Você está na página 1de 43

See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/319504787

MCDA-06-ELECTRE TRI

Method · September 2017


DOI: 10.13140/RG.2.2.34003.48167

CITATIONS READS

0 877

1 author:

Valdecy Pereira
Universidade Federal Fluminense
151 PUBLICATIONS   371 CITATIONS   

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Operations Research View project

MCDA - Multicriteria Decision Aid View project

All content following this page was uploaded by Valdecy Pereira on 06 September 2017.

The user has requested enhancement of the downloaded file.


UFF - UNIVERSIDADE FEDERAL FLUMINENSE

Programa de Pós-Graduação em Engenharia de Produção

Disciplina: Auxílio Multicritério à Decisão

ELECTRE Tri

Professor: Valdecy Pereira, D. Sc.


email: valdecy.pereira@gmail.com
ELECTRE TRI
O Método ELECTRE TRI pertence à família ELECTRE e
caracteriza-se por tratar de problemas específicos de
classificação ordenada.
Então, dado um conjunto de 𝑋 = { 𝑥1 , 𝑥2 , 𝑥3 , . . } de
alternativas, associa-as a um conjunto de categorias ou
classes ordenadas 𝐶 = {𝐶1, 𝐶2, … , 𝐶ℎ + 1} considerando o
desempenho de 𝑋 a luz de um conjunto de critérios 𝐺 =
{𝑔1, 𝑔2, … , 𝑔𝑗}.
As classes são delimitadas por limites superiores e limites
inferiores 𝑏ℎ.
ELECTRE TRI
A relação de sobreclassificação é construída para
tornar possível a comparação de uma alternativa 𝑥𝑖
com um limite padrão𝑏ℎ. A afirmação de que 𝑥𝑖 > 𝑏ℎ ,
significa que: 𝑥𝑖 é ao menos tão boa quanto 𝑏𝑞 . Na
validação da afirmação 𝑥𝑖 > 𝑏ℎ devem-se verificar
duas condições:
• Concordância: para que 𝑥𝑖 > 𝑏ℎ seja aceita, uma
maioria suficiente de critérios deve ser a favor desta
afirmação.
• Não-discordância: quando na condição de
concordância esperada, nenhum dos critérios na
minoria deve se opor à afirmação 𝑥𝑖 > 𝑏ℎ.
ELECTRE TRI
Também devem ser considerados dois tipos de parâmetros
associados aos de critérios intervém na construção da
afirmação 𝑥𝑖 > 𝑏ℎ:
• O conjunto de coeficientes dos pesos ou importância
(𝑊1, 𝑊2, … , 𝑊𝑗), usado no teste de concordância quando
se computa a importância relativa da união dos critérios
que são a favor da afirmação 𝑥𝑖 > 𝑏ℎ.
• O conjunto de limites de veto: 𝑣1, 𝑣2, … , 𝑣𝑗, é usado no
teste de discordância. O veto representa a menor diferença
𝑔𝑗(𝑏ℎ) − 𝑔𝑗(𝑥𝑖 ) incompatível com a afirmação 𝑥𝑖 > 𝑏ℎ.
ELECTRE TRI
Para ℎ classes é preciso definir ℎ − 1 fronteiras. Então
se quisermos ter 5 classes, necessitaríamos de 4
fronteiras:
g1 g2 g3

b1 2 5 3

b2 8 7 13

b3 15 15 18

b4 22 20 20
g1 g2 g3

25
C1 24
23
22
21
20
19
C2
18
17
16
15
14
13
12
C3
11
10
09
08
07
C4 06
05
04
03
02
C5 01
ELECTRE TRI

Notação Básica
𝑥𝑖 = Alternativa 𝑖;
𝑏ℎ = Fronteira de classes ℎ;
𝑐𝑗 (𝑥𝑖 , 𝑏ℎ ) = Concordância parcial entre alternativa e classe;
𝑐𝑗 𝑏ℎ , 𝑥𝑖 = Concordância parcial entre classe e alternativa;
𝐶(𝑥𝑖 , 𝑏ℎ ) = Concordância global entre alternativa e classe;
𝐶 𝑏ℎ , 𝑥𝑖 = Concordância global entre classe e alternativa;
𝐷𝑗 (𝑥𝑖 , 𝑏ℎ ) = Discordância parcial entre alternativa e classe;
𝐷𝑗 𝑏ℎ , 𝑥𝑖 = Discordância parcial entre classe e alternativa;
𝜎(𝑥𝑖 , 𝑏ℎ ) = Índice de credibilidade entre alternativa e classe;
𝜎 𝑏ℎ , 𝑥𝑖 = Índice de credibilidade entre classe e alternativa;
𝑊𝑗 = Peso do critério 𝑗;
𝑔𝑗 (𝑥𝑖 ) = Desempenho do critério 𝑗 em relação a alternativa 𝑖;
𝑔𝑗 (𝑏ℎ ) = Desempenho do critério 𝑗 em relação a classe ℎ;
𝑝𝑗 = Preferência estrita do critério 𝑗;
𝑞𝑗 = Preferência fraca do critério 𝑗;
𝑣𝑗 = Veto do critério 𝑗;
𝑣𝑗 ≥ 𝑝𝑗 ≥ 𝑞𝑗
λ= Nível de corte, onde 0.5 ≤ λ ≤ 1.
ELECTRE TRI
As restrições a seguir sempre deverão ser obedecidas:

𝑣𝑗 ≥ 𝑝𝑗 ≥ 𝑞𝑗

&

𝑔𝑗 (𝑏ℎ ) ≤ 𝑔𝑗 (𝑏ℎ+1 )
ELECTRE TRI

Concordância Parcial

0, 𝑖𝑓 𝑔𝑗 (𝑏ℎ ) − 𝑔𝑗 (𝑥𝑖 ) ≥ 𝑝𝑗
𝐿
1, 𝑖𝑓 𝑔𝑗 (𝑏ℎ ) − 𝑔𝑗 (𝑥𝑖 ) < 𝑞𝑗
𝑐𝑗 (𝑥𝑖 , 𝑏ℎ ) =
𝐿
𝑝𝑗 − 𝑔𝑗 (𝑏ℎ ) + 𝑔𝑗 (𝑥𝑖 )
, 𝑖𝑓 𝑞𝑗 ≤ 𝑔𝑗 (𝑏ℎ ) − 𝑔𝑗 (𝑥𝑖 ) < 𝑝𝑗
𝑝𝑗 − 𝑞𝑗
ELECTRE TRI

Concordância Parcial

0, 𝑖𝑓 𝑔𝑗 (𝑥𝑖 ) − 𝑔𝑗 (𝑏ℎ ) ≥ 𝑝𝑗
𝐿
1, 𝑖𝑓 𝑔𝑗 (𝑥𝑖 ) − 𝑔𝑗 (𝑏ℎ ) < 𝑞𝑗
𝑐𝑗 (𝑏ℎ , 𝑥𝑖 ) =
𝐿
𝑝𝑗 − 𝑔𝑗 (𝑥𝑖 ) + 𝑔𝑗 (𝑏ℎ )
, 𝑖𝑓 𝑞𝑗 ≤ 𝑔𝑗 (𝑥𝑖 ) − 𝑔𝑗 (𝑏ℎ ) < 𝑝𝑗
𝑝𝑗 − 𝑞𝑗
ELECTRE TRI

Índices de Concordância Global

σ𝑛𝑗=1 𝑊𝑗 𝐶𝑗 (𝑥𝑖 , 𝑏ℎ )
𝐶 𝑥𝑖 , 𝑏ℎ =
σ𝑛𝑗=1 𝑊𝑗

σ𝑛𝑗=1 𝑊𝑗 𝐶𝑗 (𝑏ℎ , 𝑥𝑖 )
𝐶 𝑏ℎ , 𝑥𝑖 =
σ𝑛𝑗=1 𝑊𝑗
ELECTRE TRI

Discordância Parcial

0, 𝑖𝑓 𝑔𝑗 (𝑏ℎ ) − 𝑔𝑗 (𝑥𝑖 ) < 𝑝𝑗


𝐿
1, 𝑖𝑓 𝑔𝑗 (𝑏ℎ ) − 𝑔𝑗 (𝑥𝑖 ) ≥ 𝑣𝑗
𝐷𝑗 (𝑥𝑖 , 𝑏ℎ ) =
𝐿
−𝑝𝑗 − 𝑔𝑗 𝑥𝑖 + 𝑔𝑗 𝑏ℎ
, 𝑖𝑓 𝑝𝑗 ≤ 𝑔𝑗 (𝑏ℎ ) − 𝑔𝑗 (𝑥𝑖 ) < 𝑣𝑗
𝑣𝑗 − 𝑝𝑗
ELECTRE TRI

Discordância Parcial

0, 𝑖𝑓 𝑔𝑗 𝑥𝑖 − 𝑔𝑗 𝑏ℎ < 𝑝𝑗
𝐿
1, 𝑖𝑓 𝑔𝑗 (𝑥𝑖 ) − 𝑔𝑗 (𝑏ℎ ) ≥ 𝑣𝑗
𝐷𝑗 (𝑏ℎ , 𝑥𝑖 ) =
𝐿
−𝑝𝑗 − 𝑔𝑗 𝑏ℎ + 𝑔𝑗 𝑥𝑖
, 𝑖𝑓 𝑝𝑗 ≤ 𝑔𝑗 (𝑥𝑖 ) − 𝑔𝑗 (𝑏ℎ ) < 𝑣𝑗
𝑣𝑗 − 𝑝𝑗
ELECTRE TRI
• O grau de credibilidade da relação de sobreclassificação  expressa até que ponto
𝑥𝑖 > 𝑏𝑞 de acordo com o índice de concordância global 𝐶(𝑥𝑖, 𝑏ℎ ) e com o índice
de discordância 𝐷𝑗(𝑥𝑖, 𝑏ℎ ).O cálculo do índice de credibilidade segue de acordo
com os seguintes princípios:
➢ Quando nenhum critério for discordante, a credibilidade da relação de
sobreclassificação  é igual ao índice de concordância global.
➢ Quando um critério discordante se opõe ao veto para a afirmação 𝑥𝑖 > 𝑏ℎ (por
exemplo, 𝐷𝑗(𝑥𝑖, 𝑏ℎ ) = 1), então o índice de credibilidade (𝑥𝑖, 𝑏ℎ ) torna-se nulo
(a afirmação não é totalmente acreditável).
➢ Quando um critério discordante é tal como 𝐶(𝑥𝑖, 𝑏ℎ ) < 𝐷𝑗(𝑥𝑖, 𝑏ℎ ) < 1, o índice
de credibilidade (𝑥𝑖, 𝑏ℎ ) torna-se mais baixo do que o índice de concordância
𝐶(𝑥𝑖 , 𝑏ℎ ), sendo justo o efeito de oposição deste critério. A conclusão destes
princípios é de que o índice de credibilidade (𝑥𝑖, 𝑏ℎ ) corresponde ao índice de
concordância fraca por um eventual efeito de veto.
ELECTRE TRI

Credibilidade

𝑛
1 − 𝐷𝑗 𝑥𝑖 , 𝑏ℎ
𝐶 𝑥𝑖 , 𝑏ℎ ×ෑ , 𝑖𝑓𝐷𝑗 𝑥𝑖 , 𝑏ℎ > 𝐶 𝑥𝑖 , 𝑏ℎ
1 − 𝐶 𝑥𝑖 , 𝑏ℎ
𝜎 𝑥𝑖 , 𝑏ℎ = 𝑗=1
𝐿
𝐶 𝑥𝑖 , 𝑏ℎ , 𝑂𝑡ℎ𝑒𝑟𝑤𝑖𝑠𝑒
ELECTRE TRI

Credibilidade

𝑛
1 − 𝐷𝑗 𝑏ℎ , 𝑥𝑖
𝐶 𝑏ℎ , 𝑥𝑖 × ෑ , 𝑖𝑓𝐷𝑗 𝑏ℎ , 𝑥𝑖 > 𝐶 𝑏ℎ , 𝑥𝑖
1 − 𝐶 𝑏ℎ , 𝑥𝑖
𝜎 𝑏ℎ , 𝑥𝑖 = 𝑗=1
𝐿
𝐶 𝑏ℎ , 𝑥𝑖 , 𝑂𝑡ℎ𝑒𝑟𝑤𝑖𝑠𝑒
ELECTRE TRI
A tradução de uma relação de sobreclassificação fuzzy é feita
a partir de um nível de corte . Onde  é considerado como o
menor valor do índice de credibilidade compatível com a
afirmação de que 𝑥𝑖 > 𝑏ℎ , isto é, (𝑥𝑖, 𝑏ℎ ) ≥  → 𝑥𝑖 > 𝑏ℎ .
Quando  = 1, então uma alternativa deve superar o valor de
fronteira em cada critério para poder pertencer a uma classe
acima dessa fronteira.
𝜎 𝑥𝑖 , 𝑏ℎ ≥ λ

Sim Não

𝜎 𝑏ℎ , 𝑥𝑖 ≥ λ 𝜎 𝑏ℎ , 𝑥𝑖 ≥ λ

Sim Não Sim Não

𝑥𝑖 𝐼𝑏ℎ 𝑥𝑖 >𝑏ℎ 𝑥𝑖 < 𝑏ℎ 𝑥𝑖 𝑅𝑏ℎ


ELECTRE TRI

Alternatives g1 g2 g3 g4 g5

x1 75 67 85 82 90
x2 28 35 70 90 95
x3 45 60 55 68 60
b1 50 48 55 55 60
b2 70 75 80 75 85
Q 5 5 5 5 10
P 10 10 10 10 10
Veto 30 30 30 30 30
W 1 1 1 1 1
g1 g2 g3 g4 g5 g1 g2 g3 g4 g5
c(x1;b1) 1 1 1 1 1
c(x1;b1) -25 -19 -30 -27 -30
c(x2;b1) 0 0 1 1 1
c(x2;b1) 22 13 -15 -35 -35
c(x3;b1) 1 1 1 1 1
c(x3;b1) 5 -12 0 -13 0

c(x1;b2) -5 8 -5 -7 -5 c(x1;b2) 1 0.4 1 1 1

c(x2;b2) 42 40 10 -15 -10 c(x2;b2) 0 0 0 1 1

c(x3;b2) 25 15 25 7 25 c(x3;b2) 0 0 0 0.6 0

𝑝𝑗 − 𝑔𝑗 (𝑏ℎ ) + 𝑔𝑗 (𝑥𝑖 ) 10 − 75 + 67 2
= = = 0.4
𝑝𝑗 − 𝑞𝑗 10 − 5 5
g1 g2 g3 g4 g5 c(x;b)
c(x1;b1) 1 1 1 1 1 1

c(x2;b1) 0 0 1 1 1 0.6

c(x3;b1) 1 1 1 1 1 1

c(x1;b2) 1 0.4 1 1 1 0.88

c(x2;b2) 0 0 0 1 1 0.4

c(x3;b2) 0 0 0 0.6 0 0.12

σ𝑛𝑗=1 𝑊𝑗 𝐶𝑗 (𝑥𝑖 , 𝑏ℎ ) 1 × 1 + 1 × 1 + 1 × 1 + 1 × 1 + 1 × 1
𝐶 𝑥1 , 𝑏1 = = =1
σ𝑛𝑗=1 𝑊𝑗 5

σ𝑛𝑗=1 𝑊𝑗 𝐶𝑗 (𝑥𝑖 , 𝑏ℎ ) 0 × 1 + 0 × 1 + 1 × 1 + 1 × 1 + 1 × 1
𝐶 𝑥2 , 𝑏1 = = = 0.6
σ𝑛𝑗=1 𝑊𝑗 5
g1 g2 g3 g4 g5 g1 g2 g3 g4 g5
c(b1;x1) 0 0 0 0 0
c(b1;x1) 25 19 30 27 30
c(b1;x2) 1 1 0 0 0
c(b1;x2) -22 -13 15 35 35
c(b1;x3) 1 0 1 0 1
c(b1;x3) -5 12 0 13 0

c(b2;x1) 5 -8 5 7 5 c(b2;x1) 1 1 1 0.6 1

c(b2;x2) -42 -40 -10 15 10 c(b2;x2) 1 1 1 0 0

c(b2;x3) -25 -15 -25 -7 -25 c(b2;x3) 1 1 1 1 1

𝑝𝑗 − 𝑔𝑗 (𝑥𝑖 ) + 𝑔𝑗 (𝑏ℎ ) 10 − 82 + 75 3
= = = 0.6
𝑝𝑗 − 𝑞𝑗 10 − 5 5
g1 g2 g3 g4 g5 c(b;x)
c(b1;x1) 0 0 0 0 0 0

c(b1;x2) 1 1 0 0 0 0.4

c(b1;x3) 1 0 1 0 1 0.6

c(b2;x1) 1 1 1 0.6 1 0.92

c(b2;x2) 1 1 1 0 0 0.6

c(b2;x3) 1 1 1 1 1 1

σ𝑛𝑗=1 𝑊𝑗 𝐶𝑗 (𝑏ℎ , 𝑥𝑖 ) 0 × 1 + 0 × 1 + 0 × 1 + 0 × 1 + 0 × 1
𝐶 𝑏1 , 𝑥1 = = =0
σ𝑛𝑗=1 𝑊𝑗 5

σ𝑛𝑗=1 𝑊𝑗 𝐶𝑗 (𝑏ℎ , 𝑥𝑖 ) 1 × 1 + 1 × 1 + 0 × 1 + 0 × 1 + 0 × 1
𝐶 𝑏1 , 𝑥2 = = = 0.4
σ𝑛𝑗=1 𝑊𝑗 5
g1 g2 g3 g4 g5 g1 g2 g3 g4 g5
d(x1;b1) 0 0 0 0 0
d(x1;b1) -25 -19 -30 -27 -30
d(x2;b1) 0.6 0.15 0 0 0
d(x2;b1) 22 13 -15 -35 -35
d(x3;b1) 0 0 0 0 0
d(x3;b1) 5 -12 0 -13 0

d(x1;b2) -5 8 -5 -7 -5 d(x1;b2) 0 0 0 0 0

d(x2;b2) 42 40 10 -15 -10 d(x2;b2) 1 1 0 0 0

d(x3;b2) 25 15 25 7 25 d(x3;b2) 0.75 0.25 0.75 0 0.75

−𝑝𝑗 − 𝑔𝑗 𝑥𝑖 + 𝑔𝑗 𝑏ℎ −10 − 28 + 50 12
= = = 0.6
𝑣𝑗 − 𝑝𝑗 30 − 10 20
g1 g2 g3 g4 g5 g1 g2 g3 g4 g5
d(b1;x1) 0.75 0.45 1 0.85 1
d(b1;x1) 25 19 30 27 30
d(b1;x2) 0 0 0.25 1 1
d(b1;x2) -22 -13 15 35 35
d(b1;x3) 0 0.1 0 0.15 0
d(b1;x3) -5 12 0 13 0

d(b2;x1) 5 -8 5 7 5 d(b2;x1) 0 0 0 0 0

d(b2;x2) -42 -40 -10 15 10 d(b2;x2) 0 0 0 0.25 0

d(b2;x3) -25 -15 -25 -7 -25 d(b2;x3) 0 0 0 0 0

−𝑝𝑗 − 𝑔𝑗 𝑏ℎ + 𝑔𝑗 𝑥𝑖 −10 − 50 + 75 15
= = = 0.75
𝑣𝑗 − 𝑝𝑗 30 − 10 20
g1 g2 g3 g4 g5 c(x;b)
d(x1;b1) 0 0 0 0 0
1
d(x2;b1) 0.6 0.15 0 0 0 0.6
d(x3;b1) 0 0 0 0 0 1

d(x1;b2) 0 0 0 0 0 0.88

d(x2;b2) 1 1 0 0 0 0.4

d(x3;b2) 0.75 0.25 0.75 0 0.75 0.12

𝑛
1 − 𝐷𝑗 𝑥𝑖 , 𝑏ℎ
𝜎 𝑥𝑖 , 𝑏ℎ = 𝐶 𝑥𝑖 , 𝑏ℎ × ෑ =
1 − 𝐶 𝑥𝑖 , 𝑏ℎ
𝑗=1

1 − 0.75 1 − 0.25 1 − 0.75 1 − 0.75


0.12 × × × × = 0.002
1 − 0.12 1 − 0.12 1 − 0.12 1 − 0.12

𝛔(x;b)
1

0.6

0.88

0.002
g1 g2 g3 g4 g5 c(b;x)
d(b1;x1) 0.75 0.45 1 0.85 1
0
d(b1;x2) 0 0 0.25 1 1 0.4
d(b1;x3) 0 0.1 0 0.15 0 0.6

d(b2;x1) 0 0 0 0 0 0.92

d(b2;x2) 0 0 0 0.25 0 0.6

d(b2;x3) 0 0 0 0 0 1

𝑛
1 − 𝐷𝑗 𝑏ℎ , 𝑥𝑖
𝜎 𝑏ℎ , 𝑥𝑖 = 𝐶 𝑏ℎ , 𝑥𝑖 × ෑ =
1 − 𝐶 𝑏ℎ , 𝑥𝑖
𝑗=1

1−1 1−1
0× × =0
1−0 1−0

𝛔(b;x)
0

0.6

0.92

0.6

1
𝜎 𝑥𝑖 , 𝑏ℎ ≥ λ

Sim Não

𝜎 𝑏ℎ , 𝑥𝑖 ≥ λ 𝜎 𝑏ℎ , 𝑥𝑖 ≥ λ

Sim Não Sim Não

𝑥𝑖 𝐼𝑏ℎ 𝑥𝑖 >𝑏ℎ 𝑥𝑖 < 𝑏ℎ 𝑥𝑖 𝑅𝑏ℎ


Alternatives (b1) 𝛔(x;b) λ
𝛔(x;b) 𝛔(b;x)
1 0 x1 >
0.6 0 x2 R
1 0.6 x3 >

0.88 0.92 Alternatives (b2) 𝛔(b;x) 0.75


0 0.6
x1 I
0.002 1 x2 R
x3 <
g1 g2 g3 g4 g5

85
84
83
82
81
b2 C1 80
79
78
77
76
75
74
73
72
71
70
69
68
67
66
65
64
63
C2 62
61
60
59
58
57
56
55
54
53
52
b1 51
50
49
C3 48
ELECTRE TRI
• A classificação pessimista começa a partir da fronteira com
o maior valor de perfil (𝑏2 );
• A classificação otimista começa a partir da fronteira com o
menor valor de perfil (𝑏1 ).

Classificação Classificação
Alternativas
Pessimista Otimista

x1 C1 C1

x2 C3 C1

x3 C2 C2
g1 g2 g3 g4 g5

x1 75 67 85 82 90 85
84
83
82
81
C1 80
79
78
77
76
75
74
73
72
71
70
69
68
67
66
65
64
63
C2 62
61
60
59
58
57
56
55
54
53
52
51
50
49
C3 48
g1 g2 g3 g4 g5

x2 28 35 70 90 95 85
84
83
82
81
C1 80
79
78
77
76
75
74
73
72
71
70
69
68
67
66
65
64
63
C2 62
61
60
59
58
57
56
55
54
53
52
51
50
49
C3 48
g1 g2 g3 g4 g5

x3 45 60 55 68 60 85
84
83
82
81
C1 80
79
78
77
76
75
74
73
72
71
70
69
68
67
66
65
64
63
C2 62
61
60
59
58
57
56
55
54
53
52
51
50
49
C3 48
J-ELECTRE

The J-Electre-v1.0 (jar) is a runnable .jar file that does not need to be installed and that runs in
any OS. The unique requisite is the need of the latest Java SE program. Check if your computer
has the latest release, if not please download it (preferably Java SE 7 or superior) at:
www.oracle.com

The J-Electre-v1.0 (exe) is a runnable .exe file that does not need to be installed and also do not
need the installation of the latest Java SE program.

Download J-Electre-v1.0 at: https://sourceforge.net/projects/j-electre/files/

36
J-ELECTRE

To explain how to use the J-Electre-v1.0 in order to solve Electre TRI problems, the following
example (MOUSSEAU, 1999.) will be used:

g1 g2 g3 g4 g5
b2 70 75 80 75 85
b1 50 48 55 55 60
Q 5 5 5 5 5
P 10 10 10 10 10
V 30 30 30 30 30
W 1 1 1 1 1
a1 75 67 85 82 90
a2 28 35 70 90 95
a3 45 60 55 68 60

This problem has 3 alternatives (a1, a2, a3, a4, a5) and 4 criteria (g1, g2, g3, g4). The bn rows
represents the profiles (respecting: 𝒃𝒏 ≥ 𝒃𝒏−𝟏). The Q row represents the weak preference, the
P row represents the strong preference, the V row represents the Veto (respecting: 𝑽 ≥ 𝑷 ≥ 𝑸)
and finally, the weights (importance) of each criterion is represented by the W row.

37
After Choosing Electre TRI method, two parameters need to be set: Classes (the total number of
classes – varying from 2 to 100) and Lambda (cut-off level – varying from 0.5 to 1). For the given
example Classes = 3 (hence we have two profiles: b2 and b1) and Lambda = 0.75.

38
Insert the number of Alternatives (varying from 2 to 1,000), Criteria (varying from 2 to 1,000)
and press the Matrix button to build the performance matrix.

39
Insert the values in the performance matrix and then press the Solve button to solve the problem. To save
(export) the results to a spreadsheet press the Save button.

The output contains: Concordance c(ai;bh) – (global concordance between alternative i and profile h),
Concordance c(bh;ai) – (global concordance between profile h and alternative i), Discordance d(ai;bh) –
(global discordance between alternative i and profile h), Discordance d(bh;ai) – (global discordance between
profile h and alternative i), Credibility Matrix, Classifcation Pessimist (from the upper profile bn to b1, Class
A > B > C…), Classification Optimist (from the lower profile b1 to bn, Class A > B > C…). 40
Referências
ELECTRE I:
• ROY, B. Classement et choix en présence de points de vue multiples (la méthode
ELECTRE I), RIRO (Revue Française d’automatique d’Informatique e Recherche
Operationnelle ), 2𝑒 année, 8, 57-75. 1968
• COSTA, H. G. Graphical interpretation of outranking principles: avoiding
misinterpretation results from ELECTRE I. Journal of Modelling Management
(Emerald). 2016

ELECTRE Is/Iv:
• ROY, B. M.; SKALKA, J. ELECTRE IS: Aspécts methodologiques et guide d'utilization.
Cahier du LAMSADE. Université de Paris–Dauphine. Paris: Fev. 1985.

ELECTRE II:
• ROY, B.; BERTIER, E. La méthode ELECTRE II - Une application au média-planning, in
OR '72, M. Ross (ed.), North-Holland Publishing Company, pp. 291-302. 1973
• DUCKSTEIN, L.; GERSHON, M. Multicriterion analysis of a vegetation management
problem using ELECTRE II . Appl. Math. Modelling, Vol. 7, August. 1983
Referências

ELECTRE III:
• ROY, B. ELECTRE III: Un algorithme de classement fonde sur une representacion de
flue de preference em presence de criteres multiples. Cahiers du Centre d’Estudes
de Recherche Operationnelle (Belgique), vol 201, 1. 1978

ELECTRE IV:
• ROY, B.; HUGONNARD, J. C. Ranking of suburban line extension projects on the Paris
metro system by a multicriteria method. Transportation Research 16A(4), 301-312.
1982

ELECTRE TRI:
• ROY, B.; BOUYSSOU, D. Aide multicritère à la decision: Méthodes et cas. Paris,
economica. 1993

View publication stats

Você também pode gostar