Ajuda Multicritrio Deciso - introduo

Notas para as disciplinas de SAD (LCI) e SAD (MGI)

Manuel Matos FEUP, 2005
0. Nota prvia
O presente texto destina-se aos alunos das disciplinas de Sistemas de Apoio Deciso da Licenciatura em
Cincia de Informao e do Mestrado em Gesto de Informao, e tem como objectivo complementar as
aulas sobre Ajuda Multicritrio Deciso, com uma orientao de aprendizagem a partir do trabalho sobre
um caso de estudo relativamente simples. Em consequncia, no se deu relevncia, no texto, a aspectos
tericos ou conceptuais que podem ser vistos na bibliografia colocada disposio dos alunos, mas antes ao
registo organizado do trabalho realizado nas aulas.

1. Introduo
Quando temos que tomar uma deciso, h alguns procedimentos que seguimos de forma
mais ou menos sistemtica:
a) Identificamos alternativas, opes ou hipteses de deciso. Por exemplo um
conjunto de automveis de entre os quais pretendemos escolher um, uma lista de
candidatos que pretendemos ordenar, trajectos possveis para uma viagem, um
conjunto de propostas num concurso pblico, etc.
b) Verificamos a viabilidade da alternativas (eliminando as que no satisfazem certos
critrios eliminatrios, a que tecnicamente chamamos restries). Por exemplo,
descartamos os automveis cujo custo ultrapassa a nossa disponibilidade financeira,
os candidatos sem certas qualificaes mnimas para o cargo, etc. Neste texto,
vamos partir do princpio que as listas de alternativas em anlise satisfazem todas
as restries, ou seja, so viveis.
c) Definimos os critrios de avaliao, aspectos relevantes ou pontos de vista a ter em
conta quando comparamos duas alternativas em termos de preferncia. Por
exemplo, o custo (preferimos uma alternativa com menor custo do que outra), a
experincia profissional (preferimos geralmente um candidato com maior
experincia), a qualidade tcnica (preferimos um projecto com maior qualidade
tcnica).
Em muitas circunstncias da vida corrente, estes passos interligam-se e misturam-se, e a
deciso acaba por surgir de modo relativamente informal. No entanto, em situaes mais
complexas ou quando as decises so tomadas num ambiente organizacional, onde tm que
ser justificadas ou, pelo menos, explicadas, h vantagem em seguir um procedimento
formal que garanta a consistncia do processo global. o que veremos no
desenvolvimento deste texto.

2. Formalizao do problema
2.1. Tipos de problemas
Embora tendo caractersticas comuns, distinguem-se trs tipos fundamentais de problema
de deciso:
1. Escolha ou seleco da melhor alternativa (ocasionalmente, seleco de um
nmero definido de alternativas por exemplo as cinco melhores);
2. Ordenao de um conjunto de alternativas;
1 de 23

Ajuda multicritrio deciso introduo

Manuel Matos

3. Partio de um conjunto em classes de preferncia, normalmente pr-definidas, o

que conduz ao problema de atribuio de classe.
Partiremos do princpio, neste texto, que estamos a lidar com problemas de escolha (o tipo
mais frequente e, de certo modo, a base dos outros), mas far-se-o menes aos outros
problemas quando for apropriado.
2.2. Alternativas
A identificao das alternativas um procedimento bvio no incio do processo, bem assim
como a verificao da sua viabilidade. Em muitos casos, a identificao imediata, mas h
situaes em que indispensvel um processo prvio de criao de alternativas, que pode
ser bastante complexo 1 . Por outro lado, h uma classe de problemas onde as alternativas
so apenas definidas implicitamente como combinao de valores de variveis de deciso,
devendo respeitar um conjunto de restries (equaes e inequaes) que definem a
viabilidade. Estes problemas caem na rea da programao matemtica, ficando fora do
mbito deste texto.
Do ponto de vista terminolgico, importante esclarecer que o termo alternativa usado
neste contexto como sinnimo de opo, hiptese, possvel soluo ou aco
potencial 2 , de forma distinta, portanto, de situaes em que se define uma espcie de
pr-deciso (soluo base) para a qual se constrem depois alternativas 3 .
Do ponto de vista formal, cada alternativa, para alm da sua designao (Peugeot 307,
Candidato Antnio Silva, Proposta n7, etc.), vai ser caracterizada pelo seus atributos,
que a definem completamente do ponto de vista do processo de deciso. Os atributos
correspondem pontuao da alternativa nos critrios de avaliao, matria que
analisaremos a seguir. Outras caractersticas meramente descritivas das alternativas so
utilizadas para a determinao dos atributos, deixando em seguida de ser consideradas,
uma vez que no so directamente relevantes para o processo de deciso
Como se disse na introduo, partiremos do princpio de que a lista de alternativas que
consideramos inclui apenas as alternativas viveis, ou seja, opes que respeitam os
requisitos mnimos (restries) definidos para o problema.
2.3. Critrios
A definio dos critrios de avaliao um ponto crucial do processo, por corresponder
identificao dos aspectos ou pontos de vista relevantes a ter em conta para estabelecer a
preferncia de uma alternativa sobre outra. Uma famlia coerente de critrios deve ser:
- Exaustiva: todos os pontos de vista relevantes devem ser includos.
- Consistente: se duas alternativas A e B so equivalentes excepto num critrio k, e
se nesse critrio ak melhor do que bk, ento A deve ser considerada globalmente
1

2
3

Recorde-se, por exemplo, a discusso pblica de alternativas para a localizao do novo aeroporto de
Lisboa, ou os mltiplos esquemas possveis para o desenvolvimento da Alta Velocidade Ferroviria.
Independentemente do mrito das possveis solues, a caracterizao completa de cada uma exigiu um
conjunto de estudos complexos e demorados.
Termo usado pela Escola Francesa de Ajuda Deciso
o que se passa, por exemplo, na discusso pblica de projectos de novas estradas existe um projecto
previsto, mas obrigatrio apresentar alternativas com menor impacto ambiental. Como se ver no
seguimento deste texto, essa no talvez a melhor forma de definir o problema de deciso.
2 de 23

Ajuda multicritrio deciso introduo

Manuel Matos

pelo menos to boa como B.

No-redundante: se se eliminar um dos critrios, deixam de ser satisfeitas as
condies anteriores.

Para alm disso, desejvel que sejam asseguradas ainda as seguintes propriedades:
- Legibilidade: o nmero de critrios deve ser relativamente baixo.
- Operacionalidade: a famlia de critrios deve ser aceite pelos interessados 1 e pelos
agentes de deciso.
Neste ponto, surge-nos o conceito de agente de deciso (por vezes tambm designado por
decisor), que central nestes problemas. Trata-se da pessoa (por vezes o representante de
uma entidade) responsvel pela deciso final. Por um lado, o agente de deciso define e
especifica os critrios a considerar, eventualmente com o apoio de especialistas. Por outro
lado, como se ver mais frente, no possvel levar a cabo o processo de deciso sem
nele incorporar as preferncias do agente de deciso.
Uma vez identificada uma famlia coerente de critrios, necessrio avanar na
operacionalizao, definindo as unidades associadas e respectiva escala. Este processo
pode ser simples em critrios econmicos, onde o custo se exprime directamente em euros,
ou mais complicado quando esto envolvidos critrios associados a conceitos mais vagos,
como a qualidade, o risco, o impacto ambiental ou social, etc. Na concretizao deste tipo
de critrios em atributos mensurveis usual recorrer a indicadores numricos (por vezes
mais do que um), que tm a vantagem de serem objectivos, mas podem no representar
adequadamente o conceito que se pretende avaliar 2 , o que exige cautela, clareza e
transparncia na sua definio.
Uma outra hiptese a definio de categorias que correspondem a uma avaliao global
do grau de satisfao do critrio (por exemplo, Muito Alta, Alta, Mdia, Baixa, Muito
Baixa, num critrio associado qualidade). Neste caso, convir caracterizar claramente os
aspectos a ter em conta e as situaes que correspondem a cada categoria, para diminuir a
subjectividade dos julgamentos. Por exemplo, para se considerar que um projecto tem
impacto social muito positivo poderia exigir-se que o projecto ocasione um aumento
significativo do emprego na regio, aumente a mobilidade pela criao de novas vias de
comunicao e favorea o acesso da populao a um determinado servio. Impactos menos
favorveis nestes trs aspectos (emprego, mobilidade, acesso ao servio) conduziriam a
avaliaes de positivo, regular, negativo, etc., cuja descrio teria tambm que ser
enunciada.
A Tabela 1 mostra um exemplo de uma lista de seis alternativas, caracterizadas em relao
aos trs critrios identificados para a situao (escolha de uma proposta de fornecimento de
equipamento). Note-se que, enquanto o preo e o prazo so expressos nas suas unidades
naturais, a qualidade tcnica usa uma escala de categorias ou nveis de satisfao, sendo
cada alternativa pontuada de acordo com o julgamento de especialistas. Os nmeros 0 a 5
so usados, nesse caso, apenas como legenda da categoria, no possuindo partida
significado numrico 3 . Quando muito, poder ser reconhecido que iguais diferenas de
1
2
3

Usa-se aqui bastante o termo ingls stakeholders.

Um exemplo clssico que suscita reflexo: numa comparao de cidades americanas, o critrio qualidade
da sade mental era medido pelo indicador nmero de suicdios por mil habitantes.
Entre outras consequncias deste facto, uma frase como p4 tem o triplo da qualidade de p2 seria
desprovida de sentido.
3 de 23

Ajuda multicritrio deciso introduo

Manuel Matos

escalo (p.ex. p2 para p4 e p4 para p3 dois nveis de diferena em ambos os casos)

correspondem a iguais diferenas de qualidade, o que permite considerar os escales como
pontuaes das alternativas.
Tabela 1- Seis propostas de fornecimento de equipamento
Critrios
p1
p2
p3
p4
Preo (milhares de euros)
150 145 160 120
Prazo de entrega (semanas)
10
9
8
16
Qualidade tcnica (M-0, Mt.Boa-5)
4
1
5
3

p5
160
10
4

p6
160
4
3

Para alm destas das duas hipteses mencionadas (indicadores numricos e categorias),
observa-se por vezes a utilizao de ordenaes, ou seja, cada alternativa recebe, em
relao a um critrio, uma pontuao que depende do nmero de alternativas que lhe so
superiores naquele critrio. Trata-se de uma opo a evitar por vrias razes, das quais se
destacam duas:
- a diferena de pontuao entre duas alternativas pode variar com a introduo ou
sada de outras alternativas, o que no deveria acontecer;
- diferenas de pontuao iguais (por exemplo, 1 para 2 e 2 para 3) podem
corresponder a situaes muito diferentes (2 quase to bom como o 1 e o 3
bastante pior que o 2).
2.4. Problemas multicritrio
Quando se considera que um nico critrio suficiente para representar as preferncias do
agente de deciso, o problema de deciso trivial, como ocorreria no caso da Tabela 1 se
se considerasse apenas o custo. Se assim fosse, a proposta p4 seria imediatamente
escolhida, por ter o menor custo, e tambm seria fcil ordenar todas as alternativas (embora
se verificasse um empate para o ltimo lugar).
As dificuldades surgem quando a deciso se baseia em vrios critrios, pois estes so
normalmente conflituosos, ou seja, no habitualmente possvel encontrar uma alternativa
que seja melhor que as outras em todos os critrios simultaneamente. Regressando ao
exemplo, constata-se que a proposta com melhor preo (p4) simultaneamente a que tem
um maior prazo de entrega (o que no se pretende) e tambm no a que apresenta maior
qualidade.
importante deixar claro, neste ponto, que no existe qualquer metodologia que, apenas
com base na informao da Tabela 1, permita escolher de forma peremptria a melhor
alternativa, ou ainda menos ordenar as alternativas. S a interveno do agente de deciso
vai permitir chegar a uma concluso, que resultar da conjugao das suas preferncias
com os atributos das alternativas.
No h, portanto, em problemas multicritrio, uma soluo ptima que pudesse ser
escolhida sem suscitar controvrsia 1 , mas sim uma soluo preferida que poder ser
diferente para diferentes agentes de deciso, sem que se possa dizer que um est certo e os
outros errados, pois cada um dar mais ou menos importncia a cada um dos critrios, de
acordo com os seus interesses e com a sua percepo global da situao.
A incorporao das preferncias pode ser realizada de modo mais ou menos formal
1

Ressalva-se, claro, a circunstncia pouco habitual em que os critrios no so conflituosos.

4 de 23

Ajuda multicritrio deciso introduo

Manuel Matos

consoante os casos, mas normalmente inclui a participao de especialistas, que ajudam o

agente de deciso a conduzir o processo de forma consistente. Esta perspectiva levou ao
estabelecimento da designao moderna desta rea: ajuda multicritrio deciso.

3. Abordagem bsica ao problema

Uma vez estabelecido o ambiente e conceitos bsicos destes problemas, fica claro que
temos, por um lado, um conjunto de alternativas viveis, caracterizadas pelos seus
atributos (resultantes dos critrios definidos pelo agente de deciso). E que ser necessrio,
por outro lado, incorporar as preferncias do agente de deciso, de modo a chegarmos
soluo preferida. Antes de prosseguir, no entanto, h alguns aspectos tcnicos que
indispensvel discutir. Para tal, vamos utilizar o problema da Tabela 2, com apenas dois
critrios, para maior facilidade de exposio.
Tabela 2 Exemplo de problema bicritrio
Projectos
Critrios
P1
P2
P3
P4
Custo (milhares de euros)
34
38
40
42

P5
50

Nmero de lugares de consulta

500

100

250

400

350

Trata-se de um problema de escolha entre cinco possveis projectos para um centro de

documentao, cada um com o seu custo (a minimizar) e um nmero previsto de lugares
sentados (a maximizar). As alternativas foram ordenadas por preos crescentes, apenas
para facilidade de referncia.
3.1. Representao grfica
Havendo somente dois atributos, possvel uma representao grfica como a da Figura 1,
onde o ponto correspondente a cada alternativa resulta da marcao nos eixos dos valores
dos seus dois atributos.
600
P5

N Lugares

500
400
P3

P4

300
200

P2

100

P1

0
30

35

40

45

50

55

Custo (k)

Figura 1 Representao grfica das alternativas

Este tipo de representao cartesiana permite formar, desde logo, uma ideia global sobre o
conjunto das alternativas percebe-se, por exemplo, que, medida o custo aumenta,
tambm aumenta o nmero de lugares, numa espcie de compensao a que s foge P4.
5 de 23

Ajuda multicritrio deciso introduo

Manuel Matos

3.2. Alternativas dominadas

Examinando melhor a alternativa P4, reparamos que esta tem um custo superior ao de P3,
ao mesmo tempo que apresenta um nmero de lugares inferior. Ou seja, P3 melhor que
P4 em ambos os critrios, pelo que ser sempre preferida a P4 1 . Dizemos ento que P3
domina P4, e que P4 dominada, de acordo com a seguinte definio:
Uma alternativa diz-se dominada se e s se existe uma outra que no pior do que ela
em nenhum critrio, sendo estritamente melhor pelo menos num deles.
Repare-se que a alternativa que domina no tem que ser melhor em todos os critrios, mas
apenas num deles, desde que nunca seja pior. A anlise do problema da Tabela 1, por
exemplo, permite verificar que a proposta p5 dominada por p1 por ser mais cara, embora
empate nos dois restantes critrios.
Este conceito de dominao 2 permite eliminar, nos problemas de escolha, todas as
alternativas dominadas, designando-se as que restam por no-dominadas, ou eficientes.
Atente-se, no entanto, que, em problemas de ordenao ou partio, as solues dominadas
no devem ser descartadas, podendo ser escolhidas logo a seguir s alternativas que as
dominam. Imagine-se, por exemplo, que, no problema de ordenar as alternativas da Tabela
2, P3 era seleccionada, digamos, em 2 lugar; nesse caso, P4 poderia ser seleccionada para
qualquer lugar a partir do 3, uma vez que no dominada por qualquer das restantes.
Regressando ao problema de identificao visual das alternativas dominadas, uma boa
regra prtica comear por notar, a partir das direces de preferncia em cada critrio, o
canto preferido do grfico.
600
P5

N Lugares

500
400
P3

P4

300
200

P2

100

P1

0
30

35

40

45

50

55

Custo (k)

Figura 2 Verificao grfica da dominao

No exemplo que nos ocupa, preferimos menores custos e mais lugares, resultando que o
canto preferido o que est marcado na Figura 2 (ponto 30, 600). Em seguida, podemos
definir a zona de dominao de cada alternativa, onde se situaro todas as alternativas
dominadas por esta. Na Figura 2, marcou-se apenas a zona de dominao de P3 (onde se
1

Repare-se que, neste caso, um agente de deciso que preferisse P3 a P4 estaria a comportar-se de forma
irracional (ou ento a famlia de critrios estaria incompleta). A considerao das preferncias do agente de
deciso vai fazer-se, como veremos, apenas em circunstncias onde esta questo no se coloca.
Certos autores portugueses usam o termo dominncia.
6 de 23

Ajuda multicritrio deciso introduo

Manuel Matos

encontra, naturalmente, P4), verificando-se que todas as outras zonas so vazias, uma vez
que mais nenhuma alternativa domina P4 e no h outras alternativas dominadas.
Saliente-se que estes conceitos de canto preferido ou zona de dominao tm apenas
interesse prtico para uso neste contexto. Alm disso, por comodidade, habitual construir
os atributos de forma a que sejam ou todos de maximizao, ou todos de minimizao.
3.3. Taxas de substituio
A aplicao do conceito de dominao permite, como vimos, eliminar algumas alternativas
em problemas de escolha, mas no resolve ainda o problema de deciso. Prosseguindo com
a nossa anlise, vamos calcular algumas taxas de substituio entre alternativas, ou seja, o
que se ganha e perde quando se troca uma alternativa por outra.
Comecemos por comparar os projectos P3 e P5, a partir dos dados da Tabela 2 1 :
Custo(P5)Custo(P3) = 50-40 = 10 k
Nlug.(P5)-NLug.(P3) = 500-400 = 100 lugares

ou seja, se trocssemos P3 por P5, o custo aumentava 10 000 , mas disporamos de mais
100 lugares, o que significaria que cada lugar adicional custaria 10 000/100 = 100 /lugar,
sendo essa ento a taxa de substituio 2 entre as duas alternativas. A Figura 3 mostra as
diferenas indicadas sobre o grfico, bem assim como as diferenas entre P1 e P2 (4000
euros, 150 lugares), que conduzem a uma taxa de substituio menor (4000/150=26.67
/lugar) 3 .
600

N Lugares

P5

10 k

500

100
lug.

400

P3

300

P4

4 k

200

P2

150
lug.

100

P1

0
30

35

40

45

50

55

Custo (k)

Figura 3 Taxas de substituio entre alternativas

Chegados a este ponto, possvel desenvolver uma primeira ideia de interaco com o
agente de deciso, que pode exprimir de forma concreta as suas preferncias: se entender
que cada lugar adicional vale mais do que 100 , o agente de deciso prefere P5 a P3; caso
contrrio, prefere P3 a P5. O raciocnio inverso tambm verdadeiro, naturalmente.
1
2
3

Por comodidade, vamos usar, a partir deste ponto, o smbolo k para indicar milhares de euros.
Trade-off, em lngua inglesa.
Deixa-se ao cuidado do leitor calcular a taxa de substituio entre P2 e P3, notando que no faria sentido
fazer o clculo para P3 e P4, pois a o aumento de custo ocasiona uma diminuio do nmero de lugares,
conduzindo a uma taxa de substituio negativa.
7 de 23

Ajuda multicritrio deciso introduo

Manuel Matos

Admitamos agora que o agente de deciso define um valor de referncia (constante em

todo o espao de deciso) para a taxa de substituio, por exemplo 40 /lugar. Nessas
circunstncias, P3fP5 (P3 preferido a P5), uma vez que 40<100, e que P2fP1, pois
40>26.67, no sendo difcil concluir, ainda, que P3fP2. A concluso final seria a de que
P3 era a alternativa preferida por este agente de deciso, com estas preferncias 1 .
3.4. Funo agregada de avaliao
Para sistematizar este procedimento, e generaliz-lo, note-se que a definio de uma taxa
de substituio de referncia constante corresponde, no fundo, a estabelecer uma
equivalncia entre atributos: 40 so equivalentes a 1 lugar (no caso do exemplo). Assim
sendo, se designarmos a taxa de referncia por , podemos construir uma funo agregada
de avaliao, expressa em euros, com a seguinte forma:
f(Pi)= f(Custo, NLug)= Custo - .NLug

No fundo, como se calculssemos um custo equivalente por transformao do nmero de

lugares em euros e deduo desse benefcio ao custo. No caso de P3, teramos:
f(P3)= f(40000, 400)= 40000 - 400

e, se =40 /lugar,
f(P3)= 40000 - 400 x 40 = 40000 - 16000 = 24000

Este valor agregado ter agora que ser comparado com os valores correspondentes das
outras alternativas, para o mesmo . Organizou-se esse clculo na Tabela 3, que repete os
dados da Tabela 2, acrescentando linhas adicionais para obteno do custo equivalente.
Outros valores de levariam a alterao da linha L2a e a diferentes custos equivalentes1.

linha

Tabela 3 Clculo do custo equivalente quando =40 /lugar

Projectos
Critrios
P1
P2
P3
P4

P5

L1

Custo (k)

34

38

40

42

50

L2

Nmero de lugares de consulta

100

250

400

350

500

L2a

Equivalente (k) [L2x40 /lugar]

10

16

14

20

L3

Custo equivalente (k) [L1-L2a]

30

28

24

28

30

L4

Ordenao final

4/5 2/3

2/3 4/5

Antes de prosseguir, duas notas importantes:

- O custo equivalente no tem verdadeiro significado monetrio, servindo apenas para
realizar a comparao de alternativas;
- A hiptese de que a taxa de substituio de referncia constante em todo o espao
de deciso pode no se verificar, e no se verifica em muitas situaes 2 . Nessas
1
2

O leitor poder experimentar outros valores para a taxa de referncia e verificar por si prprio que a
deciso preferida se altera de forma consistente.
O valor atribudo a 1 lugar adicional normalmente maior quando h poucos lugares (P1 vs P2),
diminuindo medida que o nmero de lugares aumenta.
8 de 23

Ajuda multicritrio deciso introduo

Manuel Matos

circunstncias, este modelo linear no seria apropriado. Voltaremos a este assunto

mais tarde (4.2.2).
A generalizao desta abordagem para trs ou mais critrios imediata, desde que se
defina um atributo de referncia (no exemplo, foi o custo em euros) e se estabeleam taxas
de substituio para todos os outros atributos 1 . Por exemplo, no problema da Tabela 1,
usar-se-ia uma funo de agregao (custo equivalente):
f(pi)= f(Custo, Sem, Qual)= Custo + .Semanas - .Qualidade

Note-se o sinal positivo da parcela correspondente ao nmero de semanas do prazo (tem o

mesmo sentido de preferncia do custo, pois o interesse minimizar) e o sinal negativo
associado aos nveis de qualidade (a maximizar, tal como o nmero de lugares no exemplo
anterior). Saliente-se tambm que se admite que, na qualidade tcnica, os sucessivos
escales correspondem a diferenas iguais na qualidade, podendo assim ser considerados
como uma pontuao sobre a qual podem ser realizadas operaes numricas.
Como exerccio, o leitor poder verificar que, com taxas de compensao =5 k/semana e
=8 k/escalo, a opo escolhida p6, com um custo equivalente de 156 k:
Esta situao ocasionada pelo prazo muito baixo (4 semanas) de p6, que compensa o
facto do seu custo ser dos mais elevados. Em relao a p4, por exemplo, p6 tem uma
diferena de 12 semanas (16-4), o que corresponde a .12=60 k a seu favor neste atributo,
contra 40 k a favor de p4 no custo. Como as duas alternativas so iguais no terceiro
critrio, a diferena final de 20 k (60-40) a favor de p6.
3.5. Interpretao grfica
Regressando ao exemplo a duas dimenses da Tabela 2, atente-se na Figura 4, onde se
marcou uma linha cuja inclinao corresponde taxa de substituio de referncia de
40/lugar 2 , pelo que todos os seus pontos tm o mesmo custo equivalente (22 k), de
acordo com a frmula da seco 3.4. Designa-se uma linha como esta, em que todos os
pontos tm o mesmo valor global, por curva de indiferena (no caso, recta de
indiferena), uma vez que o Agente de Deciso forosamente indiferente entre todos os
pontos.
Na verdade, fica definida uma famlia de rectas de indiferena 3 , paralelas que se
desenhou, sempre correspondendo taxa de substituio indicada, mas com um custo
equivalente que vai diminuindo medida que nos aproximamos do canto preferido. o
que se pode ver na Figura 5, onde esto desenhadas rectas de indiferena para diversos
valores do custo equivalente, em milhares de euros.

1
2
3

Naturalmente, apenas quando a hiptese de que as taxas so constantes for aceitvel.

A recta passa nos pontos (200, 30) e (600, 46), ou seja, 400 lugares (600-200) correspondem a 16000
(46-30).
Trata-se de uma representao semelhante que se usa nos mapas cartogrficos, onde pontos de igual
altitude so ligados por curvas de nvel. Neste caso, poderemos dizer que se trata do nvel de satisfao do
AD, ou, como veremos a seguir, do valor atribudo s alternativas.
9 de 23

Ajuda multicritrio deciso introduo

Manuel Matos

600
P5

N Lugares

500

40 /lugar

400
P3

P4

300
200

P2

100

P1

0
30

35

40

45

50

55

Custo (k)

Figura 4 Taxa de substituio de referncia de 40 /lugar

600
14

N Lugares

500

22

400

18
26

300
200
100
0
30

35

40

45

50

55

Custo (k)

Figura 5 Rectas de indiferena para 40 /lugar

Com base nesta representao, fcil concluir que o ponto onde passar a recta de
indiferena de menor custo equivalente P3, como se esperava. Tambm se v que P2 e
P4 aparecem empatadas em 2 lugar e que P1 e P5 esto empatadas no ltimo lugar.
V-se assim que a funo de agregao da seco 3.4 (funo linear nos atributos) conduz
a curvas de indiferena lineares. Veremos mais tarde (4.3.4) que funes mais complexas
conduzem a curvas de indiferena no-lineares.
3.6. Preferncias do Agente de Deciso
Comparem-se agora as figuras seguintes com a Figura 4, para observar a influncia da
alterao da taxa de substituio de referncia na inclinao das rectas de indiferena e,
consequentemente, nas ordenao preferida das alternativas. Na Figura 6, o valor de
referncia 12 /lugar, ou seja, valoriza-se bastante menos do que anteriormente o nmero
de lugares, o que o mesmo que dizer que se d maior importncia ao factor custo do que
anteriormente. Com estas rectas de indiferena, fcil concluir que o novo ponto preferido
P1, o que est de acordo com a reflexo anterior 1 .
1

O leitor deve confirmar a concluso patente na figura, repetindo os clculos da Tabela 3 com a nova taxa.
10 de 23

Ajuda multicritrio deciso introduo

Manuel Matos

600
12 /lugar

P5

N Lugares

500
400
P3

P4

300
200

P2

100

P1

0
30

35

40

45

50

55

Custo (k)

Figura 6 Taxa de substituio de 12 /lugar

Percebemos deste modo que diferentes taxas de substituio correspondem a diferentes

valorizaes da importncia dos critrios, definindo, de certo modo, a estrutura de
preferncias do Agente de Deciso. Na verdade, o segundo AD, ao estabelecer o valor de
12 /lugar, mostra dar mais importncia ao custo do que o AD anterior (40 /lugar). No
limite, um AD que apenas quisesse ter em conta o custo estabeleceria = 0 /lugar, ao que
corresponderia uma recta de indiferena vertical, sendo a ordenao das alternativas
realizada apenas pelo custo, sem influncia do nmero de lugares.
Em sentido contrrio, um AD que privilegiasse o nmero de lugares tenderia a estabelecer
um valor elevado para a taxa de substituio. A Figura 7 mostra uma dessas situaes,
correspondente a = 150 /lugar, na qual a alternativa preferida seria P51. A situao
limite seria, neste caso, um valor infinito de , com uma recta de indiferena horizontal.
600
150 /lugar

N Lugares

500

P5

400
P3

P4

300
200

P2

100

P1

0
30

35

40

45

50

55

Custo (k)

Figura 7 Taxa de substituio de 150 /lugar

Duas notas finais sobre este modelo simplificado de representao das preferncias do
Agente de Deciso, com base no exemplo:
- Diferentes valores de podem conduzir mesma ordenao e, ainda mais, mesma
escolha da alternativa preferida. Na verdade, quando <20 a opo escolhida
11 de 23

Ajuda multicritrio deciso introduo

Manuel Matos

sempre P1, no intervalo 20<<100 a hiptese preferida sempre P3 e se >100 a

alternativa escolhida sempre P5 1 . Os valores =20 e =100 correspondem a
situaes de empate para o 1 lugar;
H duas alternativas que, por motivos diferentes, nunca ficam em 1 lugar. A
primeira P4, ordenada sempre depois de P3, uma vez que dominada por esta. No
entanto, esta alternativa no deve ser excluda das ordenaes, podendo at ficar em
2 lugar. A segunda P2, que no dominada mas perde sempre, ou para P1, ou
para P3. Isto deve-se ao modelo linear utilizado e ao facto de P2 no pertencer
envolvente convexa do conjunto das solues eficientes 2 .

3.7. Concluses
Neste captulo mostrou-se como possvel organizar a avaliao de alternativas em
situaes em que existem taxas de substituio constantes entre atributos. Viu-se como,
nessas circunstncias, podemos construir uma funo agregada de avaliao com base nas
taxas de substituio de referncia (que representam as preferncias do AD) e usar essa
funo para escolher uma alternativa ou ordenar todas as alternativas. Vimos tambm
como h uma correspondncia directa entre essa funo e as rectas de indiferena que
tambm definem as preferncias do Agente de Deciso.
Tendo-se falado da variao da importncia dos critrios entre diferentes AD, surge
naturalmente a questo da concretizao dessa importncia em termos numricos. Em
linguagem corrente, perguntar-se-ia quais os pesos dos critrios que foram utilizados nas
Figuras 4, 6 e 7. Veremos, no captulo seguinte, que esta pergunta no tem sentido se no
se definirem previamente as escalas e gamas de valores dos diferentes atributos, o que
significa, tambm, que h diferentes respostas (todas aceitveis) quando essas escalas e
gamas de valores so diferentes. Pelo contrrio, as taxas de substituio tm significado em
si (e.g. 40 /lugar), independentemente de quaisquer outros parmetros da metodologia de
deciso, pelo que prefervel a sua utilizao.

4. Construo de funes de valor

4.1. Introduo
Apresentam-se, neste captulo, as linhas gerais da teoria clssica de deciso que se referem
existncia, construo e utilizao de funes de valor. Dado o carcter do texto, no se
insistir na matria terica, que pode ser vista na bibliografia, optando-se antes por uma
abordagem baseada na discusso do exemplo que temos vindo a utilizar.
No estando no mbito deste texto o tpico da deciso em ambiente incerto (onde as
consequncias das decises no so conhecidas exactamente, embora se consigam
descrever em termos de distribuies de probabilidade ou outro processo formal de
descrio da incerteza), no abordaremos a Teoria da Utilidade, que tem muitos pontos de
contacto com aquilo que vamos abordar. Tem que se referir, no entanto, que, dadas as
semelhanas formais das duas teorias, comum encontrar-se o termo funo utilidade
1

Nos intervalos indicados, a ordenao de todas as alternativas no sempre a mesma (apenas a alternativa
preferida), mas tambm se podem identificar intervalos de onde as ordenaes se mantm.
Esta situao pode ser bastante inconveniente quando as solues esto muito extremadas, e alternativas
como P2 constituem uma boa soluo de compromisso que a metodologia exclui de forma nem sempre
evidente para o AD.
12 de 23

Ajuda multicritrio deciso introduo

Manuel Matos

determinstica (ou mesmo apenas funo utilidade) como sinnimo de funo de

valor.
Para o que nos ocupa, o ponto de partida o teorema de existncia. Para um conjunto de
alternativas A, B, etc, definidas pelos seus valores numricos nos vrios critrios 1 , o
teorema estabelece que, se se verificarem certas condies relativamente simples, existe
uma funo de valor v com as seguintes propriedades:
v(A)>v(B) sse AfB
v(A)=v(B) sse A~B

Ou seja, a cada alternativa A atribudo um valor v(A) calculado em funo dos

atributos de A que pode ser usado para ordenar as alternativas, uma vez que, se uma
alternativa tem mais valor do que outra, fica obrigatoriamente frente na ordenao, e
vice-versa (1 condio). Por outro lado, duas alternativas indiferentes 2 tero forosamente
o mesmo valor, e vice-versa (2 condio).
O teorema de existncia portanto a base para todo o processo operacional que se segue,
mas infelizmente no nos ensina a construir a funo de valor. Existem, entretanto,
condies adicionais que facilitam essa tarefa, ao permitirem a utilizao de um modelo
aditivo para a funo, como o que se indica a seguir para o caso em que h m atributos:
v(A) = k1.v1(a1)+ k2.v2(a2)+...+ km.vm(am)

As condies mencionadas, que podem ser vistas na bibliografia, referem-se sobretudo

independncia preferencial dos critrios (as preferncias num critrio ou grupo de critrios
no so afectadas pelo nvel de satisfao nos outros critrios) e, no caso de apenas dois
atributos, compensao de valor (a mesma diminuio de valor num critrio sempre
compensada pelo mesmo aumento de valor no outro). Dado o carcter do presente texto,
vamos supor que estas condies se verificam sempre, mas, em aplicaes reais,
conveniente no esquecer a necessidade de as verificar, sob pena de se construrem funes
que produzem resultados mas no representam realmente as preferncias do Agente de
Deciso.
Regressando expresso, notamos que h uma decomposio em relao aos atributos:
cada parcela da soma depende apenas da funo de valor individual do atributo respectivo,
vi(ai), multiplicada por um parmetro ki associado ao atributo. Note-se que as funes
individuais podem assumir diversas formas, como se ver, nada obrigando a que sejam
lineares. Por outro lado, esclarea-se que a designao de pesos ou ponderaes,
muitas vezes utilizada para designar os parmetros k1, k2, etc., geradora de equvocos,
uma vez que, na formulao apresentada, os parmetros pesam as funes de valor
individuais e no os atributos.
Finalmente, note-se que, em face do seu significado na linguagem corrente, o valor
medido pela funo crescente com a satisfao, o que nem sempre sucede com as funes
agregadas de avaliao (cf. 3.4) que podem ser a maximizar ou a minimizar, consoante
representam um benefcio ou um custo equivalente. Por outro lado, a escala de valor pode
1
2

Por exemplo, com quatro critrios, A=(a1, a2, a3, a4).

Mas que no tm que ser iguais em termos dos critrios (cf. Figura 4, onde P2 e P4 pertencem mesma
recta de indiferena, o que significa que v(P2)=v(P4)).
13 de 23

Ajuda multicritrio deciso introduo

Manuel Matos

ser uma qualquer, mas habitual usar-se uma escala normalizada entre 0 e 1, quer nas
funes individuais vi(ai), quer na funo de valor de valor multiatributo v(A) 1 . Um
ponto importante que o valor v no tem significado em si, sendo apenas um instrumento
para a ordenao das alternativas, quando se comparam os respectivos valores.
4.2. Funes de valor individuais
As funes de valor individuais reflectem a variao da preferncia do AD ao longo da
gama de valores em causa. Supondo um atributo a maximizar, como o nmero de lugares
no exemplo da Tabela 2, comecemos por analisar a situao em que um dado aumento do
atributo ocasiona sempre o mesmo aumento de satisfao por parte do AD.
4.2.1. Funes lineares
o que se representa na Figura 8, onde se pode ver que passar de 100 para 200 lugares
(+100) ocasiona um aumento de valor de 0 para 0.25 (+0.25), o mesmo sucedendo, por
exemplo, ao passar de 400 para 500 lugares (+100), em que o valor aumenta de 0.75 para
1.0 (+0.25).
1

Valor

0.75
0.5
0.25
0
100

200

300

400

500

N Lugares

Figura 8 Funo de valor linear para o atributo Nmero de lugares de consulta

Temos, portanto, um andamento linear, correspondente funo (onde n o nmero de

lugares):
v N (n ) =

n 100
= 0.0025 (n 100)
500 100

Isto corresponde ao que costuma designar-se por normalizao, ou seja, uma mudana de
escala de forma a que todos os valores se passem a encontrar no intervalo [0 1]. Repare-se
que, neste caso, se fixaram arbitrariamente os extremos em 100 e 500 lugares, fazendo-os
corresponder respectivamente aos valores 1 e 0, o que mostra que a normalizao no
nica, sendo possvel, por exemplo, limitarmo-nos a dividir o atributo por 500, ou definir
limites diferentes para o atributo, como 0 e 1000. Em consequncia, no basta dizer que se
normalizou para caracterizar o processo.
1

Tambm frequente, para evitar nmeros decimais, multiplicar-se a escala por 20 ou 100. Estas operaes,
ou mesmo a adio de uma constante ao valor de todas as alternativas, no afectam a ordenao, que a
mesma em todas as circunstncias, nem a obrigatria igualdade de valor entre alternativas indiferentes.
14 de 23

Ajuda multicritrio deciso introduo

Manuel Matos

Atente-se agora na Figura 9, onde se mostra uma funo de valor linear para o custo. Neste
caso a funo decrescente, uma vez que o atributo a minimizar, mas mantm-se a
caracterstica de que iguais variaes no custo correspondem a iguais variaes no valor
(+5 k provocam sempre uma diminuio de valor de 0.25).
1

Valor

0.75
0.5
0.25
0
30

35

40

45

50

Custo (k)

Figura 9 - Funo de valor linear para o atributo Custo

A expresso matemtica da funo , neste caso (c o custo em k):

v C (c) =

50 c
= 0.05 (50 c)
50 30

Mais uma vez se salienta que os limites de 30 e 50 so arbitrrios, podendo ter-se utilizado
outros. Como veremos na seco 3.4, essa arbitrariedade desaparece com a definio dos
parmetros ki da funo de valor multiatributo, que sero diferentes consoante as gamas do
atributo utilizadas, de forma a conduzir sempre ao mesmo resultado final em termos de
ordenao. Isto significa, tambm, que as escalas de valor da Figura 8 ou da Figura 9 so
individuais e no esto harmonizadas, no podendo portanto, nesta fase, ser comparadas ou
agregadas. Da o uso dos ndices N e C na definio das funes.
4.2.2. Funes exponenciais
Voltemos agora ao atributo nmero de lugares de consulta, para o qual se construiu a
funo de valor linear representada na Figura 8, na suposio de que a variao da
satisfao era linear com o nmero de lugares.
Imaginemos que nos apercebemos que o Agente de Deciso no concorda com esse
pressuposto, indicando-nos que valoriza muito mais o aumento do nmero de lugares
quando h poucos do que quando h bastantes. Por exemplo, o AD indica-nos que valoriza
muito mais o aumento de 100 para 300 lugares do que o aumento de 300 para 500 (embora
o aumento seja o mesmo em valor absoluto: 200 lugares). Isso significa que a funo da
Figura 8 no representa adequadamente as preferncias do AD e no pode ser utilizada.
Repare-se, em contrapartida, na funo quadrtica da Figura 10, mais de acordo com as
indicaes do AD. Na verdade, o aumento de valor, ao passar de 100 para 300 :

15 de 23

Ajuda multicritrio deciso introduo

Manuel Matos

v(300)-v(100) = 0.75 0 = 0.75

enquanto que o aumento de valor ao passar de 300 para 500 :

v(500)-v(300) = 1 0.75 = 0.25

ou seja, trs vezes menor. Naturalmente, seria preciso confirmar junto do AD que esta seria
uma funo apropriada.
1

Valor

0.75
0.5
0.25
0
100

200

300

400

500

N Lugares

Figura 10 Funo quadrtica para a valorizao do nmero de lugares

Apesar do interesse da funo quadrtica utilizada, a necessidade de responder a diferentes

variaes da satisfao ao longo da escala do atributo aconselha o uso, para este efeito, de
funes exponenciais, que podem variar a sua forma atravs de um nico parmetro a.
1

Valor

0.75

a=-2

0.5

a=-5

0.25
0
100

200

300

400

500

N Lugares

Figura 11 Funes de valor exponenciais cncavas

Assim, na Figura 11 podem ver-se duas funes que correspondem a uma maior (a=-5) ou
menor (a=-2) preocupao do AD em se afastar dos valores piores da escala do atributo.
possvel, portanto, adequar a funo ao AD por ajuste do parmetro a.
Entretanto, pode acontecer que o AD estivesse sobretudo interessado manter-se prximo
do melhor valor possvel para o atributo, no fazendo grande distino entre alternativas
16 de 23

Ajuda multicritrio deciso introduo

Manuel Matos

com baixo nmero de lugares de consulta. Nesse caso, as funes apropriadas seriam as da
Figura 12, onde mais uma vez o parmetro a (agora positivo) permite adequar a forma da
funo maior ou menor preocupao do AD em manter-se na proximidade dos melhores
valores.

Valor

0.75

a=1

0.5

a=4
0.25
0
100

200

300

400

500

N Lugares

Figura 12 - Funes de valor exponenciais convexas

A expresso matemtica das funes exponenciais , para este caso (maximizao):

v N(n) =

ea.x 1
e

, onde x =

n 100
500 100

Repare-se que a transformao de varivel corresponde exactamente normalizao antes

utilizada para obter uma funo linear. No caso de um atributo de minimizao, o
procedimento semelhante, variando apenas a transformao de varivel, que passaria a
ser a que se usou anteriormente para vC.
4.2.3. Outras funes
Os dois casos anteriores (funes lineares e funes exponenciais) cobrem a generalidade
das necessidades de modelizao das preferncias do Agente de Deciso. As funes
exponenciais, apesar da sua aparente complexidade de clculo, substituem com vantagem
as funes polinomiais, sobretudo pela flexibilidade que resulta da sua convexidade poder
ser ajustada atravs do parmetro a.
Devem referir-se, no entanto, alguns casos especiais, como a funo v(x) = x min x ,
bastante usada em atributos a minimizar (mas que no muito diferente de uma funo
exponencial com a>0), ou a funo logartmica. Por outro lado, so de afastar funes em
degrau, como a da Figura 13, pelas descontinuidades artificiais que introduzem na
representao das preferncias do AD, provocando grandes diferenas de valorizao entre
alternativas semelhantes (por exemplo, na funo da figura, v(299)=0.5 e v(301)=0.75).

17 de 23

Ajuda multicritrio deciso introduo

Manuel Matos

Valor

0.75
0.5
0.25
0
100

200

300

400

500

N Lugares

Figura 13 Funo de valor em degraus (a evitar!)

4.3. Funo de valor global (multiatributo)

Uma vez definidas as funes de valor individuais, coloca-se o problema da obteno dos
parmetros ki da funo de valor multiatributo aditiva:
v(A) = k1.v1(a1)+ k2.v2(a2)+...+ km.vm(am)

ou, no caso que temos vindo a estudar:

v(c,n) = kC.vC(c)+ kN.vN(n)

Um erro frequente pensar-se que os valores dos parmetros ki so fixados directamente

pelo AD, com base na importncia relativa dos critrios. Por exemplo, o AD indicaria que
o custo trs vezes mais importante do que o nmero de lugares, resultando kC=0.75 e
kN=0.25. Ora este tipo de afirmaes do AD refere-se sua ideia geral sobre os critrios,
sem atender s gamas de valores utilizadas para definir as funes de valor individuais, que
como vimos podem ser arbitrariamente modificadas 1 .
O processo correcto de fixao dos parmetros consiste na obteno de um julgamento de
indiferena entre duas alternativas (reais ou fictcias), seguido de um processo de clculo
dos valores dos parmetros.
4.3.1. Julgamento de indiferena
Normalmente, o AD no est preparado para apresentar duas alternativas A e B entre as
quais indiferente (A~B), mas o processo seguinte permite chegar a essa situao.
a) Apresentamos ao AD duas alternativas extremas {por exemplo P1 e P5};
b) O AD, ou indiferente, ou prefere uma delas {por exemplo, prefere P5};
c) Mantemos a melhor das duas {P5} e melhoramos a outra {P1=(34, 250)};
1

A fixao directa s se admite se a valorizao em todos os atributos usa uma escala comum sem
ambiguidades, como o caso das classificaes escolares, onde se podem pesar, por exemplo, a
classificao de um trabalho e de um exame, ambas definidas na escala de valor tradicional (em Portugal)
0-20.
18 de 23

Ajuda multicritrio deciso introduo

Manuel Matos

d) O AD, ou indiferente, ou mantm a preferncia (teremos que melhorar mais P1),

ou inverte a preferncia (teremos que reduzir a melhoria anterior);
{Supondo que o AD inverteu a preferncia (P1fP5): P1=(34, 180)}
e) Prosseguir at indiferena {vamos admitir que P1~P5}.
Repare-se que este processo, que admite variantes (como piorar a melhor das duas
iniciais), conduz garantidamente a uma indiferena.
4.3.2. Clculo dos parmetros
O clculo dos parmetros baseia-se na condio, j anteriormente expressa:
v(A)=v(B) sse A~B

Ou seja, se h indiferena entre duas alternativas, o valor global delas tem que ser igual.
Aplicando ao nosso exemplo, com o julgamento obtido na seco anterior, teremos:
v(34, 180) = v(50, 500)

ou seja, usando as expresses completas

kC.vC(34)+ kN.vN(180)= kC.vC(50)+ kN.vN(500)

Partindo agora do princpio que as funes individuais so lineares (cf. 4.2.1) teramos,
aplicando as frmulas respectivas:
vC(34)=0.8, vN(180)=0.2, vC(50)=0, vN(500)=1

e, substituindo atrs,
ou

0.8 kC + 0.2 kN = kN
0.8 kC - 0.8 kN = 0
kC - kN = 0

Esta equao, conjugada com a condio kC+kN=1, permite calcular os valores dos
parmetros que, com as funes individuais utilizadas, exprimem a indiferena
identificada:
kC=0.5 e kN=0.5

tendo-se realmente
e
donde

v(34,180) = kC.vC(34)+ kN.vN(180)=0.5x0.8+0.5x0.2=0.5

v(50,500) = kC.vC(50)+ kN.vN(500)=0.5x0+0.5x1=0.5
v(34,180) = v(50,500)

A funo de valor multiatributo ser portanto, para uma alternativa genrica A=(c, n), de
19 de 23

Ajuda multicritrio deciso introduo

Manuel Matos

custo c e nmero de lugares n:

v(c, n ) = 0.5 v C (c) + 0.5 v N (n ) = 0.5

50 c
n 100
+ 0.5
50 30
500 100

Isto conclui o processo de construo da funo de valor, que pode agora ser aplicada s
alternativas, como se descrever na prxima seco. No entanto, trs aspectos merecem ser
salientados neste ponto.
Primeiro, os valores dos parmetros acabaram por corresponder ao que habitualmente se
descreve como pesos iguais (50% para cada critrio), mas h que ter conscincia que
isso sucede com as funes de valor individuais que se utilizaram (lineares), com as gamas
que se consideraram no processo de linearizao. Fossem outras as gamas e os valores dos
parmetros seriam diferentes, mantendo-se a estrutura de preferncias do AD e o
julgamento de indiferena que ele estabeleceu. O leitor convidado a experimentar repetir
o processo com gamas diferentes (por exemplo linearizando o custo entre 20 e 60), para
verificar que os parmetros so diferentes mas que a ordenao e distncias relativas das
alternativas se mantm.
Segundo, o julgamento (34, 180)~(50, 500) tem implcita uma taxa de substituio de:
=

50 34
16
=
= 0.05 k / lugar = 50 / lugar
500 180
320

que constante em todo o espao de deciso, uma vez que se utilizaram funes lineares.
Esta constatao permite compreender que a metodologia baseada em taxas de substituio
que se apresentou inicialmente (seco 3) corresponde exactamente ao uso de uma funo
de valor aditiva linear, com curvas de indiferena do tipo das apresentadas na Figura 5. Na
abordagem da seco 3, a inclinao das rectas (e portanto a ordenao final) depende da
taxa de substituio, enquanto na metodologia com funes de valor depende das
alternativas indicadas como indiferentes (o que tem implcita uma taxa de substituio.
Terceiro, a taxa de substituio define-se entre valores de atributos, enquanto que os
parmetros ki se definem entre funes de valor. No caso linear, seria possvel calcular
pesos dos atributos (nas suas escalas originais), mas os valores obtidos podem ser
perturbadores, uma vez que a importncia fica misturada com factores de escala 1 . Se se
usar pelo menos uma funo no-linear, a taxa de compensao indicada s vlida entre
as alternativas indicadas (cf. mais frente, 4.3.4), pelo que nem sequer faria sentido falarse de pesos entre atributos.
4.3.3. Aplicao da funo de valor multiatributo
Dadas as suas caractersticas, a aplicao da funo de valor multiatributo no oferece
quaisquer dificuldades. Os clculos detalhados na Tabela 4, onde se apresentam (linhas
L1a e L2a) os resultados das funes de valor individuais e tambm (linha L3) o resultado
final, mostram que a alternativa P3 a preferida por este AD, seguindo-se as restantes de
1

Para o AD do exemplo que temos vindo a seguir, 1 lugar corresponde a 50 , o que corresponde a pesos
normalizados para o custo e nmero de lugares de respectivamente 1/51 (2%) e 50/51 (98%). No entanto,
se o custo fosse expresso em k, os pesos passariam a ser respectivamente 1000/1050 (95.2%) e 50/1050
(4.8%). O leitor tirar as suas concluses...
20 de 23

Ajuda multicritrio deciso introduo

Manuel Matos

acordo com o seu valor global, resultando a ordenao indicada na linha L4.
O leitor convidado a repetir o exerccio com diferentes funes de valor individuais
(recalculando sempre os parmetros), sejam lineares com outras gamas de definio, sejam
exponenciais.
Tabela 4 Aplicao da funo de valor multiatributo
Projectos
Critrios
P1
P2
P3
P4

linha

P5

L1

Custo (k)

34

38

40

42

50

L2

Nmero de lugares de consulta

100

250

400

350

500

L1a

Valor do custo

0.8

0.6

0.5

0.4

L2a

Valor do nmero de lugares

0.38 0.75 0.63

L3

Valor global [kC.L1a + kN.L2a]

L4

ordenao

0.40 0.49 0.63 0.51 0.50

5

4.3.4. Curvas de indiferena

Embora no seja indispensvel para a avaliao das alternativas (e constitua um processo
algo trabalhoso), bastante instrutivo fazer o traado das curvas de indiferena. Na Figura
14 podem ver-se as curvas (neste caso rectas, como j se tinha salientado na seco 3.5)
correspondentes ao exemplo que temos vindo a analisar, estando tambm marcados (sem
legenda) os pontos que representam os cinco projectos em causa. O leitor poder comparar
os valores da Tabela 4 com a situao das alternativas em relao s rectas de indiferena,
em alguns casos exactamente (p.ex. P1 e P5 esto sobre rectas de indiferena), nos outros
aproximadamente (p.ex. P2 est ligeiramente abaixo da recta 0.5, sendo v(P2)=0.49).
600
0.8

N Lugares

500

0.9
0.5

400

0.7

0.4

300
0.6
200
100
0
30

35

40

45

50

55

Custo (k)

Figura 14 Curvas de indiferena (ambas as funes lineares)

Sem dar os detalhes dos clculos, considere-se agora uma nova situao, em que a
valorizao dos nmero de lugares segue uma funo exponencial cncava intermdia s
da Figura 11 (a=-4). Nessas circunstncias, e supondo que o julgamento de indiferena era
o mesmo que se utilizou anteriormente 1 , obter-se-ia, seguindo o processo de clculo de
parmetros exposto na seco 4.3.2, kC=0.354 e kN=0.646.
1

Ou seja, (34, 180) ~(50, 500), o que implica v(34,180)=v(50,500)

21 de 23

Ajuda multicritrio deciso introduo

Manuel Matos

600

N Lugares

500
400

0.7
0.9

300

0.8

0.6
0.5

200

0.4

100
0
30

35

40

45

50

55

Custo (k)

Figura 15 Curvas de indiferena (v1 linear, v2 exponencial com a=-4)

As curvas de indiferena correspondentes, desenhadas na Figura 15, so agora claramente

no-lineares, conduzindo tambm a uma ordenao diferente, como o leitor poder
verificar. A alternativa P1, por exemplo, bastante penalizada por ter o valor mnimo no
atributo nmero de lugares de consulta, em virtude da nova funo de valor usada para
esse atributo.
Finalmente, repare-se que as taxas de substituio no so agora constantes, como
acontecia anteriormente. Na zona de baixo nmero de lugares, um pequeno aumento do
nmero de lugares compensa um grande aumento de custo (as curvas de indiferena so
pouco inclinadas). Pelo contrrio, na zona de elevado nmero de lugares, um grande
aumento do nmero de lugares apenas compensa um pequeno aumento de custo. Isto
corresponde a uma variao gradual de atitude do AD, quando aumenta o nmero de
lugares, desde aquela representada na Figura 7 at da Figura 6, variao frequente em
problemas de deciso reais. A utilizao de funes de valor multiatributo no-lineares
permite assim modelizar adequadamente este tipo de estrutura de preferncias, onde,
insiste-se, no faz sentido falar de pesos dos critrios, uma vez que os parmetros ki
sero, quando muito, pesos das funes de valor.

5. Concluses
A utilizao de modelos formais de deciso, nem sempre muito complexos do ponto de
vista matemtico, permite organizar de forma consistente processos de seleco ou
ordenao de alternativas cuja avaliao exige a considerao de mltiplos pontos de vista.
As metodologias simples apresentadas neste texto so suficientes para a maior parte dos
problemas onde se pretende seguir a abordagem clssica baseada em funes aditivas.
Salienta-se, no entanto, que as condies de aplicabilidade desta abordagem (que no
discutimos no texto) nem sempre esto satisfeitas, o que pode exigir metodologias mais
complexas. Por outro lado, h outras perspectivas sobre a ajuda deciso, no
contempladas neste texto, que podem ser uma boa alternativa metodolgica em muitas
circunstncias. A bibliografia indicada a seguir abarca estes dois aspectos.

22 de 23

Ajuda multicritrio deciso introduo

Manuel Matos

6. Bibliografia
Robert T Clemen, Making hard decisions with decision tools. 2nd rev. ed. . Pacific Grove, CA: Duxbury
Press , 2001.
Ralph L. Keeney e Howard Raiffa. Decisions with Multiple Objectives: preferences and Value Tradeoffs.
New York: John Wiley & Sons. 1976.
Ralph L. Keeney. Value Focused Thinking. Cambridge, MA: Harvard University Press. 1996.
Bernard Roy e Denis Bouyssou. Aide multicritre la dcision: mthodes et cas. Paris: Econmica. 1993.

23 de 23