0 da TDAE criada.

102

4.3.2 Passos principais do Mdulo II da TDAE

Os mtodos multicritrio, basicamente, utilizam, no incio do processo decisrio, a

mesma matriz de deciso, mostrada na figura 5 do Captulo 3, item 3.5. Aqui, a
matriz de deciso (figura 15) apresentada com os seus elementos detalhados:

w = (w1, , wi, , wm)T o vetor dos pesos dos critrios;

ax = (ax1, , axj, , axp)T o vetor dos valores globais das alternativas;

Z = (zi,j)Tmxp a matriz de pontuaes, que descreve o desempenho da

alternativa aj em relao a cada critrio ci.

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

Figura 15 Matriz de deciso

Tambm neste mdulo, obtida a matriz de desempenho das alternativas em

relao aos critrios. Essa matriz resultado de julgamentos de preferncia do
decisor na comparao das alternativas, tambm aos pares, tendo como referncia
cada critrio. Dessa matriz, os valores de preferncia so consolidados, para
determinao dos valores globais de cada alternativa.

103

Em ambas as situaes de julgamento, tanto dos critrios comparados entre si,

quanto das alternativas comparadas relativamente aos critrios, o algoritmo verifica
a consistncia dos julgamentos. No caso em que os julgamentos se mostrarem
inconsistentes, o decisor deve rev-los.

Aps a confirmao da consistncia dos julgamentos, os pesos dos critrios e os

valores globais das alternativas so submetidos ao mtodo multicritrio adotado pelo
decisor para determinar a melhor soluo ou conjunto de solues viveis do
problema.
O mdulo II pode ser representado pela funo BTDA (C, A, R, M, w, Z, ax),
cujos parmetros foram definidos anteriormente. Os principais passos que compem
a funo so descritos a seguir.

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

4.3.3 Passos principais do Mdulo III da TDAE

Este mdulo est dividido em duas fases distintas, a primeira corresponde

montagem da camada adaptativa da TDAE, e a segunda utilizao da TDAE.
Fase 1 Montagem da camada adaptativa da TDAE
Passo III.1: Definio da camada adaptativa da TDAE.
Neste passo, a TDAE tem a sua camada adaptativa definida, ou por meio de uma
implementao anterior, j prevista para o mtodo multicritrio escolhido, ou definida
pelo decisor. Os passos principais para a sua definio:
1.1 Declarao das funes adaptativas.
1.2 Definio do corpo das funes adaptativas.
1.3 Definio das aes adaptativas elementares das funes adaptativas.
Fase 2 Utilizao da TDAE
Esta fase do mdulo III destina-se ao processo de consulta TDAE, cuja execuo
resulta na apresentao de uma resposta para a busca de uma regra solicitada pelo
decisor. Este mdulo definido pela funo CONSULTA (TDAE, regra), cujos
parmetros da funo representam:

TDAE: tabela de deciso acrescida da camada adaptativa;

regra: regra a ser consultada.

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

A regra especificada, que deve ser procurada, composta de elementos que

representam uma combinao dos critrios. Uma busca dessa regra inicialmente
feita na TDAE. Se na busca, encontrada uma regra idntica procurada, o
processo continua no passo seguinte. Se na busca, encontrada a regra E (End
ltima regra da tabela), significa que a regra procurada no est na tabela.

No caso em que a regra procurada no se encontre na tabela, uma funo auxiliar

de FM chamada na regra E, para determinar valores ausentes na regra
procurada, baseada em tcnicas do mtodo multicritrio adotado. A funo
determina as alternativas mais provveis para a regra, usando funes de utilidade,
tendo como fundamento os elementos existentes, tais como:

os exemplos da tabela de deciso;

os pesos w dos critrios, que esto ordenados de acordo com a sua

importncia relativa;

os valores globais ax das alternativas, tambm ordenados.

Na seqncia, uma funo adaptativa anterior chamada para a execuo de uma

ao adaptativa de incluso de regra. Nesse caso, as alternativas para a regra, j
determinadas pelas funes auxiliares esto definidas, a regra inserida numa
posio da tabela de deciso.
Aps a aplicao da ao adaptativa de incluso, a TDAE chama uma funo
adaptativa posterior e executa aes adaptativas de consulta, nas quais as regras
da tabela de deciso so inspecionadas para verificao de regras redundantes.
Essas regras so as que tm critrios que so indiferentes, ou seja, os critrios
estando presentes (S), ou no (N), e levam s mesmas alternativas, no
interferem nas regras. No caso em que essas regras sejam encontradas, aes
adaptativas de excluso excluem as regras, e uma regra combinada gerada, com
todos os elementos iguais, a menos dos critrios que so indiferentes, para os quais
so atribudos um trao (ou branco). Uma ao adaptativa de incluso
executada, para que essa regra combinada seja includa na tabela. Dessa maneira,
uma nova configurao da TDAE apresentada.

106

Passo III.4: A partir da configurao corrente da TDAE, novas consultas podem

ser realizadas.

Passo III.5: Finalizao do processo decisrio.

Ao encerrar o processo decisrio, as configuraes, inicial e final, podem ser

armazenadas para serem usadas para reiniciar novamente o processo ou permitir
futuras consultas, a partir da ltima configurao da TDAE.

No prximo item deste trabalho, apresentada uma avaliao sobre o espao de

memria e tempo empregado pelo algoritmo para a sua execuo. O algoritmo de
tomada de deciso, expresso pela TDAE, portanto, no objeto de comparao
com outros algoritmos de deciso clssicos e conhecidos, pois no objetivo, neste
trabalho, verificar qual o melhor algoritmo, mas apresentar mais uma alternativa de
algoritmo de deciso, que usa tcnicas adaptativas.

4.4 AVALIAO DO ALGORITMO DE DECISO DA TDAE

Neste item apresentada uma avaliao sobre o desempenho do algoritmo de

deciso que orienta a Tabela de Deciso Adaptativa TDAE. A avaliao terica
independe de uma implementao, e fornece indicaes de como o algoritmo ir se
comportar para resolver um problema, em termos de desempenho, tanto no aspecto
de ocupao de memria, quanto no aspecto de tempo de execuo, que medido
pelo nmero de instrues executadas (LEWIS; PAPADIMITRIOU, 1998; COOK,
1983).

107

4.4.1 Avaliao das exigncias de espao

A estrutura geral da TDAE formada por um conjunto de linhas e colunas, como

apresentada nas figuras 12 e 13.

A estimativa sobre o total de linhas usadas na tabela dada por:

m linhas para os critrios;

p linhas para as alternativas;

q linhas para o conjunto de funes auxiliares;

nf funes adaptativas, onde cada uma pode ocupar:

1 linha para a identificao da funo adaptativa;

1 linha para indicao de ao adaptativa anterior ou posterior;

np linhas para os parmetros;

nv linhas para as variveis;

ng linhas para os geradores.

Logo, o total de linhas = m + p + q + nf * (1 + 1 + np + nv + ng). Denotando por na o

nmero mdio de elementos de memria de cada funo adaptativa, pois as funes
adaptativas no tm o mesmo nmero de parmetros, variveis e geradores, tem-se:
total de linhas = m + p + q +

=1(2

+ na )

Estimando o total de colunas usadas na tabela:

n colunas para as regras;

nf funes adaptativas, onde para cada funo adaptativa:

1 coluna para o header da funo adaptativa;

nc colunas para as aes adaptativas elementares ( ? + ).

Portanto, total de colunas = n +

=1(1

+ ), considerando nc um nmero mdio

para a quantidade de colunas das aes adaptativas elementares por funo.

A estimativa de nmero mximo de colunas de regras pode ser dada por:

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

+ )]

4.4.2 Avaliao das exigncias de tempo de processamento

No estudo do custo de tempo do algoritmo de deciso, foi estimado o tempo

consumido pelas operaes fundamentais, em funo do tamanho da entrada. Os
custos de operaes, como atribuies, operaes aritmticas, testes condicionais e
outras, influenciam no desempenho do algoritmo e so representados por
constantes.

4.4.2.1 Exigncia de tempo do Mdulo I

Gerao da tabela de deciso subjacente

Funo: ATDA (C, A, R, M)
Passo I.1: Insero do conjunto C de m critrios.
Objetivo: Rotina para entrada dos critrios da tabela de deciso convencional.
Entrada: Critrios.
Sada: Critrios e quantidade de critrios.

109

i=0
Enquanto houver critrio a ser inserido faa
i ++
entrada do critrio i
Fim do enquanto
m=i
retorna m

O tempo consumido neste passo do algoritmo, no qual m a quantidade de critrios

inseridos, resulta em:

tp1 = + * m, onde o custo fixo das operaes externas ao loop e a

soma do custo de um incremento e de uma entrada, e de um teste de trmino
do loop.

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

De maneira anloga avaliao do passo anterior, o tempo necessrio para

execuo deste passo resulta em:

tp2 = + * p, onde p representa a quantidade de alternativas inseridas e e

so constantes.

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

// k1 representa o custo de uma atribuio

Enquanto houver regra a ser inserida faa

// executa teste

k++

// k2 custo de uma atribuio

Para i = 1 at m

// executa teste

entrada de S ou N

// entrada

// valores boleanos: verdadeiro ou falso

// para a regra k na linha do critrio i
Fim para
Para j = 1 at p

// executa teste

entrada do valor X na alternativa ou branco

// entrada

// indicao da alternativa j
Fim para
Fim do enquanto
n=k

// k3 custo de uma atribuio

retorna n

// k4 custo de um retorno

O tempo consumido neste passo resulta em:

tp3 = k1 + k3 + k4 + n * [k2 + m * (teste + entrada) + p * (teste + entrada)] =
= + n

k2 + n

(m + p)

, com = k1 + k3 + k4 e = teste + entrada,

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

Tempo consumido constante.

tp4 = k1
Passo I.5: Sada da funo com a configurao inicial t0 da TDAE criada.

Os resultados dos tempos de cada passo do mdulo I permitem concluir que o

tempo total aproximado dado por:
tpMI = tp1 + tp2 + tp3 + tp4
tpMI = + * m + + * p + + n * k2 + n * (m + p) * + k1
Denotando por 1 a soma das contantes, tem-se:

tpMI = 1 + ( + n) * (m + p) + n * (k2 + (m + p) * )

4.4.2.2 Avaliao do tempo do Mdulo II

Funo BTDA (C, A, R, M, w, Z, ax)

112

Passo II.1: Insero dos julgamentos do decisor para criao da matriz de

comparao entre os critrios (figura 16).

ci
...

cj
...

ci
cj

Ei,i
Ej,i

Ei,j
Ej,j

cm

...

...

c1

c1
...

cm
...

Figura 16 Matriz E de comparao entre os critrios

Objetivo: Montar uma matriz de comparao Emxm entre os critrios, em que o

decisor atribui valores de importncia relativa para cada critrio.
Entrada: Valores de julgamento entre os critrios.
Sada: Matriz de comparao.

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:

atribuio do valor 1 na diagonal principal da matriz (Ei,i), o que equivale a

executar (k1 * m) passos;

atribuio dos valores (Ei,j) e transposio (Ej,i), so executadas (m2 m)/2

atribuies e transposies, com k2 para os custos, resultando:
k2 * (m2 m)/2.

Portanto, tp5 = (k1 * m) + k2 * (m2 m)/2.

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.

Aps o julgamento, os valores da matriz de comparao devem ser normalizados

(ver cap. 3), efetuando-se a diviso de cada elemento Ek,i pelo totali, que a soma
dos elementos da coluna a que pertencem:

= 1, ,

=1

,
=

com 0 < ,
< 1 para = 1, , e = 1, ,

A partir da matriz de comparao normalizada, o valor wi de cada critrio ci obtido

pela mdia aritmtica dos valores normalizados Ei,j que pertencem linha do
critrio. Os valores wi formam o vetor de importncias relativas de cada critrio:

114

wi

E'
j 1

i,j

i = 1, ..., m

Normalizao da matriz de comparaes E:

Para i = 1 at m
totali = 0
Para k = 1 at m
totali = totali + Ek,i
Fim para
Para k = 1 at m
Ek,i = Ek,i / totali
Fim para
Fim para

// k1 custo de atribuio
// k2 custo da soma

// k3 custo da diviso

Obteno do vetor w de importncia ou dos pesos dos critrios:

Para i = 1 at m
soma = 0
Para j = 1 at m
soma = soma + Ei,j
// k4 custo da soma
Fim para
wi = soma / m
// k5 custo da diviso
Fim para

Exigncia de tempo:

normalizao da matriz de comparao: considerando k1 o custo da

atribuio, k2 o custo da soma e k3 custo da diviso, tem-se:
(k1 * m + k2 + k3 * m) * m = k1 * m2 + k2 * m + k3 * m2;

obteno do vetor w: da mesma forma, tem-se (k4 * m + k5) * m =

k4 * m2 + k5 * m, com k4 e k5 custos constantes de soma e diviso.

Logo, tp6 = k1 * m2 + k2 * m + k3 * m2 + k4 * m2 + k5 * m.

tp6 = 4 * m2 + 5 * m

115

Passo II.3: Verificao da consistncia dos julgamentos dos critrios.

Objetivo: No caso de consistncia dos julgamentos dos critrios, ordenar o vetor w
dos pesos dos critrios.
Entrada: Vetor w dos pesos dos critrios.
Sada: Vetor w ordenado.
Os valores wi so submetidos verificao de consistncia para serem aceitos ou
no. No caso em que o julgamento tenha resultado inconsistente, a matriz de
comparao deve ser revista.

Para verificar o nvel de consistncia no julgamento dos critrios devem ser

determinados em seqncia (ver cap. 3):
a) vetor pemx1 dos pesos que obtido pelo produto da matriz de comparao

Emxm dos critrios pelo vetor de importncias relativas wmx1:

pe = E . w
b) vetor de consistncia cs, onde cada elemento csi calculado pela operao:

=
= 1, ,

c) o autovalor obtido pela mdia aritmtica dos elementos do vetor de

consistncia csi:
m

max

cs
i 1

d) ndice de consistncia CI obtido pela expresso:

CI

max m
m 1

e) razo de consistncia CR calculado a partir de CI e ICR, que o ndice de

consistncia tabelado (Tabela 11, cap. 3) referente a um grande nmero de
comparaes paritrias efetuadas por Saaty (1994):
CR

CI
ICR

116

f) o valor CR de aceitao de at 0.10 (cap. 3), ou seja, de 10%; caso o valor

CR ultrapasse o limite de aceitao, o decisor deve rever os seus julgamentos
para que o ndice seja reduzido;
g) quando as importncias relativas wi so aceitveis, quanto maior o peso wi,
mais importante o critrio ci para o decisor.
Os pesos wi permitem a obteno de uma nova estrutura da tabela de deciso, com
a ordenao das linhas dos critrios, de acordo com a sua importncia relativa.

Neste passo do algoritmo, optou-se pela omisso do pseudocdigo de cada rotina,

pois foram detalhadas em cada item acima. O tempo de cada item resulta em:
a) vetor pe dos pesos: k1 * (m2 + m);
b) vetor de consistncia: k2 * m;
c) autovalor: k3 * m;
d) ndice de consistncia: k4;
e) razo de consistncia: k5;
f) ordenao do vetor w: existem estudos clssicos sobre o tempo consumido
dos diversos algoritmos de ordenao, cujos resultados podem ser
encontrados na literatura sobre o assunto; de acordo com Cormen et al.
(2001), o tempo de k6 * m2 no pior caso, quando os pesos esto em ordem
inversa desejada e k7 * m ou k8 * (m log m) no melhor caso.

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

Passo II.4: Criao da matriz Z de desempenho de cada alternativa em relao ao

conjunto de critrios.

117

Objetivo: Obter a matriz Z de desempenho das alternativas.

Entrada: Alternativas e critrios.
Sada: Matriz Zpxm com o desempenho das alternativas, como mostra a figura 17.

c1

c2

a1

ai

ap

cj

cm

zi,j

Figura 17 Matriz Z de desempenho das alternativas em relao aos critrios

As referncias para os prximos itens do algoritmo podem ser encontradas no

Captulo 3:
a) Primeiramente, so obtidas m matrizes de comparao MCi entre as
alternativas em relao a cada critrio, cada uma conforme a tabela (figura
18). Para isto, o decisor julga cada alternativa aj em relao ak, diante de
um critrio ci, seguindo procedimentos semelhantes aos adotados no Passo
II.1.
ci
a1

a1

a2

ak

aP

aj
ap

Figura 18 Matriz de comparao MCi

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

so denominadas prioridades relativas zi,j da matriz Z (figura 17), e indicam o

desempenho da alternativa aj em relao ao critrio ci. O valor de zi,j
calculado pela mdia aritmtica de cada linha da matriz normalizada:
,

=
, onde =

, para = 1, ,
=1

para = 1, , e = 1, ,

Tambm o pseudcdigo do algoritmo de cada item foi omitido. A exigncia de tempo

para cada passo resultou em:
a) k1 * (m * p2), pois so geradas m matrizes de comparaes MC, cada uma de
ordem p * p;
b) k2

(m

p2) + k3

p2, corresponde ao tempo para a normalizao das

matrizes de comparao e verificao da consistncia dos julgamentos;

c) k4 * (m * p2), para obter os elementos da matriz Z.

O tempo total para o passo II.4 de:

tp8 = k1 * (m * p2) + k2 * (m * p2) + k3 * p2 + k4 * (m * p2)

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.

Da matriz de desempenho obtm-se o vetor de categorizao das alternativas, onde

cada elemento axj associado alternativa aj e equivale ao valor de importncia
relativa da alternativa. Esse vetor determinado pelo produto da matriz Zpxm de
desempenho pelo vetor de importncia relativa wmx1 dos critrios.

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.

Tempo necessrio para a ordenao:

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.

Objetivo: Ordenar as regras da tabela de deciso.

Entrada: Regras da tabela de deciso na configurao atual, vetor w dos pesos dos
critrios e vetor ax de importncia relativa das alternativas.
Sada: Nova configurao da tabela de deciso, com as regras ordenadas.
A partir dos pesos wi dos critrios e os valores de categorizao axj das
alternativas, a TDAE ordena as regras da tabela de deciso.

Para ordenar as regras da tabela de deciso, so obtidos os valores Yk associados a

cada regra rk:

= (

, )
=1

sendo:

pri,k = wi, quando ci = S na regra rk;

pri,k = 0, quando ci = N na regra rk;

= 1, ,

120

axj o valor de categorizao da alternativa aj marcada na regra rk.

Os valores Yk so ordenados em ordem decrescente, indicando a nova ordem das

regras na tabela de deciso. O objetivo de ordenar as regras visa melhorar o
desempenho do processo de tomada de deciso.

A exigncia de tempo deste passo do algoritmo composta por:

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;

ordenao do vetor Y: 13 * n2.

O total de tempo para este passo:

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

4.4.2.3 Avaliao do tempo do Mdulo III

Este mdulo composto por duas fases distintas:

Fase 1 Montagem da TDAE antes de sua utilizao;
Fase 2 Utilizao da TDAE montada.

121

Fase 1 Montagem da TDAE antes de sua utilizao.

Esta fase constituda pela definio da camada adaptativa da TDAE, na qual so
especificadas as funes adaptativas e o corpo das aes adaptativas elementares
de cada funo.
Passo III.1: Definio da camada adaptativa da TDAE.

Objetivo: Rotina para a gerao da parte da tabela correspondente camada

adaptativa que compreende as especificaes das funes adaptativas e do corpo
das funes adaptativas.

1.1 Declarao das funes adaptativas.

Objetivo: Incluso das linhas da tabela correspondentes definio das funes
adaptativas.
Entrada: Dados para a declarao da funo adaptativa.
Sada: Funes adaptativas declaradas.

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 ,

onde nf o nmero de funes adaptativas e na o

nmero mdio de elementos de cada funo, pois (np + nv + ng) varivel

para cada funo adaptativa;

Na prtica, dificilmente alguma funo (adaptativa ou no) possui uma imensido

de argumentos. Pode-se adotar um nmero arbitrrio para namax, que seja
adequado para as funes adaptativas. Na tese de Livre-Docncia de Neto
(1993) podem ser encontradas algumas funes adaptativas com mais de 10
argumentos, porm a mdia est entre 4 ou 5 elementos.

tp12 = 16 *

=1 na

1.2 Definio do corpo das funes adaptativas.

Objetivo: Rotina para a definio do corpo das funes adaptativas, que so

compostos pelas aes adaptativas elementares.
Entrada: Dados para a definio das aes adaptativas elementares.
Sada: Corpo das funes adaptativas.

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

na, onde nc o nmero mdio de colunas criadas para representar o

conjunto de aes adaptativas elementares que compem o corpo da funo

adaptiva que se est definindo.
Para definir o corpo da funo adaptativa tem-se o seguinte tempo gasto:

tp13 = 3 + 17 *

=1 na +

18 *

=1(

nai )

1.3 Definio das aes adaptativas elementares das funes adaptativas.

Denotando-se por regrap, o padro (template) de uma coluna da TDAE, que
constitudo por uma seqncia de elementos do conjunto {S, N, } de
comprimento igual ao nmero de linhas da TDAE, conforme a formulao
apresentada no item 4.1 A notao adotada para as aes adaptativas elementares
:

ao adaptativa elementar de consulta: ? [regrap]

ao adaptativa elementar de incluso: + [regrap]

ao adaptativa elementar de excluso: - [regrap]

O custo de tempo para a definio das aes adaptativas elementares depende do

tamanho da regrap, que funo do nmero de critrios, alternativas, parmetros,
variveis, geradores definidos, e a soma desses custos devem ser multiplicados pelo
nmero de colunas ? + - definidas para cada funo adaptativa. A exigncia de
tempo resulta em:

tpac = 19 * [nmero de linhas da tabela *

=1(

+ 2)] + 20

124

O nmero de linhas da tabela o equivalente ao obtido no item 4.4.1 e 20 o custo

de montagem de uma clula da tabela, logo, tem-se:

tpac = 19 * [m + p + q +

=1(2

+ na ) *

=1(

+ 2)] + 20

O custo da montagem da infraestrutura (fase 1) para uso da TDAE de:

tpfase1 = tp12 + tp13 + tpac

tpfase1 = 16 *

=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

Fase 2 Utilizao da TDAE.

Aps a especificao da TDAE, o usurio pode utiliz-la para realizar consultas s
regras, procurando as alternativas de soluo para elas. Para isto, a funo
CONSULTA (TDAE, regra), referente fase de consulta, descrita pelos
seguintes passos.
Passo III.2: Entrada de uma regra especfica que ser procurada na TDAE.

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

Passo III.3: Uso da TDAE para busca de uma regra especfica.

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.

executa uma das funes auxiliares de FM para determinar valores

ausentes na regra especfica;

2.2.

executa ao adaptativa de incluso da regra especfica na tabela de

deciso;

2.3.

executa aes adaptativas de consulta:

2.3.1. se houver regras redundantes, elas so excludas por aes adaptativas

de excluso, e uma ao adaptativa de incluso executada para inserir
uma regra que a fuso das regras redundantes;
2.3.2. se no houver regras redundantes, segue para o prximo passo.

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:

custo da busca da regra na tabela de deciso, que pode atingir at n+1

comparaes (n nmero de regras + regra E), e para cada comparao, so
comparados os valores dos m critrios da regra, o que resulta em:
24 * [(n+1) * m];

tFM custo da execuo de uma funo auxiliar FM, se houver;

tpad custo das chamadas das funes adaptativas, que depende do mtodo
multicritrio adotado.

O custo total da utilizao da TDAE na busca de regras especficas:

tpfase2 = tp14 + 24 * [(n+1) * m] + tFM + tpad

tpfase2 = 25 * m + 24 * (n * m) + tFM + tpad

A exigncia de tempo total para o mdulo III dado por:

tpMIII = tpfase1 + tpfase2

tpMIII = 21*

=1 na

=1(

+ 18

=1(

nai ) + 19*(m + p + q) + 19 * [

=1(2

+ na )

+ 2)] + 22 + 25*m + 24 * (n * m) + tFM + tpad

Passo III.4: A partir da configurao corrente da TDAE, novas consultas podem

ser realizadas.

Passo III.5: Finalizao do processo decisrio.

127

Ao encerrar o processo decisrio, as configuraes, inicial e final, podem ser

armazenadas para serem usadas para reiniciar novamente o processo ou permitir
futuras consultas.

Um resumo do estudo de desempenho do algoritmo de tomada de deciso,

expresso por uma TDAE, apresentado a seguir:

exigncia de espao de memria:

te = [m + p + q +

=1(2

+ na )] * [n +

=1(1

+ )]

exigncia de tempo analisada mdulo a mdulo:

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

O tempo total exigido para a execuo do algoritmo de tomada de deciso da

TDAE dado pela soma: ttotal = tpMI + tpMII + tpMIII.

Os resultados mostram que o algoritmo de tomada de deciso, expresso pela

TDAE, tanto no custo de consumo de memria, quanto no tempo de execuo, so
dependentes das quantidades de critrios, alternativas, funes auxiliares, funes
adaptativas e da escolha do mtodo multicritrio. Uma aplicao do algoritmo de
deciso da TDAE apresentada no prximo captulo, com o objetivo de avaliar o
nmero de instrues executadas pelas aes adaptativas.

128

5 APLICAO DA TDAE EM DECISES MULTICRITRIO

O presente captulo tem por objetivo mostrar a aplicabilidade do modelo da TDAE,

usada como apoio deciso multicritrio. apresentada uma aplicao, cujo
algoritmo de tomada de deciso baseado nas tcnicas adaptativas e em
procedimentos do mtodo multicritrio AHP, adotado para ilustrar o uso da TDAE.
Tambm feita uma anlise da complexidade computacional do particular exemplo.

O processo AHP pode ser considerado um dos mtodos mais amplamente

empregado em problemas prticos de deciso (ver cap. 3), que envolvem diversos
critrios, em razo da quantidade de estudos existentes e aplicaes. O mtodo
permite modelar o problema, de forma hierrquica, de tal maneira que os objetivos a
serem alcanados, os critrios envolvidos e as alternativas de soluo sejam
identificados e relacionados. Alm disso, as tcnicas de julgamento do AHP e as
medidas de consistncia tornam menos subjetivas as avaliaes do decisor durante
o processo de deciso.

O emprego da tabela de deciso tradicional, integrado aos procedimentos do

mtodo AHP e s tcnicas adaptativas, permitem ao decisor utilizar a TDAE na
modelagem e representao dos detalhes do problema de deciso, para uma melhor
compreenso do problema e obteno de uma soluo satisfatria.

Para problemas de deciso multicritrio de maior complexidade, o mtodo AHP

sugere uma diviso do problema em partes lgicas, o que facilita a construo de
uma estrutura hierrquica. Como o objetivo deste captulo mostrar a aplicao da
TDAE, o exemplo apresentado est limitado a trs nveis de deciso, que apesar
da restrio, no h nenhuma perda em termos do entendimento sobre o uso da
TDAE. Contudo, para trabalhos futuros, sugere-se que cada um dos nveis da
estrutura seja representado em uma tabela de deciso. Essas tabelas podem ser
vinculadas, de acordo com uma seqncia lgica, a uma tabela de deciso principal,
segundo regras pr-estabelecidas. Por exemplo, em uma regra da tabela principal

129

pode-se executar uma alternativa de ao para a chamada de outra tabela, cujos

resultados retornam para a tabela que a chamou (ver cap. 2). As tabelas de deciso
vinculadas podem ser estticas, caso no se alterem durante o processo, ou
adaptativas, o que possibilita mudanas nas regras de cada uma, de maneira
autnoma.
A seguir apresentado o uso da TDAE aplicado a um problema de deciso,
baseado no algoritmo descrito no item 4.3.

5.1 CONSIDERAES SOBRE A APLICAO

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.

No exemplo de aplicao apresentado, tambm no houve uma preocupao de se

contextualizar o problema de tomada de deciso e detalhar seus critrios e suas
alternativas, portanto, foi simplificado. O mais importante descrever a execuo do
algoritmo de deciso expresso pela TDAE.

Este exemplo de aplicao, hipottico, tem como base um problema de tomada de

deciso, sujeito a mltiplos critrios, cuja estrutura hierrquica formada por trs
nveis:

o primeiro nvel representa o objetivo principal a ser alcanado com a

resoluo do problema;

o segundo nvel constitudo pelos critrios impostos ao problema;

o terceiro nvel apresenta as alternativas de aes viveis, sobre as quais a

escolha da melhor entre elas a deciso a ser tomada.

130

Para efeito de ilustrao, so considerados neste problema de deciso um objetivo

principal, trs critrios e duas alternativas, cuja estrutura hierrquica apresentada
na figura 19:

Figura 19 Estrutura hierrquica do exemplo

conjunto de critrios: C = {c1, c2, c3};

conjunto de alternativas: A = {a1, a2}.

5.2 ALGORITMO DE TOMADA DE DECISO DA APLICAO

Para esta aplicao, os passos dos mdulos I, II e III do algoritmo da TDAE so

apresentados a seguir, de forma detalhada.

5.2.1 Passos do Mdulo I

O mdulo I consiste na criao da tabela de deciso subjacente, a partir dos

critrios, alternativas e regras escolhidos. Neste exemplo, so consideradas quatro
regras, definidas pelo decisor. A figura 20 apresenta a configurao inicial t0 da
tabela.

131

Regras
r1

r2

r3

r4

Critrio c 1

Critrio c 2

Critrio c 3

Alternativa a 1

X
X

Alternativa a 2

Figura 20 Tabela de deciso subjacente do exemplo

5.2.2 Passos do Mdulo II

O objetivo deste mdulo possibilitar a determinao dos julgamentos, para a

criao da matriz de deciso, cujos valores representam os pesos e as preferncias
relativas dos critrios e das alternativas.
Passo II.1 Obteno da matriz de comparao entre os critrios.
O decisor julga os critrios, aos pares, expressando a sua preferncia entre um
critrio e outro, de acordo com o seu conhecimento do problema de deciso e
levando em considerao o objetivo principal a ser atingido. Por hiptese, suponhase que o decisor julgue da seguinte forma:

o critrio c1 tem preferncia moderadamente superior em relao ao critrio

c2;

o critrio c1 tem preferncia moderada em relao ao critrio c3;

o critrio c2 tem preferncia entre equivalente e moderada em relao ao

critrio c3.

A matriz de comparao E entre os critrios apresentada na figura 21:

c1
c2
c3

c1
1
1/4
1/3

c2
4
1
1/2

c3
3
2
1

Figura 21 Matriz de comparao E entre os critrios

132

Passo II.2 Normalizao dos valores de julgamento dos critrios e obteno do

vetor w dos pesos de cada critrio.
Para a normalizao da matriz de comparao, so calculados os totais ou somas
de cada uma das colunas da matriz. Em seguida, cada elemento da matriz dividido
pelo total da coluna correspondente, obtendo-se a matriz normalizada (figura 22):
c1
c2
c3

c1
0.63
0.16
0.21

c2
0.73
0.18
0.09

c3
0.50
0.33
0.17

Figura 22 Matriz de comparao normalizada (E)

O peso de cada critrio, que representa a importncia do critrio em relao ao

objetivo principal do problema, determinado pela mdia aritmtica dos valores da
linha do critrio, o que resulta no vetor w:
w = (w1, w2, w3)T = (0.62, 0.22, 0.16)T.
Passo II.3 Verificao da consistncia dos julgamentos dos critrios.
A matriz de comparao entre os critrios da figura 21 avaliada para a verificao
do grau de consistncia dos julgamentos, que dada pela razo de consistncia
(CR), em funo da ordem da matriz:
a) vetor dos pesos pe = (1.98, 0.69, 0.47)T
b) vetor de consistncia cs = (3.20, 3.08, 3.04)T
c) autovalor = 3.11
d) ndice de consistncia CI = 0.05
e) razo de consistncia CR = 0.09

O valor de CR = 0.09 sinaliza que os julgamentos so consistentes e aceitveis, pois

CR < 10%, caso contrrio, seria necessrio rev-los.
Passo II.4 Gerao da matriz de desempenho das alternativas.
a) So criadas as matrizes de comparao MC1, MC2 e MC3, onde as
alternativas so julgadas aos pares, tendo como referncia cada um dos
critrios.

133

Na matriz MC1 (figura 23), o decisor julga que a alternativa a1 tem um

desempenho ou nvel de preferncia muito forte em relao alternativa a2,
diante do critrio c1.
c1
a1
a2

a1
1
1/8

a2
8
1

Figura 23 Matriz MC1

Essa matriz tambm normalizada, para obter o desempenho de cada

alternativa em relao ao critrio c1, que compe os elementos da matriz Z:
z1,1 = 0.89 e z2,1 = 0.11.

Os mesmos procedimentos so realizados para a obteno da matriz MC2

(figura 24), na qual a alternativa a1 tem preferncia forte em relao
alternativa a2, diante do critrio c2:
c2
a1
a2

a1
1
1/6

a2
6
1

Figura 24 Matriz MC2

Aps a normalizao de MC2, so obtidos os desempenhos das alternativas

em relao ao critrio c2:
z1,2 = 0.86 e z2,2 = 0.14.

Repete-se o processo de comparao das alternativas, em relao ao critrio

c3, para obter a matriz MC3 (figura 25):
c3
a1
a2

a1
1
1/4

a2
4
1

Figura 25 Matriz MC3

134

Na matriz MC3, o decisor julga que a alternativa a1 tem preferncia

moderadamente superior alternativa a2, diante do critrio c3. Com a
normalizao de MC3, so obtidos os desempenhos das alternativas:
z1,3 = 0.80 e z2,3 = 0.20.

b) As matrizes MC1, MC2 e MC3 so avaliadas para a verificao de consistncia

dos julgamentos. No exemplo, as matrizes recprocas so de ordem 2,
portanto, podem ser consideradas consistentes (cap. 3).
c) A matriz Z de desempenho apresentada na figura 26:
a1
a2

c1
0.89
0.11

c2
0.86
0.14

c3
0.80
0.20

Figura 26 Matriz Z de desempenho das alternativas

Passo II.5 Determinao do vetor ax de importncia relativa das alternativas.

A determinao do vetor ax resulta: ax1 = 0.87 e ax2 = 0.13, indicando a
importncia da alternativa a1 e da a2, respectivamente, diante do objetivo do
problema.
Passo II.6 O vetor ax ordenado, para indicar as alternativas de melhor
desempenho para o problema.
No exemplo, a alternativa a1 tem melhor desempenho que a alternativa a2, o que
sugere a interpretao de que a1 uma boa soluo para o problema.
Passo II.7 Neste passo, as regras da tabela de deciso subjacente so
ordenadas, com base na avaliao dos critrios e alternativas realizada nos passos
anteriores, com o objetivo de apresentar uma ordenao para as regras, de acordo
com a sua importncia relativa.
No exemplo deste captulo, a partir da configurao inicial t0 (figura 20), os valores
Y1, Y2, Y3 e Y4 associados s regra r1, r2, r3 e r4, respectivamente, so
determinados: Y1 = 0.87, Y2 = 0.03, Y3 = 0.05 e Y4 = 0.73.

135

Desta forma, as regras da tabela subjacente so reordenadas, apresentando uma

nova configurao da tabela t1 (figura 27).

Regras
r1

r4

r3

r2

Critrio c 1

Critrio c 2

Critrio c 3

Alternativa a 1

X
X

Alternativa a 2

Figura 27 Configurao t1 da tabela de deciso do exemplo

At o passo anterior, os procedimentos do mtodo AHP foram aplicados, e a partir

deste passo, a tabela de deciso subjacente pode ser usada pelo decisor para fazer
consultas s regras da tabela.

5.2.3 Passos do Mdulo III

Este mdulo dividido em duas fases, que so descritos a seguir.

5.2.3.1 Fase 1 - Montagem da camada adaptativa da TDAE

Passo III.1: Definio da camada adaptativa da TDAE.

Para a aplicao deste exemplo, duas funes adaptativas F1 e F2 so declaradas.
A funo adaptativa F1 definida por:

F1 a identificao da funo adaptativa;

136

p1, p2, p3, v1, v2, g so os elementos da funo adaptativa, composta por
parmetros, variveis e geradores;

aes adaptativas elementares, na qual regrap representa um padro

(template) de regra:

ao adaptativa elementar de consulta: ? [regrap]

ao adaptativa elementar de incluso: + [regrap]

A funo adaptativa F2 definida por:

F2 a identificao da funo adaptativa;

p4, p5, p6, v3, v4, g so os elementos da funo adaptativa, composta por
parmetros, variveis e geradores;

aes adaptativas elementares:

ao adaptativa elementar de consulta: ? [regrap]

ao adaptativa elementar de consulta: ? [regrap]

ao adaptativa elementar de excluso: [regrap]

5.2.3.2 Fase 2 - Uso da TDAE para consultas

Passo III.2: Insero dos parmetros da regra a ser consultada.

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

Figura 28 Regra rcc a ser consultada

137

Passo III.3: Busca da regra na TDAE.

A partir dos critrios da regra rcc, feita uma busca na TDAE. No exemplo, rcc no
encontrada, logo, na regra E (final) h uma chamada para uma funo auxiliar em
FM.
A funo auxiliar em FM determina os valores ausentes na regra rcc. Neste
exemplo, a funo auxiliar determina um valor que indica qual alternativa a1 ou a2
ser atribuda regra, e tambm calcula o peso da regra, usando para isso, os
pesos dos critrios (vetor w) e das alternativas (vetor ax), obtidos pelo mtodo
multicritrio AHP.
A funo auxiliar em FM determina o valor Yrcc, que o peso da regra rcc, e por
meio dele possvel definir a posio de rcc na TDAE, uma vez que as suas
regras esto ordenadas de acordo com os seus pesos. A regra rcc pode ser includa
na TDAE por meio de uma ao adaptativa de incluso, com a chamada da funo
adaptativa F1. Essa ao adaptativa gera um nmero (ou nome) em g, que permite
o acrscimo de uma coluna na TDAE, que ser ocupada por rcc.
Neste instante a TDAE se apresenta numa nova configurao, e a funo
adaptativa F2 chamada, para que a ao adaptativa de consulta seja executada.
Essa ao adaptativa de consulta executada duas vezes, com o objetivo de
procurar regras redundantes. Ao encontrar regras redundantes, elas so assinaladas
para posterior excluso.

As regras redundantes so combinadas, para gerar apenas uma regra. Essa

operao realizada por uma das funes auxiliares em FM.
Em seguida, as regras redundantes so excludas da TDAE por duas execues
da ao adaptativa de excluso de F2, e a regra combinada includa pela ao

138

adaptativa de incluso, pela chamada da funo adaptativa F1, gerando uma nova
configurao da TDAE.

Deve-se observar que regras combinadas, resultantes da fuso de regras

redundantes, reduzem a quantidade de regras da tabela de deciso, melhorando o
desempenho do algoritmo de deciso durante a busca de regras.

Opcionalmente, a ao adaptativa de excluso de regras pode ser usada no incio

do algoritmo de deciso, aps a concluso do mdulo I. A execuo desta ao
adaptativa pode verificar a existncia de regras redundantes ou conflitantes, j na
configurao inicial t0 da tabela de deciso, introduzida pelo decisor.

Neste exemplo, a execuo dos passos para a busca da regra rcc (figura 28) resulta
em:

a funo auxiliar em FM determina que a alternativa a1 a alternativa da

regra rcc e o peso da regra calculado Yrcc = 0.67;

a ao adaptativa de incluso de rcc executada: a regra identificada por

r5, que includa numa coluna da TDAE, cuja posio dependente do
peso da regra, gerando a nova configurao t1 da tabela (figura 29):

Regras
r1

r4

r5

r3

r2

Critrio c 1

Critrio c 2

Critrio c 3

Alternativa a 1

X
X

Alternativa a 2

Figura 29 Configurao t1 da TDAE do exemplo

Aes adaptativas de consulta de regras so executadas, tendo como entrada a

configurao t1 da TDAE, encontrando as regras r1, r4 e r5 redundantes entre si, e
as regras redundantes r3 e r2. Uma funo auxiliar em FM gera uma nica regra
combinada r6 para r1, r4 e r5, e uma regra r7, para r3 e r2. As regras r1, r2, r3, r4 e
r5 so excludas por aes adaptativas de excluso de regras, e uma nova

139

configurao t2 da TDAE (figura 30) apresentada, aps a execuo de aes

adaptativas de incluso das regras r6 e r7.

Regras
Critrio c 1

r6

r7

Critrio c 2

Critrio c 3
Alternativa a 1

Alternativa a 2

Figura 30 Configurao t2 da TDAE do exemplo

Passo III.4: A partir da configurao corrente da TDAE, novas consultas podem

ser realizadas para outras regras.

Passo III.5: Finalizao do processo decisrio.

Cabe ressaltar que as funes auxiliares de FM sofrem influncia do mtodo

multicritrio empregado, pois os mesmos podem, por exemplo, classificar as regras
e agrup-las.

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.

5.3 AVALIAO DE DESEMPENHO DO ALGORITMO DE DECISO

O estudo das exigncias de espao e de tempo do algoritmo de tomada de deciso

da TDAE, feito no Captulo 4 desta tese, a base para a avaliao do exemplo.

140

Na aplicao foram apresentados na configurao t0 do exemplo, os seguintes

elementos da TDAE:

m = 3 critrios;

p = 2 alternativas;

n = 4 regras na tabela de deciso subjacente;

q = 2 funes auxiliares em FM;

nf = 2 funes adaptativas foram definidas:

F1 e F2 cada uma com na = 6 elementos;

F1 com nc = 2 aes adaptativas elementares e F2 com nc = 3.

O consumo de memria necessrio para a construo da TDAE (ver 4.4),

inicialmente, de:
te = [m + p + q +

=1(2

No exemplo, te = 23

+ na )] * [n +

=1(1

+ )]

11, indicando que uma matriz composta de 23 linhas e 11

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;

outras 3 matrizes MC2x2 so criadas para os julgamentos das alternativas em

relao aos critrios, para gerar os elementos da matriz Z2x3 de desempenho
das alternativas;

vetores w e ax armazenam os pesos dos 3 critrios e das 2 alternativas do

problema;

outros vetores e valores auxiliares so exigidos para a execuo das funes

auxiliares.

Essa avaliao indica que o consumo de espao de memria, mais significativo,

exigido para a execuo do algoritmo da TDAE, depende da quantidade de

141

critrios e de alternativas e do nmero de regras. O nmero de colunas da TDAE

modificado por aes adaptativas de incluso e excluso de regras, o que pode
ocasionar em um aumento, de at 2m, ou reduo de espao de memria.
A avaliao do tempo de execuo do algoritmo de tomada de deciso da TDAE
apresentada a seguir.

No exemplo dado, o tempo dos passos dos mdulos I e II no sofre modificao em

relao ao estudo feito no item 4.4.2, uma vez que dependem dos valores de m, n e
p. Logo, os tempos de cada mdulo so dados por:
mdulo I: tpMI = 1 + ( + n) * (m + p) + n * (k2 + (m + p) * ), na qual m = 3, n = 4 e
p=2, resultando em uma constante, acrescida dos custos fixos:
tpMI = 20 + 1 + 5 + 4k2 + 20.

mdulo II: tpMII = 13 * n2 + 14 * m2 + 15 * p2 + 9 * (m * p2) + 10 * p + 12 * (n * m) + 8:

tpMII = 8 + 12(9+12) + 210 + 1613+ 914 + 415.

A avaliao do nmero de instrues para a entrada da regra a ser consultada,
passo III.2, tambm no sofre alterao no tempo, pois depende do nmero de
critrios: 23 * m, ou proporcional a m = 3.

Contudo, o mdulo III avaliado a seguir, pois o nmero de instrues de cada um

dos passos dos algoritmos deste mdulo pode se alterar, em razo do mtodo
multicritrio adotado.

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

tpfase1 = 3018 + 15119 + 1221 + 22.

A exigncia de tempo para a execuo do algoritmo para o uso da TDAE
estimada na seqncia.
Neste exemplo, o algoritmo da primeira funo auxiliar em FM foi executado,
conforme descrito a seguir.
Atribuio dos pesos wi aos critrios da regra rcc:
Para i = 1 at m (n de critrios)
para pi

associa-se o peso wi, se pi = S

associa-se o valor 0, se pi = N

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.

O tempo necessrio estimado para a funo auxiliar dado por:

tFM1 = 1 * m + 2 * (soma dos pesos) + 3 * p + 4 = (1 + 2) * m + 3 * p + 4

tFM1 = 5 * m + 3 * p + 4
tFM1 = 35 + 23+ 4.

143

Uma segunda funo auxiliar em FM combina regras redundantes para gerar

apenas uma regra, cujo algoritmo descrito:

Criao de uma nica regra para regras assinaladas como redundantes:

verificao dos critrios indiferentes, para atribuir - ou branco;

para os outros critrios, atribuir o valor existente;

atribuio dos outros elementos da regra, tais como suas alternativas.

O tempo necessrio estimado para esta funo auxiliar dado por:

tFM2 = 6 * (no mximo m-1 critrios indiferentes) + 7 * (no mmino 1 critrio)
+ 8 * (linhas restantes).

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;

ordenam-se as regras da TDAE, de acordo com a ordenao de Y.

Antes da incluso de uma nova regra:

pesquisa-se Yrcc no vetor Y que contm os pesos das regras da tabela, para
determinar a posio da regra rcc a ser inserida;

encontrada a posio, deslocam-se os elementos do vetor Y para insero

de Yrcc no vetor;

as regras da tabela de deciso, tambm sofrem deslocamentos para a

insero da regra rcc.

144

Tempo consumido para a execuo da terceira funo auxiliar:

ordenao do vetor Y e das regras da TDAE: 9

n2, considerando o pior

caso; estas ordenaes so executadas apenas uma vez;

pesquisa para encontrar a posio da nova regra: tempo consumido de no

mximo 10 * n, onde n o nmero de regras;

deslocamentos dos elementos do vetor Y e das regras da tabela: tempo

exigido de 11 * (n-i), onde i+1 a posio.

Tem-se a seguinte expresso para o tempo da funo auxiliar:

tFM3 = 9 * n2 (uma nica vez) + 10 * n + 11 * (n-i).

Neste exemplo, o tempo consumido para a terceira funo auxiliar de:

tFM3 = 169 (para as ordenaes iniciais) + 410 + 211.

O tempo total consumido para executar as trs funes auxiliares dado por:
tFM = tFM1 + tFM2 + tFM3 = (35 + 23+ 4) + (46 + 27 + 48) + (169 + 410 + 211).
As prximas estimativas de tempo so relativas s aes adaptativas das funes
adaptativas.

Ao adaptativa de consulta de regras

Verificao da existncia de regras conflitantes:

Para i = 1 at n-1 (nmero de regras atuais da tabela)
Para j = i+1 at n
Para k = 1 at m+p
verifica se os critrios das regras ri e rj so iguais
verifica se as alternativas so diferentes
Fim para

145

Caso sejam conflitantes:

as regras so marcadas para serem excludas;
Fim para
Fim para

Verificao de regras redundantes:

Para i = 1 at n-1 (nmero de regras atuais da tabela)
Para j = i+1 at n
Para k = 1 at m+p
verifica se os critrios das duas regras so indiferentes
verifica se as alternativas das regras ri e rj so iguais
Fim para
Se ri e rj so redundantes, ento so marcadas como redundantes;
Fim para
Fim para

Na rotina da ao adaptativa de consulta regra na TDAE, o tempo exigido dado

pela verificao de regras conflitantes e redundantes: 12 * (n-1) * (n-i-1) * (m+p).

Ao adaptativa de incluso de regras

Um valor gerado para g, para criar uma coluna na tabela.

Inclui a nova regra na tabela de deciso adaptativa.

Tempo para execuo da ao adaptativa de incluso: 13*(incluso de uma regra).

Ao adaptativa de excluso de regras

Marcar a coluna da regra a ser excluda da tabela ou, opcionalmente, remover a

coluna da tabela.

Tempo para execuo da ao adaptativa de excluso: 14*(excluso de uma regra).

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)].

Para o exemplo, o tempo de execuo das aes adaptativas resulta:

tad = 1512 + 313 + 514.
Logo, o tempo consumido pela fase 2 (ver 4.4) para o uso da TDAE resulta em:
tpfase2 = 23 * m + 25 * m + 24 * (n * m) + tFM + tpad

tpfase2 = 323 +325 + 1224 + tFM + tpad.

Para o mdulo III, o tempo de execuo consumido dado por:
tpMIII = tpfase1 + tpfase2
tpMIII = (3018 + 15119 + 1221 + 22) + (323 + 325 + 1224 + tFM + tpad).
As avaliaes de tempo consumido, neste exemplo, mostram a ordem de grandeza
aproximada do nmero de instrues de cada passo do algoritmo. Pode-se concluir
que os tempos dependem das entradas, porm no h uma relao no comprimento
entre o tamanho das entradas, e dependem do nmero de funes auxiliares e
funes adaptativas utilizadas.

No prximo captulo, feita a descrio de uma implementao do software da

TDAE.

147

6 IMPLEMENTAO DA TDAE

Este captulo tem como objetivo apresentar uma implementao de um prottipo da

TDAE, para apoiar aplicaes prticas em processos de tomada de deciso, que
envolvam mltiplos critrios.
O projeto do software TDAE14 tem como alicerce a formulao da Tabela de
Deciso Adaptativa Estendida e o algoritmo de tomada de deciso multicritrio,
definidos no Captulo 4. O ambiente computacional inclui recursos para a execuo
dos mdulos do algoritmo descrito, em uma nica janela ou em vrias telas
expandidas. A figura 31 apresenta numa nica tela, a interface da TDAE com seus
principais componentes.

Figura 31 Interface inicial da TDAE

O software TDAE foi implementado na linguagem C++ Builder, verso 6.0 da Borland Software
Corporation.
14

148

Deve-se observar que na atual verso, por questes de simplificao e facilidade de

operao para o usurio final, a camada adaptativa no exibida.
A especificao do software TDAE apresentada na seqncia deste trabalho, e
optou-se pela expanso das vrias telas, para que as caractersticas das interfaces e
da operao do software pudessem ser descritas de forma mais detalhada.

6.1 INTERFACE E EXECUO DA TDAE

A interface do software TDAE possibilita a visualizao dos resultados mais

relevantes do algoritmo de tomada de deciso. Essa caracterstica permite ao
decisor acompanhar, passo-a-passo, a execuo dos mdulos I, II e III, servindo
como suporte ao processo decisrio.

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.

O boto Limpar Lista possibilita ao decisor remover todos os critrios ou todas as

alternativas inseridas.

149

Figura 32 - Tela para a entrada dos critrios e das alternativas

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.

Figura 33 - Configurao inicial t0 da tabela de deciso subjacente

Com os critrios e as alternativas na TDAE, o decisor insere as regras da tabela

clicando no boto Inserir Regras.

Aps a concluso da insero das regras, o mdulo II do algoritmo executado

quando o decisor clica no boto Comparaes Paritrias.

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.

Figura 34 - Tela para o decisor julgar os critrios

Ao clicar no boto Peso dos critrios, a matriz de julgamentos normalizada, o

vetor dos pesos dos critrios determinado e a consistncia dos julgamentos
executada. Caso haja alguma inconsistncia, surge um aviso para que o decisor
reveja os julgamentos. O vetor com os pesos mostrado na mesma tela.

Em seguida, possvel fazer as comparaes entre as alternativas, tendo como

referncia cada um dos critrios. Para isso, o decisor clica no boto Comparaes
entre Alternativas para que a tela da figura 35 seja mostrada. As opes de
critrios, que aparecem na tela, dependem de quantos so no problema.

Para cada critrio selecionado, uma nova matriz (janela) mostrada, possibilitando
ao usurio inserir os valores de preferncia entre as alternativas.

151

Figura 35 - Matriz de comparao das alternativas diante do critrio escolhido

Aps a insero de todas as comparaes, o decisor pode visualizar a matriz de

desempenho das alternativas ao clicar o boto Desempenho Global.

A tela (figura 36) apresenta a matriz de desempenho de cada alternativa em relao

ao conjunto de critrios, permitindo ao decisor visualizar os seus julgamentos, de
forma resumida e no todo.

Figura 36 Matriz de desempenho das alternativas

A partir dessa matriz de desempenho, o valor global, que indica a importncia

relativa de cada alternativa, pode ser determinado ao se clicar no boto Valores
globais. O vetor que contm os valores globais das alternativas mostrado na
mesma tela da figura 36.

152

Quando o decisor clica no boto Tabela de deciso, as regras da tabela de deciso

so ordenadas, de acordo com o peso de cada uma. O peso de cada regra depende
dos pesos dos critrios e dos valores globais das alternativas que a compe. A partir
dos pesos das regras, a TDAE apresenta uma nova configurao (figura 37) da
tabela.

Figura 37 Tabela de deciso com as regras ordenadas

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).

Figura 38 Consulta a uma regra especfica

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.

6.2 EXEMPLO DE APLICAO DO SOFTWARE TDAE

Para ilustrar a operao do software TDAE, o seguinte exemplo foi extrado e

adaptado de Saaty (1991, p. 32), que trata de um problema de deciso de seleo
de uma escola.

Trs escolas secundrias A, B e C so analisadas, segundo os julgamentos de um

decisor, de acordo com a satisfao proporcionada aos alunos. Seis critrios
independentes foram selecionados para comparao:
C1 Aprendizado; C2 Colegas; C3 Vida escolar; C4 Treinamento vocacional;
C5 Preparao universitria e C6 Aulas de msica.

154

Aplicando o mtodo AHP, a figura 39 apresenta os elementos que compem os

nveis da estrutura hierrquica do problema de deciso multicritrio.

Satisfao na escola

Aprendizado

Colegas

Vida escolar

Escola A

Escola B

Treinamento
vocacional

Preparao
universitria

Aulas de msica

Escola C

Figura 39 Hierarquia da satisfao na escola (Fonte: Saaty, 1991)

Os critrios e as alternativas do problema podem ser implementados no software

TDAE, a partir da interface inicial mostrada na figura 40:

Figura 40 Entrada dos critrios e das alternativas do problema

Aps a insero dos dados do problema de deciso, uma tabela de deciso

composta por um conjunto de regras pode ser criada pelo decisor, como por
exemplo, a mostrada na figura 41:

155

Figura 41 Tabela de deciso subjacente inicial

Concludos os passos do mdulo I do algoritmo com a gerao da tabela de deciso,

so executados os passos do mdulo II, que consistem nos julgamentos e obteno
dos pesos dos critrios e valores de desempenho das alternativas.

Neste exemplo, as comparaes entre os critrios so mostradas na figura 42, na

qual o decisor julga os critrios aos pares, obtendo a matriz de julgamentos
recproca.

Figura 42 Matriz de julgamentos entre os critrios

Aps a verificao da consistncia dos valores de julgamento, os pesos de cada

critrio so calculados e apresentados (figura 43), junto matriz de julgamentos
normalizada.

156

Figura 43 Matriz de julgamentos normalizada e pesos dos critrios

De acordo com o julgamento do decisor, o vetor com os pesos de cada critrio

representa a importncia relativa de cada um. Neste exemplo, os pesos resultantes
indicam que os critrios relacionados ao aprendizado e preparao universitria
tm maior importncia em relao aos outros:
Aprendizado: 0.364651 Colegas: 0.072135 Vida escolar: 0.052882
Treinamento vocacional: 0.142528 Preparao universitria: 0.339783 Aulas de
msica: 0.028021.

De acordo com o mtodo AHP, em seguida, as alternativas so comparadas aos

pares, tendo como referncia cada um dos critrios. As comparaes feitas pelo
decisor, no exemplo, so apresentadas na figura 44:

157

Figura 44 Matrizes de comparao das alternativas em relao a cada um dos critrios

O software TDAE permite que o decisor obtenha o desempenho global de cada

alternativa (figura 45):

Figura 45 Matriz de desempenho das alternativas

Os valores globais das alternativas indicam a ordem de importncia ou preferncia

relativa de cada uma. No exemplo, a Escola B a que tem maior importncia para o

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.

Figura 46 Regras ordenadas na tabela de deciso

Opcionalmente, o decisor pode visualizar os pesos das regras (figura 47):

Figura 47 Pesos das regras ordenadas na tabela de deciso

O mdulo III do algoritmo que possibilita ao decisor fazer consultas na tabela de

deciso, pode ser executado no software TDAE por meio da janela de consulta, na

159

qual o decisor introduz os parmetros da regra a ser consultada (figura 48), por
exemplo:

Figura 48 Regra a ser consultada na tabela de deciso

O software TDAE busca a regra na tabela de deciso e no a encontrando,

apresenta uma janela com a mensagem correspondente (figura 49):

Figura 49 Mensagem de regra no encontrada

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):

Figura 50 Alternativa para a nova regra

Uma ao adaptativa de incluso de regra executada e uma nova configurao da

tabela de deciso apresentada (figura 51):

160

Figura 51 Nova configurao da tabela de deciso

Em seguida, TDAE executa outra ao adaptativa de consulta para verificar a

existncia de regras redundantes, que so excludas por meio da execuo de
aes adaptativas de excluso de regras. Uma funo auxiliar cria uma nova regra,
resultante da combinao das regras redundantes, que inserida na tabela de
deciso pela execuo de uma ao adaptativa de incluso de regras (figura 52):

Figura 52 Configurao da tabela de deciso simplificada

A partir da nova configurao da tabela de deciso, o decisor pode executar outras

consultas ou encerrar o processo, salvando a tabela de deciso final.

161

6.3 CONSIDERAES SOBRE O SOFTWARE TDAE

O software TDAE foi implementado para ser utilizado por um decisor, ou

especialista do problema de deciso multicritrio particular, no necessitando dele
algum conhecimento sobre tcnicas adaptativas. uma ferramenta que emprega
tabelas de deciso convencionais, que facilita a estruturao e a compreenso do
problema de tomada de deciso.

Na verso apresentada, o mtodo multicritrio que apia o algoritmo de deciso o

AHP, implementado no software, para efeito de ilustrao. Essa verso, no entanto,
est limitada a trs nveis de deciso. Apesar dessa restrio, o software pode ser
til como ferramenta de apoio ao ensino e aprendizagem de processos decisrios
multicritrio e de dispositivos adaptativos.

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.

No captulo seguinte, so apresentadas as concluses da tese e sugestes para

futuros trabalhos.

162

7 CONCLUSES

Neste trabalho apresentada a formulao de uma extenso das tabelas de deciso

adaptativas. O dispositivo TDAE originado pela combinao de tabelas de
deciso convencionais, mtodos multicritrio e tcnicas adaptativas. Mostra como
esse dispositivo adaptativo, pelo seu carter genrico e com aplicabilidade na
tomada de deciso, pode representar mais uma alternativa de dispositivo para apoiar
o processo decisrio de problemas de deciso multicritrio.
O algoritmo de tomada de deciso multicritrio da TDAE integra o uso de mtodos
multicritrio e tcnicas adaptativas que, por meio das regras iniciais, apresentam o
conhecimento nelas contidas. Para situaes no previstas, no caso de regras no
encontradas na tabela, a TDAE procura apresentar solues para elas, a partir dos
dados existentes, da execuo da lgica interna e das novas informaes.
Deve-se observar que a formulao da TDAE possui limitaes para determinados
problemas de deciso. As aes adaptativas na TDAE atuam sobre o conjunto de
regras, alterando o nmero de regras, agindo, portanto, nas colunas da tabela de
deciso adaptativa. Existem, porm, problemas de tomada de deciso e mtodos
multicritrio, por exemplo, ELECTRE e PROMETHEE, at mesmo o AHP, que
exigem que critrios e/ou alternativas sejam excludos do conjunto original, e novos
critrios

novas

alternativas

sejam

includos

(DAGDEVIREN,

2008).

adaptatividade da TDAE formulada permite apenas operaes envolvendo regras

(colunas) e no considera modificaes sobre as linhas da tabela de deciso
subjacente. Outros tipos de operaes desejados no esto diretamente disponveis
na formulao da TDAE e devem ser simulados usando apenas operaes bsicas
sobre as colunas.

Cabe ressaltar tambm, que o uso de mtodos multicritrio apresenta um

comportamento que impe restries quanto quantidade de critrios e alternativas
do problema de deciso, pois o nmero de comparaes entre eles, aos pares, pode
crescer muito rapidamente com o tamanho das matrizes, influenciando na resposta

163

do algoritmo proposto no tempo e no espao. Alm disso, a adio ou eliminao de

algum critrio ou alternativa pode afetar significativamente os julgamentos do
decisor, e em conseqncia os pesos e a ordem de preferncia dos mesmos.

Este trabalho traz contribuies nos aspectos tericos da Tecnologia Adaptativa e no

incremento de aplicaes prticas de solues adaptativas, que so apresentadas
no prximo item.

7.1 CONTRIBUIES

A formulao da TDAE aplicada para decises multicritrio pode ser considerada

multidisciplinar, por integrar fundamentos adaptativos, mtodos de tomada de
deciso multicritrio e modelos tradicionais, tais como as tabelas de deciso, o que
contribui nos aspectos tericos dessas reas. Em particular, para a rea da
Tecnologia Adaptativa, este trabalho contribui, principalmente, no fato de que
representa um importante estudo do uso de tcnicas adaptativas em aplicaes
envolvendo problemas de tomada de deciso multicritrio.
A TDAE estabelece a consistncia entre os conceitos tericos envolvidos, ao
incorporar mtodos multicritrio para o apoio deciso e o conceito de
adaptatividade para os ajustes necessrios na busca de solues para novas regras
de um problema de deciso. A TDAE se mostra como uma alternativa prtica de
especificao e anlise de problemas de deciso, cujo comportamento dinmico e
varia no decorrer de sua operao.

Do ponto de vista de implementao, uma interessante contribuio pragmtica

pode ser identificada na incluso do conceito de funes auxiliares, que operam
como interface entre a implementao conceitual das tabelas de deciso adaptativas
originais e os programas de tomada de deciso nelas baseadas. Isto feito
permitindo-se a substituio de trabalhosos algoritmos envolvendo elementos
bsicos da tabela de deciso adaptativa (regras) por algoritmos equivalentes mais

164

eficientes,

externamente

implementados (simulados) usando linguagens de

programao convencionais, e a integrao de tais algoritmos ao mecanismo de

deciso e de automodificao das tabelas de deciso adaptativas.
Na rea da Tecnologia Adaptativa, a TDAE mostra que as tabelas de deciso
adaptativas, originalmente definidas por Neto (2001), podem ser estendidas de
vrias maneiras com vantagens prticas, tornando-se viveis para outras aplicaes
de problemas de deciso que envolvam ou no mltiplos critrios. Por exemplo, para
problemas de otimizao, as tabelas de deciso adaptativas podem sugerir
interessantes modificaes na forma de resoluo do problema, por meio da
incorporao de tcnicas adaptativas s funes tradicionais, e podendo alterar,
tanto a quantidade de variveis, quanto o seu conjunto de restries, de forma
autnoma e dinmica.

Outra contribuio conceitual est contida no Captulo 4, no qual se faz um breve

estudo do desempenho do algoritmo de tomada de deciso usando a TDAE, do
qual resultaram expresses analticas, representando o tempo de processamento e
a quantidade de espao necessrio para a execuo do algoritmo proposto.
No aspecto prtico, o software TDAE, implementado na verso mais simples,
procura aproveitar os recursos das tabelas de deciso convencionais, para facilitar o
seu uso por um usurio no especializado em computao ou nas tcnicas
adaptativas, e procura enfatizar a flexibilidade e a adaptabilidade de acomodar
mudanas durante o processo decisrio.

Uma contribuio adicional tecnolgica consiste na disponibilizao de uma

ferramenta para ensaio de tabelas de deciso adaptativas, bem como dos
correspondentes programas que a constituem, que podem ser acoplados de maneira
relativamente simples a outros programas.

165

7.2 TRABALHOS FUTUROS

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.

Uma sugesto de proposta de continuidade deste trabalho o da incorporao do

conceito

de

adaptatividade

multicamada.

Assim,

camadas

adicionais

de

adaptatividade poderiam ser anexadas ao dispositivo, ou seja, uma ou mais

camadas adaptativas poderiam ser adicionadas sobre a j existente na TDAE, para
permitir que, por exemplo, aes adaptativas reduzam ou aumentem o nmero de
critrios e de alternativas, agindo neste caso sobre a quantidade de linhas da
TDAE.
Em razo da restrio imposta TDAE para aplicaes de problemas limitados a
trs nveis de deciso, interessante que trabalhos futuros considerem estruturas
hierrquicas de vrios nveis, seguindo a metodologia do mtodo multicritrio AHP.
possvel representar os diferentes nveis de deciso em tabelas de deciso
individuais. Essas tabelas podem ser vinculadas e controladas por meio de uma
tabela de deciso principal, na qual existiriam regras cujas condies executariam as
chamadas de tabelas de deciso de nveis subseqentes. As tabelas de deciso
vinculadas poderiam ser estticas, logo, no se alterariam durante o processo, ou
adaptativas, para que de forma independente se automodificassem, mudando as
regras de cada uma.
Para completar o estudo do desempenho do algoritmo de deciso da TDAE,
realizado neste trabalho, mostra-se adequado prosseguir nesta investigao, com a
finalidade de comparar o algoritmo da TDAE com algoritmos de deciso existentes,
j consolidados e amplamente utilizados, para verificar computacionalmente a sua
eficincia, tanto na sua especificao quanto na aplicao prtica.

166

A formulao da TDAE pode ser estendida e sua camada adaptativa modificada

para suportar decises em grupo. De acordo com Flp (2005), uma deciso em
grupo envolve diversos decisores com habilidades, experincias e conhecimentos
individuais, e o mtodo multicritrio deve sintetizar as decises do grupo, levando
em considerao os diferentes perfis de cada um. Os vrios mtodos multicritrios,
tais como AHP, ELECTRE e PROMETHEE, j possuem estudos estendidos para
suportar decises em grupo, e as pesquisas nessa rea buscam formas de medio,
que sintetizem e possam representar, o mais prximo possvel, os julgamentos dos
decisores. Seria interessante que estudos com uso de tcnicas adaptativas
pudessem, tambm, seguir nessa linha de pesquisa, pois parece ser bastante
promissora.
Com relao ao software TDAE, novas verses podem ser geradas, por exemplo,
para apoiar problemas de tomada de deciso, que apresentem estruturas
hierrquicas de vrios nveis, e a implementao de uma linguagem especfica que
facilite a escolha do mtodo de deciso multicritrio adotado na TDAE, que ao ser
compilada, associa-se aos critrios, s alternativas, s regras e s aes
adaptativas.

167

REFERNCIAS
BALESTRIN, A. Uma anlise da contribuio de Hebert Simon s Teorias
Organizacionais. Revista de Administrao do PPGA, UFRGS, 2002.

BERTOLI, M.; BRAGLIA, M.; CARMIGNANI, G. Application of the AHP methodology

in making a proposal for a public work contract. International Journal of Project
Management, 24 v. Issue 5, p.422-430, 2006.

BINDER, F. V. Sistemas de Apoio Deciso. So Paulo: rica, 1994.

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.

BRITES, C. R. C. Abordagem multiobjetivo na seleo de sistemas de reuso de

gua em irrigao paisagstica no Distrito Federal. Dissertao (Mestrado),
Publicao PTARH.DM 112/08, Universidade de Braslia, DF, 2008.

CAMOLESI, A. R. Proposta de Um Gerador de Ambientes para Modelagem de

Aplicaes Usando Tecnologia Adaptativa. Tese (Doutorado), Escola Politcnica
da USP, 2007.

CERTO, S. C. Modern management: diversity, quality, ethics and the global

environment. New Jersey: Prentice Hall, 2000.

CLEMEN, R. T.; REILLY, T. Making Hard Decisions with Decisions Tools.

California: Duxbury, 2. ed., 2001.

COOK, S. An Overview of Computational Complexity. Communications of the

ACM, 26 v. Issue 6, p.400-408, 1983.

CORMEN, H. T.; LEISERSON, C. E.; RIVEST, R. L.; STEIN, C. Introduction to

Algorithms. Massachusetts: McGraw-Hill, 2001.

DAGDEVIREN, M. Decision making in equipment selection: an integrated approach

with AHP and PROMETHEE. Springer Netherlands: Journal of Intelligent
Manufacturing, 19 v., n. 4, 2008.

168

FLP, J. Introduction to Decision Making Methods. Laboratory of Operations

Research and Decision Systems, Computer and Automation Institute. Hungarian:
Academy of Sciences, 2005.

GILDERSLEEVE, T. R. Decision tables and their practical application in data

processing. Englewood Cliffs, N. J., Prentice Hall: 1970.

GOMES, L. F. A. M.; ARAYA, M. C. G.; CARIGNANO, C. Tomada de decises em

cenrios complexos. So Paulo, Pioneira Thomson Learning, 2004.

GOMES, L. F. A. M.; GOMES, C. F. S.; ALMEIDA, A. T. Tomada de deciso

gerencial enfoque multicritrio. So Paulo: Atlas, 2002.

GOMES, L. F. A. M.; MOREIRA, A. M. M. Da informao tomada de deciso:

agregando valor atravs dos mtodos multicritrio. Revista de Cincia e
Tecnologia RECITEC, Recife, 2 v., n. 2, p.117-139, 1998.

HAMMOND, J. S.; KEENEY, R. L.; RAIFFA, H. Decisiones Inteligentes. Barcelona:

Ediciones Gestin, 2002.

HARRIS, R. Introduction to Decision Making. VirtualSalt, 1998. Disponvel em:

<http://www.virtualsalt.com/crebook5.htm>. Acesso em 13 out 2005.

HUGHES, M. L.; SHANK, R. M.; STEIN, E. S. Decision Tables. Midi Publications,

Management Development Institute, Divisions of Information, Industries, Inc., Wayne,
Pennsylvania, 1968.

IWAI, M. K. Um formalismo gramatical adaptativo para linguagens dependentes

de contexto. Tese (Doutorado), Escola Politcnica da USP. So Paulo, 2000.

KASABOV, N. K. Foundations of Neural Networks, Fuzzy Systems and

Knowledge Engineering. MIT Press, London, 1996.

KEENEY, R.; RAIFFA, H. Decisions with multiple objectives: preferences and

value tradeoffs. New York: Willey, 1976.

169

KEEFER, D. L.; KIRKWOOD, C. W.; CORNER, J. L. Perspective on decision

analysis applications, 1990-2001. Decision Analysis 2004 Informs 1 v., n 1,
March 2004. p. 5-24.

KROGH, G. V.; ICHIJO, K.; NONAKA, I. Reinventando a empresa com o poder da

inovao contnua. Trad. Afonso Celso da Cunha Serra. Rio de Janeiro: Campus,
2001.

LAUDON, K.; LAUDON, J. Sistemas de informao com Internet. Rio de Janeiro:

LTC, 1999. 389 p.

LEWIS, H. R.; PAPADIMITRIOU, C. H. Elements of the theory of computation.

Upper Saddle River: Prentice-Hall, 1998.
NETO, J. J.; MAGALHES, M. E. S. Reconhecedores sintticos uma alternativa
didtica para uso em cursos de engenharia. XIV Congresso Nacional de
Informtica, So Paulo, pp.171-181, 1981.

NETO, J. J. Introduo Compilao. Rio de Janeiro: LTC, 1987.

______. Contribuies Metodologia de Construo de Compiladores. Tese

(Livre Docncia), Escola Politcnica da USP, So Paulo, 1993.
______. Adaptive rule-driven devices General formulation and case study. Lecture
notes in Computer Science, Springer-Verlag, 2494 v., p. 234-250. Watson, B. W.
and Wood, D (Eds.): Implementation and Application of Automata 6th International
Conference, CIAA, 2001, Pretoria, South Africa, July 23-25, 2001.
______. Apresentao do LTA Laboratrio de Linguagens e Tcnicas
Adaptativas, 2002. Disponvel em: <www.pcs.usp.br/~lta>. Acesso em 20 maro
2004.
______. Adaptive rule-driven devices general formulation and case study. Revista
de Engenharia de Computao e Sistemas Digitais, So Paulo, 1 v., n.1, p. 4557, Nov 2003.

______. Um levantamento da evoluo da Adaptatividade e da Tecnologia

Adaptativa. IEEE Latin America Transactions, 5 v., n. 7, Nov 2007.

170

NICHOLSON, W. K. lgebra Linear. 2. ed. So Paulo: McGraw-Hill, 2006.

OBRIEN, J. A. Sistemas de informao e as decises gerenciais na era da
Internet. 2. ed. So Paulo: Saraiva, 2004.

PARIENTE, C. A. B. Gramticas livres de contexto adaptativas com verificao

de aparncia. Tese (Doutorado), Escola Politcnica da USP, So Paulo, 2004.

PEDRAZZI, T. C. Um Ambiente de Desenvolvimento baseado em Tabelas de

Deciso Adaptativas. Dissertao (Mestrado), Escola Politcnica da USP, So
Paulo, 2007.

PEDRAZZI, T. C.; TCHEMRA, A. H.; ROCHA, R. L. A. Adaptive decision tables:

a case study of their application to decision-taking problems. Proceeding of
Internacional Conference on Adaptive and Natural Computing Algorithms ICANNGA
2005, Coimbra, March 21-23, 2005. Wien, New York: Springer, 2005.

PIDD, M. Modelagem empresarial: ferramentas para tomada de deciso. Trad.

Gustavo Severo de Borba et al. Porto Alegre: Artes Mdicas, 1998.

PISTORI, H. Tecnologa Adaptativa em Engenharia de Computao: estado da

arte e aplicaes. Tese (Doutorado), Escola Politcnica da USP, 2003.

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.

RAGSDALE, C. T. Spreadsheet modeling and decision analysis: a pratical

introduction to management science. 3. ed. Ohio: South-Western College Pub.
2001.

RAIFFA, H. Teoria da deciso: aulas introdutrias sobre escolhas em

condies de incerteza. So Paulo: Vozes, 1977.

RANGEL, L. A. D.; GOMES, L. F. A. M. Determinao do valor de referncia do

aluguel de imveis residenciais empregando o mtodo TODIM. Pesquisa
Operacional, 27 v., n. 2, Rio de Janeiro, 2007.

171

ROY, B. Multicriteria methodology goes decision aiding. Kluwer Academic

Publishers, 1996.
SAATY, T.L. Mtodo de Anlise Hierrquica. So Paulo: McGraw Hill, Makron,
1991.

______. 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.

SALOMON, V. A. P. Desempenho da Modelagem do Auxlio Deciso por

Mltiplos Critrios na Anlise do Planejamento e Controle da Produo. Tese
(Doutorado), Escola Politcnica da USP, 2004.

SIMON, H. A. A gesto no a arte de optimizar. Disponvel em:

<http://www.janelanaweb.com/digitais/simondigest.html>. Acesso em 27 nov 2004.
STAIR, R. M.; REYNOLDS, G. W. Princpios de Sistemas de Informao Uma
abordagem gerencial. Trad. Alexandre M. Oliveira. 4. ed. Rio de Janeiro: LTC,
2002.

TCHEMRA, A. H. Aplicao da Tecnologia Adaptativa em Sistemas de Tomada de

Deciso. Revista IEEE Amrica Latina. 5 v., n. 7, ISSN: 1548-0992, nov 2007.

THOMAZ, J. P. Concepo de um modelo multicritrio de apoio deciso.

Dissertao (Mestrado). Universidade Lusada. Lisboa, Portugal, 2000.

TRUCK, I.; AKDAG, H. Manipulation of qualitative degrees to handle uncertainty:

formal models and applications. Knowledge and Information Systems, SpringerVerlag London Ltd, 2005.

ZUFFO, A. C. Seleo e aplicao de mtodos multicriteriais ao planejamento

ambiental de recursos hdricos. Tese (Doutorado), Escola de Engenharia de So
Carlos, Universidade de So Paulo, So Paulo, 1998.