Quá trình phân tích phân cấp mờ hỗ trợ quyết định trong việc lựa chọn nhà cung cấp dịch vụ internet

MỞ ĐẦU Các mô hình ra quyết định đa mục tiêu ngày càng được ứng dụng rộng rãitrong những năm gần đây, việc ra quyết định chỉ dựa vào chi phí thấp nhất haylợi nhuận cao nhất sẽ thiếu thiế

ĐẠI HỌC THÁI NGUYÊN

TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG

-HÀ QUYẾT THẮNG

ĐỀ TÀI QUÁ TRÌNH PHÂN TÍCH PHÂN CẤP MỜ HỖ TRỢ QUYẾT ĐỊNH TRONG VIỆC LỰA CHỌN

NHÀ CUNG CẤP DỊCH VỤ INTERNET

LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH

THÁI NGUYÊN, 2017

ĐẠI HỌC THÁI NGUYÊN

TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG

MỤC LỤC

DANH MỤC HÌNH ẢNH 3

LỜI CAM ĐOAN 5

MỞ ĐẦU 6

CHƯƠNG I CƠ SỞ LÝ THUYẾT 8

1.1 Trình bày khái niệm tập mờ 8

1.1.1 Định nghĩa tập mờ 8

1.1.2 Một số khái niệm cơ bản của tập mờ 10

1.1.3 Biểu diễn tập mờ 11

1.2 Các phép toán trên tập mờ và hệ luật mờ 12

1.2.1 Phần bù của một tập mờ 12

1.2.2 Phép hợp của các tập mờ 13

1.2.3 Phép giao của các tập mờ 13

1.2.4 Tích Descartes các tập mờ 14

1.2.5 Tính chất của các phép toán trên tập mờ 15

1.2.6 Hệ luật mờ 16

1.3 Lập luân xấp xỉ trong hệ mờ 16

1.3.1 Logic mờ 16

1.3.2 Quan hệ mờ 16

1.3.3 Suy luận xấp xỉ và suy diễn mờ 18

1.4 Số học mờ 20

1.4.1 Số mờ 20

1.4.2 Biến ngôn ngữ và giá trị ngôn ngữ 22

1.5 Giải mờ 23

1.5.1 Phương pháp điểm cực đại 23

1.5.2 Phương pháp điểm trọng tâm 24

CHƯƠNG 2 PHƯƠNG PHÁP PHÂN TÍCH PHÂN CẤP MỜ 26

2.1 Tiếp cận phương pháp AHP mờ ( Fuzzy Analytic Hierarchy Process) 26

2.2 Các đặc trưng của AHP mờ 28

2.2.1 Kịch bản cho nghiên cứu 29

2.2.2 Đo lường và thu thập dữ liệu 31

2.3 Phân rã các vấn đề quyết định 33

2.3.1 Xây dựng cặp Pair – wise 33

2.3.2 Biểu diễn toán học 35

2.4 Kỹ thuật tiến trình phân tích phân cấp mờ FAHP - Fuzzy Analytic Hierarchy Process 39

2.4.1 Số mờ tam giác và giá trị mờ của biến ngôn ngữ trong so sánh cặp

40 2.4.2 Tích hợp AHP và lý thuyết tập mờ 42

2.4.3 Kỹ thuật phân tích mờ khoảng rộng 43

2.5 Mô tả toán học trong phương pháp AHP mờ 43

CHƯƠNG 3: ỨNG DỤNG PHƯƠNG PHÁP PHÂN TÍCH PHÂN CẤP AHP MỜ CHO VIỆC LỰA CHỌN NHÀ CUNG CẤP DỊCH VỤ INTERNET 50

3.1 Bài toán lựa chọn nhà cung cấp dịch vụ internet 50

3.2 Một mô hình đơn giản hóa quyết định đánh giá việc lựa chọn nhà cung cấp dịch vụ internet 51

3.3 Phân tích tính nhất quán của các đánh giá cá nhân 55

3.4 Tổng hợp các quyết định nhóm 56

3.5 Ước tính các ưu tiên mờ 57

3.6 Kết quả 59

3.7 Thảo luận trọng số của các tiêu chí 61

3.8 Đánh giá các phương án thay thế được chọn 63

3.9 Kết luận và Triển vọng 65

KẾT LUẬN 70

TÀI LIỆU THAM KHẢO 70

DANH MỤC HÌNH ẢNH

Hình 1.1 Hàm thuộc μAx có mức chuyển đổi tuyến tính

9 Hình 1.2 Hàm thuộc của tập B 9

Hình 1.3 Miền xác định và miền tin cậy của tập mờ A 10

Hình 1.4 Biểu diễn tập mờ chiều cao 12

Hình 1.5 Tập bù A của tập mờ A 12

Hình 1.6 Hợp hai tập mờ có cùng tập nền 13

Hình 1.7 Giao hai tập mờ có cùng tập vũ trụ 14

Hình 1.8 Các loại hàm thành viên số mờ 20

Hình 1.9 Phân loại hàm thành viên số mờ 21

Hình 1.10 Số mờ hình thang 21

Hình 1.11 Số mờ hình tam giác 22

Hình 1.12 Những tập mờ thuộc biến ngôn ngữ nhiệt độ 22

Hình 1.13 Giải mờ bằng phương pháp điểm cực đại 24

Hình 1.14 Giải mờ bằng phương pháp điểm trọng tâm 25

Hình 2.1: Số mờ tam giác 40

Hình 2.2: Số mờ tương ứng của các biến ngôn ngữ 42

Hình 3.1 Ví dụ về đánh giá mờ của người trả lời # 96 và # 102, độc lập xác định lij, mij and uij, tiêu chí “Chi phí” so với “Sự phụ thuộc” 54

Hình 3.2 Trọng số mờ wi, ước tính số trung bình nhân 60

Hình 3.3 Các giải pháp truyền thông µ=0.8 66

Hình 3.4 Biểu đồ tỉ lệ lựa chọn nhà cung cấp dịch vụ 68

DANH MỤC BẢNG BIỂU

Bảng 1.1 Bảng biểu diễn tập mờ A 10

Bảng 2.1.Thống kê ưu nhược điểm của mô hình FAHP 29

Bảng 2.2 Các vấn đề thu thập dữ liệu 32

Bảng 2.3 Độ ưu tiên cho các tiêu chí 34

Bảng 2.4 Trọng số so sánh độ ưu tiên của các tiêu chí 35

Bảng 3.1 Ma trận so sánh cặp của tất cả các đánh giá (CR ≤ 0.1, n = 75) 57

Bảng 3 2 Đánh giá tổng hợp các tiêu chí

60 Bảng 3.3 Dữ liệu định lượng cho đánh giá của 3 lựa chọn thay thế 63

Bảng 3 4 Dữ liệu định lượng nghịch đảo cho tiêu chí “Chi phí” và “Công nghệ” 64

Bảng 3.5 Dữ liệu định lượng chuẩn hóa 64

Bảng 3 6 Khoảng thời gian trợ cấp dựa trên trọng số mờ và α-cut μx = 0.8

66

LỜI CAM ĐOAN

Tôi xin cam đoan đây là luận văn do tôi nghiên cứu và thực hiện

Các thông số, bảng biểu và kết quả sử dụng trong luận văn là hoàn toàn cóthật và chưa từng được công bố ở bất kỳ luận văn nào khác

Thái Nguyên, ngày tháng 10 năm 2017

Tác giả luận văn

Hà Quyết Thắng

MỞ ĐẦU

Các mô hình ra quyết định đa mục tiêu ngày càng được ứng dụng rộng rãitrong những năm gần đây, việc ra quyết định chỉ dựa vào chi phí thấp nhất haylợi nhuận cao nhất sẽ thiếu thiết thực vì chưa quan tâm đến nhân tố định tính.Các quyết định trong lựa chọn nhà cung cấp dịch vụ internet cần phải xem xéttrên nhiều tiêu chí nhằm nâng cao năng lực cạnh tranh

Quá trình lựa chọn nhà cung cấp dịch vụ khởi tạo từ mối quan hệ giữakhách hàng và nhà cung cấp dịch vụ, đây là bước quan trọng nhất trong việc cóđược một khách hàng mới cho một nhà cung cấp dịch vụ Thực tế này là rất quantrọng bởi tâm trí người tiêu dùng thường mua sản phẩm theo một thứ tự “phâncấp” di chuyển từ các dịch vụ tương đối đơn giản cho những người phức tạphơn và tốn

kém

Không giống như tiếp thị hàng hoá, dịch vụ không thể được đánh giá trướckhi mua và có thể chỉ được đánh giá trong hoặc sau khi cung cấp dịch vụ Bởi vìmột trong những khía cạnh chính của tiếp thị dịch vụ là khái niệm vô hình, kháchhàng có thể được dự kiến sẽ phải đối mặt với khó khăn trong việc đánh giá cácdịch vụ cung cấp

Mục đích của nghiên cứu này là cung cấp cái nhìn tổng quan về ứng dụngcủa phương pháp phân tích thứ bậc mờ, để giải quyết nhiều vấn đề quan trọngkhác nhau trong lĩnh vực lựa chọn nhà cung cấp

Được sự gợi ý của giáo viên hướng dẫn và dựa trên những tìm hiểu của tôi

trên đây, tôi quyết định chọn đề tài: “Quá trình phân tích phân cấp Mờ hỗ trợ

quyết định trong việc lựa chọn nhà cung cấp dịch vụ internet.”

Phương pháp giúp cho chúng ta có cái nhìn nhiều chiều hơn đa dạng hơn,nhiều góc cạnh hơn về vấn đề cần giải quyết Giúp cho các hệ tri thức hoạt độngđảm bảo hơn có ý nghĩa khoa học và thực tiễn hơn

2 Đối tượng và phạm vi nghiên cứu.

- Tìm hiểu về hệ mờ, hệ luật mờ, AHP mờ

- Tìm hiểu về ứng dụng AHP mờ để đánh giá trong việc quyết định lựa chọn nhà cung cấp

3 Hướng nghiên cứu của đề tài.

- Giới thiệu tổng quan hệ mờ

- Các phương pháp thẩm định đánh giá hệ cơ sở tri thức

- Những yếu tố giúp cho việc áp dụng AHP mờ thành công

- Định hướng nghiên cứu trong tương lai

4 Phương pháp nghiên cứu

- Nghiên cứu lý thuyết và xây dựng chương trình xử lý

- Thu thập số liệu thực tế để thử nghiệm trên mô hình

- Cài đặt và xây dựng chương trình thử nghiệm

5 Ý nghĩa khoa học của đề tài.

- Hiểu rõ các khái niệm, các thuật toán, các ứng dụng liên quan đến cácluật của hệ mờ

- Dựa trên kiến thức đã tìm hiểu, áp dụng cho xử lý bài toán và mô phỏng

�� : X [0,1]

Ánh xạ μ A được gọi là hàm thuộc hoặc hàm liên thuộc (hoặc hàm thành

viên– membership function) của tập mờ A Tập X được gọi là cơ sở của tập mờ A.

��� (��) là độ phụ thuộc, sử dụng hàm thuộc để tính độ phụ thuộc của

Một hàm thuộc có dạng tuyến tính từng đoạn được gọi là hàm thuộc có mức chuyển đổi tuyến tính

V í d ụ 2 : Xét X là tập các giá trị trong thang điểm 10 đánh giá kết quả

học tập của học sinh về môn Toán, X = {1, 2, …, 10} Khi đó khái niệm mờ về năng lực học môn toán giỏi có thể được hiển thị bằng tập mờ A sau:

A = 0.1/4 + 0.3/5 + 0.5/6 + 0.7/7 + 0.9/8 + 1.0/9 +1.0/10

Trong trường hợp tập mờ rời rạc ta có thể biểu diễn tập mờ ở dạng

bảng Chẳng hạn, đối với tập mờ A ở trên ta có bảng như sau:

X 1 2 3 4 5 6 7 8 9 10

A 0 0 0 0.1 0.3 0.5 0.7 0.9 1.0 1.0

Bảng 1.1 Bảng biểu diễn tập mờ A

1.1.2 Một số khái niệm cơ bản của tập mờ

• Miền xác định: Biên giới tập mờ A, ký hiệu là supp(A), là tập rõ gồm

các phần tử của X có mức độ phụ thuộc của x vào tập mờ A lớn hơn 0 Supp(A) = { x | μ A(x) > 0 }

• Miền tin cậy: Lõi tập mờ A, ký hiệu là core(A), là tập rõ gồm các phần

tử của X có mức độ phụ thuộc của x vào tập mờ A bằng 1.

Core(A) = { x | μA(x) = 1}

Hình 1.3 Miền xác định và miền tin cậy của tập mờ A

• Độ cao tập mờ: Độ cao tập mờ A, ký hiệu: h(A), là mức độ phụ thuộc

cao nhất của x vào tập mờ A.

ℎ(�) = Sup ��

(�)

�∊�

Một tập mờ có ít nhất một phần tử có độ phụ thuộc bằng 1 được gọi là tập

mờ chính tắc, tức là h(A) = 1, ngược lại một tập mờ A với h(A) < 1 được gọi là tập mờ không chính tắc.

1.1.3 Biểu diễn tập mờ

Tập mờ A trên tập vũ trụ X là tập mà các phần tử x∊ X với mức độ phụ thuộc của x vào tập mờ A tương ứng Có ba phương pháp biểu diễn tập mờ:

phương pháp ký hiệu, phương pháp tích phân và phương pháp đồ thị:

- Phương pháp ký hiệu: Liệt kê các phần tử và các thành viên tương

thường

Tuy nhiên cách biểu diễn như vậy sẽ rất tiện dụng khi định nghĩa và thaotác các phép tính trên các tập mờ sau này

Phương pháp đồ thị:

Hình 1.4 Biểu diễn tập mờ chiều cao

1 2 Cá c phép t oá n t r ên tậ p m ờ v à hệ l u ậ t m ờ

1.2.1 Phần bù của một tập mờ

Cho tập mờ A trên tập vũ trụ X, tập mờ bù của A là tập mờ

��, hàm thuộc �� (�) được tính từ hàm thuộc μ A (x):

tin mờ về các thuộc tính khác nhau của một đối tượng Ví dụ trong các hệ luậtcủa các hệ trợ giúp quyết định hay hệ chuyên gia, hệ luật trong điều khiểnthường có các luật dạng sau đây:

Nếu x1 là A 1 và x 2 là A 2 và… và x n là A n thì y là B

Trong đó, các x i là các biến ngôn ngữ (vì giá trị của nó là các ngôn ngữ

được xem như là nhãn của các tập mờ) và Ai là các tập mờ trên tập vũ trụ Xi của

biến xi

Hầu hết các phương pháp giải liên quan đến các luật “nếu - thì” trên đều đòi hỏiviệc tích hợp các dữ liệu trong phần tiền tố “nếu” nhờ toán tử kết nhập, mộttrong những toán tử như vậy là lấy tích Descartes

A 1 × A2 ×…×An.

1.2.5 Tính chất của các phép toán trên tập

mờ

Như các phép toán trên tập rõ, các phép toán trên tập mờ cũng có một số

tính chất sau đối với các tập mờ A, B, C trên tập vũ trụ X:

A ⊆ B, B ⊆ C ⇒ A ⊆ C

1.2.6 Hệ luật mờ

Gồm nhiều mệnh đề dạng:

IF< tập các điều kiện được thoả mãn>THEN<tập các hệ quả >

Giả sử hệ luật gồm M luật R j (j=1̅̅̅,̅� ̅̅) dạng

R j : IF x 1 is A 1 and x 2 is A 2 and… x n is A n j THEN y is B j

Trong đó xi (i = 1̅̅̅,̅n̅) là các biến đầu vào hệ mờ, y là biến đầu ra của hệ mờ

- các biến ngôn ngữ, A i j là các tập mờ trong các tập đầu vào X và B j là các tập mờ

trong các tập đầu ra Y – các giá trị của biến ngôn ngữ (ví dụ: “Rất Nhỏ”, “Nhỏ”,

“Trung bình”, “Lớn”, “Rất lớn”) đặc trưng bởi các hàm thuộc ��

mơ hồ của ngôn ngữ tự nhiên trong lập luận theo cảm tính

1.3.2 Quan hệ mờ

1.3.2.1 Khái niệm về quan hệ rõ

• Định nghĩa 1: Cho X ≠ , Y≠ , R ⊂X × Y là một quan hệ (quan hệ nhị

nguyên rõ), khi đó:

�(�, �) = { 0 ��(�, �) ∉ � (⟺ 1 �� (�, �) ∊ � (⟺ ���)¬ ���)

Khi X= Y thì R ⊂ X × Y là quan hệ trên X

Quan hệ R trên X được gọi là:

- Phản xạ nếu: R(x,x) = 1 với ∀ ∀x∊ X

- Đối xứng nếu: R(x,y) = R(y,x) với ∀x, y∊ X

- Bắc cầu nếu: (xRy)˄(yRz) ⟹(xRz) với ∀x,y,z ∊X

• Định nghĩa 2: R là quan hệ tương đương nếu R là quan hệ nhị nguyên trên

X có tính chất phản xạ, đối xứng và bắc cầu.

1.3.2.2 Các quan hệ mờ

Các quan hệ mờ là cơ sở dùng để tính toán và suy diễn (suy luận xấp xỉ)

mờ Đây là một trong những vấn đề quan trọng trong các ứng dụng mờ đem lạihiệu quả lớn trong thực tế, mô phỏng được một phần suy nghĩ của con người.Chính vì vậy, mà các phương pháp mờ được nghiên cứu và phát triển mạnh mẽ.Một trong số đó là logic mờ mở Tuy nhiên logic mờ mở rộng từ logic đa trị, do

đó nảy sinh ra rất nhiều các quan hệ mờ, nhiều cách định nghĩa các toán tử

T-chuẩn, T- đối T-chuẩn, cũng như các phương pháp mờ hoá, khử mờ khác nhau,…

Sự đa dạng này đòi hỏi người ứng dụng phải tìm hiểu để lựa chọn phương phápthích hợp nhất cho ứng dụng của mình

• Định nghĩa 3: Cho U ≠ ; V ≠ là hai không gian nền; R là một tập mờ

trên U ×V gọi là một quan hệ mờ (quan hệ hai ngôi).

• Định nghĩa 4: Cho R là quan hệ mờ trên X×Y, S là quan hệ mờ trên Y×Z,

lập phép hợp thành SoR là quan hệ mờ trên X×Z

Có R(x,y) với (x,y)∊ X×Y, S(y,z) với (y,z) ∊ Y×Z Định nghĩa phép hợp thành:

Phép hợp thành max – min xác định bởi:

(So R)(x,z) = Sup (min(R(x,y),S(y,z))) ∀(x,z)∊X×Z∊Y

Phép hợp thành max – prod xác định bởi:

(So R)(x,z) = Sup (min(R(x,y) × S(y,z))) ∀(x,z)∊X×Z∊Y

Phép hợp thành max – T ( với T là T - chuẩn) xác định bởi:

(So TR)(x,z) = Sup (T(R(x,y), S(y,z))) ∀ (x,z) ∊X×Z∊Y

1.3.3 Suy luận xấp xỉ và suy diễn mờ

Suy luận xấp xỉ hay còn gọi là suy luận mờ - đó là quá trình suy ra những

kết luận dưới dạng các mệnh đề trong điều kiện các quy tắc, các luật, các dữ liệuđầu vào cho trước cũng không hoàn toàn xác định

Trong giải tích toán học chúng ta sử dụng mô hình sau để lập luận:

Định lý: “Nếu một hàm số là khả vi thì nó liên tục”

Sự kiện: Hàm f khả vi Kết luận: Hàm f là liên tục

Đây là dạng suy luận dựa vào luật logic cổ điển Modus Ponens Căn cứvào mô hình này chúng ta sẽ diễn đạt cách suy luận trên dưới dạng sao cho nó

có thể suy rộng cho logic mờ

Gọi Ω là không gian tất cả các hàm số, ví dụ Ω ={g:RR} A là các tập các hàm khả vi, B là tập các hàm liên tục Xét hai mệnh đề sau: P=’g∊A’ và

Q=’g∊B’

Khi đó ta có:

Luật (tri thức):

P ⟹Q

Sự kiện: P đúng (True)

Kết luận: Q đúng (True)

Xét bài toán suy luận trong hệ mờ

Hệ mờ n biến vào x1 , … x n và một biến ra y

Cho Un , i= 1 n là các không gian nền của các biến vào, V là không gian

nền của biến ra

Hệ được xác định bởi m luật mờ:

R1: Nếu x1 là A11và x2 là A12 và ….xn là A1n thì y là B1

R2: Nếu x1 là A21 và x2 là A22 và…xn là A2n thì y là B2

Rm: Nếu x1 là Am1 và x2 là Am2 và ……xn là Amn thì y là Bm

Thông tin đầu vào:

x 1 là A01 và x2 là A02 và….x0n là A0n

̅̅,̅�̅) xác định trên không gian nền V.Để giải bài toán này chúng ta phải thực hiện qua các bước sau:

1 Xác định các tập mờ của các biến đầu vào

2 Xác định độ liên thuộc tại các tập mờ tương ứng

3 Xác định các quan hệ mờ R(A.B)(u,v).

4 Xác định phép hợp thành

Tính B’ theo công thức: B’ = A’o R (A,B) (u,v).

1 4 S ố h ọ c m ờ

1.4.1 Số mờ

Xét tập mờ A trên tập các số thực R Về nguyên tắc, không có ràng buộc

chặt đối với việc xây dựng các tập mờ để biểu thị ngữ nghĩa của các khái niệmngôn ngữ Tuy nhiên, để đơn giản trong xây dựng các tập mờ và trong tính toántrên các tập mờ, người ta đưa ra khái niệm tập mờ có dạng đặc biệt, gọi là số mờ

để biểu thị các khái niệm mờ về số như gần 10, khoảng 15, lớn hơn nhiều so với

10,…

1.4.1.1 Khái niệm số mờ

Số mờ hay khoảng mờ dùng để diễn tả khái niệm một số hay một khoảngxấp xỉ hay gần bằng một số thực hay một khoảng số thực cho trước Số mờ haykhoảng mờ là tập mờ xác định trên tập số thực

Gọi A là một số mờ, A là một tập mờ trên tập tổng là tập số thực R:

A ∊

(R) Hàm thuộc của số mờ A là : µA: R → [0,1], thường có dạng hình thang,

hình tam giác, hình chuông hay hình thẳng đứng như sau:

Hình 1.8 Các loại hàm thành viên số mờ

Hàm thuộc diễn tả các khái niệm số lớn hay số nhỏ có dạng sau:

Hình 1.9 Phân loại hàm thành viên số mờ

1.4.1.2 Dạng số mờ thường dùng

Trong điều khiển, với mục đích sử dụng các hàm thuộc sao cho khả năngtích hợp chúng là đơn giản, người ta thường chỉ quan tâm đến hai dạng số mờhình thang và số mờ hình tam giác

Hình 1.11 Số mờ hình tam giác

1.4.2 Biến ngôn ngữ và giá trị ngôn ngữ

Số mờ đóng vai trò quan trọng trong việc xây dựng biến mờ định lượng là

biến có trạng thái định bởi các số mờ Khi các số mờ biểu diễn các khái niệm

ngôn ngữ như rất nhỏ, nhỏ, trung bình, lớn, rất lớn,… trong một ngữ cảnh cụ

thể, biến mờ được gọi là biến ngôn ngữ

Biến ngôn ngữ được xác định theo một biến cơ sở trên một tập cơ sở là số

thực trên một khoảng cụ thể Biến cơ sở có thể là: điểm, tuổi, lãi suất, lương, nhiệt độ,…Trong một biến ngôn ngữ, các trị ngôn ngữ biểu diễn các giá trị xấp

xỉ của biến cơ sở, các trị ngôn ngữ này là các số mờ.

V í d ụ 4 : Xét biến ngôn ngữ là nhiệt độ của một lò Biến cơ sở là nhiệt

độ Nhiệt độ lò từ 100oC đến 1000oC hay tập cơ sở X=[10,100] Dải nhiệt độ từ

100oC đến 1000oC được chia thành các dải nhiệt độ rất thấp (RT), thấp (T),

trung bình (TB), cao (C), rất cao (RC) Tập trị ngôn ngữ T={RT, T, TB, C, RC}.

Các tập mờ cho các giá trị ngôn ngữ như hình sau:

Hình 1.12 Những tập mờ thuộc biến ngôn ngữ nhiệt độ

1

5 G i ả i m ờ

Trong điều khiển mờ cũng như trong lập luận trong các hệ chuyên gia vớicác luật tri thức mở, dữ liệu đầu ra nhìn chung đều là những tập mờ Thực tếchúng ta cũng thường gặp nhu cầu chuyển đổi dữ liệu mờ đầu ra thành giá trịthực một cách phù hợp Phương pháp chuyển đổi như vậy được gọi là phươngpháp giải mờ

Căn cứ theo những quan niệm khác nhau về phần tử đại diện xứng đáng

mà ta sẽ có các phương pháp giải mờ khác nhau Trong điều khiển người tathường dùng hai phương pháp chính:

o Phương pháp điểm cực đại

o Phương pháp điểm trọng tâm

1.5.1 Phương pháp điểm cực đại

Tư tưởng chính của phương pháp giải mờ điểm cực đại là tìm trong tập mờ

có hàm thuộc µ R (y), một phần tử �0 với độ phụ thuộc lớn nhất, theo công thức là:

�0 = arg max y µ R (y) (1.1)

Tuy nhiên, việc tìm �0 có thể đưa đến vô số nghiệm (hình 1.13b), nên taphải đưa thêm những yêu cầu cho phép chọn trong số các nghiệm đó một giá trị

�0 cụ thể chấp nhận được Việc giải mờ theo phương pháp cực đại gồm haibước:

 Xác định miền chứa giá trị rõ �0 Giá trị rõ �0 là giá trị mà tại đó hàm

số nghiệm thì để tìm �0 ta có hai cách:

o Cá ch 1 : Xác định điểm trung bình:

�0 = y1 +

�22Nếu các hàm thuộc đều có dạng hình tam giác hoặc hình thang thì điểm �0xác định theo phương pháp này sẽ không quá bị nhạy cảm với sự thay đổi của giátrị đầu vào rõ �0 Do đó rất thích hợp với các bài toán có nhiễu biên độ nhỏ tại

đầu

vào

o C á ch 2 : Xác định điểm cận trái hoặc cận phải

�0 = inf(�)

�∈�Hoặc

�0 = sup(�)

�∈�

Nếu các hàm thuộc đều có dạng hình tam giác hoặc hình thang thì điểm �0

sẽ phụ thuộc tuyến tính vào giá trị rõ �0 tại đầu vào

Hình 1.13 Giải mờ bằng phương pháp điểm cực đại

1.5.2 Phương pháp điểm trọng tâm

Phương pháp điểm trọng tâm sẽ cho kết quả �0 là hoành độ của điểm trọng

tâm, miền được bao phủ bởi trục hoành và đường µ R (y) - hình 1.14a Phương pháp

điểm trọng tâm xuất phát từ ý tưởng mọi giá trị của S đều được đóng góp với

trọng số vào việc xác định giá trị khử mờ của tập mờ R, ở đây trọng số của nó

là độ

thuộc của phần tử vào tập mờ R Theo nghĩa thông thường của trọng tâm, công

Với S = supµR (y) = {y| µ R (y) ≠0} là miền xác định của tập mờ R.

Đây là phương pháp ưa được sử dụng nhất Nó cho phép ta xác định giá trị �0

với

sự tham gia của tất cả các tập mờ đầu ra của luật điều khiển một cách bình đẳng

và chính xác Tuy nhiên, phương pháp này lại không để ý được tới độ thỏa mãncủa mệnh đề điều khiển cũng như thời gian tính lâu Ngoài ra một trong nhữngnhược điểm cơ bản của phương pháp này là giá trị �0 xác định được lại có độ thuộc

nhỏ nhất, thậm chí bằng 0 (hình 1.14b).

Hình 1.14 Giải mờ bằng phương pháp điểm trọng tâm

CHƯƠNG 2 PHƯƠNG PHÁP PHÂN TÍCH PHÂN CẤP MỜ

2 1 T i ếp c ậ n phươ n g p h á p A HP m ờ ( F uzzy A n a l y t i c H i er a rchy Pr

o c e s s )

Internet là một bộ phận quan trọng của kết cấu kinh tế - xã hội Phát triển

hạ tầng thông tin là tiền đề quan trọng góp phần thúc đẩy chuyển dịch cơ cấukinh tế, phát triển sản xuất, nâng cao dân trí, từng bước nâng cao chất lượng cuộcsống

Do đối tượng sử dụng là doanh nghiệp, người dân, kiến thức về các dịch

vụ viễn thông còn hạn chế, vì vậy, việc lựa chọn nhà cung cấp dịch vụ là vấn đềquan trọng Ngoài những yêu cầu về kỹ thuật, vận hành, bảo trì, nâng cấp thìnhững yếu tố như chi phí hợp lý, độ bền cao, dễ sử dụng là những tiêu chí cầnđược xem xét trong việc lựa chọn nhà cung cấp dịch vụ Tương tự như vậy, tiêuchí hoạt động liên quan như độ tin cậy, tính sẵn sàng và bảo trì cũng phải đượcđánh giá để đáp ứng các mức độ dịch vụ như thiết lập thông số kỹ thuật dịch vụ

và tăng sự hài lòng của khách hàng Hơn nữa, tiêu chuẩn kỹ thuật bao gồm cáctính năng hệ thống phát triển trong tương lai, phù hợp với tiêu chuẩn công nghệ,giao tiếp với các hệ thống hiện có, và khả năng quản lý mạng và phải được kiểmtra cẩn thận

Đánh giá chất lượng nhà cung cấp cũng rất quan trọng và đây là tiêu chuẩn

có thể bao gồm giao hàng trước thời gian , an ninh, khả năng tiếp cận, uy tín nhàcung cấp, và chất lượng của dịch vụ mạng, Điều quan trọng là chúng ta xem xéttất cả các yếu tố có liên quan trong việc lựa chọn một nhà cung cấp dịch vụinternet Mặc dù các công ty cung cấp dịch vụ hiện nay đều có cơ sở hạ tầng khátốt và nhiều dịch vụ đa dạng để phục vụ nhu cầu của khách hàng tuy nhiên, họ

có thể không bao gồm tất cả các tiêu chí có liên quan trong việc đánh giá các hệthống thông tin và các nhà cung cấp Những yếu tố này có thể dẫn đến nhiềuthay đổi

trong tiêu chí lựa chọn và thay đổi thiết kế kỹ thuật tốn kém, mà cuối cùng trì hoãn ra mắt sản phẩm.

Do đó, cần xác định và ưu tiên các tiêu chí liên quan, đánh giá cân bằnggiữa kỹ thuật, tiêu chuẩn kinh tế và hiệu suất Cách tiếp cận này cũng giảm thờigian trong việc lựa chọn nhà cung cấp và phát triển việc ra quyết định đồngthuận

Đề xuất việc sử dụng quá trình phân tích phân cấp mờ (FAHP) cho cácvấn đề lựa chọn nhà cung cấp Phương pháp FAHP chủ yếu là do khả năng vốn

có của nó để xử lý các tiêu chí định tính và định lượng được sử dụng trong vấn

đề lựa chọn nhà cung cấp Hơn nữa, nó có thể dễ dàng hiểu và áp dụng bởi cácnhà quản lý điều hành Ngoài ra, FAHP có thể giúp cải thiện quá trình ra quyếtđịnh, cấu trúc phân cấp được sử dụng trong việc lựa còn nhà cung cấp dịch vụinternet với mô hình FAHP có thể cho phép đánh giá tiêu chí và tiêu chí con cóliên quan, có thể cung cấp đầu vào để sửa đổi cấu trúc phân cấp, nếu cần thiết,với các tiêu chí bổ sung Hơn nữa, bằng cách sử dụng FAHP, đánh giá có thể sosánh một cách hệ thống và xác định các ưu tiên của các tiêu chí và tiêu chí con

Dựa trên thông tin này, đề tài nghiên cứu còn có thể so sánh một số hệthống nhà cung cấp hiệu quả và chọn nhà cung cấp tốt nhất, tính khả thi của việc

áp dụng FAHP trong việc lựa chọn nhà cung cấp

2 2 C á c đ ặ c tr ư ng c ủa A HP m ờ

Một số thống kê ưu nhược điểm của phương pháp FAHP

- Xem xét các ưu tiên tương đối của

các yếu tố hoặc thay thế và đại diện

cho sự thay thế tốt nhất

- Mô hình đơn giản và rất linh hoạt

cho một vấn đề nhất định, hỗ trợ tốt

cho các nhà sản xuất ra quyết định

- Cân nhắc khách quan hoặc chủ

quan hoặc một trong hai thông tin về

số lượng hoặc chất lượng đóng một

vai trò quan trọng trong quá trình ra

quyết định

- Mức độ chi tiết về sự tập trung có

thể được liệt kê hoặc cấu trúc theo

phương pháp AHP

- Dễ dàng tổng quan về các trọng

tâm chính hoặc các vấn đề

- Sử dụng trong một phạm vi rộng

như: lập kế hoạch, hiệu quả, lợi ích

và phân tích rủi ro, lựa chọn bất kỳ

kiểu quyết định nào trong lựa chọn

- FAHP có tính chất chủ quan củaquá trình mô hình hóa là một hạnchế của FAHP Điều đó có nghĩaFAHP không thể đảm bảo các quyếtđịnh chắc chắn đúng

- Khi số lượng các cấp trong hệthống cấp bậc tăng, số lượng so

- Dễ dàng đánh giá vấn đề từ các

khía cạnh khác nhau do FAHP dựa

vào quyết định so sánh của các

chuyên gia từ các nguồn gốc khác

nhau

- Quyết định sản xuất có thể được

phân tích bằng cách tính đàn hồi của

các quyết định cuối cùng áp dụng

phân tích độ nhạy

- Đo được sự thống nhất về quyết

định so sánh của các nhà sản xuất

phần mềm máy tính, giúp cho những

quyết định áp dụng FAHP nhanh

chóng và chính xác hơn

cũng tăng lên, do đó để xây dựngcác mô hình FAHP mất nhiều thờigian và công sức

Bảng 2.1.Thống kê ưu nhược điểm của mô hình FAHP

2.2.1 Kịch bản cho nghiên cứu.

FAHP là phương pháp phổ biến hàng đầu được ứng dụng trong nghiên cứu

mô hình lựa chọn nhà cung cấp

Phương pháp AHP tiến hành so sánh từng cặp đôi tiêu chí khác nhau, haytừng cặp đôi phương án lựa chọn ứng với mỗi tiêu chí Phương pháp AHP có tínhlinh hoạt, kiểm tra được tính mâu thuẫn giữa các tiêu chí; trình bày các tiêu chítheo cấu trúc thứ bậc giúp thể hiện rõ nét tầm quan trọng của chúng và không tạo

ra thành kiến trong việc đưa ra quyết định Tuy nhiên phương pháp này lại khôngphù hợp trong việc đánh giá đồng thời nhiều tiêu chí và dễ bỏ sót các thông tinquan trọng

Các phương pháp AHP sớm nhất là đề xuất của Van Laarhoven và Pedrycz(1983), trong đó các số mờ với hàm thành viên tam giác mô tả các quyết định sosánh mờ.

Buckley (1985) phát hiện ra những ưu tiên mờ các tỷ lệ so sánh với hàmthành viên hình thang

Boender và các cộng sự (1989) mở rộng phương thức Van Laarhoven vàPedrycz (1983) và phát triển một cách tiếp cận mạnh mẽ hơn để bình thường hóanhững ưu tiên của địa phương

Chang (1996) đã đề xuất một phương pháp mới với việc sử dụng các số

mờ tam giác và phương pháp phân tích mức độ hợp với quy mô của từng đôi soAHP và các giá trị mức độ tổng hợp của các cặp so sánh, tương ứng

Noci (1997) đã đề xuất mô hình AHP cải tiến để đánh giá hiệu quả môitrường của người bán Trong ngành công nghiệp ô tô, công cụ này sử dụng theonăm bước nhằm tính toán các ưu điểm, lợi thế của nhà cung cấp về mặt môi 47trường Nhà cung cấp hoặc nhóm các nhà cung cấp có điểm số cao nhất sẽ đượclựa chọn

Handfield và các cộng sự (2002) đã mô tả AHP như một mô hình hỗ trợ raquyết định giúp người quản lý có thể cân bằng các mục tiêu môi trường

Theo Kahraman (2008), hiện nay có các phương pháp FAHP cơ bản thuhút nhiều nhà nghiên cứu:

Phương pháp của V.Laarhoven, Pedrycz (1983) và Buckley (1985) có yêucầu tính toán rất lớn ngay cả đối với vấn đề rất nhỏ;

Phương pháp Chang (1996): yêu cầu tính toán tương đối thấp và trình tựthực hiện giống như phương pháp AHP trong môi trường rõ Trong nghiên cứunày, tác giả đã đánh giá tầm quan trọng tương đối của các đặc tính môi trường

khác nhau và cách phản ứng của một số nhà cung cấp đối với từng đặc tính, nhờ

đó ít tốn thời gian và công sức tính toán hơn

2.2.2 Đo lường và thu thập dữ liệu

Dữ liệu cần được hợp thức và lọc lại bởi vì chất lượng và tính toàn vẹncủa dữ liệu có ý nghĩa giới hạn cho các hệ hỗ trợ quyết định Dữ liệu thu thậpđược cần có khung cơ sở để dò tìm, ngăn chặn và hiệu chỉnh sai số trong thuthập dữ liệu cho hệ hỗ trợ quyết định

Phương pháp thu thập phổ biến là đặt câu hỏi, quan sát, nghiên cứu thờigian, phỏng vấn, cảm biến, máy quét

Chất lượng dữ liệu là vấn đề quan trọng như:

+ Ngữ cảnh: Tính thích đáng, giá trị tăng thêm, tính kịp thời, tínhđầy đủ và khối lượng dữ liệu

+ Nội tại: Tính chính xác, khách quan, tin cậy được và danh tiếng.+ Dễ truy cập: Truy đạt được và mức an toàn truy cập

+ Đại diện: Khả năng phân giải, dễ hiểu, thể hiện súc tích và thểhiện nhất quán

+ Đồng điệu

+ Phiên bản

+ Tính đầy đủ, phù hợp

+ Dần xuất

Vấn đề Nguồn gốc điển hình Giải pháp khả dĩ

Dữ liệu không đúng

Tạo sinh dữ liệu bất cẩn Dữliệu thô nhập vào khôngchính xác Dữ liệu bị thay đổikhông hợp lệ

Xây dựng cách nhập dữ liệu

có tính hệ thống Nhập dữ liệu

tự động Kiểm soát chất lượngkhi tạo sinh dữ liệu Xây dựngchương trình an toàn thíchhợp

Dự liệu không kịp

thời

Phương pháp tạo sinh dự liệukhông đủ nhanh so với nhucầu

Sửa đối hệ thống tạo sinh dữliệu

Sử dụng môi trường WEB đểlấy dữ liệu cập nhật

mô hình phức tạp

Xây dựng hệ thống đo lườnghay tổ họp dữ liệu Dùng nhàkho dữ liệu Dùng các động

cơ tìm kiếm thích họp Xâydựng các mô hình đơn giảnhơn hay có tính kết hợp caohơn

Không có dữ liệu

cần thiết

Dữ liệu cần thiết chưa đượclưu bao giờ Dữ liệu yêu cầuchưa có bao giờ

Tiên đoán những dữ liệu cầncho tương lai Dùng nhà kho

dữ liệu Tái sinh dữ liệu mới

Bảng 2.2 Các vấn đề thu thập dữ liệu

Để có thể đánh giá sự quan trọng của một phần tử với 1 phần tử khác, tacần một mức thang đo để chỉ sự quan trọng hay mức độ vượt trội của mộtphần tử với 1 phần tử khác qua các tiêu chuẩn hay tính chất

2.3 Phân rã các v ấn đ ề quy ết định

2.3.1 Xây dựng cặp Pair wise

Một trong những bước quan trọng nhất trong nhiều phương pháp raquyết định là ước tính chính xác của dữ liệu thích hợp Đây là một vấn đềkhông bị ràng buộc trong phương pháp AHP, nhưng nó là rất quan trọng trongnhiều phương pháp khác mà cần phải đưa ra thông tin từ người ra quyết định

Dữ liệu định tính không thể biết được về giá trị tuyệt đối Ví dụ: "giá trị củamột phần mềm máy tính cụ thể về tiêu chí sử dụng thích nghi là những gì?"Mặc dù thông tin về câu hỏi như trước đó là rất quan trọng trong việc đưa racác quyết định đúng đắn, nó là rất khó khăn, nếu không phải không thể, đểđịnh lượng chúng một cách chính xác Vì vậy, nhiều phương pháp ra quyếtđịnh cố gắng để xác định tầm quan trọng tương đối, hoặc trọng lượng của lựachọn thay thế trong điều kiện của từng tiêu chí liên quan đến một vấn đề quyếtđịnh nhất định

Một cách tiếp cận dựa trên so sánh cặp được đề xuất bởi Saaty (1980) từlâu đã thu hút sự quan tâm của nhiều nhà tìm kiếm Nghiên cứu các cặp sosánh được sử dụng để xác định tầm quan trọng tương đối của từng phươngpháp trong điều kiện của mỗi tiêu chí Trong phương pháp này người ra quyếtđịnh phải bày tỏ ý kiến của mình về giá trị của các cặp so sánh Thông thường,người ra quyết định có để lựa chọn câu trả lời của mình trong số lựa chọn rờirạc Mỗi sự lựa chọn là một cụm từ Một số ví dụ về cụm từ đó là: "Một làquan trọng hơn B", hoặc "Một là về tầm quan trọng tương tự như B", hoặc

"Một là nhiều hơn một chút quan trọng hơn B"

Vấn đề chính với các so sánh cặp là làm thế nào để định lượng các lựachọn ngôn ngữ được lựa chọn bởi người ra quyết định trong đánh giá của họ.Tất cả các phương pháp mà sử dụng phương pháp so sánh cặp cuối cùng thể

mô khác khởi hành từ một số lý thuyết tâm lý và phát triển các con số được sửdụng dựa trên những lý thuyết tâm lý.

Các giá trị của sự so sánh cặp trong AHP được xác định giá trị có sẵncho các cặp so sánh trong tập: {9, 8, 7, 6, 5, 4, 3, 2, 1, 1/2, 1/3, 1/4, 1/5, 1/6,1/7, 1/8, 1/9}

Ưu tiên bằng nhau cho đến vừa phải (Equally to moderately

Ưu tiên vừa phải cho đến hơi ưu tiên (Moderately to strongly

Hơi ưu tiên cho đến rất ưu tiên (Strongly to very strongly

Rất ưu tiên cho đến vô cùng ưu tiên (Very strongly to extremely

Bảng 2.3 Độ ưu tiên cho các tiêu chí