Celem tej aplikacji jest podejmowanie decyzji w oparciu o wiele kryteriów (MCDM). Ta aplikacja używa języka R jako „silnika” do obliczeń i analiz. Jest to implementacja pakietu MCDM. Obecnie obsługiwane metody są następujące:
- Multi-Objective Optimization poprzez analizę współczynników (MOORA) i „Full Multiplicative Form” (Multi-MOORA).
- Technika kolejności preferencji według podobieństwa do rozwiązania idealnego (TOPSIS) Metoda z liniową transformacją maksimum jako procedurą normalizacyjną.
- Technika kolejności preferencji według podobieństwa do idealnego rozwiązania (TOPSIS) Metoda z procedurą normalizacji wektorów.
- Metoda VIKOR.
- Metoda ważonej sumy sumarycznej (WASPAS).
- Meta Ranking rankingów uzyskanych z metod MMOORA, TOPSIS, VIKOR i WASPAS. Proponowane są dwa rankingi meta, czyli suma rankingów i rankingi zagregowane.
Funkcja MetaRanking_custom opiera się głównie na parametrach decision
, weights
, cb
, lambda
, v
, AB
, CD
.
- MMoora = MMOORA(decision, weights, cb)
- TopsisV = TOPSISVector(decision, weights, cb)
- TopsisL = TOPSISLinear(decision, weights, cb)
- Vikor = VIKOR(decision, weights, cb, v)
- Waspas = WASPAS(decision, weights, cb, lambda)
Dane zostały tutaj pobrane z dokumentu Profesora Witczaka. Na ich podstawie można przeanalizować:
- Rentowność operacyjną: zysk operacyjny / przychody.
- Rentowność netto: zysk netto / przychody.
- ROE (zwrot z kapitału): zysk netto / stan kapitału własnego pod koniec minionego roku obrotowego.
- ROA (zwrot z aktywów): zysk netto / stan aktywów pod koniec minionego roku obrotowego.
- Wypłacalność natychmiastową: środki pieniężne / zobowiązania krótkoterminowe.
- Płynność bieżącą: aktywa obrotowe / zobowiązania krótkoterminowe.
- Złotą regułę bilansową: kapitał własny / aktywa trwałe (reguła jest wypełniona, gdy wskaźnik ma wartość wyżsżą niż 1 pkt).
- Rotację aktywów: pomaga określić, w jaki sposób pozycjonować swoje inwestycje, aby wykorzystać wzrost zarówno akcji, jak i obligacji, jednocześnie w dużej mierze unikając tych niefortunnych okresów dużych spadków na rynku.
- Zadłużenie ogólne: zobowiązania / suma bilansowa. Są tam również dodatkowe pliki "Comma Separated Value", które można wgrać do programu i testować na nich jak zachowa się algorytm.
Możliwości jest wiele, można zrobić to w dowolnym programie typu Excel czy OpenOffice, można skorzystać z różnych baz danych i pozmieniać je na własne potrzeby. Serdecznie polecam , bądź
. Po tym gdy już się wybierze dane, trzeba zrobić jedną tabelkę z alternatywami, najlepiej numerując każdy wiersz. Plik trzeba zapisać w formacie
.csv
inaczej Comma Separated Value i upewnić się, że zmienne oddzielane są przecinkiem. Później można wszystko wgrać do programu i analizować dane, jeśli wszystko się dobrze podało. Trzeba również pamiętać o tym, aby suma ważenia wynosiła 1, w innym przypadku program nie zadziała.
- Funkcja
MMOORA
implementuje zarówno optymalizację wielocelową poprzez analizę racji (MOORA), jak i "pełną formę multiplikatywną" (MULTIMOORA). - Parametr
decision
to macierz decyzyjnam x n
z wartościamim
alternatyw dla kryteriówn
. Inaczej macierz z wszystkimi alternatywami. - Parametr
weights
to wektor o długościn
, zawierający wagi dla kryteriów. Suma wag musi wynosić 1. Inaczej wektor z wartościami liczbowymi wag. - Parametr
cb
to wektor długościn
. Każdy składnik to albocb(i)='max'
, jeśli kryteriumi(x)
to korzyść, albocb(i)='min'
, jeśli kryteriumi(x)
to koszt. Inaczej wektor z „typem” kryteriów (korzyść = „max”, koszt = „min”). MMOORA
zwraca ramkę danych, która zawiera wyniki i cztery obliczone rankingi (system współczynników, punkt odniesienia, forma multiplikatywna i ranking Multi-MOORA).- Źródła: Brauers, W. K. M.; Zavadskas, E. K. Project management by MULTIMOORA as an instrument for transition economies. Technological and Economic Development of Economy, 16(1), 5-24, 2010.
Metoda MMOORA w kilku krokach:
- Sprawdzanie argumentów.
- Normalizacja i ważenie.
- System racji.
- Punkt odniesienia.
- Forma multiplikatywna.
- Ranking i alternatywy.
- Funkcja
TOPSISLinear
implementuje technikę kolejności preferencji przez podobieństwo do idealnego rozwiązania (TOPSIS) z liniową transformacją maksimum jako procedurą normalizacji. - Parametr
decision
to macierz decyzyjnam x n
z wartościamim
alternatyw dla kryteriówn
. Inaczej macierz z wszystkimi alternatywami. - Parametr
weights
to wektor o długościn
, zawierający wagi dla kryteriów. Suma wag musi wynosić 1. Wektor z wartościami liczbowymi wag. - Parametr
cb
to wektor długościn
. Każdy składnmik to albocb(i)='max'
, jeśli kryteriumi(x)
to korzyść, albocb(i)='min'
jeśli kryteriumi(x)
to koszt. Wektor z „typem” kryteriów (korzyść = „max”, koszt = „min”). TOPSISLinear
zwraca ramkę danych, która zawiera wynik indeksu R i ranking alternatyw.- Źródła: Garcia Cascales, M.S.; Lamata, M.T. On rank reversal and TOPSIS Method. Mathematical and Computer Modelling, 56(5-6), 123-132, 2012.
Metoda w kilku krokach:
- Sprawdzanie argumentów.
- Normalizacja i ważenie.
- Idealne rozwiązania.
- Odległości do idealnych rozwiązań.
- Indeks R.
- Oceń alternatywy.
- Funkcja
TOPSISVector
implementuje technikę kolejności preferencji według metody podobieństwa idealnego rozwiązania (TOPSIS) z procedurą normalizacji wektorowej. - Parametr
decision
to macierz decyzyjnam x n
, z wartościami alternatywm
dla kryteriówn
. Inaczej macierz z wszystkimi alternatywami. - Parametr
weights
to wektor o długościn
zawierającej wagi kryteriów. Suma wag musi wynosić 1. Inaczej wektor z wartościami liczbowymi wag. - Parametr
cb
to wektor długościn
. Każdy składnik to albocb(i)='max'
, jeśli kryteriumi(x)
to korzyść, albocb(i)='min'
, jeślii(x)
kryterium to koszt. Inaczej wektor z „typem” kryteriów (korzyść = „max”, koszt = „min”). TOPSISVector
zwraca ramkę danych, która zawiera wynik indeksu R i ranking alternatyw.- Źródła: Hwang, C.L.; Yoon, K. Multiple Attribute Decision Making.
Metoda w kilku krokach:
- Normalizacja i ważenie.
- Idealne rozwiązania.
- Odległości do idealnych rozwiązań.
- Indeks R.
- Oceń alternatywy.
- Funkcja
VIKOR
implementuje metodę "VIseKriterijumska Optimizacija I Kompromisno Resenje" (VIKOR). - Parametr
decision
to macierz decyzyjnam x n
z wartościamim
alternatyw dla kryteriówn
. Macierz ze wszystkimi alternatywami. - Parametr
weights
to wektor o długościn
, zawierający wagi dla kryteriów. Suma wag musi wynosić 1. Wektor z wartościami liczbowymi wag. - Parametr
cb
to wektor długościn
. Każdy składnik to albocb(i)='max'
, jeśli kryteriumi(x)
to koszt. Wektor z „typem” kryteriów (korzyść = „max”, koszt = „min”). - Parametr
v
to wartość A w[0,1]
. Jest używany do oblcizania wskaźnika Q. Wartość rzeczywistą liczbą parametru „v” do obliczenia Q. VIKOR
zwraca ramkę danych, która zawiera wynik wskaźników S, R i Q oraz ranking alternatyw według indeksu Q.- Źródła: Opricovic, S.; Tzeng, G.H. Compromise solution by MCDM methods: A comparative analysis of VIKOR and TOPSIS. European Journal of Operational Research, 156(2), 445-455, 2004.
Metoda w kilku krokach:
- Sprawdzanie parametrów.
- Idealne rozwiązania.
- Indeks S i R.
- Indeks Q. Jeśli v = 0, jeśli v = 1, inny przypadek.
- Sprawdzanie, czy Q jest poprawne.
- Ranking alternatyw.
- Funkcja
WASPAS
implementuje metodę Weighted Aggregated Sum Product Assessment (WASPAS). - Parametr
decision
to macierz decyzyjnam x n
z wartościamim
alternatyw dla kryeriówn
. Inaczej macierz ze wszystkimi alternatywami. - Parametr
weights
to wektor o długościn
, zawierjący wagi dla kryeriów. Suma wag musi wynosić 1. Inaczej wektor z wartościami liczbowymi wag. - Parametr
cb
to wektor długościn
. Każdy składnik to albocb(i)='max'
, jeśli kryteriumi(x)
to korzyść, albocb(i)='min'
, jeśli kryteriumi(x)
to koszt. Inaczej wektor z „typem” kryteriów (korzyść = „max”, koszt = „min”). - Parametr
lambda
to wartośćA
w[0,1]
. Jest używany do obliczania wskaźnikaW
. Inaczej wartość z liczbą rzeczywistą parametru „lambda” do obliczenia W. WASPAS
zwraca ramkę danych, która zawiera wynik WSM, WPM i indeks Q oraz ranking alternatyw.- Źródła: Zavadskas, E. K.; Turskis, Z.; Antucheviciene, J.; Zakarevicius, A. Optimization of Weighted Aggregated Sum Product Assessment. Electronics and Electrical Engineering, 122(6), 3-6, 2012.
Metoda WASPAS w kilku krokach:
- Sprawdzanie argumentów.
- Normalizacja.
- WSM.
- WPM.
- Indeks Q.
- Ranking alternatyw.
- Funkcja
MetaRanking
wewnętrznie wywołuje funkcjeMMOORA
,RIM
,TOPSISLinear
,TOPSISVector
,VIKOR
,WASPAS
oraz następnie oblicza sumę ich rankingów i zagregowany ranking stosując pakietRankAggreg
. - Parametr
decision
to macierz decyzyjnam x n
z wartościamim
alternatyw dla kryteriówn
. Inaczej macierz ze wszystkimi alternatywami. - Parametr
weights
to wektor o długościn
, zawierający wagi dla kryteriów. Suma wag musi wynosić 1. Inaczej wektor z wartościami liczbowymi wag. - Parametr
cb
to wektor długościn
. Każdy składnik to albocb(i)='max'
, jeśli kryteriumi(x)
to korzyść, albocb(i)='min'
, jeśli kryteriumi(x)
to koszt. Inaczej wektor z „typem” kryteriów (korzyść = „max”, koszt = „min”). - Parametr
lambda
to wartość A w[0,1]
. Służy do obliczania wskaźnika W dla metody WASPAS. Inaczej wartość z liczbą rzeczywistą parametru „lambda” do obliczenia W. - Parametr
v
Wartość A w [0,1]. Jest używany do obliczania wskaźnika Q dla metody VIKOR. Inaczej wartość z liczbą rzeczywistą parametru „v” do obliczenia Q. - Parametr
AB
to macierz.AB[1,]
odpowiada ekstremum A, aAB[2]
reprezentuje ekstremum B dziedziny każdego kryerium. Inaczej macierz z zakresem [A,B] wszechświata dyskursu. - Parametr
CD
to macierz.CD[1,]
odpowiada ekstremum C, aCD[2]
reprezentuje ekstremum D idealnego odniesienia każdego kryterium. Inaczej macierz z ideałem odniesienia [C,D]. MetaRanking
zwraca ramkę danych, która zawiera rankingi metodMulti-MOORA
,RIM
,TOPSISLinear
,TOPSISVector
,VIKOR
,WASPAS
i obu alternatywMetaRanking
.
Metoda Multi-MOORA w krokach:
- RIM.
- Metoda TOPSIS.
- Metoda VIKOR.
- Metoda WASPAS.
- Meta-Ranking.
- Ranking zbiorczy.