Nghiên cứu và ứng dụng phương pháp hỗ trợ ra quyết định đa mục tiêu vào bài toán lựa chọn tập đoàn cây có khả năng chống chịu lửa

16 CHƯƠNG 2: PHƯƠNG PHÁP RA QUYẾT ĐỊNH ĐA MỤC TIÊU TRONG BÀI TOÁN LỰA CHỌN TẬP ĐOÀN CÂY CÓ KHẢ NĂNG CHỐNG CHỊU LỬA .... Luận văn tập trung nghiên cứu và ứng dụng ph ng pháp hỗ trợ ra qu

TRƯỜNG ĐẠI HỌC BÁCH KHOA

- -

VƯƠNG THỊ HẠNH

NGHIÊN CỨU VÀ ỨNG DỤNG PHƯƠNG PHÁP HỖ TRỢ

RA QUYẾT ĐỊNH ĐA MỤC TIÊU VÀO BÀI TOÁN LỰA CHỌN TẬP ĐOÀN CÂY CÓ KHẢ NĂNG CHỐNG CHỊU LỬA

LUẬN VĂN THẠC SĨ

KHOA HỌC MÁY TÍNH

Đà Nẵng - Năm 2018

TRƯỜNG ĐẠI HỌC BÁCH KHOA

- -

VƯƠNG THỊ HẠNH

NGHIÊN CỨU VÀ ỨNG DỤNG PHƯƠNG PHÁP HỖ TRỢ

RA QUYẾT ĐỊNH ĐA MỤC TIÊU VÀO BÀI TOÁN LỰA CHỌN TẬP ĐOÀN CÂY CÓ KHẢ NĂNG CHỐNG CHỊU LỬA

LUẬN VĂN THẠC SĨ

Đà Nẵng - Năm 2018

Chuyên ngành: Khoa học máy tính

Mã số: 60 48 01

NGƯỜI HƯỚNG DẪN KHOA HỌC:

TS Nguyễn Văn Hiệu

LỜI CAM ĐOAN

Tôi xin cam đoan:

- Những nội dung trong luận văn này là do tôi thực hiện dưới sự hướng dẫn trực tiếp của TS Nguyễn Văn Hiệu

- Mọi tham khảo dùng trong luận văn đều được trích dẫn rõ ràng và trung thực

về tên tác giả, tên công trình, thời gian và địa điểm công bố

- Mọi sao chép không hợp lệ, vi phạm quy chế đào tạo, hay gian trá, tôi xin chịu hoàn toàn trách nhiệm

Tác giả luận văn

V ng Thị H nh

MỤC LỤC

LỜI CAM ĐOAN i

MỤC LỤC ii

TÓM TẮT LUẬN VĂN v

DANH MỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT vi

DANH MỤC CÁC BẢNG vii

DANH MỤC CÁC HÌNH viii

MỞ ĐẦU 1

1 Lý do chọn đề tài 1

2 Mục tiêu và nhiệm vụ nghiên cứu 2

3 Đối t ợng và ph m vi nghiên cứu 3

4 Ph ng pháp nghiên cứu 3

5 Dự kiến kết quả 3

6 Ý nghĩa khoa học và thực tiễn của đề tài 4

7 Cấu trúc của luận văn 4

CHƯƠNG 1: TỔNG QUAN VỀ PHÒNG CHỐNG CHÁY RỪNG VÀ PHƯƠNG PHÁP RA QUYẾT ĐỊNH ĐA MỤC TIÊU 7

1.1 TỔNG QUAN VỀ PHÒNG CHỐNG CHÁY RỪNG 7

1.1.1 Giới thiệu 7

1.1.2 Ph ng pháp phòng chống cháy rừng 8

1.1.3 Ph ng pháp băng xanh cản lửa 9

1.2 TỔNG QUAN VỀ PHƯƠNG PHÁP RA QUYẾT ĐỊNH ĐA MỤC TIÊU 11

1.2.1 Giới thiệu 11

1.2.2 Một số khái niệm thông th ờng 13

1.2.3 Cấu trúc bài toán MCDA 13

1.2.4 Phân lo i bài toán MCDA 13

1.2.5 Các ph ng pháp của MCDA 14

1.3 BÀI TOÁN LỰA CHỌN TẬP ĐOÀN CÂY CHỐNG CHỊU LỬA 15

1.3.1 Ph ng pháp băng xanh cản lửa 15

1.3.2 Bài toán cụ thể 16

CHƯƠNG 2: PHƯƠNG PHÁP RA QUYẾT ĐỊNH ĐA MỤC TIÊU

TRONG BÀI TOÁN LỰA CHỌN TẬP ĐOÀN CÂY CÓ KHẢ NĂNG CHỐNG CHỊU LỬA 17

2.1 GIỚI THIỆU BÀI TOÁN LỰA CHỌN TẬP ĐOÀN CÂY 17

2.1.1 Xác định tiêu chí 18

2.1.2 Xây dựng ma trận phân tích 18

2.1.3 Chuẩn hóa ma trận phân tích 19

2.1.4 Mô hình hóa hàm giá trị 19

2.2 PHƯƠNG PHÁP TÍCH BẬC (AHP) 20

2.2.1 Xác định vấn đề cần giải quyết 21

2.2.2 Xây dựng ma trận so sánh 22

2.2.3 Tổng hợp độ u tiên 25

2.2.4 Ưu và nh ợc điểm của AHP 25

2.3 PHƯƠNG PHÁP AHP/DS 26

2.3.1 H ớng tiếp cận cải tiến 26

2.3.2 Lý thuyết Dempster- Shafer (DS) 27

2.3.3 Quy luật kết hợp Dempster 28

2.3.4 Mô hình AHP/ DS 29

2.4 PHƯƠNG PHÁP CẢI TIẾN MAXIMIN 38

2.4.1 Lý do cải tiến 38

2.4.2 Hàm mục tiêu 38

2.4.3 Ph ng pháp giải bài toán tối u 39

CHƯƠNG 3: XÂY DỰNG CHƯƠNG TRÌNH HỖ TRỢ CHỌN TẬP CÂY CHỐNG CHỊU LỬA 42

3.1 THỰC TRẠNG VÀ NHU CẦU 42

3.1.1 Thực tr ng về lựa chọn tập cây có khả năng chống chịu lửa 42

3.1.2 Nhu cầu về lựa chọn tập cây có khả năng chống chịu lửa 43

3.2 PHÂN TÍCH VÀ THIẾT KẾ HỆ THỐNG 44

3.2.1 Mô hình bài toán 44

3.2.2 Ch ng trình và ứng dụng 46

3.3 KẾT QUẢ THỬ NGHIỆM 49

KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 52

TÀI LIỆU THAM KHẢO 53 PHỤ LỤC

QUYẾT ĐỊNH GIAO ĐỀ TÀI LUẬN VĂN

TÓM TẮT LUẬN VĂN

NGHIÊN CỨU VÀ ỨNG DỤNG PHƯƠNG PHÁP HỖ TRỢ RA QUYẾT ĐỊNH ĐA MỤC TIÊU VÀO BÀI TOÁN LỰA CHỌN TẬP ĐOÀN

CÂY CÓ KHẢ NĂNG CHỐNG CHỊU LỬA

Học viên: V ng Thị H nh Chuyên ngành: Khoa học máy tính

Mã số: 60 48 01 Khóa: K33-Tr ờng Đ i học Bách khoa – ĐHĐN

Tóm tắt – Hệ thống hỗ trợ ra quyết định DSS (Decision Support System) đ ợc nghiên

cứu, phát triển từ lâu và ứng dụng phổ biến trong quản lý phòng chống cháy rừng Luận văn tập trung nghiên cứu và ứng dụng ph ng pháp hỗ trợ ra quyết định đa mục tiêu MCDA (là một nhánh của lý thuyết ra quyết định) vào bài toán lựa chọn tập đoàn cây có

khả năng chống chịu lửa Luận văn đã tập trung nghiên cứu áp dụng ph ng pháp ra

quyết định đa mục tiêu để giải quyết bài toán lựa chọn tập đoàn cây có khả năng chống chịu lửa, gồm: ph ng pháp AHP và ph ng pháp cải tiến ph ng pháp AHP trên c sở

lý thuyết Dempster-Shafer – AHP/DS, ph ng pháp cải tiến khắc phục đ ợc nh ợc điểm của AHP/DS bằng việc thay thế hàm mục tiêu bằng cách sử dụng chiến l ợc Maximin Luận văn cũng đã xây dựng thành công ch ng trình thử nghiệm với 02 ph ng pháp gồm: ph ng pháp AHP/DS và ph ng pháp cải tiến Maximin Đồng thời, cũng đã xếp

h ng thành công với bài toán thực tế chọn loài cây chống chịu lửa

Từ khóa - cây chống chịu lửa, DSS, phòng chống cháy rừng, MCDA, AHP, AHP/DS,

Maximin

RESEARCH AND APPLICATION OF MULTIPLE CRITERIA DECISION

AID TO SELECTION FIRE-RESISTANT PLANTS Abstract - Decision Support System - DSS for the research, development from long and the popular application in the Forest fire management In this work, research and the application method multiple criteria decision aid - MCDA is specified to be specified selection fire-resistant plants for forest fire prevention Research and the application method multiple criteria decision aid, including: AHP method and method method AHP

on the database theory of Dempster-Shafer - AHP/DS, the progress of the progressed the restore the AHP/DS with the substitution using the target to use the Maximin strategy Done to test both program with AHP/DS method and Maximin optimative method The right, also the finished rating with fire-resistant plants

Key words - fire-resistant plants, DSS, for forest fire prevention, MCDA, AHP,

AHP/DS, Maximin

DANH MỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT

CÁC CHỮ VIẾT TẮT:

AHP Analytic Hierachy Process – Ph ng pháp phân tích thứ bậc

AHP/DS Ph ng pháp phân tích thứ bậc với sự trợ giúp của thuyết Dempster – Shafer

CI Casual index of coordination – Chỉ số thích hợp ngẫu nhiên

DS Lý thuyết Dempster- Shafer – Thuyết ngẫu nhiên

DM Decision maker – Ng ời ra quyết định

DSS Decision support system – Hệ hỗ trợ ra quyết định

IC Index of coordination – Chỉ số thích hợp

MAUT Multi-attribute utility based methods - Ph ng pháp dựa trên tiện ích

đa thuộc tính

MCDA Multiple Criteria Decision Aid – Hỗ trợ quyết định đa tiêu chí

MIS Management Information System - Hệ thống thông tin quản lý

PCCC Phòng cháy chữa cháy

RC Relation of coordination – Giá trị t ng quan phù hợp

DANH MỤC CÁC BẢNG

2.1 Thang đánh giá ứng với tầm quan trọng 22

2.3 Thống kê sự đánh giá của các chuyên gia về

2.4 Kết quả khảo sát của các chuyên gia về nhóm

2.5 Giá trị xác suất c sở của nhóm các tiêu chí 33

2.6 Giá trị hàm xác suất c sở của các nhóm

2.7 Giá trị của hàm niềm tin và hàm sự thực của

3.1 Danh lục các loài có khả năng chống chịu lửa 44

3.2 Danh lục các loài có khả năng chống chịu lửa

3.3 Bảng tiêu chí đánh giá lựa chọn tập đoàn cây có

DANH MỤC CÁC HÌNH

2.1 S đồ tổng quát DSS của bài toán lựa chọn tập đoàn

2.3 Số chiều khác nhau của kết quả ma trận phân tích 19

2.8 Đánh giá hàm  Bel B( k) (1     ) Pl B( k)phụ thuộc vào  37

3.1 Một vài cửa số thống kê sự đánh giá của các chuyên

th ờng xuyên ở cấp IV, cấp V (cấp nguy hiểm và cực kỳ nguy hiểm), đặc biệt là khu vực miền Trung và thực tế cháy rừng đã xảy ra ở một số tỉnh nh : Thừa Thiên Huế, Quảng Ngãi, Bình Định…Năm 2016, cả n ớc đã xảy ra 490 vụ cháy rừng, thiệt h i 3.374 ha rừng các lo i, tăng 13 vụ, 1.314 ha so với năm 2015 (năm 2015 thiệt h i 2.060 ha)

Trong những năm qua, công tác phòng chống cháy rừng luôn đ ợc quan tâm, chỉ

đ o tổ chức triển khai thực hiện nhiều biện pháp phòng cháy chữa cháy rừng, đầu t xây dựng các công trình và ph ng tiện phòng cháy chữa cháy Đặc biệt, chú trọng đến đầu t hệ thống băng xanh cản lửa hoặc xây dựng các lâm phần khó cháy với những loài cây có khả năng chống chịu lửa tốt, đây cũng là hình thức mang tính nhân văn với mục đích h n chế việc cháy rừng xảy ra, đáp ứng đ ợc tác dụng nhiều mặt về phòng cháy nh phù hợp với điều kiện lập địa, có khả năng tái sinh m nh, sức chống chịu lửa và có giá trị kinh tế cao

Hiện nay, công tác lựa chọn tập đoàn cây có khả năng chống chịu lửa đ ợc thực hiện bằng các ph ng pháp thủ công dựa vào kinh nghiệm, kiến thức bản địa dẫn đến kết quả còn nhiều thiếu sót, h n chế Chính vì vậy, việc đ a ra quyết định lựa chọn tập đoàn cây có khả năng chống chịu lửa tốt dựa trên công tác khảo sát thực địa, tham vấn chuyên gia và trên c sở phân tích các chỉ tiêu liên quan là rất quan trọng và mang tính

quyết định Do đó, việc xây dựng hệ hỗ trợ ra quyết định ứng dụng vào bài toán lựa chọn tập đoàn cây có khả năng chống chịu lửa là thật sự cần thiết

Hệ thống hỗ trợ ra quyết định DSS (Decision Support System) đ ợc nghiên cứu, phát triển từ lâu và đã ứng dụng thành công vào nhiều bài toán ra quyết định trong thực tế Đặc biệt, đối với các vấn đề về bảo vệ rừng đã bắt đầu xuất hiện giữa những năm 1970, DSS đ ợc xây dựng nhằm đánh giá những biện pháp khác nhau bao gồm cả việc đánh giá các chi phí của các biện pháp đó để đ a ra những đề xuất, khuyến nghị cho các c quan ra quyết định Trong những năm trở l i đây, cùng với sự phát triển của các phần mềm, sự nâng cao hiểu biết c bản của ng ời ra quyết định về ứng dụng công nghệ thông tin đã giúp cho việc xây dựng và khai thác phần mềm hỗ trợ ra quyết định trong quản lý phòng chống cháy rừng trở nên phổ biến h n

Chính vì những lý do trên, tôi đăng ký thực hiện đề tài: “Nghiên cứu và ứng dụng

ph ng pháp hỗ trợ ra quyết định đa mục tiêu vào bài toán lựa chọn tập đoàn cây có khả năng chống chịu lửa”

2 Mục tiêu và nhiệm vụ nghiên cứu

- Xây dựng đ ợc DataSet về thông số danh sách các loài cây nghiên cứu Đề xuất

đ ợc mô hình giải quyết bài toán trên c sở lý thuyết ra quyết định

- Xây dựng thành công một ứng dụng với mô hình đề xuất

3 Đối tượng và phạm vi nghiên cứu

3.1 Đối tượng

Hệ hỗ trợ ra quyết định, các vấn đề liên quan đến lựa chọn tập đoàn cây có khả năng chống chịu lửa

3.2 Phạm vi nghiên cứu

Tập trung nghiên cứu ứng dụng các ph ng pháp hỗ trợ ra quyết định và áp

dụng thử nghiệm vào việc lựa chọn tập đoàn cây có khả năng chống chịu lửa phục vụ công tác phòng cháy chữa cháy

4 Phương pháp nghiên cứu

4.1 Phương pháp lý thuyết

- Tìm hiểu ph ng pháp lựa chọn tập đoàn cây có khả năng chống chịu lửa

- Tìm hiểu hệ hỗ trợ ra quyết định trong lựa chọn tập đoàn cây có khả năng chống chịu lửa

- Tìm hiểu các ứng dụng và công nghệ liên quan đến hệ hỗ trợ ra quyết định lựa chọn tập đoàn cây có khả năng chống chịu lửa

- Nắm đ ợc các ph ng pháp hỗ trợ ra quyết định đa mục tiêu

- Hiểu đ ợc quy trình xây dựng một hệ hỗ trợ ra quyết định đa mục tiêu trong lựa chọn tập đoàn cây có khả năng chống chịu lửa

5.2 Kết quả thực tiễn

- Xây dựng thành công phần mềm ch ng trình hỗ trợ ra quyết định lựa chọn tập đoàn cây có khả năng chống chịu lửa với một số chức năng c bản, có giao diện thân thiện và dễ sử dụng

- Ch ng trình sẽ hỗ ra quyết định lựa chọn tập đoàn cây có khả năng chống chịu lửa một cách nhanh chóng những vẫn đảm bảo về mặt tối u và có giá trị cho ng ời sử dụng

6 Ý nghĩa khoa học và thực tiễn của đề tài

6.1 Ý nghĩa khoa học

- Tìm hiểu nghiên cứu về hệ hỗ trợ ra quyết định

- Áp dụng ph ng pháp hỗ trợ ra quyết định vào việc lựa chọn tập đoàn cây có khả năng chống chịu lửa phục vụ công tác phòng cháy chữa cháy rừng

7 Cấu trúc của luận văn

LỜI CAM ĐOAN

1.1.3 Ph ng pháp băng xanh cản lửa

1.2 TỔNG QUAN VỀ PHƯƠNG PHÁP RA QUYẾT ĐỊNH ĐA MỤC TIÊU

1.2.1 Giới thiệu

1.2.2 Một số khái niệm thông th ờng

1.2.3 Cấu trúc bài toán MCDA

1.2.4 Phân lo i bài toán MCDA

1.2.5 Các ph ng pháp của MCDA

1.3 BÀI TOÁN LỰA CHỌN TẬP ĐOÀN CÂY CHỐNG CHỊU LỬA

1.3.1 Ph ng pháp băng xanh cản lửa

1.3.2 Bài toán cụ thể

Chương 2: PHƯƠNG PHÁP RA QUYẾT ĐỊNH ĐA MỤC TIÊU TRONG BÀI TOÁN LỰA CHỌN TẬP ĐOÀN CÂY CÓ KHẢ NĂNG CHỐNG CHỊU LỬA

2.1 GIỚI THIỆU BÀI TOÁN LỰA CHỌN TẬP ĐOÀN CÂY

2.1.1 Xác định tiêu chí

2.1.2 Xây dựng ma trận phân tích

2.1.3 Chuẩn hóa ma trận phân tích

2.1.4 Mô hình hóa hàm giá trị

2.3.1 H ớng tiếp cận cải tiến

2.3.2 Lý thuyết Dempster- Shafer (DS)

2.3.3 Quy luật kết hợp Dempster

2.3.4 Mô hình AHP/DS

2.4 PHƯƠNG PHÁP CẢI TIẾN MAXIMIN

2.4.1 Lý do cải tiến

2.4.2 Hàm mục tiêu

2.4.3 Ph ng pháp giải bài toán tối u

Chương 3: XÂY DỰNG CHƯƠNG TRÌNH HỖ TRỢ CHỌN TẬP CÂY CHỐNG CHỊU LỬA

3.1 THỰC TRẠNG VÀ NHU CẦU

3.1.1 Thực tr ng về lựa chọn cây có khả năng chống chịu lửa

3.1.2 Nhu cầu về lựa chọn cây có khả năng chống chịu lửa

3.2 PHÂN TÍCH VÀ THIẾT KẾ HỆ THỐNG

3.2.1 Mô hình bài toán

3.2.2 Ch ng trình và ứng dụng

3.3 KẾT QUẢ THỬ NGHIỆM

KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN TÀI LIỆU THAM KHẢO

PHỤ LỤC

QUYẾT ĐỊNH GIAO ĐỀ TÀI LUẬN VĂN

CHƯƠNG 1: TỔNG QUAN VỀ PHÒNG CHỐNG CHÁY RỪNG VÀ PHƯƠNG PHÁP RA QUYẾT ĐỊNH ĐA MỤC TIÊU

1.1 TỔNG QUAN VỀ PHÒNG CHỐNG CHÁY RỪNG

1.1.1 Giới thiệu

Theo tài liệu quản lý lửa rừng của Tổ chức nông l ng thế giới (FAO - Food and Agriculture Organization of the United Nations), cháy rừng là sự xuất hiện và lan truyền của những đám cháy trong rừng mà không nằm trong sự kiểm soát của con

ng ời, gây nên những tổn thất về nhiều mặt tài nguyên, của cải và môi tr ờng

Cháy rừng xảy ra khi hội tụ đủ ba yếu tố:

- Vật liệu cháy: là tất cả những chất có khả năng bén lửa và bốc cháy trong điều kiện có đủ nguồn nhiệt và oxy

- Oxy: Oxy tự do luôn sẵn có trong không khí (nồng độ khoảng 21 – 23%) và lấp đầy các khoảng trống giữa vật liệu cháy Khi nồng độ oxy giảm xuống d ới 15% thì không còn khả năng duy trì sự cháy

- Nhiệt (nguồn lửa): nguồn nhiệt có thể phát sinh do thiên nhiên nh sấm sét, núi lửa phun,…nh ng ở n ớc ta chủ yếu là do con ng ời gây ra

Năm 2016, cả n ớc đã xảy ra 490 vụ cháy rừng, thiệt h i 3.374 ha rừng các lo i, tăng 13 vụ, 1.314 ha so với năm 2015 (năm 2015 thiệt h i 2.060 ha) Theo nhận định của Tổng cục Lâm nghiệp và dự báo của Trung tâm Khí t ợng Thủy văn Quốc gia, trong những năm gần đây hiện t ợng El Nino đã ảnh h ởng trực tiếp đến n ớc ta; nắng nóng, khô h n diễn ra gay gắt; mùa khô kéo dài; l ợng m a giảm so với trung bình nhiều năm t i nhiều địa ph ng trên cả n ớc Vào thời kỳ cao điểm của hiện

t ợng El Nino thì tình hình cháy rừng xảy ra rất nguy hiểm, giá trị lâm sản thiệt h i

ớc tính hàng trăm tỷ đồng ch a kể hàng chục tỷ đồng chi phí cho chữa cháy và chi phí để phục hồi rừng của Nhà n ớc

Nguyên nhân chủ yếu gây cháy rừng là do đốt dọn thực bì làm n ng rẫy, đốt đồng ruộng để cháy lan vào rừng Các vụ cháy rừng xảy ra đều đ ợc phát hiện sớm và dập tắt kịp thời nên đã h n chế đ ợc thiệt h i do cháy rừng gây ra

Nguyên lý chung của “phòng chống cháy rừng”

Sự cháy là một phản ứng hoá học, phân huỷ những hợp chất hữu c phức t p thành những chất vô c đ n giản h n Trong quá trình đó còn toả ra một l ợng nhiệt lớn

Về mặt lý luận: Phòng chống cháy rừng chỉ quan tâm đến những mặt có h i của cháy, tìm các ph ng pháp ngăn chặn làm n n cháy giảm xuống đến mức thấp nhất,

còn quản lý lửa rừng l i quan tâm đến tính hai mặt của cháy, h n chế mặt có h i, lợi dụng mặt có lợi, làm cho lửa trở thành một biện pháp trong kinh doanh và bảo vệ rừng Cho nên có thể nói lửa là kẻ thù nguy hiểm nhất nh ng cũng là ng ời b n tốt của rừng

Về mặt chính sách: Phòng chống cháy rừng phải nghiêm khắc khống chế nguồn lửa, bởi nó là nhân tố gây cháy Ng ời gây ra nguồn lửa sẽ chịu mọi hình ph t của pháp luật Trong quản lý lửa thì vừa khống chế nguồn lửa và phải dùng lửa an toàn,

nh ng cũng phải tuân theo một quy trình sử dụng lửa trong kinh doanh và bảo vệ rừng

Về mặt biện pháp: Phòng chống cháy rừng là áp dụng mọi biện pháp dự báo và khống chế sự phát sinh của cháy nh ng trong quản lý lửa rừng, ngoài những biện pháp

đó còn phải dùng lửa để kinh doanh rừng Để chữa cháy, thậm chí có lúc còn không nên dập lửa

1.1.2 Phương pháp phòng chống cháy rừng

(1) Biện pháp hành chính: Thiết lập hệ thống tổ chức công tác phòng cháy, chữa

cháy rừng từ Trung ng đến địa ph ng giúp cho việc chỉ đ o, chỉ huy thống nhất và

tổ chức thực hiện công tác phòng cháy chữa cháy rừng một cách có hiệu quả Ban hành kịp thời các văn bản chỉ đ o, điều hành liên quan đến công tác phòng cháy chữa cháy rừng

(2) Tuyên truyền giáo dục nâng cao cảnh giác về phòng cháy, chữa cháy rừng: Ở

n ớc ta, hầu hết các vụ cháy rừng đều bắt nguồn từ việc dùng lửa của con ng ời Vì vậy, việc theo d i thống kê nguyên nhân cháy rừng có ý nghĩa rất quan trọng và là c

sở để xác định các nhóm đối t ợng chủ yếu của chiến dịch tuyên truyền, giáo dục, nâng cao cảnh giác và tích cực ngăn ngừa các vụ cháy rừng xảy ra

Chiến dịch tuyên truyền phòng cháy rừng đ ợc thực hiện thông qua các ph ng tiện thông tin đ i chúng nh đài, báo địa ph ng, panô, áp phích và cũng có thể bằng hình thức tuyên truyền l u động

(3) Biện pháp lâm sinh trong phòng chống cháy rừng: là các các biện pháp kỹ

thuật thông qua công tác kinh doanh, quản lý rừng nh : thiết kế trồng rừng, chọn loài cây trồng, ph ng thức trồng, các biện pháp lâm sinh tác động, nhằm t o ra những khu rừng khó cháy hoặc h n chế sự lan tràn của đám cháy Biện pháp này đã và đang

đ ợc áp dụng ở nhiều n ớc trên thế giới Đây là biện pháp phòng cháy tích cực và chủ động, dễ thực hiện và mang l i hiệu quả tổng hợp lớn Việc thiết kế trồng rừng đó chính là việc thiết kế băng cản lửa Băng cản lửa gồm 2 lo i: băng trắng và băng xanh

- Băng trắng: Là những dãy trống đã đ ợc chặt trắng, thu dọn hết cây c , thảm mục và đ ợc cuốc hay cày lật đất nhằm ngăn cản lửa cháy lan trên mặt đất rừng Khi thiết kế băng trắng, cần lợi dụng tối đa các đặc điểm tự nhiên nh sông suối, hồ n ớc,

đ ờng dòng và những công trình có sẵn nh đ ờng giao thông, đ ờng phân lô, phân khoảng; đ ờng vận xuất, vận chuyển

- Băng xanh: Là những băng đ ợc trồng cây hỗn giao, có kết cấu nhiều tầng, chọn những loài cây có khả năng chịu lửa tốt, phân chia rừng thành các lô nhằm ngăn cản cháy lớn Đ ờng băng xanh có tác dụng ngăn hai lo i cháy là: Ngăn cháy mặt đất

và ngăn cháy l ớt trên tán cây Đ ờng băng cản lửa cũng đồng thời là đ ờng dùng để

di chuyển lực l ợng, ph ng tiện khi xảy ra cháy rừng, đ ờng tuần tra bảo vệ rừng và phục vụ các ho t động kinh doanh rừng

(4) Hệ thống hồ đập, đê bao, kênh mương giữ ẩm và phục vụ chữa cháy rừng:

Hệ thống hồ đập: Cùng với việc thiết kế thi công các đ ờng băng cản lửa Ở các vùng núi có địa hình dốc, đi l i khó khăn,… đến mùa khô hầu hết các khe suối, hồ, đầm đều bị c n n ớc Do đó, khi xảy ra cháy rừng, việc vận chuyển n ớc là hết sức phức t p Vì vậy, phải quy ho ch và xây dựng các công trình, sử dụng các thung lũng, khe suối, đầm, hồ sẵn có để dự trữ n ớc giữ ẩm và phục vụ cho chữa cháy rừng Các

hồ đập còn phục vụ các mục đích khác nh làm thủy điện nh hoặc cung cấp n ớc cho nông nghiệp,…

Hệ thống đê bao, kênh m ng: Hệ thống đê bao, kênh m ng giữ ẩm có ý nghĩa quan trọng trong phòng cháy, chữa cháy rừng

Quai đê bao: Nhằm giữ n ớc ngọt và duy trì độ ẩm cho rừng tràm Việc quai đê, đắp đập là đắp các con đập ở cửa kênh r ch đồng thời với hệ thống đê bao xung quanh rừng tràm

(5) Quy hoạch vùng sản xuất nương rẫy đề phòng cháy lan vào rừng: Chỉ đ ợc

quy vùng n ng rẫy ở những vùng đất trống, với diện tích cố định từ 1 – 2ha (quy mô

hộ gia đình) và diện tích quy vùng n ng rẫy phải có ranh giới cụ thể và đ ợc cắm mốc ngoài thực địa nhằm đề phòng lửa cháy lan vào rừng hoặc gây thiệt h i cho rừng

là:

(6) Giảm khối lượng vật liệu cháy: Làm giảm vật liệu cháy cũng là một biện

pháp phòng cháy rừng tích cực và có thể chủ động thực hiện bằng 2 cách chính: Phát dọn thủ công và đốt tr ớc (vật liệu cháy) có điều khiển

(7) Hệ thống chòi canh phát hiện cháy rừng: Hệ thống chòi canh lửa có tác dụng

phát hiện đ ợc sớm các điểm cháy rừng để kịp thời xử lý, dập tắt đám cháy giảm thiểu thiệt h i đến mức thấp nhất; đồng thời còn là ph ng tiện để quản lý, ngăn chặn và

giám sát mọi ng ời vào rừng trong mùa cao điểm cháy rừng

1.1.3 Phương pháp băng xanh cản lửa

Nguyên lý chung của băng xanh là sử dụng các loài cây có khả năng chống chịu lửa nhờ v dày, thân và lá chứa nhiều n ớc, xanh quanh năm, không bị cháy khi lửa tràn đến để trồng thành băng phân chia rừng thành những diện tích nh , ngăn cản đ ợc

sự lan tràn của các đám cháy rừng

Theo Ph m Ngọc H ng, 2001, đ ờng băng xanh trồng ngay cây xanh cùng với việc trồng rừng trong năm trên những diện tích rừng có độ dốc > 250 Đối với đai cây xanh phòng cháy đ ợc xây dựng dọc theo các đ ờng băng cản lửa đ ờng sắt, đ ờng ô

tô, xung quanh các điểm dân c , xung quanh những vùng đất sản xuất nông nghiệp, nằm ở trong rừng và ven rừng; theo đ ờng phân khoảnh thì chiều rộng của đai rừng cây cần bảo vệ

Có 02 lo i đ ờng băng cản lửa:

- Đ ờng băng chính: Đ ợc thiết kế ở những n i có diện tích rừng lớn, phân ra thành nhiều khu, khoảnh có diện tích từ 3.000 - 5.000 ha Khi thiết kế phải kết hợp và lợi dụng các công trình tự nhiên nh đ ờng sắt, sông suối Đối với rừng tự nhiên

đ ờng băng chính đ ợc chia thành từng khoảnh có cự ly cách nhau từ 2 - 3 km Bề rộng tối thiểu đối với đ ờng băng chính từ 8 - 20 m và nên trồng cây xanh

- Đ ờng băng phụ: Th ờng đ ợc xây dựng ở những vùng rừng dễ cháy và có

c ờng độ kinh doanh cao Đ ờng băng phụ có bề rộng từ 6 - 12 m và cũng nên trồng cây xanh Nh vậy đ ờng băng chính và phụ đ ợc xây dựng sẽ chia những khu rừng thành khoảnh có diện tích từ 100 - 500 ha

Từ những năm 1922 ở một số n ớc nh : Đức, Nga, Úc đã quan tâm đến vấn đề xây dựng các băng xanh phòng cháy, tuỳ theo điều kiện lập địa mà trồng các loài cây

có lá rộng nh Sồi, Giẻ, Hoa mộc (Betula), Keo gai, D ng Balsam Những năm 1930, Nga và một số n ớc khác ở châu Âu đã b ớc đầu nghiên cứu các đai rừng trồng hỗn giao giữa cây lá rộng và cây lá kim Đến những năm 60 mới có nhiều nghiên cứu sâu

h n cả về loài cây có khả năng chống chịu lửa tốt lẫn ph ng thức trồng chúng trên băng phòng cháy

Nghiên cứu tại Việt Nam

Băng cản lửa th ờng có 2 lo i chính là: Băng trắng và băng xanh, tuy nhiên băng xanh th ờng đ ợc u tiên sử dụng nhiều h n Nguyên nhân mà các chuyên gia đ a ra chủ yếu liên quan đến tình tr ng lãng phí đất khi xây dựng băng trắng, việc tốn kém công sức lớn để duy trì tình tr ng “trắng” của băng và tình tr ng cũng nh hiệu quả cản lửa thấp của chúng Tuy nhiên, khi kết hợp đ ờng đi để làm băng trắng ngăn cản cháy rừng trồng thì sẽ hiệu quả h n Ở những khu vực có xu h ớng phát triển đ ờng

bộ m nh mẽ thì có thể sử dụng hệ thống đ ờng bộ làm các băng trắng cản lửa Đây sẽ

là giải pháp “một công đôi việc ’’

Theo tài liêu [1] về “Nghiên cứu, lựa chọn loài cây có khả năng phòng cháy rừng

ở tỉnh Yên Bái ”, Khoa học công nghệ số 1- tháng 1/ 2009 các loài cây có khả năng chịu lửa hiện nay đ ợc điều tra, phát hiện là có khả năng chống chịu lửa, nghiên cứu một số đặc điểm sinh học liên quan tới khả năng chống, chịu của các loài cây lựa chọn, xác định tập đoàn loài cây có khả năng phòng chống cháy hiệu quả t i địa ph ng Theo Nguyễn Đình Thành, (2008), Kết quả nghiên cứu khả năng phòng cháy của một số loài cây có thể sử dụng t o băng ngăn cản lửa t i Bình Định, ông tiến hành điều tra, phát hiện các lo i cây có tính chịu lửa cao trên địa bàn tỉnh Sau đó phân tích mẫu

lá và v cây trong phòng thí nghiệm, tiến hành l ợng hóa và chuẩn hóa các tiêu chuẩn

và so sánh lựa chọn loài cây tối u có khả năng chống, chịu lửa, phòng cháy tốt trồng thành băng xanh và đai xanh ngăn lửa

Theo tài liệu [7] năm 2017 về “Nghiên cứu lựa chọn tập đoàn cây có khả năng chống chịu lửa t i thành phố Đà Nẵng”, T p chí Nông nghiệp&Phát triển Nông thôn,

Số (2), tr.1-10, 2017, Kết quả nghiên cứu là danh sách các loài thực vật bản địa có khả năng chống chịu lửa t o băng xanh cản lửa phục vụ công tác phòng chống cháy rừng

t i thành phố Đà Nẵng, nghiên cứu tiến hành điều tra, khảo sát phát hiện các loài có khả năng chống, chịu lửa; phân tích các đặc điểm sinh – lý - hóa của các loài phát hiện; xác định tập đoàn cây trồng có khả năng phòng chống cháy t i khu vực nghiên cứu và xây dựng danh lục xếp h ng các loài cây có khả năng chống chịu lửa tốt

Có thể thấy những nghiên cứu lựa chọn tập đoàn cây chịu lửa ở n ớc ta còn rất ít Các nghiên cứu mới chỉ là b ớc đầu để tìm ra ph ng pháp chọn loài cây có khả năng chống chịu lửa, các tác giả mới sử dụng một số ít chỉ tiêu đánh giá và phụ thuộc nhiều vào chủ quan của con ng ời Vấn đề xây dựng mô hình đ ờng băng xanh cản lửa hầu

nh ch a đ ợc đi sâu nghiên cứu, các mô hình đ ợc xây dựng ở một số địa ph ng

n ớc ta chủ yếu dựa vào kinh nghiệm Trong thực tế, thiếu một danh sách các loài cây

u tiên phòng cháy cho các d ng lập địa và kiểu rừng khác nhau Ở nhiều địa ph ng còn thiết kế băng trắng hoặc chỉ phổ biến u tiên trồng thuần loài các cây lá rộng

th ờng xanh nh Keo, Chò đen và Lát hoa trên băng cản lửa

1.2 TỔNG QUAN VỀ PHƯƠNG PHÁP RA QUYẾT ĐỊNH ĐA MỤC TIÊU 1.2.1 Giới thiệu

Khi một vấn đề đ ợc đặt ra trong đó có nhiều tiêu chí, mục tiêu kèm theo Nếu các mục tiêu xung đột với nhau và các biến quyết định có những ràng buộc với nhau thì việc đi tìm giải pháp tối u của vấn đề trở thành bài toán “Tối u hóa đa mục tiêu” Bài toán tối u hóa đa mục tiêu đ ợc giải quyết với ý t ởng t ng tự bài toán tối

u một mục tiêu Trong bài toán một mục tiêu để giải quyết bài toán ta phải đi tìm một

tập các biến quyết định th a các ràng buộc và đ a ra một kết quả tối u đối với hàm mục tiêu

Bài toán đa mục tiêu chỉ khác là nó phải giải quyết nhiều mục tiêu khác nhau (có thể xung đột với nhau) và th ờng cho ra một tập các giải pháp tối u hoặc không so sánh đ ợc với nhau Bản chất tự nhiên của bài toán đa mục tiêu là có những thông tin phức t p và xung đột với nhau, th ờng phản ánh các quan điểm khác nhau và th ờng thay đổi theo thời gian Một trong những mục tiêu nguyên lý của cách tiếp cận bài toán

đa mục tiêu là hỗ trợ ng ời ra quyết định tổ chức và tổng hợp các thông tin một cách

khiến họ cảm thấy thuận lợi h n và tin t ởng h n về việc ra quyết định, tối thiểu hóa tiềm năng hối tiếc về những quyết định đã ra bằng việc th a mãn rằng tất cả tiêu chí đã

cả dự báo các sự kiện trong t ng lai

Lịch sử phát triển MCDA có nguồn gốc ít nhất từ thế kỷ thứ 18 khi Marquis de Condorcet đầu tiên áp dụng toán học trong khoa học xã hội một cách hệ thống Tiếp

đó, Pareto là ng ời đầu tiên nghiên cứu một cách r ràng sự kết hợp các tiêu chí khác nhau vào một chỉ số đánh giá duy nhất Ông cũng là ng ời đầu tiên đ a ra các khái niệm về sự hiệu quả, đây là một trong những khía c nh quan trọng của lý thuyết MCDA ngày nay Các ph ng pháp giải quyết bài toán quyết định đa chiều đầu tiên xuất hiện từ cuối những năm 1960 Năm 1968, Roy đã giới thiệu các ph ng pháp xếp

h ng; năm 1976 Keeney và Raiffa mở rộng lý thuyết giá trị cho tr ờng hợp đa chiều Mục đích chung của các ph ng pháp MCDA là giúp cho ng ời ra quyết định chuẩn bị, t o lập quyết định và nghiên cứu các bài toán ra quyết định xét tới nhiều h n một quan điểm Mục đích của MCDA là không bắt buộc phải chọn bất kỳ một quyết định nào mà từ một cấu trúc hợp lý của bài toán ra quyết định MCDA đ a ra các phân tích, khuyến nghị

Từ thập niên 1970 đến 1990, MCDA đ ợc phát triển nhanh chóng, hiệp hội MCDA đ ợc hình thành và nhiều cải tiến cả trên ph ng diện lý thuyết cũng nh các ứng dụng thực tế đã đ ợc xuất bản trong nhiều tài liệu quốc tế, nhiều gói phần mềm giải quyết các bài toán MCDA ra đời, những gói phần mềm này đ ợc gọi là hệ thống

hỗ trợ ra quyết định đa tiêu chí để thực hiện lý thuyết cải tiến trong MCDA với giao diện ng ời dùng thân thiện, quá trình ra quyết định thông qua các thủ tục t ng tác và

đ ợc lặp đi lặp l i nhằm nâng cao nhận thức của ng ời ra quyết định về bài toán và các chính sách quyết định của họ

1.2.2 Một số khái niệm thông thường

(1) Ưu tiên (Preference) là ý niệm của ng ời ra quyết định về các lựa chọn sẵn

có Các u tiên khác nhau sẽ dẫn đến kết quả cuối cùng khác nhau đối với cùng bài toán MCDA Nói chung, có hai d ng u tiên là giá trị dữ liệu ( u tiên về dữ liệu tác động) và các u tiên trọng số ( u tiên về tiêu chí)

(2) Các ph ng án lựa chọn (Alternatives) thể hiện các ph ng án khác nhau của cùng bài toán quyết định đối với ng ời ra quyết định Ph ng án lựa chọn khả thi (feasible alternative) phải th a mãn đầy đủ các yêu cầu của ng ời ra quyết định đ a ra dựa trên tập các tiêu chí

(3) Tiêu chí (Criteria) là chuẩn mực để đánh giá tập các ph ng án lựa chọn Nhìn chung không tồn t i một lựa chọn th a mãn tất cả các tiêu chí cùng một lúc Từ quan điểm thực tế, mục đích của bài toán MCDA là tìm ra một ph ng án lựa chọn mặc dù không chiếm u thế nh ng làm cho ng ời ra quyết định hài lòng nhất

1.2.3 Cấu trúc bài toán MCDA

Von Winterfeldt (1980) đã gọi quá trình cấu trúc bài toán MCDA là giai đo n khó nhất của bài toán hỗ trợ quyết định Keeney (1992) và Hammond et al (1999) đã

đề xuất một giải pháp thông minh cho giai đo n cấu trúc bài toán MCDA nh sau: Cấu trúc c bản của một bài toán MCDA đ ợc thể hiện trong hình sau:

Hình 1.1 Cấu trúc của bài toán MCDA

Trong đó: A = {a1,…, ai ,…, am} là tập các ph ng án lựa chọn, và F = {g1,…, gj,…, gn} là tập hữu h n n tiêu chí Đánh giá của lựa chọn ai dựa trên tiêu chí j là g j (a i )

1.2.4 Phân loại bài toán MCDA

Roy đã đ a ra bốn lo i bài toán ra quyết định trong MCDA:

(1) Bài toán lựa chọn: Chọn ra một ph ng án lựa chọn từ tập các lựa chọn A =

{A 1 ,…, A i ,…, A n }

(2) Bài toán phân loại: Phân lo i các ph ng án lựa chọn vào các nhóm đ ợc

xác định tr ớc đó và đ a ra trật tự u tiên của các nhóm

(3) Bài toán xếp hạng: Xếp h ng các lựa chọn từ tốt nhất đến xấu nhất

(4) Bài toán mô tả: Mô tả các ph ng án lựa chọn theo tính năng chính của lựa

chọn sao cho phân biệt đ ợc với các lựa chọn khác

Hình 1.2 sau là một ví dụ trực quan về các lo i bài toán ra quyết định trong MCDA Trong ví dụ này, phân tích quyết định đa tiêu chí có bảy lựa chọn cụ thể Với

bài toán xếp hạng, toàn bộ chuỗi các lựa chọn đ ợc xếp h ng từ tốt nhất đến xấu nhất

A 2 > A 1 > A 6 > A 5 > A 4 > A 7 > A 3 với “>” có nghĩa là u tiên h n Với bài toán lựa

chọn, lựa chọn tốt nhất là lựa chọn A 2 Với bài toán mô tả, một lựa chọn có thể đ ợc

mô tả theo các tính năng chính Với bài toán phân loại, phân lo i tất cả các lựa chọn vào hai nhóm: Nhóm 1 (A 1 , A 2 , A 6 ) u tiên h n Nhóm 2 (A 3 , A 4 , A 5 , A 7)

Hình 1.2 Phân loại bài toán MCDA

1.2.5 Các phương pháp của MCDA

Ngày nay, có rất nhiều ph ng pháp MCDA, tuy nhiên không một ph ng pháp nào là phổ biến cho tất cả các bài toán ra quyết định Các ph ng pháp khác nhau có thể mang l i kết quả khác nhau cho cùng một bài toán[8] Nói cách khác, khi cùng một

dữ liệu của cùng một bài toán đ ợc sử dụng các ph ng pháp MCDA thì cho kết quả khác nhau, ngay cả với những bài toán đ n giản (là những bài toán có rất ít các

ph ng án lựa chọn và các tiêu chí) Ng ời ra quyết định phải chọn lựa ph ng pháp đáp ứng tốt nhất với mục đích của mình

Trong h n ba m i năm qua đã có vô số các mô hình kết hợp đ ợc phát triển gồm: MAUT, AHP và Outranking Các ph ng pháp mới hoặc các cải tiến tiếp tục xuất hiện trong các t p chí quốc tế nh T p chí của Phân tích quyết định đa tiêu chí,

T p chí Nghiên cứu ho t động của Châu Âu và T p chí Máy tính và các ho t động khác

Có rất nhiều cách phân lo i các ph ng pháp MCDA tùy thuộc vào mỗi tác giả Một trong những lý do cho sự đa d ng này là bản chất mờ giữa các biên của các lo i Theo nhiều tác giả, các ph ng pháp MCDA đ ợc phân thành năm lo i sau: (i)

ph ng pháp thứ tự, (ii) ph ng pháp trọng số, (iii) ph ng pháp tiện ích, (iv) ph ng pháp h n cấp, (v) các ph ng pháp khác

Các ph ng pháp thứ tự c bản bao gồm: ph ng pháp Borda, ph ng pháp Condorcet và ph ng pháp Lexicographic Đặc điểm chung của ph ng pháp thứ tự là các giải pháp sẽ có một thứ tự riêng trên mỗi tiêu chí, thứ tự cuối cùng của các giải pháp đ ợc xác định bằng cách tích hợp các thứ tự riêng đó

Các ph ng pháp trọng số đ ợc sử dụng nhiều bao gồm: ph ng pháp tổng trọng

số và ph ng pháp tích trọng số Tuy nhiên, trong các ph ng pháp trọng số, kết quả phần lớn phụ thuộc vào trọng số đ ợc gán cho mỗi tiêu chí Mặc dù cả hai lo i ph ng pháp này không đ a ra một kết quả đủ tin cậy cho một mục đích nào đó nh ng chúng

đ n giản, trực quan và gần gũi với ng ời ra quyết định trong thế giới thực

Các ph ng pháp dựa trên tiện ích đa thuộc tính và ph ng pháp h n cấp có một

số l ợng đáng kể các ứng dụng Ph ng pháp MAUT h ớng đến việc sử dụng hàm tiện ích để tích hợp giá trị của các tiêu chí, phục vụ cho việc so sánh các giải pháp với

nhau Trong khi các ph ng pháp h n cấp dựa trên việc so sánh cặp các giải pháp, các

ph ng pháp này có u điểm và khuyết điểm riêng và phù hợp với một số lo i ứng dụng

Có một vài ph ng pháp khác, nó không thể xếp trực tiếp vào bất cứ lo i nào kể trên nh ng vẫn dựa vào các ph ng pháp luận MCDA khác nhau

Tất cả các ph ng pháp MCDA đều xử lý với các tình huống ra quyết định khác nhau Tuy nhiên, việc lựa chọn ph ng pháp phụ thuộc vào đặc điểm của hệ thống, dữ liệu sẵn có, mục tiêu và điều kiện ràng buộc cụ thể

1.3 BÀI TOÁN LỰA CHỌN TẬP ĐOÀN CÂY CHỐNG CHỊU LỬA

1.3.1 Phương pháp băng xanh cản lửa

Đối với các công trình phòng cháy rừng ở n ớc ta chủ yếu là xây dựng đ ờng băng cản lửa đó là đ ờng băng trắng và đ ờng băng xanh, đặc biệt là xây dựng đ ờng băng xanh có tác dụng ngăn đ ợc ngọn lửa cháy lan mặt đất, cháy l ớt trên ngọn cây rừng Việc xây dựng băng xanh cản lửa là việc lựa chọn những loài cây có khả năng chống chịu lửa và t o hoàn cảnh ẩm ớt để giảm khả năng lan tràn đám cháy Nhìn chung, đây là những loài cây bản địa có khả năng chung sống với nhiều loài khác để

t o thành quần xã sinh vật ổn định Đồng thời, bản thân chúng cũng cần có những đặc điểm của các loài cây chống chịu lửa nh có v dày, dễ dàng phục hồi tán lá sau cháy,

có nhiều n ớc trong thân và lá, có độ che bóng cao, h n chế sự phát triển của các loài hoà thảo và tăng c hội cho những loài cây bụi a ẩm chịu bóng phát triển, giữ ẩm cho lớp thảm khô

1.3.2 Bài toán cụ thể

Phát biểu bài toán: “Xác định giải pháp lựa chọn tập đoàn cây có khả năng

chống chịu lửa nhằm xây dựng băng xanh cản lửa phục vụ công tác phòng chống cháy rừng ”

Dựa trên các nghiên cứu và ý kiến của chuyên gia về danh mục các loài cây có khả năng chống chịu lửa t i một số các địa ph ng Bài toán sẽ tập trung xác định giải pháp lựa chọn tập đoàn cây có khả năng chống chịu lửa theo thứ tự u tiên trên c sở các tiểu chí gồm 12 tiêu chí đ i diện cho các chỉ tiêu định l ợng, chỉ tiêu sinh học và chỉ tiêu định tính, cụ thể: Hàm l ợng n ớc trong lá, Hàm l ợng n ớc trong v , Hàm

l ợng tro thô trong lá, Hàm l ợng tro thô trong v , Độ dày của lá, Độ dày của v , Khả năng thích ứng với điều kiện lập địa, Kết cấu tán, Giá trị kinh tế, Thời gian cháy của

lá, Thời gian cháy của v

Danh mục cây trồng có khả năng chống chịu lửa, gồm: 24 loài (Chò đen, Chắp tay, Thẩu tấu lá dày, Lộc vừng lá to, Dầu rái, Dẻ đấu nứt, Thành ngh nh, Vối thuốc, Xuân thôn, Dẻ cọng m nh, Trai lý, Chẹo tía, Còng sữa, Dẻ gai lá nhọn, Muồng đen,

L i thọ, V ng trứng, Lộc vừng, Sến núi, Dâu da xoan, Mít nài, Sòi tía, Chà ran nam

bộ, Cù đèn b c)

Tổng kết chương I

Ch ng 1 đã trình bày tổng quan về phòng chống cháy rừng, trong đó chú trọng công tác xây dựng băng xanh cản lửa là một trong những biện pháp lâm sinh trọng tâm trong phòng cháy rừng; tổng quan về ph ng pháp ra quyết định đa mục tiêu Trên c

sở xác định bài toán cụ thể xác định giải pháp lựa chọn tập đoàn cây có khả năng chống chịu lửa nhằm xây dựng băng xanh cản lửa phục vụ công tác phòng chống cháy rừng Ch ng tiếp theo, sẽ nghiên cứu áp dụng ph ng pháp ra quyết định đa mục tiêu

để giải quyết bài toán lựa chọn tập đoàn cây có khả năng chống chịu lửa

CHƯƠNG 2: PHƯƠNG PHÁP RA QUYẾT ĐỊNH ĐA MỤC TIÊU TRONG BÀI TOÁN LỰA CHỌN TẬP ĐOÀN CÂY CÓ KHẢ NĂNG CHỐNG

CHỊU LỬA 2.1 GIỚI THIỆU BÀI TOÁN LỰA CHỌN TẬP ĐOÀN CÂY

DSS là dựa trên máy tính trợ giúp một (hoặc một nhóm ng ời) giải quyết vấn đề bán cấu trúc hoặc không cấu trúc – là những vấn đề không có ph ng pháp giải quyết chắc chắn mà phần lớn phải dựa vào kinh nghiệm và phán đoán của chuyên gia

Poch et al (2003) đã định nghĩa DSS nh là hệ thống thông tin thông minh làm giảm thời gian ra quyết định, cải thiện độ tin cậy và chất l ợng của các quyết định này

Rõ ràng theo các quan điểm này, DSS tích hợp các công nghệ khác nhau và trợ giúp chọn lựa các ph ng án giải quyết các vấn đề có quan hệ phức t p, mang tính công trình và phi công trình Có thể định nghĩa DSS trong lựa chọn tập đoàn cây có khả năng chống chịu lửa nh sau:

Hệ thống hỗ trợ ra quyết định trong lựa chọn tập đoàn cây có khả năng chống chịu lửa là một hệ tích hợp, t ng tác với máy tính; gồm các công cụ phân tích, có khả năng quản lý thông tin, đ ợc thiết kế để hỗ trợ những ng ời ra quyết định trong việc giải quyết các vấn đề liên quan lựa chọn tập đoàn cây có khả năng chống chịu lửa mang tính tổng hợp

Các thành phần c bản và quy trình thực hiện của một hệ thống hỗ trợ ra quyết định trong lựa chọn tập đoàn cây có khả năng chống chịu lửa thể hiện trên Hình 2.1

Hình 2.1 Sơ đồ tổng quát DSS của bài toán lựa chọn tập đoàn cây có khả năng

chống chịu lửa

Trong đó:

- Thu thập, khảo sát số liệu: Dựa trên các nghiên cứu và danh mục các cây có

khả năng chống chịu lửa

- Xử lý dữ liệu: Kiểm tra, xử lý dữ liệu, đ a vào c sở dữ liệu, mô hình

- Phân tích dữ liệu: các mô hình đ ợc sử dụng để tính toán tr ng thái của hệ

thống; Các ph ng án trong lựa chọn có thể đ ợc tính toán, xếp h ng

- Tạo lập quyết định: Tập hợp, liên kết và phân tích các ph ng án ra quyết định

dựa trên dữ liệu Kết quả phân tích sẽ đ a ra đánh giá tổng hợp các ph ng án dựa trên

lý thuyết phân tích đa tiêu chí, phân tích tối u hoặc phân tích rủi ro

- Ra quyết định: Ng ời ra quyết định chọn ph ng án trên c sở các kết quả phân

tích để giải quyết các vấn đề thực tiễn

2.1.1 Xác định tiêu chí

Ph ng pháp MCDA bao gồm một bộ các ph ng pháp xác định, đánh giá và tập hợp các lựa chọn u tiên giữa các lựa chọn thay thế, đ ợc sử dụng rộng rãi trong việc nghiên cứu t o lập quyết định B ớc đầu tiên trong phân tích đa tiêu chí là xác định các tiêu chí khác nhau đ ợc tính đến Đa số các tr ờng hợp một tiêu chí không phải là một biến đ n giản mà là tổ hợp của các dữ liệu thuộc tính và hình học khác nhau Các tiêu chí này phục vụ cho việc thu thập các dữ liệu đầu vào

Các b ớc c bản của MCDA đ ợc mô tả nh hình sau:

Hình 2.2 Các bước thực hiện MCDA trong DSS

2.1.2 Xây dựng ma trận phân tích

Quá trình phân tích sẽ bắt đầu bằng việc xác định ma trận phân tích Ma trận phân tích (n x m: n lựa chọn và m tiêu chí) đ ợc xây dựng từ các giải pháp và tiêu chí

đánh giá trong giai đo n định nghĩa [14] Các phần tử của ma trận là điểm số đánh giá (tác động) của các lựa chọn dựa trên tiêu chí

Trong một số bài toán t o lập các ph ng án ra quyết định mà các tiêu chí là những đ i l ợng phân bố theo không gian, các điểm số là sự tập hợp gồm các điểm, các đ ờng và các đối t ợng vùng Ví dụ nh hình 2.3c, có thể có sự mở rộng theo không gian Mỗi ô trong ma trận phân tích có thể t ng ứng từ bản đồ, chứa các đ i

l ợng phân bố theo không gian Khác với tr ờng hợp kết quả đánh giá là vô h ớng, sự tập hợp bổ sung phải đ ợc thực hiện để đ i l ợng đánh giá phải quy về điểm đánh giá

Hình 2.3 Số chiều khác nhau của kết quả ma trận phân tích

Số chiều theo không gian 0 (a); 1 (b); 2(c)

2.1.3 Chuẩn hóa ma trận phân tích

Chuẩn hóa ma trận phân tích thực hiện việc đ a các giá trị đánh giá theo các đ n

vị đo l ờng khác nhau về một thang đo thống nhất, sao cho có thể so sánh các tiêu chí một cách bình đẳng với nhau DSS sử dụng ph ng pháp biến đổi tỉ lệ tuyến tính và quy chuẩn giá trị của các tiêu chí về khoảng [0, 1]

xy

,

=

x x

x x

j j

j y

min max min

x x

j j

y j

min max max





đối với tiêu chí đ ợc cực tiểu hóa

Giá trị x t ng ứng với lựa chọn (i) và tiêu chí (j) Các ký hiệu xj

min

và xj

max

có nghĩa tỉ số nh nhất và lớn nhất của tiêu chí thứ j

2.1.4 Mô hình hóa hàm giá trị

Hàm giá trị (u) là một đ i diện toán học của các tiêu chí đánh giá Nó biến đổi

các tiêu chí thô thành tỉ lệ thông th ờng của các đối t ợng đ ợc so sánh với nhau u(a) > u(b) a  b

ta tìm đ ợc một quyết định cuối cùng hợp lý nhất AHP giúp những ng ời làm quyết định tìm thấy cái gì là hợp lý nhất cho họ và giúp họ hiểu những vấn đề của mình

Ph ng pháp AHP cho phép:

- Tiến hành phân tích vấn đề cần nghiên cứu

- Tiến hành thu thập thông tin theo từng vấn đề cần nghiên cứu

- Đánh giá sự khác biệt của thông tin và thu hẹp khoảng cách của sự khác biệt

- Đánh giá đ ợc sự ổn định của quyết định

Một trong các yêu cầu quan trọng để bảo đảm sự thành công đối với ph ng pháp đ ợc áp dụng trong việc lựa chọn các thông số kỹ thuật của việc xây dựng tuyến mới hoặc cải t o tuyến đang khai thác đó là sự nắm vững chuyên môn của các nhà t vấn, tham gia vào quá trình xây dựng cấu trúc mô hình ra quyết định, chuẩn bị dữ liệu

và diễn giải các kết quả, tức là họ có khả năng đ a ra đ ợc các thông tin chuẩn và không đối lập nhau Chính vì vậy việc áp dụng ph ng pháp phân tích thứ bậc là sự tập hợp đầy đủ các luận cứ xác đáng bảo đảm cho sự ổn định của việc ra quyết định, trong đó:

- Tất cả các nhân tố ảnh h ởng đến việc ra quyết định đều đ ợc tính đến

- Tất cả các mối quan hệ giữa mục tiêu đặt ra với các yếu tố ảnh h ởng và các quyết định có thể đều đ ợc tính đến

- Việc so sánh từng cặp tiêu chí đánh giá đ ợc tiến hành nhanh gọn h ớng đến mục tiêu chung

Hình 2.5 Sơ đồ cấu trúc thứ bậc

Ph ng pháp thực hiện chia bài toán lớn thành các bài nh đ n giản h n và tiến hành xử lý các đánh giá trên từng cặp với sự tham gia của chuyên gia Trong quá trình đánh giá chúng ta có thể triển khai mức độ t ng quan giữa các phần tử trên cây thứ bậc, th ờng để đ n giản các sự đánh giá đ ợc triển khai bởi định l ợng Ph ng pháp phân tích thứ bậc bao gồm các thủ tục tổng hợp sự đánh giá, sự tiếp nhận mức độ u tiên của các tiêu chí và tìm kiếm ph ng án tối u Ph ng pháp phân tích cây thứ bậc thực hiện dựa trên các tiên đề sau: so sánh từng cặp, thang điểm để tiến hành ánh x sự đánh giá vào định tính, mối quan hệ đối xứng nghịch, phân nhóm mức và tính trọng số trên cây thứ bậc

AHP có 3 phân đo n c bản: Xác định vấn đề cần giải quyết, thành lập ma trận

AHP phân giải vấn đề ra thành cấu trúc cây phân cấp Để làm điều này phải khám phá những khía c nh của vấn đề từ tổng quát đến chi tiết, biễu diễn chúng theo cây đa nhánh Phần tử t i mức cao nhất của cây đ ợc gọi là mục tiêu Những phần tử ở mức cuối cùng đ ợc gọi là những lựa chọn Ngoài ra, còn một nhóm các phần tử liên quan đến các yếu tố hay tiêu chí liên kết giữa những sự lựa chọn và mục tiêu Một cây phân cấp với mục tiêu ở đỉnh, những sự lựa chọn là các phần tử lá và các phần tử tiêu chí là ở giữa

Sắp xếp tất cả các thành phần trong một hệ thống phân cấp cung cấp một cái nhìn tổng thể các mối quan hệ phức t p và giúp ng ời ra quyết định đánh giá liệu các yếu tố trong mỗi cấp có cùng độ lớn để có thể so sánh đ ợc chính xác Khi xây dựng hệ thống phân cấp cần xem xét môi tr ờng xung quanh các vấn đề cần giải quyết và xác định các vấn đề để xác định tất cả các thành phần tham gia liên kết với vấn đề này

2.2.2 Xây dựng ma trận so sánh

Quy luật liên tục cây thứ bậc đ ợc đề cập, để các phần tử của mức thấp nhất thực hiện so sánh từng cặp t ng ứng với các phần tử của mức độ cao h n và tiếp tục thực hiện nh thế cho đến đỉnh của cây thứ bậc Vì thế, chúng ta thực hiện xây dựng tập ma trận so sánh từng cặp đối với các mức của cây thứ bậc và bắt đầu từ mức thấp nhất – trên mỗi ma trận so sánh từng cặp ứng với mỗi phần tử có mối t ng quan với phần tử của mức phía trên Phần tử ở mức trên đó đ ợc gọi là phần tử định h ớng đến các phần tử nằm ở mức d ới, vì mỗi phần tử mức d ới ảnh h ởng lên các phần tử ở mức trên Trên cấu trúc thứ bậc đầy đủ mỗi phần tử ảnh h ởng đến các phần tử ở mức trên Các phần tử trên một mức bất kì thực hiện so sánh từng cặp với nhau Do đó, chúng ta

có đ ợc ma trận đánh giá Công việc so sánh từng cặp đ ợc thực hiện bởi mức độ u tiên của một phần tử này so với một phần tử khác Giả thiết chung mức độ u tiên thực hiện một cách xác định, và mức độ u tiên này không phải là xác suất Bởi vậy mức độ

u tiên là không đổi, độc lập với các tác nhân khác và mức độ u tiên không đ ợc thể hiện trong bài toán

Để có thể đánh giá sự quan trọng của một phần tử với một phần tử khác, ta cần một mức thang đo để chỉ sự quan trọng hay mức độ v ợt trội của một phần tử với một phần tử khác qua các tiêu chuẩn hay tính chất Vì vậy, ng ời ta đ a ra bảng các mức quan trọng nh sau:

Bảng 2.1 Thang đánh giá ứng với tầm quan trọng

1 Hai đối t ợng quan trọng nh nhau

3 Đối t ợng này quan trọng h n đối t ợng kia một chút

Mức độ Định nghĩa

5 Đối t ợng này quan trọng h n đối t ợng kia

7 Đối t ợng này quan trọng h n đối t ợng kia rất nhiều

9 Đối t ợng này cực kì quan trọng h n đối t ợng kia

2,4,6,8 Là mức trung gian giữa các mức 1, 3, 5, 7, 9

Đ i l ợng

nghịch đảo của

các mức trình

bày ở trên

Nếu khi so sánh đối t ợng A với đối t ợng B nhận đ ợc một số

từ các mức độ nêu ở trên (ví dụ là 3), thì khi so sánh đối t ợng B với đối t ợng A, chúng ta nhận đ ợc đ i l ợng nghịch đảo (có nghĩa là 1/3)

Ví dụ, nếu một phần tử A quan trọng h n phần tử B và đ ợc đánh giá mức 9, khi

đó B rất ít quan trọng với A và có giá trị 1/9 Bản chất toán học của AHP chính là việc cấu trúc một ma trận biểu diễn mối liên kết của các giá trị của tập phần tử Ma trận hỗ trợ rất chặt chẽ cho việc tính toán các giá trị Ứng với mỗi phần tử cha ta thiết lập một

ma trận cho các sự so sánh của những phần tử con của nó Việc so sánh đ ợc thực hiện

giữa các cặp tiêu chí với nhau và tổng hợp l i thành một ma trận gồm n dòng và n cột (n là số tiêu chí)

2 1

2 21

1 12

n n

in i

i

n n

A A

A A

A

A A

A A

A

Phần tử A ij thể hiện mức độ quan trọng của tiêu chí hàng i so với tiêu chí cột j

Mức độ quan trọng t ng đối của tiêu chí i so với j đ ợc tính theo tỷ lệ k (k từ 1 đến 9), ng ợc l i của tiêu chí j so với i là 1/k Nh vậy A ij > 0, A ij = 1/ A ij , A ii =1

Ma trận so sánh của các tiêu chí th ờng đ ợc xây dựng dựa trên ý kiến chuyên gia Đối với ma trận này có hai vấn đề cần quan tâm: vấn đề thứ nhất là ma trận phụ thuộc vào ý kiến chủ quan của ng ời ra quyết định Ví dụ tiêu chí X1 quan trọng h n tiêu chí X2 nh ng giá trị quan trọng gấp bao nhiêu lần thì có thể tuỳ từng ng ời Vấn

đề thứ hai là xem xét đến tính nhất quán của dữ liệu Tức là nếu tiêu chí X1 quan trọng gấp 2 lần tiêu chí X2, tiêu chí X2 quan trọng gấp 3 lần tiêu chí X3, tiêu chí X1 sẽ quan trọng gấp 6 lần tiêu chí X3 Tuy nhiên, ý kiến chuyên gia trong thực tế sẽ không phải

nh vậy do họ không bao quát đ ợc tính logic của ma trận so sánh (và cũng không nên

cố gắng bao quát nhằm đảm bảo tính khách quan của đánh giá)

Nếu trong quá trình thảo luận các chuyên gia t vấn không đi đến thống nhất một

ý kiến chung về việc đánh giá một phần tử nào đó trong ma trận so sánh từng cặp thì

sẽ phải sử dụng cách tính giá trị chung nh sau:

n n

j ij

i i

A A

1

 =1

Một trong những điểm m nh của AHP đó là đ a ra đ ợc chỉ số IC, cho phép đ a

ra đ ợc thông tin về mức độ sai lệch của sự thích hợp Để tăng mức độ phù hợp có thể tiến hành tìm kiếm và bổ xung các thông tin cần thiết khác hoặc xem xét l i các dữ kiện đ ợc dùng khi xây dựng ma trận so sánh

i i n

i

A

1 1

2 2 1

1 1

Giá trị RC cần phải thoả mãn điều kiện RC <10% Nếu không th a mãn điều này thì cần phải xác định l i ma trận so sánh Các b ớc trên đ ợc thực hiện đối với tất cả các mức và các nhóm của cây thứ bậc

2.2.3 Tổng hợp độ ƣu tiên

Ta sử dụng những ma trận có đ ợc từ b ớc trên để có thể thiết lập ra độ u tiên của các phần tử trong cây phân cấp Độ u tiên là một số thuộc khoảng [0,1] Chúng biểu diễn sự liên kết của trọng số trong từng phần tử ở từng mức Cuối cùng tổng hợp các kết quả tính toán và đ a ra kết luận cuối cùng về ph ng án sẽ đ ợc lựa chọn





 n

j ij j THi

 (2.6) Trong đó

2.2.4 Ƣu và nhƣợc điểm của AHP

2.2.4.1 Ưu điểm AHP

- Ph ng pháp AHP cho phép xây dựng một hệ thống chỉ tiêu đánh giá rất linh

ho t;

- Ng ời ra quyết định đ ợc quyền linh ho t trong việc xếp h ng so sánh mức độ quan trọng giữa các tiêu chí ở mỗi cấp;

- Ph ng pháp AHP dựa trên c sở toán học;

- Ph ng pháp AHP cho phép đánh giá tính t ng quan trọng các đánh giá của chuyên gia

2.2.4.2 Nhược điểm AHP

- Ph ng pháp AHP phân rã vấn đề quyết định thành các vấn đề con, các cặp so sánh sẽ đ ợc t o thành trong quá trình đánh giá, tiếp cận theo cách này sẽ không thuận lợi khi số l ợng cặp so sánh lớn;

- Hệ thống tỉ lệ đo của AHP bị giới h n rất khó khăn trong việc phân biệt giữa chúng với nhau đối với ng ời ra quyết định;

- Một nh ợc điểm nữa của ph ng pháp AHP là ở mức các ph ng án, việc đánh giá các ph ng án chỉ dựa vào từng tiêu chí, việc đánh giá ở mức này ch a thực hiện

đ ợc đối với một nhóm các tiêu chí

2.3 PHƯƠNG PHÁP AHP/DS

2.3.1 Hướng tiếp cận cải tiến

Mặc dù ph ng pháp phân tích thứ bậc đ ợc phổ biến rộng rãi và áp dụng vào nhiều lĩnh vực, tuy nhiên ph ng pháp phân tích thứ bậc còn chứa một dãy các nh ợc điểm Vì thế mà đã và đang có nhiều nhà nghiên cứu tìm cách cải tiến ph ng pháp hay nói cách khác là việc xây dựng ph ng pháp trên c sở ph ng pháp phân tích thứ bậc với mong muốn làm giảm dãy nh ợc điểm nêu ở trên Sau đây chúng ta sẽ xem xét các h ớng cải tiến khác nhau của ph ng pháp phân tích thứ bậc

Nghiên cứu của Noghin V.D [20] đã đề xuất việc đ n giản hóa việc so sánh từng cặp các phần tử trong quá trình xây dựng ma trận so sánh Dựa trên c sở tính chất đối xứng nghịch và tính chất bắc cầu của ma trận so sánh, tác giả đề xuất hai s đồ cải tiến việc xây dựng ma trận so sánh: 1) S đồ so sánh từ mẫu phù hợp; 2) S đồ so sánh nối tiếp Hai s đồ so sánh đã giúp cải tiến ph ng pháp phân tích thứ bậc đ n giản h n ở giai đo n xây dựng ma trận so sánh Nh ng ph ng pháp chỉ đúng trong tr ờng hợp lý

t ởng khi mà ma trận so sánh từng cặp các đối t ợng trùng với ma trận trọng số Sự nổi bật của việc cải tiến s đồ xây dựng ma trận so sánh là giảm đáng kể độ phức t p trong quá trình đánh giá, cụ thể là các chuyên gia cung cấp thông tin so sánh không phải n*(n-1)/2 so sánh, mà chỉ cần cung cấp n-1 so sánh

Một sự cải tiến khác Noghin V.D và các cộng sự [20] là khả năng sử dụng chập bội thay cho chập tuyến tính

Trong ph ng pháp phân tích thứ bậc đối với việc xử lý thông tin không đầy đủ

về các tiêu chí và về các ph ng án đã có hai h ớng tiếp cận khác nhau: đó là sử dụng khoảng mờ và tập mờ [14] Cách tiếp cận thứ nhất đã có nhiều tác giả tiến hành đánh giá các tiêu chí và các ph ng án theo khoảng yêu thích, có nghĩa là chuyên gia không

đ a ra một đánh giá chính xác mức độ yêu thích, mà chỉ là một khoảng yêu thích và ngầm ý mức độ yêu thích chính xác thuộc khoảng đó Rõ ràng, đánh giá theo khoảng

sẽ làm phức t p tính toán và thực hiện trên c sở ph ng pháp phân tích thứ bậc,

nh ng làm mềm dẻo thủ tục khai thác tri thức của các chuyên gia Mặt khác, cách tiếp cận này không lo i b sự đánh từng cặp các phân tử với nhau, vì vậy cách tiếp cận này vẫn không xóa đi đ ợc những nh ợc điểm c bản của ph ng pháp phân tích thứ bậc Cách tiếp cận thứ hai - các chuyên gia sử dụng lý thuyết tập mờ Cách tiếp cận này hiệu quả h n việc đánh giá theo khoảng, vì lý thuyết tập mờ hỗ trợ việc miêu tả không đầy đủ va không xác định Cho tập vũ trụ , tập mờ F thuộc tập vũ trụ, tập mờ

đ ợc đặc tr ng bởi hàm F :[0,1], và F() có mức thể hiện bao nhiêu phần tử

 của tập vũ trụ  thuộc tập hợp F Tập  trong lý thuyết tập mờ gọi là tập hỗ trợ của tập mờ và bản thân nó không là tập mờ Tập mờ là hoàn toàn xác định bởi các hàm thành viên t ng ứng và ng ợc l i, tức là cho một tập mờ F t ng đ ng với cho một hàm thành viên F của tập mờ H n chế chính của cách tiếp cận này là xây dựng một

hàm thành viên, d ng của hàm này ch a đ ợc biết tr ớc

Từ góc nhìn ứng dụng hay thực thi d ng đánh giá “tốt nhất” hoặc “tệ nhất”, “yêu thích” hoặc “không yêu thích”, “nhiều h n” hoặc “ít h n”…vv đ ợc xem là đ n giản nhất và thực tế nhất Vì vậy, có nhiều tài liệu đã tiếp cận để sử dụng d ng đánh giá này Ngoài ra, tiếp cận với việc xử lý ph ng pháp sao cho không cần so sánh tất cả các ph ng án mà chỉ sử dụng so sánh một số phần và đồng thời tính đến việc thiếu thông tin hoàn toàn hoặc thiếu một phần thông tin Trên h ớng tiếp cận này tác giả Beynon [15] đã đề xuất h ớng cải tiến và trong ph ng pháp đề xuất có sử dụng thuyết ngẫu nhiên (hay thuyết Dempster-Shafer) trên c sở ph ng pháp phân tích thứ bậc Chúng ta cùng nhau phân tích những nét c bản có đ ợc của ph ng pháp này [12]

Ph ng pháp đ ợc đề xuất bởi Beynon [15] trên c sở ph ng pháp phân tích thứ bậc của T Saaty [22] kết hợp với thuyết ngẫu nhiên Dempster-Shafer

Để tiếp tục khắc phục những nh ợc điểm nêu trên, nghiên cứu của (Beynon, 2002; Noghin, 2007; Utkin and Nguyen, 2008, N.V.Hieu 2014) đã đề cập tới một số

ph ng pháp cải tiến Một ph ng pháp nổi bật của định h ớng này là ph ng pháp phân tích thứ bậc với sự trợ giúp của thuyết Dempster - Shafer

2.3.2 Lý thuyết Dempster- Shafer (DS)

Lý thuyết Dempster Shafer dựa trên hai ý t ởng: Thứ nhất để có đ ợc mức độ tin

t ởng đối với một câu h i từ xác suất chủ quan cho một câu h i từ xác suất chủ quan cho một câu h i liên quan, thứ hai quy tắc của Dempster-Shafer trong việc kết hợp nhiều mức độ của niềm tin

Cho Ω là tập vũ trụ Giả sử để có thông tin về một đối t ợng thuộc tập vũ trụ, sử

dụng N phép quan sát (hay N phép đo) Giả thiết rằng, kết quả của phép quan sát hay

phép đo là không chính xác, có nghĩa là đối t ợng quan sát đ ợc r i vào một tập con nào đó của tập vũ trụ Ω Đặt Po( )  là tập tất cả các tập con của Ω Hàm tần suất m gọi

là xác suất c sở (basic probability) đ ợc định nghĩa (Beynon et al., 2000; Beynon,

của sự kiện B i  Po( )  (tập B i) đ ợc định nghĩa:

( i) i/ ,

m B c N với c i là số tập B i quan sát đ ợc (2.8)

Tiếp tục định nghĩa hàm niềm tin (belief function) và hàm thừa nhận

(probability function) của tập (sự kiện) B Po( )  Kí hiệu hàm niềm tin và hàm thừa

( )B  Pr( )B  ( )B

Bel Pl (2.10)

2.3.3 Quy luật kết hợp Dempster

Nếu chúng ta có các thông tin từ các nguồn độc lập miêu tả về một đối t ợng hoặc một sự kiện Từ mỗi nguồn chúng ta xác định hàm tần suất, thì sử dụng quy luật kết hợp các thông tin độc lập để nhận đ ợc thông tin về đối t ợng

Cho hai nguồn sự kiện Nguồn thứ nhất đ ợc khai triển N1 phép quan sát

A i 1, ,n1 quan sát đ ợc Nguồn thứ hai

đ ợc triển khai N2 phép quan sát (2)

Quy luật kết hợp Dempster đ ợc thực hiện nếu th a mãn giả thiết rằng các nguồn

sự kiện là độc lập tuyến tính Chúng ta kí hiệu xác suất c sở của các sự kiện t ng ứng với nguồn một và nguồn hai là:

thu đ ợc hoàn toàn xung khắc thì K  1, có nghĩa là lúc đó chúng ta không thể sử dụng quy luật kết hợp Dempster

1 Nhóm chuyên gia ánh x bài toán vào d ng cấu trúc cây thứ bậc (t ng tự nh

ph ng pháp phân tích thứ bậc)

2 Thu thập thông tin thông qua thủ tục khảo sát của các chuyên gia

3 Xử lý và phân tích thông tin thu thập đ ợc

Để dễ dàng hiểu bản chất ph ng pháp đề xuất của tác giả chúng ta cùng nhau xem xét bài toán chọn loài cây chống chịu lửa Giả sử sau khi thảo luận nhóm, 11 chuyên gia đã nhất trí để lựa chọn một loài cây chống chịu lửa: loài cây №1, loài cây

№2 và loài cây №3 (đ ợc ký hiệu t ng ứng là A1,A2,A3) dựa trên hai tiêu chí đánh giá chính: Giá trị kinh tế- C1; Khả năng thích ứng với điều kiện lập địa - C2

Hình 2.6 Cấu trúc cây thứ bậc của bài toán lựa chọn loài cây chống chịu lửa

Bài toán chọn loài cây chống chịu lửa đ ợc các chuyên gia ánh x vào d ng cấu trúc cây thứ bậc bao gồm hai tầng: tầng một phân bố các tiêu chí, tầng hai phân bố các

ph ng án (Hình 2.6)

Ở ví dụ này chúng ta phải l u ý rằng đây chỉ là mẫu trình bày cho một mô hình

đ n giản của bài toán thực tế về việc chọn loài cây chống chịu lửa Ví dụ ở đây mục đích chính là minh họa cho bản chất ph ng pháp mới ra quyết định đa mục tiêu mà tác giả đề xuất (hay có thể gọi đ n giản là ph ng pháp phân tích thứ bậc cải tiến)

2.3.4.1 Thủ tục khảo sát các chuyên gia

Sau khi bài toán đ ợc ánh x vào cấu trúc d ng cây thứ bậc thì cần thông tin bổ sung về các tiêu chí và các ph ng án Các phần tử trên cùng một tầng đ ợc so sánh

Mục đích

A3

với nhau t ng ứng với một phần tử ở tầng trên cấu trúc cây Vì vậy, ứng với bài toán chọn loài cây chống chịu lửa thủ tục khảo sát ý kiến của chuyên gia đ ợc thực hiện hai tầng: tầng thứ nhất khảo sát ý kiến của các chuyên gia về các tiêu chí, tầng thứ hai khảo sát các chuyên gia về các ph ng án ứng với mỗi tiêu chí

Cần l u ý rằng, trong quá trình thực hiện so sánh từng cặp các tiêu chí và so sánh từng cặp các ph ng án chuyên gia th ờng khó khăn đ a ra kết quả so sánh bằng số từ thang điểm đánh giá hoặc khó khăn đ a ra sự khác biệt hai phần tử hoặc đ a ra đ ợc

sự khác biệt nh ng không đáng kể, dẫn đến khó có thể đánh giá Để khắc phục vấn đề nêu ra, chỉ định đặt mỗi phần tử một số, trong sự cải tiến đề xuất xem xét không chỉ các phần tử riêng lẽ, mà còn xem xét nhóm các phần tử Ví dụ, nếu có 3 ph ng án

3

2

1,A ,A

A , thì chuyên gia có thể so sánh vừa là các ph ng án riêng rẽ A1,A2,A3 và vừa

là các nhóm ph ng án {A1A2},{A1A3},{A2A3} Do đó, khó khăn tr ớc tiên là triển khai quá trình so sánh Để giải quyết vấn đề này cho phép chuyên gia tự do thay việc thực hiện so sánh từng cặp các phần tử trong cây thứ bậc bằng tiến trình chọn phần tử yêu thích nhất Trong quá trình khảo sát ý kiến chuyên gia đ a ra d ng đánh giá: “tốt nhất” hoặc “xấu nhất”, “yêu thích” hoặc “không yêu thích”, “lớn h n” hoặc “bé h n”, “1” hoặc “0” Ở đây nếu một phần tử đ ợc chọn bởi chuyên gia thì đánh giá nhận đ ợc là

“1”, còn tất cả các phần tử còn l i là “0”

Cho tập ph ng án Α{A1,A2,,A n} đ ợc hình thành từ n thành phần, Po(A)- tập của tất cả tập con ph ng án lấy từ Α, có ký hiệuPo(A){1,2,,l}, 2n1

)

1

(

C C C

3

3!

31!(3 1)!

sC  

 ,

} , , { } , ,

3

3!

32!(3 2)!

sC  

 ;

} {

} { ( 3 ) 1 2 3

1 )

3

(

C C C