Utility Function Manager (UFManager)

O Utilify Function Manager (UFManager) é um suplemento para Excel baseado na versão do método proposto por Leoneti (2016) para obter os pay-offs e tabelas necessárias para a tomada de decisão a partir da visão do problema sob a perspectiva da teoria dos jogos.

UFManager

O desenvolvimento de um software baseado na versão do método proposto por Leoneti (2016) como suplemento em Excel, onde os usuários possam obter todos os pay-offs e tabelas necessárias para a tomada de decisão, teve como objetivo a economia de tempo na preparação dos cálculos básicos do método. As telas da instalação do UFManager, incluindo as informações quanto às restrições para a utilização do software, a localização dos arquivos dentro de diretórios específicos, são intuitivas. 

Após a instalação do UFManager, que é compatível a todas as versões do Microsoft Office a partir da versão 2010, o suplemento passa a constar na aba de ferramentas do Excel com o nome “UFManager”. Para a configuração e utilização da função utilidade, é necessário uma matriz de decisão e os vetores de pesos dos jogadores, conforme descrito em Leoneti (2016). Isto é facilmente realizado a partir da definição dos campos “Jogadores”, “Alternativas”, e “Critérios”, que constam no menu “Configurações” e, após isto, pela utilização do botão “Criar matriz e vetores”, para gerar a planilha “Matriz e vetores” com os campos que poderão ser preenchidos, enquanto os outros campos, incluindo o nome da planilha, estarão bloqueados para a edição.

Pode-se escolher entre a utilização da versão da função utilidade apresentada em Leoneti (2016), escolhendo a função par-a-par “Phi original”, e aquela desenvolvida em Leoneti e Gomes (2021), escolhendo a função par-a-par “ExpTODIM” no campo específico no menu “Solução”. Note que há uma opção para restringir a busca à apenas as soluções de consenso, o que aumenta a velocidade de processamento dos cálculos exigidos pelo método, visto que, sem esta opção marcada, o número de arranjos possíveis para a busca é da ordem de n elevado à potência de m, sendo n o número de jogadores e m o número de alternativas, enquanto o número de arranjos é igual ao número de alternativas quando selecionada esta opção. Em ambos os casos, a solução é única, devido às propriedades da solução de barganha de Nash, e são apresentadas na planilha “Jogo” ao lado direito da tabela de pagamentos dos jogadores, calculada para seus respectivos arranjos, conforme justificado em Ziotti e Leoneti (2020). É também apresentada nesta planilha a média dos pagamentos, além do cálculo da norma e entropia, conforme o espaço geométrico para a busca de soluções proposta por Leoneti e Prataviera (2020). 

Você pode utilizar a versão do UFManager para fins exclusivamente acadêmicos,  preenchendo e enviando o formulário de contato. Ao realizar este procedimento, você concorda, desde já, com os Termos de Uso e se compromete a mencionar sua fonte. Para a utilização comercial, você deverá entrar em contato com a Universidade de São Paulo, por meio da Agência USP de Inovação, que  deverá ser contatada a fim de realizar o processo de licenciamento com ou sem exclusividade.

Private File - Access Forbidden

Autores e citação

LEONETI, A.B.; SUGIYAMA, R.H.C.  UFManager: Utility Function Manager. Versão 1.1, 1 out. 2023. Disponível em:

Referências

Leoneti, A. B. (2016). Utility function for modeling group multicriteria decision making problems as games. Operations Research Perspectives, 3, 21-26.

Ziotti V. C. & Leoneti, A. B. (2020). Improving commitment to agreements: the role of group decision making methods in the perception of sense of justice and satisfaction as commitment predictors. Pesquisa Operacional, 40: 230300. doi: 10.1590/0101-7438.2020.040.00230300

Leoneti, A. B. & Prataviera, G. A. (2020). Entropy-Norm space for geometric selection of strict Nash equilibria in n-person games. Physica A: Statistical Mechanics and its Applications, 124407.

Leoneti, A. B., & Gomes, L. F. A. M. (2021). Modeling multicriteria group decision making as games from enhanced pairwise comparisons. Operations Research Perspectives8, 100194